Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2006 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNIFEI (RIUNIFEI) |
Texto Completo: | https://repositorio.unifei.edu.br/jspui/handle/123456789/2687 |
Resumo: | A pecuária assume papel de destaque na economia mundial, pois, além de ser considerada uma das principais atividades responsáveis pela produção de proteína animal (consumida principalmente por meio da carne e do leite), fornece também matéria-prima para diversos setores da economia. Como exemplos, citam-se os de adubos orgânicos, produtos destinados à alimentação animal, subprodutos para indústria de calçados, vestuário, farmacêutica e outras. Além disso, em muitos casos, os bovinos são utilizados como animais de trabalho na exploração agrícola familiar. Mas, especificamente para o Brasil, essa atividade sempre foi muito importante, pois, a história da pecuária brasileira se mistura, e muito, com a própria história do país. Além disso, hoje ela se firma como uma das mais importantes do agronegócio nacional. Com o maior rebanho comercial do mundo, a atividade vem colocando o país, nos últimos anos, entre os maiores produtores e exportadores de carne bovina. Porém, apesar do destaque e da importância econômico-social do setor, os pecuaristas, em sua grande maioria, não possuem uma gestão profissional do negócio, o que resulta na falta de informações gerenciais. Isso os tem levado ao uso de regras de decisão que, muitas vezes, são inadequadas para a maximização dos seus lucros, pois, a atividade está atrelada a vários tipos de risco, que vão desde os produtivos até os comerciais. Uma forma de minimizar o risco na comercialização do boi gordo seria por meio da previsão efetiva dos preços a serem recebidos. Assim, o objetivo principal deste trabalho foi, por meio de uma abordagem metodológica, comparar a análise de regressão múltipla e a modelagem ARIMA na previsão do preço a ser recebido pela arroba de boi gordo. O trabalho leva a concluir que a falta de informações gerenciais da maioria dos produtores realmente compromete a rentabilidade do negócio. Pois, das variáveis utilizadas para a previsão do preço da arroba de boi gordo, a única que apresentou indícios de influenciar o preço foi a quantidade de carne ofertada. Além disso, o preço da arroba de boi gordo está muito mais relacionado com o seu próprio preço no passado do que com outras variáveis do mercado. Por fim, comparando-se os dois modelos de previsão utilizados, não se pode afirmar que um seja superior ou inferior ao outro, nem na estrutura e nem nos resultados alcançados, pois cada um deles apresenta características distintas e ambos foram fundamentais na execução do trabalho. Para trabalhos futuros, sugere-se que a modelagem da previsão do preço da arroba de boi gordo utilize métodos de previsão qualitativos, combinados com os métodos quantitativos, dentro de um ambiente de inteligência artificial. |
id |
UFEI_af0ae498b9a63162d6edc0fa67a23c2f |
---|---|
oai_identifier_str |
oai:repositorio.unifei.edu.br:123456789/2687 |
network_acronym_str |
UFEI |
network_name_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
repository_id_str |
7044 |
spelling |
2006-02-232021-12-062021-12-06T17:25:18Z2021-12-06T17:25:18Zhttps://repositorio.unifei.edu.br/jspui/handle/123456789/2687A pecuária assume papel de destaque na economia mundial, pois, além de ser considerada uma das principais atividades responsáveis pela produção de proteína animal (consumida principalmente por meio da carne e do leite), fornece também matéria-prima para diversos setores da economia. Como exemplos, citam-se os de adubos orgânicos, produtos destinados à alimentação animal, subprodutos para indústria de calçados, vestuário, farmacêutica e outras. Além disso, em muitos casos, os bovinos são utilizados como animais de trabalho na exploração agrícola familiar. Mas, especificamente para o Brasil, essa atividade sempre foi muito importante, pois, a história da pecuária brasileira se mistura, e muito, com a própria história do país. Além disso, hoje ela se firma como uma das mais importantes do agronegócio nacional. Com o maior rebanho comercial do mundo, a atividade vem colocando o país, nos últimos anos, entre os maiores produtores e exportadores de carne bovina. Porém, apesar do destaque e da importância econômico-social do setor, os pecuaristas, em sua grande maioria, não possuem uma gestão profissional do negócio, o que resulta na falta de informações gerenciais. Isso os tem levado ao uso de regras de decisão que, muitas vezes, são inadequadas para a maximização dos seus lucros, pois, a atividade está atrelada a vários tipos de risco, que vão desde os produtivos até os comerciais. Uma forma de minimizar o risco na comercialização do boi gordo seria por meio da previsão efetiva dos preços a serem recebidos. Assim, o objetivo principal deste trabalho foi, por meio de uma abordagem metodológica, comparar a análise de regressão múltipla e a modelagem ARIMA na previsão do preço a ser recebido pela arroba de boi gordo. O trabalho leva a concluir que a falta de informações gerenciais da maioria dos produtores realmente compromete a rentabilidade do negócio. Pois, das variáveis utilizadas para a previsão do preço da arroba de boi gordo, a única que apresentou indícios de influenciar o preço foi a quantidade de carne ofertada. Além disso, o preço da arroba de boi gordo está muito mais relacionado com o seu próprio preço no passado do que com outras variáveis do mercado. Por fim, comparando-se os dois modelos de previsão utilizados, não se pode afirmar que um seja superior ou inferior ao outro, nem na estrutura e nem nos resultados alcançados, pois cada um deles apresenta características distintas e ambos foram fundamentais na execução do trabalho. Para trabalhos futuros, sugere-se que a modelagem da previsão do preço da arroba de boi gordo utilize métodos de previsão qualitativos, combinados com os métodos quantitativos, dentro de um ambiente de inteligência artificial.The livestock has an important function in the worldwide economy. It is ranked as one of the main activities responsible for the animal protein production, which is consumed especially through beef and milk. This provides substance to various sections of the economy, for instance: organic manure, animal food products, products for the footwear industry as well as for the clothing industry, pharmaceutical products and many others. Further on, in many cases the livestock is animal’s work used to agricultural exploitation. This activity is very important to Brazil because the history of Brazilian livestock has a lot to do with the country’s own history. Furthermore, it is some of the most important national agribusiness activity. Owning the world’s biggest commercial herd, the activity has placed Brazil among the top beef producers and exporters in the last years. However, the cattle breeders don’t have any professional business management which results in lack of management information. And also, this does not ensure the maximum possible income because the activity has a lot of productive and commercial risk. Forecasting beef prices is a way to minimize their commercialization risk. Therefore, the main objective of this essay is to compare multiple regression analysis and the ARIMA model of beef price forecasting by the methodological approach. This article suggests that the lack of management information of the cattle breeders really affect the business income. The only variable that could have an effect on beef price is the length of beef bided. Furthermore, the beef price is much more related to the price itself than to other variables of the market. Lastly, comparing the two forecasting models used it can not be said that one is higher or lower either in structure or in results. Since each model presents different attributes both of them were essential to the article. To future works, it is suggested that the beef price forecasting model use qualitative forecasting methods combined with quantitative within an artificial intelligence environment.porUniversidade Federal de ItajubáPrograma de Pós-Graduação: Mestrado - Engenharia de ProduçãoUNIFEIBrasilIEPG - Instituto de Engenharia de Produção e GestãoCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃOPrevisão-preçoRegressão múltiplaARIMABoi gordoMetodologiaRegressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisMONTEVECHI, José Arnaldo Barrahttp://lattes.cnpq.br/2169751971927037http://lattes.cnpq.br/4069096016693580MEDEIROS, André LuizMEDEIROS, André Luiz. Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo. 2006. 112 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2006.info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEILICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2687/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALDissertação_200629880.pdfDissertação_200629880.pdfapplication/pdf1393324https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2687/1/Disserta%c3%a7%c3%a3o_200629880.pdfb3fdf62cfdf61dd659ff091f21493592MD51123456789/26872021-12-06 14:25:21.935oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442021-12-06T17:25:21Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false |
dc.title.pt_BR.fl_str_mv |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
title |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
spellingShingle |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo MEDEIROS, André Luiz CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO Previsão-preço Regressão múltipla ARIMA Boi gordo Metodologia |
title_short |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
title_full |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
title_fullStr |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
title_full_unstemmed |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
title_sort |
Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo |
author |
MEDEIROS, André Luiz |
author_facet |
MEDEIROS, André Luiz |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
MONTEVECHI, José Arnaldo Barra |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/2169751971927037 |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/4069096016693580 |
dc.contributor.author.fl_str_mv |
MEDEIROS, André Luiz |
contributor_str_mv |
MONTEVECHI, José Arnaldo Barra |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO |
topic |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO Previsão-preço Regressão múltipla ARIMA Boi gordo Metodologia |
dc.subject.por.fl_str_mv |
Previsão-preço Regressão múltipla ARIMA Boi gordo Metodologia |
description |
A pecuária assume papel de destaque na economia mundial, pois, além de ser considerada uma das principais atividades responsáveis pela produção de proteína animal (consumida principalmente por meio da carne e do leite), fornece também matéria-prima para diversos setores da economia. Como exemplos, citam-se os de adubos orgânicos, produtos destinados à alimentação animal, subprodutos para indústria de calçados, vestuário, farmacêutica e outras. Além disso, em muitos casos, os bovinos são utilizados como animais de trabalho na exploração agrícola familiar. Mas, especificamente para o Brasil, essa atividade sempre foi muito importante, pois, a história da pecuária brasileira se mistura, e muito, com a própria história do país. Além disso, hoje ela se firma como uma das mais importantes do agronegócio nacional. Com o maior rebanho comercial do mundo, a atividade vem colocando o país, nos últimos anos, entre os maiores produtores e exportadores de carne bovina. Porém, apesar do destaque e da importância econômico-social do setor, os pecuaristas, em sua grande maioria, não possuem uma gestão profissional do negócio, o que resulta na falta de informações gerenciais. Isso os tem levado ao uso de regras de decisão que, muitas vezes, são inadequadas para a maximização dos seus lucros, pois, a atividade está atrelada a vários tipos de risco, que vão desde os produtivos até os comerciais. Uma forma de minimizar o risco na comercialização do boi gordo seria por meio da previsão efetiva dos preços a serem recebidos. Assim, o objetivo principal deste trabalho foi, por meio de uma abordagem metodológica, comparar a análise de regressão múltipla e a modelagem ARIMA na previsão do preço a ser recebido pela arroba de boi gordo. O trabalho leva a concluir que a falta de informações gerenciais da maioria dos produtores realmente compromete a rentabilidade do negócio. Pois, das variáveis utilizadas para a previsão do preço da arroba de boi gordo, a única que apresentou indícios de influenciar o preço foi a quantidade de carne ofertada. Além disso, o preço da arroba de boi gordo está muito mais relacionado com o seu próprio preço no passado do que com outras variáveis do mercado. Por fim, comparando-se os dois modelos de previsão utilizados, não se pode afirmar que um seja superior ou inferior ao outro, nem na estrutura e nem nos resultados alcançados, pois cada um deles apresenta características distintas e ambos foram fundamentais na execução do trabalho. Para trabalhos futuros, sugere-se que a modelagem da previsão do preço da arroba de boi gordo utilize métodos de previsão qualitativos, combinados com os métodos quantitativos, dentro de um ambiente de inteligência artificial. |
publishDate |
2006 |
dc.date.issued.fl_str_mv |
2006-02-23 |
dc.date.available.fl_str_mv |
2021-12-06 2021-12-06T17:25:18Z |
dc.date.accessioned.fl_str_mv |
2021-12-06T17:25:18Z |
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 |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2687 |
url |
https://repositorio.unifei.edu.br/jspui/handle/123456789/2687 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.references.pt_BR.fl_str_mv |
MEDEIROS, André Luiz. Regressão múltipla e o modelo ARIMA na previsão do preço da arroba do boi gordo. 2006. 112 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2006. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Itajubá |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
dc.publisher.initials.fl_str_mv |
UNIFEI |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
IEPG - Instituto de Engenharia de Produção e Gestão |
publisher.none.fl_str_mv |
Universidade Federal de Itajubá |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNIFEI (RIUNIFEI) instname:Universidade Federal de Itajubá (UNIFEI) instacron:UNIFEI |
instname_str |
Universidade Federal de Itajubá (UNIFEI) |
instacron_str |
UNIFEI |
institution |
UNIFEI |
reponame_str |
Repositório Institucional da UNIFEI (RIUNIFEI) |
collection |
Repositório Institucional da UNIFEI (RIUNIFEI) |
bitstream.url.fl_str_mv |
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2687/2/license.txt https://repositorio.unifei.edu.br/jspui/bitstream/123456789/2687/1/Disserta%c3%a7%c3%a3o_200629880.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 b3fdf62cfdf61dd659ff091f21493592 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI) |
repository.mail.fl_str_mv |
repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br |
_version_ |
1801863208570454016 |