Este estudo tenta prever o fluxo turístico no Sudeste Asiático e escolhe Singapura como um caso. Para Singapura, o turismo é uma das principais fontes de divisas, uma vez que não possui recursos naturais para sustentar a sua economia. Portanto, a previsão de chegadas de turistas no país torna-se muito importante pelo motivo que a previsão pode ajudar as indústrias de serviços relacionados com o turismo (por exemplo, companhias aéreas, hotéis, centros comerciais, transportadoras e serviços de catering, etc.) para planear e preparar os seus recursos e atividades de uma forma otimizada. Neste trabalho, foi utilizada a metodologia SARIMA de modo a fazer previsões mensais de chegadas turísticas a Singapura. O melhor modelo de previsão é considerado ser (1,0,1) (1,1,0) 12, sendo obtidas previsões mensais num prazo de dois anos relativamente ao futuro. Além disso, vários testes estatísticos (por exemplo Dickey Fuller, KPSS, Hegy, Ljung-Box, Box-Pierce etc.) foram aplicados sobre as séries cronológicas para adequação do melhor modelo para o ajuste, da análise de auto correlação residual e para a precisão da previsão.
This study attempts to forecast tourist inflow in South East Asia and choses Singapore as a case. For Singapore, tourism is one of the major sources of foreign exchange earnings since it has no natural resources to support its economy. Therefore, forecasting of tourist arrivals in the country becomes very important for the reason that the forecasting may help tourism related service industries (e.g. airlines, hotels, shopping malls, transporters and catering services, etc.) to plan and prepare their resources and activities in an optimal way. In this paper, seasonal autoregressive integrated moving average (SARIMA) methodology was considered for making monthly predictions on tourist arrival in Singapore. The best model for forecasting is found out to be (1,0,1)(1,1,0)12 and monthly forecasting were obtained for two years in future. Further, various statistical tests (e.g. Dickey Fuller, KPSS, HEGY, Ljung-Box, Box-Pierce etc.) were applied on the time series for adequacy of best model to fit, residual autocorrelation analysis and for the accuracy of the prediction.