Previsão de preços de commodities agrícolas através do modelo de análise espectral singular multivariada
Agricultural commodity price forecasting through the multivariate singular spectrum analysis model
DOI:
https://doi.org/10.34140/bjbv5n1-044Palavras-chave:
Análise espectral, previsão, commoditiesResumo
Esta pesquisa teve como proposta realizar previsões dos preços de um grupo de commodities através do modelo espectral de análise multivariada e compará-las com aquelas obtidas por modelos clássicos de previsão. A escolha das commodities etanol, boi gordo, milho, café e soja deu-se por conta do destaque na pauta de exportações no ano de 2013. O modelo espectral multivariado demonstrou-se adequado, quando comparado com os demais, ao permitir melhores desempenhos preditivos. Os resultados obtidos no período fora da amostra, mediante o uso das medidas de erro e do teste estatístico, confirmam isso. A pesquisa pode ajudar os profissionais do mercado na formulação e na aplicação de políticas direcionadas ao setor agrícola por conta da relevância da previsão dos preços como instrumento de planejamento bem como na análise do comportamento do mercado agrícola ao especificar a tendência dos preços.
Referências
Aguiar, S. C. G. E. e Borestein, D. (2012). Redes bayesianas: uma ferramenta na previsão de preço de commodity. Revista de Administração e Negócios da Amazônia, 4, 237-253.
Box, G. E. P. e JENKINS, G. M. (1976). Time series analysis forecasting and control. San Francisco: H. Day.
Bressan, A. A. (2004). Tomada de decisão em futuros agropecuários com modelos de previsão de séries temporais. Revista de Administração Eletrônica, 3, 1-20.
Brockwell, P. J. e Davis R. A. (2002). Introduction to Time Series and Forecasting, 2nd edition. New York: Springer.
Campos, K. C. (2007). Análise da volatilidade de preços de produtos agropecuários no Brasil.
Revista de Economia e Agronegócio, 5, 303-328.
Diebold, F. e Mariano, R. (1995). Comparing Predictive Accuracy. Journal of Business and Economic Statistics, 13, 253-265.
Esquivel, R. M. (2012). Análise espectral singular: modelagens de séries temporais através de estudos comparativos usando diferentes estratégias de previsão. Dissertação de mestrado, Faculdade de Tecnologia Senai Cimatec, Salvador.
Goyal, A. e Welch, I. (2003). Predicting the equity premium with dividend ratios. Management Science, 49, 639–654.
Hassani, H. e Mahmoudvand, R. (2013). Multivariate singular spectrum analysis: a general view and new vector forecasting approach. International Journal of Energy and Statistics, 1, 55-83.
Keppenne, C. e Ghil, M. (1993). Adaptive filtering and prediction of noisy multivariate signals: An application to subannual variability in atmospheric angular momentum. International Journal of Bifurcation and Chaos, 3, 625-634.
Lima, F. G., Kimura, H., Assaf Neto, A. e Perera, L. C. J. (2010). Previsão de preços de commodities com modelos ARIMA-GARCH e redes neurais com ondaletas: velhas tecnologias – novos resultados. Revista de Administração, 45, 188-202.
Marques, J. e Antunes, S. (2009). A perigosidade natural da temperatura do ar em Portugal continental: a avaliação do risco na mortalidade. V Encontro Nacional e I Congresso Internacional de Riscos, 49-61.
Martins, T. M. e Martinelli, D. P. (2010). Ciclos e previsão cíclica dos preços de commodities: um modelo indicador antedecedente para commodity açúcar. Revista de Administração, Contabilidade e Economia, 2, 2-12.
McLeod, A. I. e Li, W. K. (1983). Diagnostic checking ARMA time series models using squared residual autocorrelations. Journal of Time Series Analysis, 4, 169-176.
Menezes, M. L., Cassiano, K. M., Souza, R. M., Teixeira Júnior, L. A., Pessanha, J. F. M. e Souza, R. C. (2014). Modelagem e previsão de demanda de energia com filtragem SSA. Revista de Estatistica UFOP, 3, 170-187.
Ministério da Agricultura, Pecuária e Abastecimento. (2013). Projeções do agronegócio 2013/14 a 2025/25. Assessoria de Gestão Estratégica. Brasília.
Miranda, A. P.; Coronel, D. A.; Vieira, K. M. (2013). Previsão do mercado futuro do café arábica utilizando redes neurais e métodos econométricos. Revista Estudos do CEPE, 38, 66-98.
Morettin, P. A. e Toloi, C. M. C. (2006). Análise de séries temporais. São Paulo: Blücher. Oliveira, V. A. e Aguiar, D. R. (2003). Determinantes do desempenho dos contratos futuros de commodities agropecuários no Brasil. Congresso Internacional de Economia e Gestão de Redes Agroalimentares. Ribeirão Preto: Faculdade de Economia, Administração e Contabilidade de Ribeirão Preto.
Oranje, M. (2003). Competitividade das frutas brasileiras no comércio internacional. Dissertação de Mestrado, Universidade Federal de Viçosa, Viçosa.
Patterson, K., Hassani, H., Heravi, S. e Zhigljavsky, A. (2011). Multivariate singular spectrum analysis for forecasting revisions to real-time data. Journal of Applied Statistics, v. 38, p. 2183- 2211.
Pinheiro, C. A. O. e Senna, Valter. (2014). Predição de índices acionários aos BRICS através de uma proposta de metodologia para a Análise Espectral Singular Multivariada. In: Simposio Brasileiro de Pesquisa Operacional, 2014, Salvador, Anais...
Salvador: XLVI Simpósio Brasileiro de Pesquisa Operacional, 2014.
Plaut, G. e Vautard, R. (1994) Spells of low-frequency oscillations and weather regimes in the Northern Hemisphere. Journal of the Atmospheric Sciences, 51, 210-236.
Ribeiro, C. O., Sosnoski, A. A. K. e Oliveira, S. M. (2010). Um modelo hierárquico para previsão de preços de commodities agrícolas. Revista Produção On-line, 10, 719-733.
Schwager, J. D. (1995). Fundamental analysis. New York: John Wiley & Sons.
Tibulo, C. e Carli, V. (2014). Previsão do preço do milho através de séries temporais. Scientia Plena, 10, 2-10.
Tsay, R. (1986). Non-linearity tests for time series. Biometrika, 73, 461-466.
Vityazev, V., Miller, N. e Prudnikova, E. J. (2010). Singular spectrum analysis in astrometry and geodynamics. AIP Conference Proceedings, 1283, 317-326.
