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

Ano: 2020 | Volume: 2 | Número: 2

Autores: R. G. L. dos Santos, E. G. de O. Santos, G. F. da Silva

Palavras-chave: modelagem estatística, preço do petróleo, ARIMA, commodities

Resumo Português:

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.

Resumo Inglês:

This article presents an analysis of the prediction of oil barrel prices, using temporal statistical modeling. Petroleum, together with natural gas, represents the main source of primary energy consumed in the world and generates billions of dollars a day. Obtaining a more accurate estimate of its value helps to mitigate any impacts that may arise. For this purpose, data extracted from the Energy Information Administration (EIA), which contains the daily price of a barrel of oil, was used. The data used in this research correspond to the period between January 1987 and May 2019 and were divided into two parts: test and training. The test part was used to create the statistical model and the training part, which corresponds to the month of May 2019, was used to compare the predictions made by the model with the actual values. Findings of this research can contribute in several ways to literature, such as, development and a greater knowledge of techniques that can work with Accounting and ways to minimize possible variations. The results obtained can be considered relevant, in view of demonstrating that the model used (ARIMA), has a high capacity to predict prices, being able, therefore, to affirm that the practice of using temporal statistical modeling can be added to the decision process regarding the behavior of commodity prices.

Resumo Espanhol:

Este artículo presenta un análisis del pronóstico de los precios del barril de petróleo, utilizando modelos estadísticos temporales. El petróleo, junto con el gas natural, representa la principal fuente de energía primaria consumida en el mundo y genera miles de millones de dólares por día. Obtener una estimación más precisa de su valor ayuda a mitigar cualquier impacto que pueda surgir. Para este propósito, se utilizaron datos extraídos de la Energy Information Administration (EIA), que contiene el precio diario de un barril de petróleo. Los datos utilizados en esta investigación corresponden al período comprendido entre enero de 1987 y mayo de 2019 y se dividieron en dos partes: prueba y capacitación. La parte de prueba se utilizó para crear el modelo estadístico y la parte de capacitación, que corresponde al mes de mayo de 2019, se utilizó para comparar las predicciones realizadas por el modelo con los valores reales. Los resultados de esta investigación pueden contribuir de varias maneras a la literatura, como el desarrollo y un mayor conocimiento de las técnicas que pueden funcionar con la contabilidad y las formas de minimizar las posibles variaciones. Los resultados obtenidos pueden considerarse relevantes, en vista de demostrar que el modelo utilizado (ARIMA), tiene una alta capacidad para predecir precios, pudiendo, por lo tanto, afirmar que la práctica de usar modelos estadísticos temporales se puede agregar al proceso de decisión con respecto al comportamiento de los precios de los productos básicos.