ACURÁCIA NA PREVISÃO DE PREÇOS DE CELULOSE DE FIBRA
CURTA BRASILEIRA
Lucas Gabriel Souza Santos (1); Jessica da Silva Cavalotti (2); Júlio Conceição dos Santos
Neto (3); George Moreira Oliveira (4); Liniker Fernandes da Silva (5)
(1)Estudante do curso de Engenharia Florestal; Universidade Federal do Recôncavo da Bahia;
lgssantos2@gmail.com; (2) Estudante do curso de Engenharia Florestal; Universidade Federal do Recôncavo
da Bahia; Jessicacavalotti@gmail.com; (3) Estudante do curso de Engenharia Florestal; Universidade Federal
do Recôncavo da Bahia;(4)Estudante do curso de Engenharia Florestal; Universidade Federal do Recôncavo
da Bahia, oliveirageorgemoreira@gmail.com; (5) Professor Adjunto; Universidade Federal do Recôncavo
da Bahia; linikerfs@ufrb.edu.br
RESUMO
A previsão de preços é uma das diversas atividades de cunho quantitativo da economia que auxilia no planejamento florestal ajudando nos processos de tomadas de decisões dos agentes envolvidos. As redes neurais, por se tratar de um método de previsão não linear, é esperado que apresente melhores resultados. Este trabalho tem como objetivo apresentar a elaboração e a validação de um modelo baseado em redes neurais com intuito de prever os diferentes comportamentos nos preços da celulose. A metodologia utilizada fundamenta-se na construção de modelos uni variados de previsão de preços com base em dados de séries temporais com uso das Redes Neurais Artificiais. Foram utilizadas série de dados mensais com preços FOB (Free on Board) da celulose de fibra curta brasileira com início em janeiro de 2007 até junho de 2014, totalizando 90 observações. Para verificar a qualidade das previsões dos modelos, foram utilizadas as estatísticas erro quadrático médio; erro absoluto médio e raiz quadrada do erro quadrático médio. A melhor RNA treinada previu os preços com precisão, demonstrando o potencial da técnica. Assim, conclui-se que a RNA treinada previu com precisão os preços FOB da celulose brasileira. Palavras-chave: Economia florestal; análise quantitativa; Séries temporais
ABSTRACT
The price forecast is one of several quantitative activities of the economy that assists in forest planning, helping in the decision-making processes of the agents involved. Artificial Neural networks, because it is a non-linear prediction method, is expected to present better results. This paper aims to present the elaboration and validation of a model based on artificial neural networks in order to predict the different behaviors in pulp prices. The methodology used is based on the construction of univariate models of price prediction based on time series data using the artificial neural networks. Monthly data were used with fob prices of brazilian hardwood pulp from january 2007 to june 2014, totaling 90 observations. To verify the quality of the predictions of the models, we used the statistics mean square error; mean absolute error and square root mean square error. The best trained rna accurately predicted prices, demonstrating the potential of the technique. Thus, we conclude that trained rna accurately predicted the fob prices of brazilian pulp.
Keywords/Palabras clave:Forest economics; quantitative analysis; Time Series INTRODUÇÃO
O setor florestal brasileiro tem aumentado sua participação no comércio mundial, em razão da sua capacidade. Estima-se que o setor de árvores plantadas, com PIB de R$ 71,1 bilhões, é responsável por 1,1% do produto interno bruto do Brasil (IBA, 2017). Atualmente, o Brasil atingiu grande evolução no setor florestal alcançando alta produtividade em suas florestas, sendo favorecido pelos fatores ambientais, qualidade genética das florestas pelo avanço da silvicultura e do manejo florestal. O segmento de celulose e papel tem sido destaque como o mais importante do setor florestal segundo dados do IBA (Industrias Brasileira de Árvores) em comparação com o ano de 2016 o primeiro quadrimestre 2017 produção de celulose cresceu 5,1%, perfazendo um total de 6,32 milhões de toneladas.
Diante desse contexto a previsão de preços é uma das diversas técnicas das análises quantitativas da economia que auxilia no planejamento florestal ajudando reduzir os riscos, e auxiliando nos processos de tomadas de decisões dos agentes envolvidos. Há uma grande variedade de modelos aplicáveis a estudos desta natureza como, o método Box e Jenkins (1976); métodos estruturais (abordagem clássica) e de Redes Neurais. Nos últimos anos o método Box e Jenkins tem sido o mais utilizados para previsão de preços de produtos florestais (Soares et al., 2010). Entretanto, o mesmo não possibilita previsões satisfatória pois se limita em muitos casos por trabalhar com séries estacionárias, e a grande maioria dos produtos florestais apresentam quebras estruturais.
Neste sentido, espera-se que as redes neurais, por se tratar de um método de previsão não linear (Galvão, 2003), apresente melhores resultados, principalmente em prazos de previsão maiores. Segundo Coelho Junior et al. (2013) as Redes Neurais Artificiais (RNA’s) são uma heurística com diversas utilizações, inclusive no trabalho com séries temporais. Inspiradas nos neurônios humanos, as RNA’s (Figura 1) representam um sistema computacional com diversas unidades x conectadas entre si de forma a gerar comportamento determinado pelos pesos w (em analogia às respostas sinápticas). O somatório dos estímulos aos neurónios x associados aos pesos w passa por uma função de ativação, de forma a gerar a resposta y desejada (Haikin, 2009).
Figura 1 – Esquema de uma rede neural artificial.
A construção de um Modelo de RNA’s requer três aspectos fundamenteis, a modelagem adequada das redes; as transformações utilizadas para transmitir os dados à mesma, e a metodologia empregada para interpretar os resultados obtidos (Bressan, 2002). Este trabalho tem como objetivo apresentar a elaboração e a validação de um modelo baseado em redes neurais com intuito de prever os diferentes comportamentos nos preços FOB da celulose brasileira para exportação.
Banco de dados
Para o presente trabalho foram utilizadas série dados mensais com preços FOB da celulose de fibra curta brasileira, o que permitirá ao modelo testado a previsão de preços FOB para meses subsequentes. Tal série foi obtida por meio do sistema Aliceweb, do Ministério do Desenvolvimento, Indústria e Comércio Exterior.
A série de dados obtida teve início em janeiro de 2007, com dados até junho de 2014, totalizando 90 observações. Destas, as primeiras 78 observações, ou seja, de janeiro de 2007 até junho de 2013, foram utilizadas para o ajuste de diferentes modelos de previsão. Já as últimas 12 observações, que compreenderão período entre julho de 2013 e junho de 2014, foram utilizadas para verificar a eficiência do modelo na previsão.
Treinamento das Redes Neurais Artificiais
O trabalho com RNA’s pode ser dividido em 2 etapas, sendo elas o treinamento (ou aprendizado) e validação (ou generalização). Na etapa de treinamento foram feitas 400 RNA’s, com auxílio do software Statistica 10.0. As variáveis de entrada utilizadas foram os preços FOB da celulose nos 3 períodos anteriores ao de análise. A variável de saída constituiu no preço FOB da celulose no período aos de entrada.
Avaliação dos resultados
Após realizado o treinamento das RNA’s, com uso dos dados entre janeiro de 2007 e junho de 2013, as mesmas foram avaliadas por meio das estatísticas erro quadrático médio (MSE); erro absoluto médio (MAE) e raiz quadrada do erro quadrático médio (RMSE), calculadas da seguinte forma:
Em que são, respectivamente, o preço FOB observado e estimado da celulose para o i-esimo mês; e é o número de observações.
A RNA com as melhores estatísticas será usada para previsão dos preços de celulose para o período de julho de 2013 e junho de 2014. Para verificar a qualidade das previsões dos modelos, também foram utilizadas as estatísticas MSE, MAE e RMSE.
RESULTADOS
A melhor RNA treinada teve, na etapa de previsão, estatísticas mais consistentes que na etapa de treinamento (Tabela 1). Tal resultado demonstra que a RNA obtida de fato conseguiu reproduzir o comportamento dos preços de exportação da celulose de fibra curta brasileira. Tabela 1 – Estatísticas para a Rede Neural Artificial gerada para previsão de preços FOB de celulose de fibra curta brasileira para exportação.
Estatística Treinamento Previsão RMSE 3,3653 2,1399 MAE 2,5331 1,7691 MSE 11,3254 4,5792 MAP (%) 2,8150 1,8543
As RNA’s vêm sendo estudadas para a previsão de preços em tempos recentes. Em trabalho para a previsão de preços de carvão vegetal em Minas Gerais, Coelho Junior et al. (2013) verificou que tal técnica é capaz de gerar ótimos resultados. Estes são superiores quando comparados com métodos econométricos, como o Box e Jenkins testado por Coelho Junior et al. (2006).
Em trabalho para previsão de preços de carvão por meio de Sistemas Neuro fuzzy, Araujo Junior et al. (2016) verificou que tal heurística obteve ótimos resultados, evidenciando o potencial que as heurísticas apresentam para a previsão de preços.
Para entender o potencial das heurísticas na previsão de preços de produtos florestais, é necessário compreender o comportamento das séries temporais de preços destes produtos. Commodities em geral têm séries temporais com comportamento conhecido como de reversão à média (ZHAO; GU, 2015), ao contrário do que ocorre quando a série tende a apresentar, ao longo do tempo, tendência a uma média central.
A questão é que métodos como o Box e Jenkins apresentam tendência de gerar previsões próximas a uma média central, o que não ocorre com as RNA’s. Desta forma, previsões de preços, principalmente para maiores períodos, tendem a ser mais corretas se realizadas por meio das redes neurais artificiais.
CONCLUSÃO
De posse dos resultados, conclui-se que a Rede Neural Artificial treinada foi capaz de prever o comportamento dos preços FOB para exportação de celulose brasileira.
REFERÊNCIAS BIBLIOGRÁFICAS
ARAUJO JUNIOR, C. A.; SILVA, L. F.; SILVA, M. L.; LEITE, H. G.; VALDETARO, E. B.; DONATO, D. B.; CASTRO, R. V. O. Modellingand forecast of charcoal pricesusing a neuro-fuzzy system. Cerne, v. 22, n. 2, p. 151-158, 2016
BRESSAN, A. A.; LIMA, J. E. Modelos de previsão de preços aplicados aos contratos futuros de boi gordo na BM&F. Disponível em: Acesso em:15 jan. 2018.
COELHO JUNIOR, L. M.; REZENDE, J. L. P.; SÁFADI, T.; CALEGARIO, N. Análise
longitudinal dos preços de carvão vegetal no Estado de Minas Gerais. Revista Árvore, Viçosa, v. 30, n. 3, p. 39-48, abr. 2006.
COELHO JUNIOR, L. M.; REZENDE, J. L. P.; BATISTA, A. L. F.; MENDONÇA, A. R.; LACERDA, W. S. Use of artificial neural networks for prognosis of charcoal prices in Minas Gerais. Cerne, v. 19, n. 2, p. 281-288, 2013.
GALVÃO, A. B. C. Multivariate Threshold models: TVARs and TVECMs. Brazilian Review of Econometrics, v. 23, n. 1, p. 143-171, 2003.
HAYKIN, S. Neural networks and learning machines. New Jersey: Pearson Prentice Hall, 2009, 906p.
IBÁ. Produção de celulose brasileira continua em alta, 2017. Disponível em:<http://iba.org/pt/sala-de-imprensa/releases/9-conteudo-pt/790-producao-de-celulose-brasileira-continua-em-alta/>. Acesso em: 15 de janeiro. 2018.
IBÁ. Relatório 2017. Disponível em:< http://iba.org/images/shared/Biblioteca/IBA_RelatorioAnual2017.pdf
/>. Acesso em: 7 de fevereiro. 2018.
SOARES, N. S.; SILVA, M. L.; REZENDE, J. L. P.; LIMA, J. E.; CARVALHO, K. H. A. Elaboração de modelo de previsão de preço da madeira de Eucaliptus spp. Cerne, v. 16, n. 1, p. 41-52, 2010.
ZHAO, Q.; GU, G. Approximation for convenience yield with mean-reverting commodity price. Journal of Mathematical Finance, v. 5, n. 3, p. 233-242, 2015.
![Referências técnicas para atuação de psicólogas(os) em Programas de Atenção à Mulher em situação de Violência [2013] - CREPOP CREPOP](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACH5BAEAAAAALAAAAAABAAEAAAICRAEAOw==)