Previsão dos preços do petróleo Brent com modelos univariados

• Autor(a) principal: Silvestre, Mariana Coelho
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10071/26773
• topic: Previsão; Redes neuronais -- Neural networks; Séries temporais -- Time series; Petróleo Brent; Métricas de performance; Prediction; Brent crude oil; Performance metrics

O objetivo deste estudo é a previsão da série temporal de preços do petróleo Brent através de diversos modelos econométricos e de Machine Learning de forma a identificar qual é o que obtém um melhor ajuste e performance. As métricas de avaliação da performance que auxiliaram na comparação entre os modelos foram o Mean Absolute Error (MAE), o Mean Absolute Percentage Error (MAPE), o Mean Squared Error (MSE) e o Root Mean Squared Error (RMSE). Com isto, conseguiu-se perceber que existe uma tendência, sendo o modelo ARIMA (Auto Regressive Integrated Moving Average) e o modelo LSTM (Long short-term memory) os mais estudados na literatura e os que obtiveram melhores previsões em todas as métricas utilizadas. Em suma, verificou-se que tem existido um crescimento gradual da literatura desta temática, que a presente dissertação vai ao encontro dos resultados obtidos por outros autores e que ainda há caminho para novas investigações.