Navegando por Autor "Faucz, Raphael Nunes Xavier"

Agora exibindo 1 - 1 de 1
  • N/D
    Dissertação
    Explorando a Integração de Técnicas de Aprendizado de Máquina e Modelos Estatísticos na Previsão da Curva de Preços Futuros de Petróleo
    (2024) Faucz, Raphael Nunes Xavier
    Compreender as dinâmicas do mercado futuro de petróleo é de extrema importância para a economia global, pois afeta produtores, investidores, formuladores de políticas econômicas e acadêmicos. Neste contexto, o presente estudo abordou a modelagem da estrutura a termo dos preços futuros do petróleo, questão vital para o mercado global de energia, para a macroeconomia, para empresas e para investidores, concentrando-se no petróleo tipos Brent e West Texas Intermediate (WTI). O objetivo deste estudo foi explorar a eficácia de uma combinação de diferentes técnicas de modelagem na projeção da curva de preços do petróleo, o que envolveu: (1) a decomposição da estrutura a termo em fatores distintos; e (2) a aplicação de diversas metodologias na modelagem, desde as mais tradicionais até as técnicas de fronteira, para estes fatores que são cruciais para determinar o nível e a forma da curva. O foco central foi aplicar e comparar uma variedade de modelos em relação à sua eficácia da modelagem e à projeção de preços na curva, buscando identificar a técnica mais eficiente, com base em sua precisão e menor erro em previsões fora da amostra. As abordagens foram desde as técnicas econométricas tradicionais, como Autoregressive Integrated Moving Average (ARIMA) e Vector Autoregression (VAR), até métodos avançados de aprendizado de máquina e deep learning, incluindo Least Absolute Shrinkage and Selection Operator (LASSO), Random Forest, Extreme Gradient Boosting (XGBoost) e, especialmente, o modelo Long Short-Term Memory (LSTM). O estudo foi conduzido, principalmente, com a metodologia de Dynamic Nelson-Siegel (DNS) e, para decompor a curva de preços, seguimos o modelo apresentado por Barunik e Malinska (2016). Os resultados ressaltaram a superioridade do LSTM em projeções fora da amostra dos parâmetros obtidos pelo DNS, demonstrando sua eficácia na reconstrução das curvas de preços dos petróleos tipos Brent e WTI. Esta capacidade do LSTM de capturar complexidades temporais e dinâmicas nos dados financeiros é particularmente relevante no mercado de petróleo, que é influenciado por uma variedade de fatores econômicos e geopolíticos. Assim sendo, espera-se que este estudo contribua significativamente tanto com a Academia quanto com o Mercado, no que tange à modelagem de preços de petróleo, marcando um avanço na análise financeira, ao oferecer insights valiosos para investidores, analistas e formuladores de políticas econômicas; aprimorando a compreensão das dinâmicas de preços do petróleo; e combinando técnicas de fronteira na modelagem de preços futuros do petróleo.