scrapping.Rmd

---
title: "scrapping bilheteria"
subtitle: "Junto com alguns tratamentos"
author: "Guilherme dos Santos"
date: "1 de junho de 2019"
output: html_document
---

```{r setup, include=FALSE}
library(rvest)
library(dplyr)
library(readr)
library(lubridate)
library(purrr)
library(forecast)
```


```{r funcao}
scrapping_bilheteria <- function(i){

  mojo <- paste0("https://www.boxofficemojo.com/monthly/?view=releasedate&chart=bymonth&month=",
                as.character(i),
                "&view=releasedate")
    
  box_office <- read_html(mojo)
  
  html_nodes(box_office, css = "center table") -> tabela
  
  tabela_boxoffice <- html_table(tabela, header = T)
  
  tabela_boxoffice <- tabela_boxoffice[[1]]
  
  tabela_boxoffice %>% 
    rename(bilheteria = `Total Gross`, 
           Ano = Year, 
           filmes = Movies, 
           media = Avg.) %>%
    mutate(Mes = month.abb[i], 
           bilheteria = parse_number(bilheteria), 
           media = parse_number(media)) %>%
    select(Ano, Mes, bilheteria, filmes, media) -> tabela_boxoffice
  
  tabela_boxoffice
}


```


```{r}
meses <- lapply(1:12, scrapping_bilheteria)

meses <- reduce(meses, rbind.data.frame) 

meses %>% 
  mutate(Mes = ymd(paste0(Ano, "-", Mes, "-01"))) %>%
  select(-Ano) %>% 
  arrange(Mes) -> meses

series <- ts(data = meses$bilheteria, start = c(1982,1), end = c(2019, 5), frequency = 12)
monthplot(series)
```

```{r}
boxplot(meses$bilheteria ~ month(meses$Mes))
```


```{r inclue = FALSE, eval = FALSE}
# aa <- diff(series)
# plot(aa)
# acf(aa)
# pacf(aa)
# acf(aa, lag = 60)
# pacf(aa, lag = 60)
# aa <- diff(aa, lag = 12)
# plot(aa)
# acf(aa, lag = 60)
# pacf(aa, lag = 60)
# parece ser esse modelo
modelo <- arima(series, order = c(0,1,1), seasonal = list(order = c(0,1,1), period = 12))
```

```{r}
library(dygraphs)

dygraph(series) %>% dyRangeSelector()
```



```{r}
bdif <- diff(series)
plot(bdif)
acf(bdif, lag = 60)
pacf(bdif, lag = 60)
bdif <- diff(bdif, lag = 12)
plot(bdif)
acf(bdif, lag = 60)
pacf(bdif, lag = 60)
```


  Aparentemente a parte não sazonal é um MA(1) (dps de uma diferença) e a parte sazonal é 1 MA 1 tbm com uma diferenca, então seria um $SARIMA(0,1,1)\times(0,1,1)_{12}$

```{r}
# separei de 2017 em diante para previsão
parcela_estimacao <- window(series, start = 1982, c(2016, 12))
modelo <- arima(parcela_estimacao, order = c(0,1,1), seasonal = list(order = c(0,1,1), period = 12))
prev <- forecast(modelo)
plot(prev)
```

## Resíduos
```{r}
residuos <- residuals(modelo)
plot(residuos)
acf(residuos)
```