Utilização de Modelagem Estatística Temporal na Previsão do Preço do Barril de Petróleo

Resumo

Este artigo apresenta uma análise da previsão dos preços do barril de petróleo, utilizando modelagem estatística temporal. O petróleo, juntamente com o gás natural, representa a principal fonte de energia primária consumida no mundo e diariamente movimenta bilhões de dólares. A obtenção de uma estimativa mais precisa do seu valor, auxilia a mitigar eventuais impactos que possam surgir. Para tanto, utilizou-se dados extraídos do Energy Information Administration (EIA), que contém o preço diário do barril de petróleo. Os dados utilizados nessa pesquisa correspondem ao período entre janeiro de 1987 a maio de 2019 e foram divididos em duas partes: teste e treino. A parte de teste foi utilizada para criação do modelo estatístico e a parte de treino, que corresponde ao mês de maio de 2019, foi utilizada para comparar as previsões feitas pelo modelo com os valores reais. Achados dessa pesquisa podem contribuir de várias maneiras para literatura, tais como, desenvolvimento e um maior conhecimento de técnicas que possam atuar junto à Contabilidade e formas de minimizar possíveis variações. Os resultados obtidos podem ser considerados relevantes, em virtude de demonstrar que o modelo utilizado (ARIMA), apresenta uma alta capacidade de prever preços, podendo, portanto, afirmar que a prática do uso de modelagem estatística temporal pode ser agregada ao processo decisório referente ao comportamento dos preços de commodities.

Referências

Adrangi, B., Chatrath, A., Dhanda, K. K., &Raffiee, K. (2001). Chaos in oilprices? Evidencefrom futures markets. Energy Economics, 23(4), 405-425.
ARÊDES, A. F.; PEREIRA, M. W. G. (2008). Potencialidade da utilização de modelos de séries temporais na previsão do preço do trigo no Estado do Paraná. Revista de Economia Agrícola, v. 55, n. 1, p. 63-76.
Bernabe, A., Martina, E., Alvarez-Ramirez, J., & Ibarra-Valdez, C. (2004). A multimodel approach for describingcrudeoilprice dynamics.Physica A: StatisticalMechanicsand its Applications, 338(3), 567-584.
BOX, G. P.; JENKINS, G. M. (1976). Time series analysis, forecastingandcontrol. Holden-Day, San Francisco.
CADENAS, E. (2016). Wind speedpredictionusing a univariate ARIMA modeland a multivariate NARX model, Energies, Multidisciplinary Digital PublishingInstitute, v. 9, n. 2, p. 15.
CARRASCO-GUTIERREZ (2013). Carlos Enrique. ALMEIDA, Fernanda Matos de Moura. Modelagem e Previsão do Preço do Café Brasileiro. Revista de Economia, v. 39, n. 2 (ano 37), p. 7-27, mai./ago.
CAS, Carlos Gonçalves (2008). Applicationof The ARIMA Modelto Forecast thePriceofthe Commodity Corn. Revista Gestão da Produção Operações e Sistema, [s.l.], v. 11, n. 1, p.263-279. A Fundação para o Desenvolvimento de Bauru (FunDeB).
.
CASTRO, João Bosco Barroso de (2015). Projeção de preços de alumínio: modelo ótimo por meio de combinação de previsões. 2015. Tese (Doutorado em Administração) - Faculdade de Economia, Administração e Contabilidade, Universityof São Paulo, São Paulo.
COELHO JUNIOR, Luiz Moreira et al (2019). Análise longitudinal dos preços do carvão vegetal, no Estado de Minas Gerais. Rev. Árvore, Viçosa, v. 30, n. 3, p. 429-438, June 2006. . accesson 06 Aug. http://dx.doi.org/10.1590/S0100-67622006000300013.
COMITÊ DE PRONUNCIAMENTOS CONTÁBEIS (Brasil). Pronunciamento Técnico 38: Instrumentos Financeiros: Reconhecimento e Mensuração. Correlação às Normas internacionais de Contabilidade IAS 39.
Disponível: .
CORRAR, Luiz; GARCIA, Editinete André da Rocha (2001). Programação linear: uma aplicação à contabilidade de custos no processo de tomada de decisão. Anais. Léon: Universidade de Léon.
DOLABELA, F. (2008). O segredo de Luiza. Rio de Janeiro: Sextante, 2008.
EIA, Petroleum&OtherLiquids (2019). Disponível em: .
FELIPE, I. J. S (2012). Aplicação de modelos Arima em séries de preços de soja no Norte do Paraná. Tekhne e Logos, v. 3, n. 3.
FONSECA, Raphael da; MARQUES, José Augusto Veiga da Costa; SANTOS, Odilanei Morais dos (2019). RELEVÂNCIA DA INFORMAÇÃO CONTÁBIL: ESTUDO DE EVENTOS NO SETOR DE PETRÓLEO E GÁS. Revista Universo Contábil, Blumenau, p.47-65, mar. 2019. ISSN 1809-3337. Disponível em:
.
FURTADO, André Tosi (2019). Indústria do Petróleo e Gás Natural: uma vocação desperdiçada. CADERNOS do DESENVOLVIMENTO, Rio de Janeiro, vol. 14, n. 24, p. 155-175, jan.-jun.
HAIR, Jr., J. F.; ANDERSON, R. E.; TATHAM, R. L. BLACK, W. C (2005). Análise multivariada de dados. 5ª ed. Porto Alegre: Bookman.
GODOY, C.R. (2004). Evidenciação contábil e as avaliações pelo fluxo de caixa descontado e pela teoria de opções: um estudo aplicado à indústria petrolífera mundial. São Paulo, SP. Tese (Doutorado em Contabilidade e Controladoria). FEA/USP, Departamento de Contabilidade.
GUTH, Sergio Cavagnoli (2003). As decisões financeiras e gestão do controle. Revista Brasileira de Gestão e Inovações, v. 1, n. 1, set./nov.
HOLDEN, K; PEEL, D.A; THOMPSON, J.L (1990). Economicforecasting:anintroduction. Cambridge University Press.
HYNDMAN, R. et al (2006). Another Look at Forecast-AccuracyMetrics for IntermittentDemand.Foresight: The InternationalJournalofAppliedForecasting,
InternationalInstituteofForecasters,v. 4, n. 4, p. 43-46.
LAMOUNIER, W. M (2007). Tendência, ciclos e sazonalidade nos preços do café. Revista Gestão e Produção, v. 14, n. 1, p. 13-23.
MARQUES, D. V.; SOUZA, G.S.; SOUZA, M. O.; MARRA, R (2010). Análise do mercado de café via modelos de previsão. In: SIMPÓSIO DE PESQUISA OPERACIONAL. 42. Anais... Bento Gonçalves, RS.
MARTINS, Carlos F. et al (2003). APLICAÇÃO DE UM FILTRO DIGITAL IMPLEMENTADO EM MICROCONTROLADOR PARA SENSORIAMENTO ÓTICO. SENAI-SC/CTAI. Disponível em:
. Acesso em: 01 ago. 2019.
MATIAS, Márcia Athayde (2006). Análise do comportamento de preços da Commodity Cobre: uma abordagem sob a ótica da teoria dos fractais. 94 f. Dissertação (Mestrado em Ciências Contábeis) - Universidade de Brasília, Programa Institucional e Inter-Regional de Pós-Graduação em Ciências Contábeis (UnB/UFPB/UFPE/UFRN), Brasília.
OLIVEIRA. Alex Sandro (2016). Uma Análise do Mercado do Petróleo Utilizando Aprendizado de Máquina. 36 f. Trabalho de Conclusão de Curso (Tecnólogo em Sistemas de Computação) - Universidade Federal Fluminense, Rio de Janeiro
RIBEIRO, Cássio. ALBA NETO, Henrique Belluzzo. SENE, Túlio Silva. (2018). A oscilação do preço do petróleo: uma análise sobre o período entre 2010-2015. Estudos internacionais: revista de relações internacionais da PUC Minas. 6. 87-106. 10.5752/P.2317-773X.2018v6n1p87.
SANTOS, Odilanei Morais dos; SILVA, Paula Danyelle Almeida da; SANCOVSCHI, Moacir (2006). CONTABILIDADE DAS EMPRESAS PETROLÍFERAS: O CUSTO DE ABANDONO. Revista Base: Administração e Contabilidade da Unisinos, São Leopoldo, p.5-14, abr. 2006. Quadrimestral. Disponível em:.
SHANMUGAN, N.S., BREIPOHL, A. M. (1988). RandomSignals: Detection, Estimationand Data Analysis. v. 1. John Wileyand Sons, 1988.
SOUZA, V. S.; NUNES, B. H. C.; ALMEIDA, A. N.; EISFELD, C. L (2007). Utilização da metodologia de Box & Jenkins na previsão do preço futuro pago as exportações paranaenses de madeira serrada. In: ENCONTRO DE ECONOMIA PARANAENSE. 5, 2007. Anais... ECOPAR, UFPR, Paraná, PR.
TULARAM, Anand. SAEED, Tareq. (2016). Oil-PriceForecastingBasedonVariousUnivariate Time-Series Models. American Journal of OperationsResearch. 06. 226-235. 10.4236/ajor.2016.63023.
Publicado
2020-06-15
Como Citar
Lima dos Santos, R. G., Santos, E. G. de O., & da Silva, G. F. (2020). Utilização de Modelagem Estatística Temporal na Previsão do Preço do Barril de Petróleo. UFAM Business Review - UFAMBR, 2(2), 52-69. https://doi.org/10.47357/ufambr.v2i2.6891
Seção
Artigos