Cafeicultura
Redes Neurais Artificiais
Gestão de Riscos
Área
Agribusiness
Tema
Gestão de Risco e comercialização agrícola
Autores
Nome
1 - Eunice Henriques Pereira Vilela UNIVERSIDADE FEDERAL DE UBERLÂNDIA (UFU) - Faculdade de Gestão e Negócios
2 - Antonio Sérgio Torres Penedo UNIVERSIDADE FEDERAL DE UBERLÂNDIA (UFU) - Faculdade de Gestão e Negócios - FAGEN
Reumo
O café é um dos principais produtos da pauta de exportações brasileira, apresentando elevada relevância socioeconômica para o país. No entanto, o fato de o mercado de café ser marcado por grandes flutuações de preço, faz com que a cafeicultura seja caracterizada como uma atividade de elevado risco e tanto sua produção, quando sua comercialização necessite de instrumentos para a gestão de riscos. Sendo a previsão de preços um dos principais instrumentos que podem ser utilizados para minimizar os riscos no momento da comercialização do café.
Este trabalho teve como objetivo elaborar e validar um modelo de previsão para o comportamento de preços do café brasileiro através do uso de Redes Neurais Artificiais (RNAs), buscando assim oferecer uma alternativa para a gestão de riscos aos produtores e gestores que precisam realizar negociações em um mercado inerentemente estável.
Uma das tarefas cruciais para o gerenciamento de riscos é a previsão de preços dos produtos agrícolas, fator importante para todo o processo de tomada de decisão (Rodrigues et al., 2018). Assim, se o produtor tiver uma previsão do preço que será pago por seu produto na época da safra, é possível analisar que tipo de investimentos poderá fazer e qual será o melhor período para sua produção garantindo uma rentabilidade maior (Gutierrez & Almeida, 2013).
A concepção do modelo passou pelas fases de preparação dos dados, definição da estrutura, estimativa, avaliação dos resultados e validação do modelo. Para a definição da estrutura foram testadas e avaliadas doze arranjos de variáveis, com diferentes configurações no número de neurônios incluídos na primeira camada oculta da rede neural. A definição dos arranjos foi feita buscando mesclar combinações dos diferentes grupos de variáveis. Os resultados desses modelos foram avaliados por métricas de erro e o modelo com melhor resultado preditivo foi validado.
A análise dos resultados de diversas combinações de variáveis testadas indicou que o modelo com melhor capacidade preditiva foi aquele que incluía as variáveis Custos com Máquinas, Custos com Mão de Obra, Custos com Fertilizantes, Custos com Defensivos, Despesas Financeiras, Juros, Câmbio, Imposto, Consumo, Exportação e Estoques e Produção de Café no Brasil; na configuração com 13 neurônios na primeira camada escondida e 1 neurônio na segunda camada escondida. Esse modelo apresentou um MSE de 0,0958 e um R² 0,8394.
Os resultados obtidos demonstraram através das estatísticas MSE e R² que o modelo apresenta uma alta capacidade preditiva, podendo, portanto, afirmar-se que a prática do uso de Redes Neurais Artificiais pode ser agregada ao processo decisório referente ao comportamento dos preços café, como uma alternativa no cotidiano dos produtores para a gestão de riscos na comercialização de seus produtos, bem como na busca por melhores rendimentos.
Gutierrez, C. E. C., & Almeida, F. M. (2013). Modelagem e Previsão do Preço do Café Brasileiro. Revista de Economia, 39(2).
Rodrigues, L. S., Rezende, S., Moura, M., & Marcacini, R. M. (2018). Agribusiness time series forecasting using perceptually important events. Latin American Computing Conference, São Paulo.