Neste post, forneço um exemplo de previsão baseada em CAGR, usando dados de produção de veículos da OICA para a indústria automotiva chinesa.
CAGR é a taxa de crescimento média composta.
Se, por exemplo, a produção no ano 2000 for de 1.000.000 unidades, então, se CAGR = 3% for esperado, a produção após 10 anos seria calculada e esperada como:
A previsão baseada em CAGR consiste em um fluxo de trabalho em duas etapas:
- calcular CAGR a partir de dados históricos
- calcular valores futuros assumindo CAGR histórico
Se os valores anuais forem previstos, o CAGR deverá ser calculado com base nos valores históricos anuais. Se os valores mensais forem previstos, o CAGR deverá ser calculado a partir dos valores históricos mensais. E assim por diante.
Abaixo, uso a metodologia CAGR para prever a futura produção automotiva em número de unidades produzidas anualmente. Eu uso os dados de produção da indústria automotiva da OICA para calcular o CAGR anual histórico e prever a produção futura com base no valor CAGR calculado.
O primeiro passo é ler os dados. Esta etapa inclui a filtragem também.
library(readxl)
library(dplyr)
data_df = as.data.frame(read_xls("oica.xls"))
data_df = dplyr::filter(data_df,year>=2005,country=="China")
head(data_df)
## year country total
## 1 2018 China 27809196
## 2 2017 China 29015434
## 3 2016 China 28118794
## 4 2015 China 24503326
## 5 2014 China 23731600
## 6 2013 China 22116825
tail(data_df)
## year country total
## 9 2010 China 18264761
## 10 2009 China 13790994
## 11 2008 China 9299180
## 12 2007 China 8882456
## 13 2006 China 7188708
## 14 2005 China 5717619
Em seguida, o CAGR histórico pode ser calculado. Neste caso, para os anos de 2005 a 2018:
cagr = (data_df$total[1]/data_df$total[length(data_df$total)])^(1/(length(data_df$total)-1)) - 1
Usando o valor CAGR anual histórico, prevejo a produção automotiva chinesa medida em unidades produzidas anualmente, para 2030:
data_df$total[1]*(1+cagr)^(2030-2018)
## [1] 119761592
A previsão baseada em CAGR é claramente ingênua. Essa metodologia de previsão só funciona sob fortes pressupostos, como, por exemplo, o pressuposto de que o crescimento é ilimitado. No caso da produção de veículos automotores, isso não é viável. Assim, esta metodologia de previsão só pode ser aplicada a um horizonte de tempo limitado. Além disso, a previsão baseada em CAGR requer alguma tolerância à variação.
Cientista de dados com foco em simulação, otimização e modelagem em R, SQL, VBA e Python
Leave a Reply