Análise de técnicas de previsão : um estudo de caso para o volume de ações da Petrobras

Abstract

Diante das proposições da indústria 4.0, responder habilmente as demandas das empresas tornou-se um ponto chave. Outros pontos são relevantes, não apenas a previsão de demanda de insumos e da programação da produção, mas também aqueles que dão suporte financeiro à empresa, como as ações negociadas na bolsa de valores. Desta forma, este trabalho tem como objetivo usar técnicas de previsões para averiguar qual delas é a mais adequada na previsão do volume diário de ações da Petrobras negociadas na BOVESPA. Para tanto, os dados históricos de 04 de janeiro de 2010 a 18 de setembro de 2018 serão utilizados para modelar e validar uma rede neural recorrente (RNN) e um modelo ARFIMA. Estes dois modelos servirão de base para obter três técnicas de combinações de previsões: média aritmética, variância mínima e por regressão. Para a tomada de decisão foram utilizadas as medidas de acurácia RMSE, MAPE e U de Theil. Encontrou-se que a combinação de previsões por média aritmética proporcionou as melhores medidas de acurácia.

Given industry 4.0's propositions, responding skillfully to business demands has become a key point. Other points are relevant, not only the forecast of input demand and production scheduling, but also those that provide financial support to the company, such as the shares traded on the stock exchange. Thus, this paper aims to use forecasting techniques to determine which one is the most appropriate in forecasting the daily volume of Petrobras shares traded on BOVESPA. To this end, historical data from January 4, 2010 to September 18, 2018 will be used to model and validate a recurrent neural network (RNN) and an ARFIMA model. These two models will serve as the basis for obtaining three prediction combinations techniques: arithmetic mean, minimum variance and regression. For decision-making, Theil's RMSE, MAPE and U accuracy measures were used. The combination of predictions by arithmetic mean was found to provide the best accuracy measures.