pms

O objetivo deste pacote é gerar um modelo automatizado de previsão do volume do setor de serviços da economia brasileira medido pela PMS/IBGE. Além de realizar a modelagem e previsão, o pacote reporta os resultados através de uma dashboard resumo.

Este pacote desenvolvido em R, o modelo, os códigos, etc. fazem parte dos cursos da Análise Macro.

Licença

Copyright 2021 Análise Macro. All rights reserved.

Sobre o workflow

Utilizando o pacote fable, são estimados dois modelos: ARIMA univariado e ARIMA com dados do Google Trends.

As etapas realizadas podem ser descritas conforme abaixo:

Procedimento	Função
1) Coleta e tratamento de dados	pms::data_etl()
2) Análise de Componentes Principais (PCA)	pms::data_etl()
3) Separação de amostras de treino e teste	pms::data_split()
4) Modelagem	pms::model_fit()
5) Previsão	pms::model_forecast()
6) Avaliação de acurácia	pms::model_accuracy()
7) Visualização de resultados	pms::run_dashboard()

Instalação

O pacote pode ser instalado através do GitHub com o remotes:

if(!require("remotes")) install.packages("remotes")
remotes::install_github("analisemacropro/pms")

Utilização

Existem duas funções principais no pacote:

• pms::run_model(): executa as etapas 1 a 6 do workflow e retorna os resultados do modelo (point forecasts) e métricas de performance;
• pms::run_dashboard(): executa a função run_model() e gera uma dashboard com os resultados (um arquivo .html).

library(pms)

# Rodar modelo
modelo_pms <- run_model(
  silent       = FALSE,           # Exibir mensagens no Console
  train_end    = 2019,            # Data final da amostra de treino
  save_results = TRUE,            # Salva dados localmente (arquivo ".rds")
  path_results = "data"           # Nome da pasta caso save_results = TRUE
)

# Resultados
dplyr::glimpse(modelo_pms)

O resultado da função pms::run_dashboard() é a visualização abaixo: