Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE FEDERAL DE SÃO JOÃO DEL-REI CURSO DE CIÊNCIAS ECONÔMICAS Gabriel Oliveira Medeiros 160700002 Gabriel Tomaz Batista Tostes 160750012 Jonathan Azi Cardoso 160700019 APLICAÇÃO DA METODOLOGIA BOX & JENKINS PARA PREVISÃO DE PREÇOS NO MERCADO DA COMMODITY CAFÉ São João Del-Rei 2019 GABRIEL OLIVEIRA MEDEIROS GABRIEL TOMAZ BATISTA TOSTES JONATHAN AZI CARDOSO Aplicação da metodologia Box & Jenkins para previsão de preços no mercado da commodity café Projeto de Pesquisa apresentado para obtenção de créditos da disciplina de Econometria II do curso de Ciências Econômicas da Universidade Federal de São João Del-Rei. Orientador: Prof. Dr. Douglas Marcos Ferreira São João Del-Rei 2019 SUMÁRIO 1 INTRODUÇÃO ..................................................................................................................... 3 1.1 Definição e Justificativa do Problema ...................................................................... 4 1.2 Hipótese ....................................................................................................................... 5 2 OBJETIVOS ...................................................................................................................... 6 2.1 Objetivo Geral ............................................................................................................ 6 2.2 Objetivos Específicos ................................................................................................. 6 3 REVISÃO TEÓRICA ........................................................................................................... 7 3.1 Mercado Financeiro ........................................................................................................ 7 3.2 Mercados Futuros ........................................................................................................... 7 3.3 Hedge ................................................................................................................................ 9 3.4 Especulação ..................................................................................................................... 9 3.4 Commodities .................................................................................................................... 9 3.4.1 Mercados Físico e Futuro de Café............................................................................ 10 3.5 Série Temporal .............................................................................................................. 10 3.6 Modelos de Previsão ..................................................................................................... 11 4 METODOLOGIA ................................................................................................................ 12 5 ANÁLISE DOS RESULTADOS ........................................................................................ 13 6 CONCLUSÕES .................................................................................................................... 21 REFERÊNCIAS ..................................................................................................................... 22 3 1 INTRODUÇÃO A agricultura é, desde as antigas civilizações, atividade substancial para a manutenção da vida humana. Esta atividade é, contudo, permeada de riscos e incertezas, impactada constantemente por distúrbios irregulares. Desta maneira, a utilização de ferramentas preditivas que proporcionem a mitigação da incerteza é de suma importância para o auxílio na tomada de decisão dos agentes envolvidos com a agricultura. O agronegócio, segundo Marques, Mello e Martines Filho (2006) é todo o conjunto de atividades, que se inicia no setor de insumos, passando pelo produtor, que transforma os fatores de produção em café, milho, soja, etc; até ser entregue em um supermercado, restaurante ou afins, último elo da cadeia, onde é adquirido e consumido pelo consumidor final. Martins e Martinelli (2010 apud PINHEIRO; SENNA, 2016) percebem na sazonalidade decorrente de fatores climáticos, mercadológicos e conjunturais o principal problema sobre a previsão dos preços dos produtos agrícolas, promovendo incerteza de renda para agricultores, armazenadores e exportadores de tais produtos. Zylbersztajn (2005 apud MARQUES; MELLO; MARTINES FILHO, 2006) destaca que o planejamento das ações com antecedência é essencial para vários membros do agronegócio, havendo, assim, a necessidade da existência de contratos que disciplinem e coordenem as ações dentro das cadeias, indicando o que, quanto e como produzir. Schwager (1995 apud PINHEIRO; SENNA, 2016) alega que a previsão auxilia os envolvidos nos mercados de commodities agrícolas: tanto os hedgers, que buscam proteção de futuras oscilações de preços, quanto os especuladores. Ao longo das últimas décadas, estudiosos buscam técnicas de predição do comportamento dos preços no mercado financeiro. Tais estudos envolveram o desenvolvimento de relevantes ferramentas, dentre as quais a aplicação de modelos econométricos. Uma das possíveis alternativas para reduzir, então, a incerteza no processo de tomada de decisões, é a utilização de modelos de previsão de séries temporais. Estes modelos são construídos a partir de processos estocásticos especiais, visando estimar o valor futuro de uma variável com base apenas em seus valores passados. (BRESSAN, 2004) 4 Neste âmbito surge a questão: tais métodos de previsão são eficazes e confiáveis? Este estudo busca uma resposta para tal questão por meio da análise da aplicação de modelos de previsão de preços aplicados ao mercado da commodity café. Para cumprir este propósito, o trabalho está dividido em seis seções. A primeira seção introduz o tema, bem como apresenta a justificativa e a hipótese da pesquisa. Na seção 2 são apresentados o objetivo geral e os objetivos específicos. Na seção 3 é exposta a revisão teórica. A seção 4 contém a metodologia da pesquisa. Na seção 5 são apresentados os resultados e, por fim, na seção 6 são dispostas as conclusões do estudo. 1.1 Definição e Justificativa do Problema No agronegócio, os agentes enfrentam riscos que causam instabilidade não somente à própria atividade, mas a todos os demais membros da cadeia de produção de que participam. Mudanças climáticas, pragas, doenças e outros fatores impedem que estimativas precisas de produção e preços sejam feitas. A administração destes riscos possibilita melhor planejamento na tomada de decisões dos agentes, diminuindo custos de transação e causando aumento na competitividade das cadeias. (MARQUES; MELLO; MARTINES FILHO, 2006) Os mercados futuros podem, além da capacidade de administrar riscos por meio de hedge, oferecer a possibilidade de atuarem como previsores de preços por meio dos contratos futuros das commodities negociadas, desde que o mercado seja eficiente. (HARZER et al., 2012) A aplicação de modelos de previsão visa diminuir a incerteza na tomada de decisão dos agentes, não fornecer uma previsão precisa, uma vez que, como exposto por Pinheiro e Senna (2016), as previsões podem apresentar erros, seja qual for o modelo adotado. Vieira e Brito (2011) observam que no mundo globalizado, em que volumes gigantescos de informações e dinheiro são transacionados em frações de segundo, a busca de instrumentos mais precisos para análise dos movimentos financeiros torna-se cada vez mais importante. Marques e Mello (1999 apud BRESSAN, 2001) defendem a existência de campo lucrativo para a previsão de preços, a qual, baseada em pesquisas e estudos técnicos, permite uma vantagem de atuação de um agente ante os concorrentes, antes que o mercado incorpore e dissemine essa novainformação aos preços. 5 1.2 Hipótese Os modelos de previsão de preços são ferramentas amplamente utilizadas para a tomada de decisão dos agentes envolvidos com a atividade agrícola, uma vez que reduzem a incerteza quanto ao comportamento dos preços futuros das commodities. Por isso, verificar- se-á a hipótese de que esses modelos fornecem adequada predição dos preços da commodity Café. 6 2 OBJETIVOS 2.1 Objetivo Geral Analisar a eficácia da aplicação de modelos de previsão de preços ao mercado de commodities agrícolas, a fim de verificar o desempenho no fornecimento de suporte para a tomada de decisão de agentes envolvidos com a atividade agrícola. 2.2 Objetivos Específicos Os objetivos específicos do presente estudo compreendem: • Realizar o levantamento do referencial teórico no que tange aos conceitos de mercado financeiro, mercado futuro, risco, incerteza, hedge e especulação, bem como caracterizar os mercados físicos e futuros da commodity Café, que é o objeto do estudo. • Baixar e organizar os dados da série temporal correspondente ao indicador de preços CEPEA/ESALQ da commodity Café, disponível no endereço eletrônico do Centro de Estudos Avançados em Economia Aplicada (CEPEA), que é parte do Departamento de Economia, Administração e Sociologia da Escola Superior de Agricultura “Luiz de Queiroz” (Esalq), unidade da Universidade de São Paulo (USP), sendo o referido endereço http:www.cepea.esalq.usp.br. • Analisar os dados e determinar qual o modelo de previsão será utilizado. • Adequar o modelo aos dados específicos do problema da pesquisa. • Discutir os resultados obtidos. 7 3 REVISÃO TEÓRICA 3.1 Mercado Financeiro Mercado financeiro, segundo Pinheiro (2016) é um mecanismo através do qual se produz um intercâmbio de ativos financeiros e se determinam seus preços, ou ainda, mercados nos quais os recursos financeiros são transferidos desde unidades superavitárias até aquelas deficitárias. Ishikawa e Mellagi Filho (2008) definem por sistema financeiro o conjunto de instituições e operações ocupadas com o fluxo de recursos monetários entre os agentes econômicos. Uma vez que a negociação individual é deveras onerosa em termos de tempo, Marques, Mello e Martines Filho (2006) explicam que a tendência natural dos mercados é a evolução para uma situação em que haja normas e regras regulando a comercialização, caracterizando um mercado organizado, a exemplo das bolsas de mercadorias. A comercialização é realizada seguindo-se regras específicas, conhecidas por todos, assim como os preços e volume de negociação são conhecidos. Os padrões de classificação também são bem conhecidos, dispensando a visita aos locais de armazenamento das commodities. Através da Lei n º 6385, de 7 de dezembro de 1976, foi criada a Comissão de Valores Mobiliários (CVM), uma autarquia com poderes para normatizar e fiscalizar a atuação dos agentes do mercado, que tem como um de seus principais objetivos assegurar o funcionamento eficiente e regular dos mercados de bolsa e balcão e o acesso público a informações sobre valores mobiliários negociados. (PORTO, 2015) 3.2 Mercados Futuros Mercados futuros são mercados onde ocorrem a negociação, compra e venda de contratos futuros. Hull (1996 apud BRESSAN, 2001) define os contratos futuros como um compromisso de compra ou venda de um ativo específico em data predeterminada, a um preço que reflete as forças de oferta e demanda naquele momento. Segundo Schouchana (1997 apud BRESSAN, 2001), o tamanho do contrato está relacionado com o frete ou armazenagem do produto, enquanto o vencimento é definido em função dos meses de safra e entressafra, de forma a garantir liquidez nas negociações. 8 O comprador se obriga a pagar pela compra efetuada, enquanto o vendedor se obriga a vender de acordo com uma operação já realizada. É importante ressaltar que o vendedor se obriga a vender, não a entregar um produto. Diferentemente do mercado a termo, num contrato futuro não há a intenção primária de entrega efetiva da mercadoria pelo vendedor. (MARQUES; MELLO; MARTINES FILHO, 2006) Bressan (2001) destaca algumas condições necessárias para a viabilidade dos mercados futuros, sendo elas a atomização do mercado, a possibilidade de padronização dos contratos e um mercado físico grande, em termos de volume de negociação. Segundo o autor, a agricultura brasileira, em muitos setores, atende a estas principais condições. Teixeira (1992 apud BRESSAN, 2001) alega que as cotações tendem a oscilar dentro de um pregão e ao longo de um período que vai até o vencimento do contrato, em reflexo às novas informações chegadas ao mercado, convergindo, conforme se aproxima o vencimento, para o valor do preço à vista mais os custos de carregamento. Bressan (2001, p. 7) explica que “em mercados muito voláteis, [...] há maior incentivo para que agentes participantes busquem instrumentos de gerenciamento do risco associado à variabilidade dos preços, através de operações em bolsas de futuros”. Tal volatilidade incentiva a atuação do especulador, disposto a assumir o risco que os produtores desejam repassar. Marques, Mello e Martines Filho (2006) defendem que a produção agropecuária, além de extremamente atomizada, é de difícil ajustamento às necessidades da demanda, uma vez que o planejamento da produção é realizado com meses ou anos de antecedência à entrega do produto, momento em que as condições de mercado podem ter sofrido modificações. Os futuros tornaram-se muito importantes para a economia em virtude de sua liquidez, uma vez que os participantes podem entrar e sair do mercado a qualquer momento. A homogeneidade dos produtos, a transparência e velocidade da transação de informações permitem o ajustamento do preço de acordo com as pressões de oferta e demanda. (B3 EDUCAÇÃO, 2017) Segundo Bessada, Barbedo e Araújo (2007 apud HARZER, 2012), preço futuro e preço à vista tendem a se convergir, pois na data do vencimento, o contrato deve ser liquidado, apresentando, então, as mesmas características do produto no mercado à vista. Portanto, conforme se aproxima o vencimento do contrato, a base tende à zero. A base corresponde, de acordo com Marques, Mello e Martines Filho (2006), à diferença entre o preço da commodity no mercado físico e sua cotação no mercado futuro. 9 3.3 Hedge Existem basicamente duas funções na negociação em mercados futuros, sendo estas as operações de hedge e a especulação. Na operação de hedge, entendida como uma administração de risco de preços, os agentes travam os preços de compra ou venda de mercadoria com operações inversas realizadas no mercado futuro e no mercado físico. Portanto, um produtor que comprou insumos, investindo na produção, irá realizar uma operação de venda futura, ou hedge de venda, para garantir o preço da mercadoria. (MARQUES; MELLO; MARTINES FILHO, 2006) 3.4 Especulação Marques, Mello e Martines Filho (2006) definem o termo especulação como estar vendido quando espera-se que os preços caiam e estar comprado quando espera-se que os preços subam. Um acerto na posição tomada implica no recebimento de ajustes, enquanto um erro implica no pagamento de ajustes. Porto (2015) afirma que o especulador aposta na tendência, sem pretensão de ir até o fim, receber ou entregar a mercadoria no fim do contrato. 3.4 Commodities Porto (2015, p.162) define um derivativo como “contrato ou título conversível cujo valor depende, integral ou parcialmente, do valor de outro instrumento financeiro”. Os derivativos dividem-se em financeiro e não financeiros. Financeiros são os que se relacionam com taxas de juros, moedas, índices de Bolsa, dentre outros. Já os derivativos não financeiros são aqueles associados às commodities, tais como açúcar, algodão, café, milho, soja e outros. (HARZER et al.,2012) “Os produtos agropecuários geralmente são comercializados na forma não diferenciada, sendo então denominados de ‘commodities’.” (MARQUES; MELLO; MARTINES FILHO, 2006, p. 11) A negociação em mercado de derivativos responde a uma necessidade da comercialização de determinadas mercadorias. A colheita de trigo, por exemplo, é realizada apenas durante algumas semanas, contudo o consumo do cereal ocorre durante todo ano. É 10 necessário, então, que algum agente carregue a mercadoria, arcando com os custos de aquisição, armazenagem e transporte até que esta seja consumida por inteiro, sujeitando-se, ainda, aos riscos das variações de preço. (B3 EDUCAÇÃO, 2017) 3.4.1 Mercados Físico e Futuro de Café O Brasil é um dos maiores produtores e exportadores mundiais de café, com grande relevância no mercado internacional, em especial do grão arábica. São produzidas, no Brasil, as espécies Arábica e Conillon. (B3, 2019) O contrato futuro de Café Arábica possui as seguintes características técnicas (B3, 2019): a) Objeto de Negociação: Café cru, em grão, de produção brasileira, coffea arábica, tipo 4/5 ou melhor, bebida dura ou melhor, para entrega no Município de São Paulo, SP, Brasil. b) Código de Negociação: ICF c) Tamanho do contrato: 100 sacas de 60kg líquidos. d) Variação mínima de apregoação: US$0,05. e) Data de vencimento: 6º dia útil anterior ao último dia útil do mês do vencimento. Caso não ocorra sessão de negociação neste dia, o vencimento se dará na sessão seguinte. f) Meses de vencimento: Março, maio, julho, setembro e dezembro. O produtor de café atua num mercado com múltiplas fontes de risco, como as inconstâncias climáticas, o ciclo da cultura e as barreiras tarifárias impostas pelos governos. (MIRANDA; CORONEL; VIEIRA, 2013) Os comerciantes e produtores de café enfrentam, ainda, o risco relacionado à sobrevalorização cambial, que reduz a competitividade do café no mercado internacional. (CASTRO, et. al, 2005 apud MIRANDA; CORONEL; VIEIRA, 2013) 3.5 Série Temporal “Uma série temporal é qualquer conjunto de variáveis estocásticas equiespaçadas e ordenadas no tempo.” (LIMA et al., 2010, p.189) 11 3.6 Modelos de Previsão As previsões podem apresentar erros, independentemente do modelo adotado, de tal forma que o resultado das previsões geralmente é avaliado ao se comparar os valores obtidos pela previsão com os valores da série temporal original, determinando o desempenho através de alguma medida. (PINHEIRO; SENNA, 2016) Dentre os modelos de previsão mais utilizados, para Bressan (2004, p. 4), “(...) destacam-se os de suavização exponencial, de média móvel, modelos Box & Jenkins, modelos Estruturais, modelos Bayesianos e de Redes Neurais”. Segundo Miranda, Coronel e Vieira (2013, p.73), “os modelos mais utilizados para a previsão de commodities são os econométricos lineares Autorregressivos (AR), os de Médias Móveis (MA) e os Autorregressivos de Médias Móveis (ARMA)”. Pinheiro e Senna (2016) explicam que é possível utilizar os termos autorregressivos e de médias móveis simultaneamente, objetivando melhoria. Tal combinação caracteriza o modelo ARMA. Uma outra possibilidade é tornar a série temporal estacionária por meio de diferenciação. Desta maneira, é dada a formação do modelo Autorregressivo Integrado de Médias Móveis (ARIMA), que se fundamenta na construção de métodos ajustados em suas propriedades probabilísticas. Para esses modelos, o sinal (tendência e periodicidade) da série temporal é estudado em termos de unidade de tempo. 12 4 METODOLOGIA Para responder aos objetivos propostos, a pesquisa realizada pode ser classificada como exploratória, uma vez que almeja levantar informações acerca de um determinado assunto; é também descritiva, por identificar, registrar e analisar as variáveis relacionadas ao objeto de estudo. A metodologia pode ser fragmentada conforme será explicado nos parágrafos subsequentes. Primeiramente, foi realizada a revisão bibliográfica, abrangendo os temas significativos para o entendimento do assunto, por meio de livros, artigos e endereços eletrônicos dispostos nas referências bibliográficas. Posteriormente, trabalhou-se o levantamento da base de dados, baixando a série temporal e organizando tal amostra. A base de dados corresponde ao indicador de preços CEPEA/ESALQ, obtido no banco de dados do Centro de Estudos Avançados em Economia Aplicada (CEPEA), por meio do endereço eletrônico https://www.cepea.esalq.usp.br, abrangendo o período de 01 de junho de 2017 a 19 de junho de 2019, com dados diários. Desta forma, a amostra obtida perfaz 510 observações para a commodity Café, de forma a se construir as previsões. Através da análise dos dados, determinou-se qual modelo de previsão melhor descreve o comportamento da série, recorrendo às funções de Autocorrelação (FAC) e Autocorrelação Parcial (FACP). Optou-se pelo método de previsão “fora da amostra”, ou seja, uma previsão ex post, a fim de se avaliar a qualidade de ajustamento do modelo. Foram deixadas como grupo de controle as nove últimas observações. Tratou-se de uma previsão estática, em que a previsão de uma observação atual utiliza o valor observado, e não o estimado, nos períodos anteriores. Todos os processos mencionados no parágrafo anterior foram realizados por meio do software Eviews. 13 5 ANÁLISE DOS RESULTADOS Após organizar a série temporal dos preços do café e ajustá-la à formatação do software Eviews, recorreu-se à análise do correlograma a fim de se verificar a FAC e a FACP. Observou-se a FAC declinando exponencialmente e a FACP apresentando quatro picos, conforme visualizado na Figura 1. Figura 1 – Correlograma da série temporal de preços do café Fonte: Elaborado pelos autores Tal configuração sugere a utilização do Modelo AR de ordem 4, conforme visto em Ehlers (2005). A estimação é apresentada na Figura 2. Figura 2 – Estimação do Modelo AR(4) 14 Fonte: Elaborado pelos autores A análise do correlograma dos resíduos, apresentado na Figura 3, sugere que o modelo é adequado, uma vez que FAC e FACP não extrapolam o intervalo de confiança. Figura 3 – Análise Residual - Correlograma 15 Fonte: Elaborado pelos autores Entretanto, os resultados da estimação apresentada na Figura 2 comprovam, por meio do parâmetro Prob, a não significância estatísticas das variáveis autorregressivas de ordem 2, 3 e 4. Desta forma, optou-se por estimar modelos alternativos de ordem baixa, em busca de melhor ajustamento. Os modelos estimados foram ARMA(4,1), ARMA(4,2), ARMA(4,3) e ARMA(4,4). O modelo ARMA(4,1) apresentou os melhores resultados. A estimação deste modelo apresentou significância estatística em todos os termos, como visto na Figura 4. Figura 4 – Estimação do Modelo ARMA(4,1) 16 Fonte: Elaborado pelos autores A análise do correlograma residual do modelo ARMA(4,1), indicado pela Figura 5, sugere boa adequação do modelo. Figura 5 – Análise Residual - Correlograma 17 Fonte: Elaborado pelos autores Realizando-se uma comparação entre os resultados do modelo AR(4) e os do modelo ARMA(4,1), verifica-se que estes apresentam valores próximos nos critérios Akaike e Schwaz. Os valores do critério Akaike são de 5,639013 para o modelo AR(4) e 5,637829 para o modelo ARMA(4,1). Já o critério Schwaz apresenta o valor de 5,680527 para o modelo AR(4) e 5,687646 para o modelo ARMA(4,1). Segundo estes critérios, o melhor modelo é aquele que apresenta o menor valor. Oberva-se que o modelo AR(4) apresenta o menor valor segundo o critério Schwaz, enquanto o modelo ARMA(4,1) apresenta menor valor, segundo o critério Akaike. Em última etapa para escolha do melhor modelo aplicável à série temporal do índice CEPEA/Esalq da commodity Café, foi analisada a previsão ex post, realizada a partir dosdois modelos supracitados. Tratou-se de uma previsão estática, com nove observações deixadas fora da amostra. 18 Os resultados da previsão via modelo AR(4) são apresentados no Gráfico 1. Gráfico 1 – Previsão do Modelo AR(4) Fonte: Elaborado pelos autores Os resultados da previsão via modelo ARMA(4,1) são apresentados no Gráfico 2. Gráfico 2 – Previsão do Modelo ARMA(4,1) 19 Fonte: Elaborado pelos autores As previsões apresentaram valores muito próximos, sendo sequer percebidas diferenças ao se comparar os gráficos visualmente. Desta forma utilizou-se a Raiz do Erro Quadrático Médio (RMSE), uma medida de avaliação que auxilia a determinar qual modelo apresenta melhor ajustamento. Os valores estimados por ambos os modelos, bem como seus respectivos valores da RMSE são apresentados na Figura 6. Esta medida indica que o modelo ARMA(4,1) apresentou o melhor ajustamento na previsão da série. Figura 6 – Comparação das previsões 20 Fonte: Elaborado pelos autores 21 6 CONCLUSÕES Conclui-se, após a análise dos resultados que a aplicação de modelos Box & Jenkins fornece adequado suporte à tomada de decisão dos agentes envolvidos com o mercado da commodity Café. Uma vez que os preços do mercado físico e do mercado futuro tendem a convergir conforme se aproxima o vencimento de um contrato (TEIXEIRA 1992 apud BRESSAN, 2001), a previsão por meio dos preços físicos fornece suporte à negociação em mercado futuro nos períodos próximos ao vencimento. As previsões e análises de ajustamento de modelo efetuadas nesta pesquisa sugerem a utilização do modelo de previsão ARMA(4,1) na predição das flutuações de preço da commodity Café. A análise do desempenho do modelo de previsão não visa identificar um modelo que forneça os valores precisos para o mercado pesquisado, mas explorar a capacidade preditiva deste modelo no auxílio à tomada de decisão dos agentes econômicos. Essa pesquisa poderá incentivar novos estudos da aplicação de modelos de previsão de preços, a fim de obter margens de acertos maiores e maior qualidade em previsões, não somente de curto, mas também de médio e longo prazo. 22 REFERÊNCIAS B3 – BRASIL BOLSA BALCÃO. Disponível em: http://www.b3.com.br/pt_br/. Acesso em: 03 abr. 2019. B3 EDUCAÇÃO. Por Dentro da B3. Disponível em: https://educacional.bmfbovespa.com.br/documentos/ApostilaPQO.pdf. Acesso em: 21 maio 2019. BESSADA, Octavio; BARBEDO, Claudio; ARAÚJO, Gustavo. Mercado de Derivativos no Brasil. 2. ed. Rio de Janeiro: Record, 2007. apud HARZER, Jorge Harry et al. Eficiência dos mercados futuros de commodities agrícolas aplicando-se o teste de cointegração. Revista de Administração da UFSM, v. 5, n. 2, p. 336–353 , 2012. Disponível em: https://periodicos.ufsm.br/index.php/reaufsm/article/view/5432/pdf. Acesso em: 30 maio 2019. BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. BRESSAN, Aureliano Angel. Tomada de decisão em futuros agropecuários com modelos de previsão de séries temporais. RAE-eletrônica, v. 3, n. 1, p. 1–20 , 2004. Disponível em: http://www.scielo.br/pdf/raeel/v3n1/v3n1a04.pdf. Acesso em: 09 maio 2019. CASTRO, E. R.; TEIXEIRA, E. C.; LIMA, J. E.. Efeito da desvalorização cambial na oferta, no preço de insumos e na relação entre os fatores na cultura do café. Revista de Economia e Sociologia Rural, Rio de Janeiro, vol. 43, nº 03, p. 421-441, 2005. apud MIRANDA, André Pacheco; CORONEL, Daniel Arruda; VIEIRA, Kelmara Mendes. Previsão do mercado futuro do café arábica utilizando redes neurais e métodos econométricos. Revista Estudos do CEPE n. 38, p. 66–98 , 2013. Disponível em: http://online.unisc.br/seer/index.php/cepe/article/viewFile/3329/3122. Acesso em: 07 abr. 2019. EHLERS, Ricardo S. Análise de Séries Temporais. Departamento de Estatística, UFPR: Curitiba, 2005. Disponível em http://www.each.usp.br/rvicente/AnaliseDeSeriesTemporais.pdf. Acesso em: 21 jun. 2019. HARZER, Jorge Harry et al. Eficiência dos mercados futuros de commodities agrícolas aplicando-se o teste de cointegração. Revista de Administração da UFSM, v. 5, n. 2, p. 336–353 , 2012. Disponível em: https://periodicos.ufsm.br/index.php/reaufsm/article/view/5432/pdf. Acesso em: 30 maio 2019. HICKS, J. R. Value and capital: an inquiry into some fundamental principles of economic theory. Oxford: Oxford University Press, 1965. 340p. apud BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.b3.com.br/pt_br/ https://educacional.bmfbovespa.com.br/documentos/ApostilaPQO.pdf http://www.scielo.br/pdf/raeel/v3n1/v3n1a04.pdf http://online.unisc.br/seer/index.php/cepe/article/viewFile/3329/3122 http://www.each.usp.br/rvicente/AnaliseDeSeriesTemporais.pdf 23 http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. HULL, J. Introdução aos mercados futuros e de opções. 2. ed. São Paulo: BM&F/Cultura, 1996. 445p. apud BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. ISHIKAWA, Sergio; MELLAGI FILHO, Armando. Mercado financeiro e de capitais. 2. ed. São Paulo: Atlas, 2008. 382p. LIMA, Fabiano Guasti et al. Previsão de preços de commodities com modelos ARIMA- GARCH e redes neurais com ondaletas : velhas tecnologias – novos resultados. Revista de Administração, v. 45, n. 2, p. 188–202 , 2010. Disponível em: http://www.spell.org.br/documentos/ver/4444/previsao-de-precos-de-commodities-com- modelos-arima-garch-e-redes-neurais-com-ondaletas--velhas-tecnologias-----novos- resultados. Acesso em: 09 maio 2019. MARQUES, Pedro Valentim; MELLO, Pedro Carvalho De; MARTINES FILHO, João Gomes. Mercados futuros e de opções agropecuárias. São Paulo: Departamento de Economia, Administração e Sociologia da Esalq/USP, 2006. 334 p. Disponível em: https://www.agencia.cnptia.embrapa.br/Repositorio/did- 129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf. Acesso em: 07 abr. 2019. MARQUES, P. V., MELLO, P. C. Mercados futuros de commodities agropecuárias: exemplos e aplicações aos mercados brasileiros. São Paulo: Bolsa de Mercadorias & Futuros, 1999. 208p. apud BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. Martins, T. M. e Martinelli, D. P. (2010). Ciclos e previsão cíclica dos preços de commodities: um modelo indicador antedecedente para commodity açúcar. Revista de Administração, Contabilidade e Economia, 2, 2-12. apud PINHEIRO, Carlos Alberto Orge; SENNA, Valter De. Previsão de preços de commodities agrícolas através do modelo de análise espectral singular multivariada. Brazilian Business Review, v. 13, n. 5, p. 133–162 , 2016. Disponível em: http://cdsid.org.br/sbpo2015/wp-content/uploads/2015/08/141120.pdf. Acesso em: 07 Abr 2019. MIRANDA, André Pacheco; CORONEL, Daniel Arruda; VIEIRA, Kelmara Mendes. Previsão do mercado futuro do café arábica utilizando redes neurais e métodos econométricos. Revista Estudos do CEPE n. 38, p. 66–98 , 2013. Disponível em: http://online.unisc.br/seer/index.php/cepe/article/viewFile/3329/3122. Acesso em: 07 abr. 2019. PINHEIRO, Carlos Alberto Orge; SENNA, Valter De. Previsão de preçosde commodities agrícolas através do modelo de análise espectral singular multivariada. Brazilian Business http://www.spell.org.br/documentos/ver/4444/previsao-de-precos-de-commodities-com-modelos-arima-garch-e-redes-neurais-com-ondaletas--velhas-tecnologias-----novos-resultados http://www.spell.org.br/documentos/ver/4444/previsao-de-precos-de-commodities-com-modelos-arima-garch-e-redes-neurais-com-ondaletas--velhas-tecnologias-----novos-resultados http://www.spell.org.br/documentos/ver/4444/previsao-de-precos-de-commodities-com-modelos-arima-garch-e-redes-neurais-com-ondaletas--velhas-tecnologias-----novos-resultados https://www.agencia.cnptia.embrapa.br/Repositorio/did-129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf https://www.agencia.cnptia.embrapa.br/Repositorio/did-129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf http://online.unisc.br/seer/index.php/cepe/article/viewFile/3329/3122 24 Review, v. 13, n. 5, p. 133–162 , 2016. Disponível em: http://cdsid.org.br/sbpo2015/wp- content/uploads/2015/08/141120.pdf. Acesso em: 07 Abr 2019. PINHEIRO, Juliano Lima Mercado de Capitais: fundamentos e técnicas. 8. ed. São Paulo: Atlas, 2016. 640p. PORTO, José Maria. Manual dos mercados financeiro e de capitais. São Paulo: Atlas S.A., 2015. 280 p. SCHOUCHANA, F. Introdução aos mercados futuros e de opções agropecuários. São Paulo: BM&F, 1997. 70p. apud BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. SCHWAGER, J. D. Fundamental analysis. New York: John Wiley & Sons, 1995. apud PINHEIRO, Carlos Alberto Orge; SENNA, Valter De. Previsão de preços de commodities agrícolas através do modelo de análise espectral singular multivariada. Brazilian Business Review, v. 13, n. 5, p. 133–162 , 2016. Disponível em: http://cdsid.org.br/sbpo2015/wp- content/uploads/2015/08/141120.pdf. Acesso em: 07 Abr 2019. TEIXEIRA, M. A. Mercados futuros: fundamentos e características operacionais. São Paulo: BM&F, 1992. 53p. apud BRESSAN, Aureliano Angel. Modelos de previsão de preços aplicados aos contratos futuros agropecuários. Universidade Federal de Viçosa, 2001. 163 p. Disponível em: http://www.sbicafe.ufv.br/bitstream/handle/123456789/375/159714f.pdf?sequence=1. Acesso em: 22 mar. 2019. VIEIRA, Claudia Simone; BRITO, Ana Fatima. A Evolução das Teorias de Finanças e a Tecnologia. In: SIMPÓSIO DE EXCELÊNCIA EM GESTÃO E TECNOLOGIA, VIII., 2011, Resende. Anais eletrônicos [...] [S.L.:s.n.] p.7. Disponível em: http://www.aedb.br/seget/arquivos/artigos11/36814483.pdf. Acesso em: 14 de maio 2019. ZYLBERSZTAJN, D. Papel dos contratos na coordenação agro-industrial: um olhar além dos mercados. Artigo apresentado na Conferência Inaugural do XLIII Congresso da Sociedade Brasileira de Economia e Sociologia Rural (Sober), Ribeirão Preto, 2005. apud MARQUES, Pedro Valentim; MELLO, Pedro Carvalho De; MARTINES FILHO, João Gomes. Mercados futuros e de opções agropecuárias. São Paulo: Departamento de Economia, Administração e Sociologia da Esalq/USP, 2006. 334 p. Disponível em: https://www.agencia.cnptia.embrapa.br/Repositorio/did- 129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf. Acesso em: 07 abr. 2019. https://www.agencia.cnptia.embrapa.br/Repositorio/did-129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf https://www.agencia.cnptia.embrapa.br/Repositorio/did-129_000fk725ekp02wyiv80sq98yqoy5hp4u.pdf
Compartilhar