PRICE FORECASTING FOR FUTURE CONTRACTS ON AGRIBUSINESS THROUGH NEURAL NETWORK AND MULTIVARIATE SPECTRAL ANALYSIS

Authors

DOI:

https://doi.org/10.18028/rgfc.v6i3.1959

Keywords:

Multivariate spectral analysis. Neural networks. Forecasting. Future contracts.

Abstract

This study aimed to compare the forecasting results from combining the two models,   Multivariate Singular Spectrum Analysis (MSSA)  and Artificial Neural Network (ANN), with the results obtained from classical forecasting and neural network models for prices of agricultural future contracts traded on BM&FBOVESPA. The forecasting results of the proposed combination, compared with those obtained from classical forecasting and neural network models showed the best performance for price forecasting. The use of the error measurements and predictive statistical test for the step-ahead confirm this. The research can help market professionals in the development and implementation of risk management policies due to the relevance of price forecasting as a planning tool, in addition to being useful in market behavior analysis in specifying the price trend of future contracts.

Downloads

Download data is not yet available.

Author Biography

Carlos Alberto Orge Pinheiro, Uneb e Senai Cimatec

Professor de Finanças no Departamento de Ciências Humanas, Campus I

References

Box, G. E. P.; Jenkins, G. M. Time series analysis forecasting and control. San Francisco: Holden Day, 1976.Bressan, A. A. Tomada de decisão em futuros agropecuários com modelos de previsão de séries temporais. Revista de Administração Eletrônica, v. 3, n. 1, p. 1-20, 2004.

Diebold, F., Mariano, R. Comparing Predictive Accuracy. Journal of Business and Economic Statistics, v. 13, n. 3, p. 253-265, 1995.

Esquivel, R. M. Análise espectral singular: modelagens de séries temporais através de estudos comparativos usando diferentes estratégias de previsão. 161f. 2012. Dissertação (Mestrado em Modelagem Computacional e Tecnologia Industrial) – Faculdade de Tecnologia SENAI CIMATEC, Salvador, 2012.

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. Revista de Administração e Inovação, v. 8, n. 4, p. 6-26, 2011.

Goyal, A.; Welch, I. Predicting the equity premium with dividend ratios. Management Science, v. 49, n. 5, 639–654, 2003.

Haykin, s. Redes neurais: princípios e práticas. 2 ed. Porto Alegre: Bookman, 2001.

Hassani, H.; Mahmoudvand, R. Multivariate singular spectrum analysis: a general view and new vector forecasting approach. International Journal of Energy and Statistics, v. 1, n. 1, p. 55-83, 2013.

HULL, J. Introdução aos mercados futuros e de opções. 2 ed. São Paulo: BM&F, 1996.

Keppenne, C.; Ghil, M. Adaptive filtering and prediction of noisy multivariate signals: An application to subannual variability in atmospheric angular momentum. International Journal of Bifurcation and Chaos, v. 3, n. 3, p. 625-634, 1993.

Lima, r. c.; Góis, m. r.; Ulises, c. Previsão de preços futuros de Commodities Agrícolas com diferenciações inteira e fracionária, e erros heteroscedásticos. Revista de Economia e Sociologia Rural, v. 45, n. 3, p. 621-644, 2007.

Lima, F. G.; Kimura, H.; Assaf Neto, A.; Perera, L. C. J. 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.

Martins, t.m.; Martinelli, d. p. Ciclos e previsão cíclica dos preços de commodities: um modelo indicador antecedente para commodity açúcar. Revista de Administração, Contabilidade e Economia, v. 1, n. 2, p. 2-12, 2010.

McLeod, A. I.; Li, W. K. Diagnostic checking ARMA time series models using squared residual autocorrelations. Journal of Time Series Analysis, v. 4, n. 4, p. 269-273, 1983.

Ministério da Agricultura, Pecuária e Abastecimento. Projeções do agronegócio 2013/14 a 2025/25. Assessoria de Gestão Estratégica. Brasília, 2013.

Miranda, A. P.; Coronel, D. A.; Vieira, K. M. Previsão do mercado futuro do café arábica utilizando redes neurais e métodos econométricos. Revista Estudos do CEPE, n. 38, p. 66-98, 2013.

Morettin, P. A.; Toloi, C. M. C. Análise de séries temporais. São Paulo: Blucher, 2006. Oliveira, V. A.; Aguiar, D. R. Determinantes do desempenho dos contratos futuros de commodities agropecuários no Brasil. In: Congresso Internacional de Economia e Gestão de Redes Agroalimentares, 4, 2003, Ribeirão Preto/SP. Anais Eletrônicos. Ribeirão Preto, 2003.

Pasquotto, J. L. D. Previsão de séries temporais no varejo brasileiro: Uma investigação comparativa da aplicação de redes neurais recorrentes de Elman. 2010. 189f. Dissertação (Mestrado em Administração) – Faculdade de Economia, Administração e Contabilidade de São Paulo, Universidade de São Paulo, São Paulo, 2010.

Patterson, K.; Hassani, H.; Heravi, S.; Zhigljavsky, A. Multivariate singular spectrum analysis for forecasting revisions to real-time data. Journal of Applied Statistics, v. 38, n. 10, p. 2183-2211, 2011.

Plaut, G.; Vautard, R. Spells of low-frequency oscillations and weather regimes in the northern hemisphere. Journal Atmospheric Sciences, v. 51, n. 2, p. 210–236, 1994.

Ribeiro, C. O.; Sosnoski, A. A. K.; Oliveira, S. M. Um modelo hierárquico para previsão de preços de commodities agrícolas. Revista Produção On-line, v. 10, n. 4, p. 719-733, 2010.

Schwager, J. D. Fundamental analysis. New York: John Wiley & Sons, 1995.

Sobreiro, V. A.; Araújo, P. H. S. L.; Mendonça, M. M.; Nagano, M. S. Uma estimação do valor da commodity de açúcar usando redes neurais artificiais. Revista P&D em Engenharia de Produção, v. 6, n. 1, p. 36-53, 2008.

Tibulo, C.; Carli, V. Previsão do preço do milho através de séries temporais. Scientia Plena, v. 10, n. 10, p. 2-10, 2014.

Tsay, R. Non-linearity tests for time series. Biometrika, v. 73, n. 2, p. 461-466, 1986.

Turban, E. Decision Support and Expert Systems: Management Support Systems. New York: MacMillan, 1993.

Downloads

Published

2016-09-13

Issue

Section

Artigos