Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo

Detalhes bibliográficos
Autor(a) principal: Almeida, Leonardo Lourenço de
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10400.5/20761
Resumo: Mestrado em Econometria Aplicada e Previsão
id RCAP_6c27f409c2fafbad6dfe3cf0d80601f3
oai_identifier_str oai:www.repository.utl.pt:10400.5/20761
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Aplicação de modelos preditivos para o setor alimentar : um estudo comparativoSéries TemporaisPrevisãoRedes Neuronais ArtificiaisAzeiteARIMAARIMAXVARMLPGMDHTime SeriesForecastArtificial Neural NetworksOlive oilMestrado em Econometria Aplicada e PrevisãoNa sociedade atual a inovação surge como um papel cada vez mais preponderante nas empresas. O presente relatório surge no âmbito de um estágio curricular desenvolvido numa empresa líder a nível mundial no comércio grossista de azeites, com o principal objetivo de encontrar um modelo capaz de prever os preços das suas mercadorias. Para tal, foram analisadas várias metodologias, fazendo uma junção entre modelos tradicionais e mais inovadores e recentes. Sendo por isso, analisados os modelos ARIMA; ARIMAX; VAR como modelos mais tradicionais, em contradição às redes neuronais artificiais do tipo MLP; GMDH. Para o estudo de caso foram utilizados os dados dos três azeites de mais interesse para a empresa, distribuídos por dois conjuntos temporais diferentes, permitindo assim a análise do impacto da dimensão da amostra nas previsões. Estudou-se o impacto de variáveis independentes (nomeadamente meteorológicas, macroeconómicas, entre outras que afetam a produção da azeitona), têm nos preços de compra do azeite. Os resultados apontam para um melhor desempenho do modelo VAR em todos os grupos de dados em análise, obtendo assim as melhores previsões dentro do conjunto de modelos. Destaca-se ainda, a preferência de modelos mais tradicionais quando a série tem um menor comprimento temporal, e uma melhor eficácia das redes neuronais em conjuntos de dados mais elevados, destacando ainda a preferência da rede do tipo GMDH face à rede MLP. Conclui-se ainda, que dentro do vasto conjunto de variáveis em análise, é uma variável binária que influencia a produção (safra), a que possuí maior impacto nas previsões.In today's society, innovation appears as an increasingly prevalent role in companies. This report comes as a part of a curricular internship developed at a world leader in the wholesale of olive oil with the main objective of finding a model capable of predicting the prices of its goods. To this end, several methodologies were analyzed, making a junction between traditional and more innovative and recent models. Therefore, the ARIMA models were analyzed; ARIMAX; VAR as more traditional models, in contradiction to artificial neural networks of the MLP type; GMDH. For the case study, data from the three olive oils of most interest to the company was used, distributed over two different time sets. Thus, allowing the analysis of the impact of the sample size on the forecasts. The impact of independent variables (namely meteorological, macroeconomic, among others that affect olive production) was studied on the purchase prices of olive oil. The results point to a better performance of the VAR model in all groups of data under analysis, thus obtaining the best forecasts within the set of models. Also, noteworthy is the preference for more traditional models when the series has a shorter time length, and a better efficiency of neural networks in higher data sets, also highlighting the preference of the GMDH type network over the MLP network. It is also concluded that, within the vast set of variables under analysis, it is a binary variable that influences production (safra), which has the greatest impact on forecasts.Instituto Superior de Economia e GestãoNicolau, JoãoRepositório da Universidade de LisboaAlmeida, Leonardo Lourenço de2021-07-07T00:30:14Z2020-112020-11-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/20761porAlmeida, Leonardo Lourenço de (2020). "Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo". Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:50:12Zoai:www.repository.utl.pt:10400.5/20761Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:05:26.132131Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
title Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
spellingShingle Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
Almeida, Leonardo Lourenço de
Séries Temporais
Previsão
Redes Neuronais Artificiais
Azeite
ARIMA
ARIMAX
VAR
MLP
GMDH
Time Series
Forecast
Artificial Neural Networks
Olive oil
title_short Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
title_full Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
title_fullStr Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
title_full_unstemmed Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
title_sort Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo
author Almeida, Leonardo Lourenço de
author_facet Almeida, Leonardo Lourenço de
author_role author
dc.contributor.none.fl_str_mv Nicolau, João
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Almeida, Leonardo Lourenço de
dc.subject.por.fl_str_mv Séries Temporais
Previsão
Redes Neuronais Artificiais
Azeite
ARIMA
ARIMAX
VAR
MLP
GMDH
Time Series
Forecast
Artificial Neural Networks
Olive oil
topic Séries Temporais
Previsão
Redes Neuronais Artificiais
Azeite
ARIMA
ARIMAX
VAR
MLP
GMDH
Time Series
Forecast
Artificial Neural Networks
Olive oil
description Mestrado em Econometria Aplicada e Previsão
publishDate 2020
dc.date.none.fl_str_mv 2020-11
2020-11-01T00:00:00Z
2021-07-07T00:30:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10400.5/20761
url http://hdl.handle.net/10400.5/20761
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Almeida, Leonardo Lourenço de (2020). "Aplicação de modelos preditivos para o setor alimentar : um estudo comparativo". Dissertação de Mestrado. Universidade de Lisboa. Instituto Superior de Economia e Gestão.
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
publisher.none.fl_str_mv Instituto Superior de Economia e Gestão
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799131146705960960

Registros relacionados