Utilização de Redes Neurais Artificiais Como Estratégia de Previsão de Preços no Contexto de Agronegócio Outros Idiomas

ID:
4066
Resumo:
Este artigo apresenta uma análise do uso de redes neurais artificiais como estratégia de previsão de preços no contexto do agronegócio. Para tanto, adotou-se como pano de fundo dados da Emater/RS (1992-2006) a respeito de quatro commodities específicas: soja, boi gordo, milho e trigo. A metodologia adotada durante a pesquisa seguiu os passos apresentados em Hair et al. (2005), utilizando-se o modelo de rede neural perception. Os dados trabalhados evidenciam a possibilidade do uso de redes neurais como uma estratégia de precificação dos preços de commodities agrícolas em mercados futuros. Embora deva-se ter atenção aos vieses cognitivos frequentes nos processos de tomada de decisão, acredita-se que há uma contribuição significativa à academia, bem como pode ser um ponto de partida para a melhoria nas decisões dos gestores rurais.
Citação ABNT:
FERREIRA, L.; MOURA, G. L.; BORENSTEIN, D.; FISCHMANN, A. A. Utilização de Redes Neurais Artificiais Como Estratégia de Previsão de Preços no Contexto de Agronegócio. Innovation and Management Review, v. 8, n. 4, art. 147, p. 6-26, 2011.
Citação APA:
Ferreira, L., Moura, G. L., Borenstein, D., & Fischmann, A. A. (2011). Utilização de Redes Neurais Artificiais Como Estratégia de Previsão de Preços no Contexto de Agronegócio. Innovation and Management Review, 8(4), 6-26.
DOI:
10.5773/rai.v8i4.475
Link Permanente:
http://www.spell.org.br/documentos/ver/4066/utilizacao-de-redes-neurais-artificiais-como-estrategia-de-previsao-de-precos-no-contexto-de-agronegocio/i/pt-br
Tipo de documento:
Artigo
Idioma:
Português
Referências:
BARRETO, J. M. Introdução às redes neurais artificiais. Florianópolis: UFSC, 2002.

BAZERMAN, M. H. Processo decisório: para cursos de administração e economia. Rio de Janeiro: Elsevier, 2004.

BERNHARDT, A. O processo de tomada de decisão na percepção da coalizão dominante formal: um estudo de caso na Estobel. Florianópolis: EPS/UFSC, 2004.

B. K.; ALMEIDA, M. I. R. (coordenadores). Estratégia: perspectivas e aplicações. São Paulo: Atlas, 2002.

BLACK, M. D. Applying perceptrons to speculation in computer architecture. University of Maryland, College Park, United States - Baltimore, 2007. Dissertation - University of Maryland.

BRESSAN, A. A. Tomada de decisão em futuros agropecuários com modelos de previsão de séries temporais. RAE-Eletrônica, v. 3, n. 1, 2004.

BYRNS, R. T.; STONE JR., G. W. Macroeconomia. São Paulo: MAKRON Books, 1995.

CERETTA, P. S.; RIGHI, P. B.; SCHLENDER, S. G. Previsão do preço da soja: uma comparação entre os modelos ARIMA e redes neurais artificiais. Informações Econômicas, v. 40, n. 9, set. 2010, p.15-27.

CHEN, T. A hybrid fuzzy and neural approach for DRAM price forecasting. Computers in Industry, v. 62, 2011, p. 196-204.

CLEMEN, R. T.; REILLY, T. Making hard decisions with decision tools. Belmont, Duxbury, 2001.

CORSINE, F. P.; RIBEIRO, C. O. Dinâmica e previsão de preços de commodities agrícolas com o filtro de Kalman. In: XIX ENEGEP Encontro Nacional de Engenharia de Produção. Anais... Rio de Janeiro, 2008.

EDDY, P. R.; SMITH, A. M.; HILL, B. D.; PEDDLE, D. R.; COBURN, C. A.; BLACKSHAW, R. E. Hybrid segmentation - artificial neural network classification of high resolution hyperspectral imagery for site-specific herbicide management in agriculture. Photogrammetric Engineering & Remote Sensing, v. 74, n. 10, 2008, p. 1249-1257.

EISENHARDT, K. M.; ZBARACKI, M. J. Strategic decision making. Strategic Management Journal, v. 13, winter, 1992, p. 17-37.

FAUSETT, I. V. Fundamentals of neural networks: architectures, algorithms and applications. New Jersey: Prentice-Hall, 1994.

GALBRAITH, J. K. A economia e o interesse público. São Paulo: Pioneira, 1988.

GIOVINAZZO, R. A.; FISCHMANN, A. A. Delphi eletrônico - uma experiência de utilização da metodologia de pesquisa e seu potencial de abrangência regional. In: COSTA, B. K.; ALMEIDA, M. I. R. (coordenadores). Estratégia: perspectivas e aplicações. São Paulo: Atlas, 2002.

GOMES, G. S. S.; LUDERMIR, T. B.; LIMA, L. M. M. R. Comparison of new activation functions in neural network for forecasting financial time series. Neural Computing & Application, v. 20, 2011, p. 417-439

HAIR, Jr., J. F.; ANDERSON, R. E.; TATHAM, R. L. BLACK, W. C. Análise multivariada de dados. 5ª ed. Porto Alegre: Bookman, 2005.

HAKYKIN, S. Redes neurais princípios e prática. 2ª ed. Porto Alegre: Bookman, 2002

HOWARD, R. A. The evolution of decision analysis. In: Howard, R. A. et al. Readings on the principles and applications of decision analysis. V. I. California: Strategic Decision Group, p. 5-16, 1989.

IBGE. nd. Disponível em: .

KANKAL, M.; AKPINAR, A.; KÖMÜRCÜ, M. I.; ÖZSAHIN, T. S. Modeling and forecasting of Turkey’s energy consumption using socio-economic and demographic variables. Applied Energy, v. 88, 2011, p. 1927-1939.

KHASHEI, M.; BIJARI, M. A novel hybridization of artificial neural networks and ARIMA models for time series forecasting, Applied Soft Computing, v. 11, 2011, p. 2664-2675.

LACOMBE, F. J. M.; HEILBORN, G. L. J. Administração: princípios e tendências. São Paulo: Saraiva, 2003.

LANGLEY, A.; MINTZBERG, H.; PITCHER, P.; POSADA, E.; SAINT-MACARY, J. Opening up decision making: the view from the black stool. Organization Science, v. 6, n. 3, 1995, p. 260-279.

LIMA, R. C.; GOIS, M. R.; ULISES, C. Previsão de preços futuros de commodities agrícolas com diferenciações inteira e fracionária, e erros heteroscedásticos. RER, v. 45, n. 3, 2007, p. 621-644.

LOESCH, C.; SARI, S. T. Redes neurais artificiais: fundamentos e modelos. Blumenau: FURB, 1996.

MARCH, J. G. A primer on decision making: how decisions happen. New York: The Free Press, 1994.

MARCIAL, E. C.; GRUMBACH, R. J. S. Cenários prospectivos: como construir um futuro melhor. Rio de Janeiro: Editora FGV, 2002.

MELO, B.; MILIONI, A. Z.; NASCIMENTO, C. L. Daily and monthly sugar price forecasting using the mixture of local expert models. Pesquisa Operacional, v.27, n. 2, 2007, p.235-246.

PAPADAKIS, V. M.; LIOUKAS, Spyros; CHAMBERS, D. Strategic decision-making processes: the role of management and context. Strategic Management Journal, v. 19, n. 2, 1998, p. 115-147.

RIBEIRO, C. O.; SOSNOSKI, A. A. K. B.; OLIVEIRA, S. M. Um modelo hierárquico para previsão de preços de commodities agrícolas. Revista Produção Online, v.10, n. 4, 2010, p. 719-733.

ROSSI, R. M.; NEVES, M. F. (coordenadores). Estratégias para o trigo no Brasil. São Paulo: Atlas, 2004.

ROSSI, R. M.; NEVES, M. F. (coordenadores). Estratégias para o trigo no Brasil. São Paulo: Atlas, 2004.

SCHALKOFF, R. J. Artificial neural networks. New York: McGraw-Hill, 1997.

SCHALKOFF, R. J. Artificial neural networks. New York: McGraw-Hill, 1997.

SHIMIZU, T. Decisão nas organizações. 2. ed. São Paulo: Atlas, 2006.

SHIMIZU, T. Decisão nas organizações. 2. ed. São Paulo: Atlas, 2006.

SIMON, H. A. A capacidade de decisão e de liderança. 2. ed. Rio de Janeiro: Cultura, 1972.

SIMON, H. A. A capacidade de decisão e de liderança. 2. ed. Rio de Janeiro: Cultura, 1972.

SINGHAL, D.; SWARUP, K. S. Electricity price forecasting using artificial neural networks, Electrical Power and Energy Systems, v. 33, 2011, p. 550-555.

SINGHAL, D.; SWARUP, K. S. Electricity price forecasting using artificial neural networks, Electrical Power and Energy Systems, v. 33, 2011, p. 550-555.

SOBREIRO, V. A.; ARAUJO, P. H. S. L.; MENDONÇA, M. M.; NAGANO, M. S. Uma estimação do valor da commodity de açúcar utilizando redes neurais artificiais. Pesquisa & Desenvolvimento em Engenharia de Produção, n. 7, 2008, p. 36-52

SOBREIRO, V. A.; ARAUJO, P. H. S. L.; MENDONÇA, M. M.; NAGANO, M. S. Uma estimação do valor da commodity de açúcar utilizando redes neurais artificiais. Pesquisa & Desenvolvimento em Engenharia de Produção, n. 7, 2008, p. 36-52

SOBREIRO, V. A.; ARAUJO, P. H. S. L.; NAGANO, M. S.; Precificação do etanol utilizando técnicas de redes neurais artificiais. RAUSP - Revista de Administração, v. 44, n. 1, 2009, p. 46-58,

SOBREIRO, V. A.; ARAUJO, P. H. S. L.; NAGANO, M. S.; Precificação do etanol utilizando técnicas de redes neurais artificiais. RAUSP. Revista de Administração, v. 44, n. 1, 2009, p. 46-58.

TERRA, J. C. C. Gestão do conhecimento: o grande desafio empresarial: uma abordagem baseada no aprendizado e na criatividade. São Paulo: Negócio, 2001.

TERRA, J. C. C. Gestão do conhecimento: o grande desafio empresarial: uma abordagem baseada no aprendizado e na criatividade. São Paulo: Negócio, 2001.

WONG, W. K.; XIA, M.; CHU, W. C. A novel hybridization of artificial neural networks and ARIMA models for time series forecasting, Electrical Power and Energy Systems, v. 33, 2011, p. 550-555.

YONENAGA, W. H.; FIGUEIREDO, R. S. Previsão do preço da soja utilizando redes neurais. In: XIX ENEGEP - Encontro Nacional de Engenharia de Produção. Anais... Rio de Janeiro, 1999.

YONENAGA, W. H.; FIGUEIREDO, R. S. Previsão do preço da soja utilizando redes neurais. In: XIX ENEGEP Encontro Nacional de Engenharia de Produção. Anais... Rio de Janeiro, 1999.

ZOU, P.; YANG, J.; FU, J.; LIU, G.; LI, D. Adaptive neural network model for time-series forecasting. Agricultural Water Management, v. 97, 2010, p. 2009-2019.

ZOU, P.; YANG, J.; FU, J.; LIU, G.; LI, D. Adaptive neural network model for time-series forecasting. Agricultural Water Management, v. 97, 2010, p. 2009-2019.