Predição do preço do café Naturais Brasileiro por meio de modelos de statistical machine learning

Resumen

O conhecimento do comportamento dos preços torna-se extremamente útil nas tomadas de decisões por parte dos produtores cafeeiros. Porém, as conclusões acerca de encontrar determinantes dos preços na área agrícola é ambígua na literatura, pois problemas nas metodologias adotadas, erros relacionados a variáveis selecionadas e hipóteses estatísticas ignoradas são alguns dos motivos para resultados divergentes. Diante da importância do café na economia brasileira, o objetivo deste trabalho é estudar modelos conhecidos como Statistical Machine Learning para a previsão do preço do café brasileiro. Como resultado, em ordem decrescente, os modelos que obtiveram os melhores poderes preditivos foram Support Vector Machine (SVM) com Kernel Linear, seguido dos modelos LASSO, SVM com Kernel Gaussiano, Boosting, Árvore de Regressão, K-NN e Floretas Aleatórias. Além disso, em sua maioria, os modelos obtiveram alta correlação entre seus resultados e corroboraram na escolha das variáveis que mais afetam o preço. Acredita-se que essa abordagem ajuda a produzir conclusões mais robustas sobre os determinantes da variabilidade do preço do café, sendo assim uma potencial ferramenta na gestão de riscos e controle por parte dos administradores.