Combinação dos modelos box-jenkins e redes neurais artificiais para previsão do preço da soja

• Autor(a) principal: Baratto, João Luiz Graciola
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIVATES (Biblioteca Digital da Univates - BD)
• Texto Completo: http://hdl.handle.net/10737/3527
• topic: CSA; Previsão do preço da soja; Séries temporais; Redes neurais artificiais; Box- Jenkins; Commodities; Soybean price forecast; Time series; Artificial neural networks

A tomada de decisão por parte das indústrias de beneficiamento, exportadores e produtores de soja, quanto a comercialização ou aquisição do grão é uma difícil tarefa, tendo em vista o risco envolvido. Porém, ela pode ser facilitada por meio da utilização de modelos preditivos que permitam que esses agentes visualizem o comportamento dos preços do grão no futuro. Para tanto, este estudo se propõe a avaliar a eficácia de dois diferentes métodos de modelagem e previsão de séries temporais de forma isolada e combinada. O primeiro é denominado de método de Box-Jenkins, o segundo de RNA/PMC e a combinação dos resultados destes métodos é realizada mediante a aplicação do método denominado de combinação pela variância mínima. A avaliação da eficácia é realizada por meio das medidas de acuracidade denominadas de RMSE, MAE e MAPE. O trabalho é classificado como pesquisa aplicada quanto a natureza, quantitativo quanto a abordagem, descritivo quanto aos objetivos e de modelagem matemática quanto aos procedimentos técnicos. A previsão pelo método de Box-Jenkins foi a que se mostrou menos eficaz, sendo o RMSE igual a 24,98, o MAE igual a 23,70 e o MAPE igual a 13,40%. A previsão pelo método RNA/PMC apresentou resultados significativamente melhores que o anterior, sendo o RMSE igual a 12,07, MAE igual a 9,82 e MAPE igual a 5,52%. Porém, a combinação das previsões pelo método da variância mínima apresentou resultados melhores nas medidas MAE e MAPE, sendo o RMSE igual a 12,20,o MAE igual a 8,82 e o MAPE igual a 4,81%. Diante dos resultados das medidas de acuracidade, considera-se que o método de combinação pela variância mínima seja o mais eficaz para previsão do preço da soja.