Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/228432919
CITATIONS READS
4 395
5 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Vinicius Amorim Sobreiro on 27 May 2014.
RESUMO
O objetivo deste artigo é avaliar a aplicação de Redes Neurais Artificiais - RNAs, usando a
arquitetura Perceptron Multicamadas, na previsão do valor da commodity de açúcar. Tal
possibilidade permite fazer previsões dos preços futuros desse produto que é
comercializado e consumido no mundo inteiro. O método para realização da aplicação foi
proposta por Zhang et al. (1998). Como resultado foi demonstrado que a aplicação obteve
uma aproximação significante comparada às cotações reais, o que em conclusão evidência
a importância da RNAs como um método alternativo na estimação de valores para as
commodities a todos os atores envolvidos no setor sucroalcooleiro
Palavras-chave: Previsão de Preços, Commodity de Açucar, Redes Neurais Artificiais.
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
ABSTRACT
The aim of this paper is to evaluate the application of Artificial Neural Network using the
Perceptron Multilayer for commodity sugar price forecasting. This possibility highlights
the importance of ANN for the future price of commodity sugar. The methods were
proposed by Zhang et al. (1998). The obtained results demonstrate that ANN can be used
as an alternative method for commodity sugar price forecasting in sugar-alcohol field in
Brazil.
Keywords: Price Forecasting, Commodity Sugar; Artificial Neural Networks.
1. INTRODUÇÃO
Atualmente, o setor sucroalcooleiro brasileiro se destaca por sua importância no
contexto mundial da produção de álcool e de açúcar, já que esse setor é o maior produtor e
exportado do mundo desses mesmos produtos conforme observaram Lamounier et al. (2006)
em seu trabalho sobre a análise do trade-off na produção de açúcar e de álcool nas usinas da
região Centro-Sul do Brasil. De certa forma, como explicam com propriedade esses mesmos
pesquisadores, essa posição entre os principais produtores do mundo quando observada no
contexto nacional expõe a razão do cultivo da cana-de-açúcar ocupar um lugar de destaque
entre as principais fontes de renda da agricultura brasileira. Porém, esse setor apresenta uma
flexibilidade quanto à geração de açúcar ou de álcool, ou seja, em geral, as usinas são
construídas para geração de ambos.
Dentro desse enfoque, os gestores responsáveis pelo setor sucroalcooleiro formam
suas opiniões quanto à produção do açúcar ou do álcool considerando, principalmente, as
quantidades demandadas e ofertadas e o preço desses produtos no mercado interno e externo,
pois o principal objetivo dos gestores é proporcionar o maior lucro aos investidores. Assim,
posto que o preço tornou-se um dos imperativos para a gestão da produção dentro do setor
sucroalcooleiro, a previsão de preços futuros do açúcar ou do álcool auxilia os gestores nas
diversas tomadas de decisões necessárias para a gestão do setor sucroalcooleiro.
Dentre as diversas técnicas de previsão existentes na literatura especializada as Redes
Neurais Artificiais - RNAs vêm ganhando muita notoriedade por não requerer pré-
especificações ou estabelecimento de hipóteses e suposições sobre a distribuição estatística ou
propriedades dos dados e por apresentarem a capacidade de aprender sobre o relacionamento
das variáveis (DECO et al., 1997; THAWORNWONG e ENKE, 2004; HASSAN et al., 2007;
HUARNG e YU, 2006; MALIK e NASEREDDIN, 2006; ORMONEIT, 1999; STEINER e
WITTKEMPER, 1996; TERÄSVIRTAA et al., 2005).
As RNAs consistem uma área de pesquisa relativamente recente, mas de importância
crescente no grupo do conhecimento que envolve o campo da Inteligência Artificial. Segundo
Zhang et al. (1998), a aplicação de RNAs para previsão surgiu em 1968 com o trabalho de
Hu, que fazia previsões sobre o clima. Apenas, por volta de 1990 começam a surgir às
primeiras aplicações de RNAs no ambiente financeiro no EUA com o propósito de realizar
previsões. Atualmente, no Brasil existem várias pesquisas que contemplam RNAs para
estimação de preços, e dentre essas se destacam a pesquisa da utilização das RNAs para
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
previsão de séries temporais (DINIZ et al., 1998) e as pesquisas sobre a previsão do valor das
commodities no agro negócio (FREIMAN e PAMPLONA, 2005).
Com base nesse contexto, o objetivo deste artigo é avaliar a aplicação das RNAs na
previsão do preço da commodity açúcar. O preço desse produto foi escolhido como principal
foco de análise entre os produtos do setor sucroalcooleiro porque os autores obtiveram uma
série de dados completa do açúcar por um período de nove anos. Além disso, este trabalho
contribui com o quadro geral do conhecimento na área de preços agrícolas mediante a
exposição e análise de uma aplicação detalhada e bem sucedida sobre a utilização das RNAs
para a previsão da commodity de açúcar.
Para realizar essa avaliação, de acordo com Zhang et al. (1998), os critérios
metodológicos seguidos foram: (1) a definição da arquitetura que foi utilizada; (2) escolha da
função de ativação; (3) seleção do algoritmo; (4) normalização os dados; (5) treinamento e
teste da amostra; e (6) mensuração a performance da aplicação. Por conseguinte, os resultados
alcançados pela RNAs quando comparados com os dados reais das cotações demonstram a
utilidade da aplicação das mesmas para estimação do preço de commodities especialmente
para o açúcar.
O artigo está estruturado como se segue: a segunda seção apresenta uma revisão de
literatura sobre a commodity de açúcar e os conceitos básicos sobre as RNAs, já a terceira
seção demonstra os métodos utilizados, na quarta são expostos os resultados e finalmente na
quinta seção apresentam-se as discussões e conclusões.
2. REVISÃO DE LITERATURA
Com o propósito de fornecer as informações necessárias para a compreensão do tópico
abordado neste trabalho visando o seu objetivo, são apresentados os principais conceitos ou
apontamentos sobre a commodity de açúcar e sobre as RNAs.
Uma das variáveis que influenciam esse comportamento como apontou Lamounier et
al. (2006) em seus estudos é o preço do álcool anidro, pois geralmente a usina escolhe entre a
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
2.2. RNAs
As RNAs são compreendidas como métodos que aprendem com um exemplo
mediante funções de aproximação universal (HORNIK et al., 1989), ou seja, uma classe de
modelos não-lineares que permitem identificar padrões em dados (PAO, 2007). Ainda nessa
linha, as RNAs buscam imitar um sistema biológico, ou melhor, o cérebro humano, visto que
ambos compreendem um grande número de interconexões das unidades de processamentos
não-lineares chamadas de neurônios, que apresentam como principal função o armazenamento
e disponibilidade de informação (FREIMAN e PAMPLONA, 2005; RAZI e ATHAPPILLY,
2005; WIDROW et al., 1994). Nessa perspectiva, as RNAs demonstram características
semelhantes ao comportamento humano tais como:
∑ s
w2
X2 h2 s/t Camadas Escondidas
y Camada de Entrada
wn ∑ t
X3 h3
Camadas de Saída
Camada de Entrada Camadas Escondidas 1Camadas Escondidas 2
Z1
Z1 Camadas de Saída
X3
Zn ƒb(x)
Arquitetura Generalizada das RNAs probabilísticas.
Ainda quanto a essas arquiteturas é válido destacar que para a tipologia caracterizada
como regressão a função de ativação, ou melhor, a função que transforma a soma dos inputs
ou entradas em um sinal de saída é representada pela Equação 1.
∞ ∞
E[ y | x ] =
∫ −∞
yf ( x, y ) dy /
∫ f ( x, y)dy
−∞
(1)
Onde:
y é o estimador;
x é o peso do y ;
Ε y x é o valor esperado de y determinado por x ; e
N
1
f A ( x) =
(2π ) P / 2 σ P N
∑Z
i =1
i (2)
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
Onde:
f a (x) é a probabilidade da função estimadora para classe A;
P é dimensionado pelo treinamento do vetor;
Z i = exp[− Di /(2σ 2 )] é o resultados dos neurônios da camada escondida;
• Geralmente, essa arquitetura utiliza uma função de ativação não – linear como, por exemplo,
a função sigmóide, linear e hiperbólica
• Apresentar uma ou mais camadas ocultas, que lhe permite solucionar problemas complexos,
extraindo as características mais significativas dos padrões de entrada; e
• Possuir um alto grau de conectividade, o que permite uma maior interação entre os seus
componentes.
Camada de Entrada
Camadas Ocultas
X1 Camada de Saída
X2
Xn
Além disso, na aplicação das RNAs são utilizadas algumas técnicas de aprendizagem
visando à obtenção dos menores erros possíveis. Entre o conjunto de técnicas atualmente
existe o Backpropagation que é a mais utilizada e difundida, pois a mesma é de fácil aplicação
já que não apresenta conexões em loop. Nesse sentido, o Backpropragation foi utilizado neste
artigo como algoritmo de treinamento. Com base nesses conceitos, a próxima seção apresenta
os métodos utilizados para a realização da avaliação da aplicação das RNAs na previsão do
preço da commodity de açúcar.
3. MÉTODO
A partir da compreensão dos fundamentos que estruturam raciocínios relevantes as
RNAs, justificam-se a condução desta pesquisa, cujos procedimentos metodológicos são
classificados como pesquisa experimental, visto que, é determinado o objeto de estudo, ou
seja, o valor da commodity de açúcar e as variáveis possíveis de influenciá-lo, e a forma de
controle e observação sobre as mesmas.
O padrão do produto em estudo corresponde ao açúcar granulado, negociado no
mercado de São Paulo; o estado brasileiro com a maior representatividade na produção. O
açúcar é acumulado em bolsas de cinqüenta quilos, com mínimo de polarização de 99,7 graus,
máximo de 0,10% de umidade, cor freqüente como ICUMSA 130 - 180 cinzas no máximo,
ensacadas em bolsas novas de polipropileno, com o destino final o mercado interno.
As outras variáveis escolhidas com o objetivo de modelar o comportamento do valor
da commodity açúcar foram o Índice Geral de Preço de Mercado - IGP-M, e a taxa SELIC.
Respectivamente, o índice representa o ritmo adotado pela evolução dos preços como uma
medida que consolida de modo sintético a inflação nacional e a taxa demonstra o resultado
das negociações dos títulos públicos de governo, isto é, uma taxa de imposto básica da
economia brasileira.
Os dados, ou seja, os valores mensais utilizados para o experimento referente à
commodity açúcar no período de 1997 a 2006 foram coletados junto ao Centro de Estudos
Avançados em Economia Aplicada (CEPEA), um segmento do Departamento de Economia,
Administração e Sociologia (DEAS) da Escola Superior de Agricultura Luiz de Queiroz -
Esalq/USP. Os valores mensais referentes ao índice IGP-M e a taxa Selic, respectivos ao
mesmo período dos dados para a commodity foram obtidos do Instituto de Pesquisa
Econômica Aplicada – IPEA. No tocante aos critérios ou condições empregadas para
realização do processo de implementação da RNAs foram seguidos os propostos por Zhang et
al. (1998), conforme demonstrado na Figura 2.
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
Dados
Métodos
Resultados
Software
4. RESULTADOS OBTIDOS
Com o objetivo de aplicar RNAs nos valores da commodity de açúcar considerando os
métodos expostos na seção anterior os resultados obtidos são apresentados na Tabela 4. Na
mesma é possível observar os valores reais da cotação da commodity e os valores estimados
pela RNAs.
Tabela 4 - Resultados obtidos pela RNA
Valores Observados Valores Reais da Cotação Valores Estimados Pela Diferenças Entre Valores
RNA Reais da Cotação e
Estimados Pela RNAs
96 26,24 44,73 -18,49
97 26,13 19,00 7,14
98 29,19 13,73 15,46
99 30,51 17,24 13,27
100 31,80 40,80 -9,00
101 33,69 20,46 13,23
102 34,28 45,30 -11,02
103 39,15 42,22 -3,07
104 47,80 36,96 10,85
105 51,55 51,25 0,30
106 51,72 45,68 6,04
107 50,61 42,12 8,49
108 48,56 41,91 6,65
109 49,72 46,28 3,43
110 50,25 51,20 -0,95
111 45,02 45,77 -0,75
Fonte: Elaboração própria.
60,00
50,00
Valor da Commodity
40,00
30,00
20,00
10,00
0,00
96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111
Observação
Porém, cabe destacar que nesse período de análise ocorreram variações significativas
no IGP-M, principalmente nos valores observados 101 a 104. Essas variações certamente
influenciaram na diferença entre o valor real e o previsto, que já estavam convergindo à zero.
O comportamento para o mesmo período de análise do Gráfico 5 do IGP-M e da Taxa Selic
são apresentados no Gráfico 6.
1,5
1
Valores
0,5
0
96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111
-0,5
-1
Observação
IGP-M Selic
Essa diferença entre os dados reais e estimados provavelmente ocorre porque a RNAs
podem se usadas de forma eficiente para fazer previsão dos valores durante períodos que são
semelhantes ao passado, assim, a RNAs é capaz reconhecer facilmente situações históricas,
entretanto, quando há uma grande variação durante o tempo essa capacidade é limitada.
5. DISCUSSÕES E CONCLUSÕES
O produto açúcar sempre foi uma mercadoria de destaque no Brasil a partir de sua
colonização até os dias atuais. Sua importância é de tamanha proporção que atualmente o
Brasil ocupa a posição de maior produtor e exportador desse produto. Entretanto, conforme
muito bem apontado por Lamounier et al. (2006) existe um trade-off entre a produção do
açúcar e a produção do álcool, pois as usinas geralmente são projetadas para a produção de
ambos. Nessa perspectiva, um dos principais indicadores utilizados pelos gestores e usineiros
são os preços que ambos podem alcançar no mercado interno e principalmente no mercado
externo, já que esses produtos são commodities comercializadas no mundo inteiro.
Com base nesse contexto existem diversas técnicas, ou seja, vários conjuntos de
procedimentos metódicos empregados para obter um determinado resultado considerando um
modo ordenado de se proceder que primam pela previsão de valores futuros para um
determinado objeto de estudo. Todavia, as técnicas geralmente utilizadas apresentam algumas
limitações, ou melhor, para que seja realizada a sua aplicação alguns apontamentos devem ser
observados e seguidos como, por exemplo, os dados devem apresentar uma distribuição
normal e uma variância constante (homocedasticidade). Assim, uma técnica que vem sendo
utilizada para a realização da previsão de valores futuros é a RNAs, pois a mesma possibilita a
realização da previsão sem que esses pré-requisitos sejam observados.
Sobreiro et al. / Revista P&D em Engenharia de Produção Nº. 7 (2008) p. 36-52
Consequentemente, com base nessas indicações, o objetivo desse trabalho foi avaliar a
aplicação das RNAs na previsão do preço da commodity de açúcar. Os métodos utilizados
para a realização dessa avaliação conforme apresentados na terceira seção deste artigo foram
os indicados e sugeridos por Zhang et al. (1998) em um artigo clássico sobre o estado da arte
de RNAs. Entre esses procedimentos se sobressai à utilização do erro quadrático médio como
medida de erro agregado, pois o mesmo possibilita a comparação com outras técnicas
proveniente dos modelos econometricos clássicos.
Os resultados obtidos são satisfatórios, pois quanto ao objeto de estudo demonstram a
eficiência alcançada pela RNAs no que tange a previsão de valores futuros. Além disso, em
um contexto maior tais resultados validam a utilização das técnicas de RNAs no contexto da
previsão de preços agrícolas se tornando uma ferramenta capaz de oferecer aos gestores das
usinas e até aos atores do governo informações que permitam a melhor tomada de decisão.
Entretanto, todos esses resultados são delimitados ao foco deste estudo e outras características
particulares como, por exemplo, pela quantidade de dados disponíveis sobre o setor
açucareiro no Brasil, visto que os dados utilizados foram coletados de forma mensal, ou seja,
cento e onze observações representam apenas nove anos de acompanhamento.
Ainda nesse escopo algumas sugestões de pesquisas futuras são propostas: (a) a
realização da comparação do desempenho da RNAs com os modelos clássicos de previsão
como o modelo ARIMA da metodologia Box-Jenkins; (b) uma análise sobre o desempenho
da RNAs com o acréscimo de outras variáveis como, por exemplo, quantidades produzidas de
açúcar e álcool, o preço do álcool e o preço de outros produtos agrícolas, e (c) a aplicação
conjunta de RNAs com algoritmos genéticos. Ademais, a evolução do conhecimento, e
conseqüentemente da tecnologia, possibilita de forma eficiente a transformação de dados em
informações. Cabe aos pesquisadores ou dirigentes das organizações identificarem a melhor
maneira de beneficiar-se da associação dos avanços tecnológicos com os métodos e
ferramentas matemáticas desenvolvidas.
REFERÊNCIAS BIBLIOGRÁFICAS
TERÄSVIRTA, Timo; DIJK, Dick van; MEDEIROS, Marcelo C. Linear models, smooth
transition autoregressions, and neural networks for forecasting macroeconomic time
series: A re-examination, International Journal of Forecasting, Volume 21, Issue 4,
Nonlinearities, Business Cycles and Forecasting, October-December 2005, Pages 755-774.
UNICA. Memória. Disponível em: <www.portalunica.com.br>. Acesso em: 13 mar. 2008.
WIDROW, B.; RUMELHART, D. E.; LEHR, M.A.. Neural networks: Applications in
industry, business and science. Communications of the ACM, Volume 37, Issue 3, 1994,
Pages 93-105.
ZHANG, Guoqiang; PATUWO, B. Eddy; HU, Michael Y, Forecasting with artificial
neural networks: The state of the art, International Journal of Forecasting, Volume 14,
Issue 1, March 1998, Pages 35-62.