Séries Temporais

Objetivos de aprendizagem #

• O1. Decompor uma série em tendência, sazonalidade e resíduo.
• O2. Aplicar validação com origem móvel, e explicar por que k-fold embaralhado é inválido aqui.
• O3. Comparar uma previsão contra a linha de base ingênua correta.
• O4. Reconhecer quando um problema temporal pode ser tratado como tabular.

O problema: o futuro vaza pela divisão #

Um analista prevê a demanda mensal de um centro de distribuição. Carrega cinco anos de histórico, chama train_test_split com shuffle=True, treina, mede: erro 4%. Excelente. Sobe para produção. No primeiro mês, erra 22%.

Nada quebrou. O experimento é que estava errado — e de um jeito invisível. Ao embaralhar, ele pôs dezembro de 2025 no treino e junho de 2025 no teste: o modelo previu junho sabendo o que aconteceu em dezembro. Em produção esse conhecimento não existe, porque dezembro ainda não aconteceu.

É o vazamento do capítulo 02 na sua forma mais fácil de cometer e mais difícil de perceber. A divisão aleatória — a coisa certa a fazer em quase todo o resto do livro — aqui é exatamente o defeito, e não deixa rastro: nenhum aviso, nenhuma exceção, nenhum número absurdo. Só uma métrica boa demais que ninguém questiona, porque métrica boa é o que todo mundo estava esperando. Este capítulo é sobre o que muda quando os dados têm ordem.

De onde isto veio #

O aperto. 1927. As manchas solares oscilam com regularidade aparente, e a estatística da época tem uma explicação pronta para qualquer periodicidade: existe um ciclo determinístico oculto na natureza, e o que borra a curva é o erro de medição do instrumento. George Udny Yule desconfia dessa divisão de trabalho. E se o ruído não estiver na medição, mas no próprio sistema?

O que se fazia antes. Análise harmônica: decompor a série em senos e cossenos, à procura dos períodos escondidos. O método pressupõe a resposta — se você procura período fixo, você acha algum.

A virada. Modelar o valor de hoje como função dos valores anteriores mais uma perturbação aleatória. É o autorregressivo. A metáfora de Yule diz tudo sem uma linha de notação: um pêndulo que leva pancadas aleatórias oscila — mas sem período fixo. Ele parece cíclico e não é. A regularidade não vem de um relógio escondido; vem da inércia do próprio sistema, que carrega para a frente cada empurrão que recebe.

A ideia reaproveitável. O acaso pode estar dentro do mecanismo, não só no instrumento. Trocar "sinal limpo + erro de leitura" por "sistema que é ele mesmo ruidoso" muda o que você procura: em vez de caçar o período verdadeiro, você estima quanto do passado sobrevive no presente. É uma troca de pergunta, não de técnica — e serve muito além de séries temporais. Sempre que um modelo não fecha, vale perguntar se o erro está no medidor ou na sua ideia do que está sendo medido.

O nome. ARIMA = AutoRegressive Integrated Moving Average — as três peças do procedimento, no acrônimo. O "AR" é Yule; o "I" é a diferenciação; o "MA" é a memória curta dos choques.

Repare no relógio: 43 anos #

Yule publica a autorregressão em 1927. O procedimento que qualquer pessoa consegue seguir — identificar → estimar → diagnosticar — chega em 1970, com Box & Jenkins. Quarenta e três anos entre a ideia e a ferramenta.

É o formato padrão deste livro: 1962→1977 no capítulo 21, 1943→1958 no 18, 1931→1974 no 01 — também 43 anos.

Mas o capítulo 07 traz a exceção que explica a regra: no boosting foram sete anos. Pergunta em 1988, resposta em 1990, algoritmo em 1995. Por quê tão rápido? Porque ali o aperto já estava formulado como pergunta formal precisa — "um aprendiz fraco pode ser transformado num forte?" — com os dois lados definidos o bastante para alguém responder sim ou não.

O gargalo nunca é o tempo nem o computador. É a precisão da pergunta. Yule tinha uma intuição excelente e vaga; Kearns e Valiant tinham um enunciado. Quarenta e três anos contra sete.

Procedência das afirmações desta seção:

Fundamentos: o que muda quando existe tempo #

Uma série é uma sequência de observações ordenadas, e a ordem é informação. Quatro componentes convivem em quase toda série real:

A distinção entre sazonalidade e ciclo é a herança direta de Yule, e é a mais confundida. Sazonalidade tem calendário: dezembro é dezembro. Ciclo não tem — é o pêndulo levando pancadas, e prever quando ele vira é bem mais difícil do que prever dezembro. Antes de qualquer modelo, desenhe a série: é o capítulo 21 aplicado ao tempo, e tendência, sazonalidade, quebras de nível e buracos de coleta aparecem num gráfico de linha em cinco segundos — nenhum deles aparece numa tabela de médias.

Estacionariedade e a diferenciação #

Uma série é estacionária quando suas propriedades estatísticas — média, variância, autocorrelação — não dependem de quando você olha. Os métodos clássicos exigem isso, e a razão é honesta: eles aprendem uma relação entre passado e presente. Se essa relação muda de ano para ano, não há o que aprender.

A ferramenta padrão é a diferenciação: em vez de modelar o valor, modele a variação. Uma série que cresce (100, 110, 121, 133) não é estacionária; a série das diferenças (10, 11, 12) já vive num nível fixo. Este é o "I" de ARIMA — Integrated, o número de vezes que foi preciso diferenciar; para sazonalidade, diferencia-se contra o mesmo período do ano anterior. Duas armadilhas: diferenciar demais injeta ruído que não existia, e a previsão precisa ser desdiferenciada de volta à escala original — esquecer esse passo produz números plausíveis na unidade errada.

O diagnóstico da memória: ACF e PACF #

A função de autocorrelação (ACF) mede a correlação da série com ela mesma defasada de k períodos. É um gráfico, e responde de graça uma pergunta cara: quanto do passado ainda importa? Uma ACF que cai devagar e nunca zera denuncia tendência (falta diferenciar); um pico solitário na defasagem 12, em dado mensal, é sazonalidade anual gritando. Já a autocorrelação parcial (PACF) remove o efeito das defasagens intermediárias — a correlação entre hoje e três dias atrás descontando ontem e anteontem. É ela que sugere quantos termos autorregressivos usar; a defasagem 2 de Yule saiu de um raciocínio desse tipo.

A validação não pode ser aleatória #

Esta é a seção mais importante do capítulo. Embaralhar e sortear treino/teste vaza o futuro para o passado. Não é um vazamento sutil de atributo mal construído — é o modelo lendo a resposta. E ele não se manifesta como erro: manifesta-se como uma métrica excelente que produção jamais reproduz.

Divisão cronológica. O treino termina numa data; o teste começa depois dela. Sempre. Se houver ajuste de hiperparâmetros, use três blocos em ordem — treino, validação, teste — e o teste é o mais recente.

Validação com origem móvel (walk-forward). Um único corte informa pouco: talvez você tenha sorteado um trimestre fácil. Então repita o corte, avançando a origem:

treino [========]           teste [==]
treino [==========]              teste [==]
treino [============]                 teste [==]

Cada rodada treina com tudo até a origem e avalia no bloco seguinte. Você ganha várias medidas, e com elas a incerteza que o capítulo 04 exige — e não só um ponto.

Janela expansiva ou deslizante? A expansiva (acima) acumula todo o histórico; a deslizante mantém o tamanho fixo e descarta o passado remoto. Expansiva quando o processo é estável e dado é escasso; deslizante quando o regime mudou — uma pandemia, uma troca de precificação, um concorrente novo. Dado antigo de um regime morto não é dado a mais, é viés.

Um detalhe que engana gente experiente: atributos defasados têm de respeitar o corte. Se você calcula uma média móvel de 30 dias sobre a série inteira antes de dividir, cada linha do treino já contém informação do teste. Calcule as features dentro de cada dobra, nunca antes.

A linha de base ingênua #

Antes de qualquer modelo, meça o que a previsão ingênua entrega: amanhã é igual a hoje. Se houver sazonalidade, a versão honesta é a ingênua sazonal: este dezembro é igual ao dezembro passado. Ela é surpreendentemente difícil de bater — em séries com muita inércia o último valor já carrega quase tudo o que se sabe. E o incômodo desta seção é este: muito modelo publicado não bate essa linha, porque ninguém a calculou. Compare-se sempre à ingênua do tipo certo: pôr um modelo sazonal contra a ingênua simples é escolher o adversário fraco.

Quando o problema temporal vira tabular #

Boa parte do trabalho prático não usa ARIMA. Usa-se janelamento: cada linha vira "os k valores anteriores + atributos de calendário", e o alvo é o valor seguinte. A partir daí, qualquer regressor do capítulo 07 serve.

A transformação é legítima e frequentemente vence os métodos clássicos — desde que o protocolo de validação continue temporal. É aí que mora o perigo: assim que o problema parece tabular, o reflexo de embaralhar volta. A tabela esconde a ordem; a ordem continua lá. E declare o horizonte: prever 1 passo à frente e prever 30 são problemas diferentes, com erros diferentes — um modelo excelente em 1 passo pode ser inútil em 30, e reportar só o primeiro número é omissão.

Síntese — o que levar #

• Tempo é ordem, e ordem é informação. Todo procedimento do livro que embaralha precisa ser reexaminado aqui.
• Nunca embaralhe. Divisão cronológica e validação com origem móvel; expansiva se o regime é estável, deslizante se mudou.
• Atributos defasados e estatísticas móveis calculam-se dentro de cada dobra. Vazamento por feature sobrevive a uma divisão cronológica correta.
• A previsão ingênua — do tipo certo — é o adversário obrigatório. Modelo que não a bate não tem valor.
• Um intervalo estreito em torno de um protocolo inválido é precisão sem validade, e é mais perigoso que um número ruim.
• Separe sazonalidade (período fixo, do calendário) de ciclo (período variável, emergente). Estacionariedade é pré-requisito dos métodos clássicos, e diferenciar é o caminho mais curto até ela — com a previsão voltando à escala original.
• A ideia de Yule que atravessa tudo: o acaso pode estar dentro do mecanismo, não só no instrumento.

Verificação #

1. Explique a um colega, sem usar a palavra "vazamento", por que k-fold embaralhado dá uma métrica boa e inútil numa série temporal.
2. Sua série tem sazonalidade semanal e uma quebra de nível há seis meses (mudança de preço). Você usaria janela expansiva ou deslizante, e qual previsão ingênua seria a linha de base honesta? Justifique as duas escolhas.
3. Você transformou o problema em tabular com janelas e vai usar um ensemble de árvores. Liste tudo que ainda precisa respeitar a ordem temporal — e diga em que ponto do seu código cada um desses cuidados aparece.