Analise e previsão de receitas no varejo: comparação entre modelos SARIMA e XGBoost

dc.contributor.advisorOliveira, Rogerio de
dc.contributor.authorDeng, Jhonatan Zhang
dc.date.accessioned2025-03-07T13:58:30Z
dc.date.available2025-03-07T13:58:30Z
dc.date.issued2024-12-09
dc.descriptionIndicado para publicação.
dc.description.abstractThe retail sector faces constant challenges due to the volatile and se asonal nature of its revenues, influenced by changes in consumer preferences and the economic environment. The growing need to improve the accuracy of financial forecasts in this context motivated this study, which aimed to analyze and predict monthly revenues for different product categories using the SARIMA and XGBoost models. The results indicated that the SARIMA model was effec tive for short-term forecasts but lost accuracy in longer-term predictions. On the other hand, XGBoost stood out for medium-term predictions
dc.description.abstractO setor varejista enfrenta desafios constantes devido a natureza volatil e sazonal de suas receitas, influenciadas por mudanças nas preferências dos consumidores e no ambiente economico. A crescente necessidade de melhorar a precisao das previsões financeiras nesse contexto motivou este estudo, que teve como objetivo analisar e prever as receitas mensais de diferentes categorias de produtos, utilizando os modelos SARIMA e XGBoost. Os resultados indicaram que o modelo SARIMA foi eficaz para previsoes de curto prazo, mas perdeu precisao em previsões mais longas. Por outro lado, o XGBoost se destacou em previsoes de médio prazo.
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/40081
dc.languagept_BR
dc.publisherUniversidade Presbiteriana Mackenzie
dc.subjectvarejo
dc.subjectsetor varejista
dc.subjectretail
dc.subjectretail sector
dc.titleAnalise e previsão de receitas no varejo: comparação entre modelos SARIMA e XGBoost
dc.typeTCC
local.publisher.departmentFaculdade de Computação e Informática (FCI)
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
27-2024.2-Jhonatan Zhang Deng.pdf
Tamanho:
561.81 KB
Formato:
Adobe Portable Document Format
Descrição:
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
2.22 KB
Formato:
Item-specific license agreed upon to submission
Descrição: