Resumo
The purpose of this study is to apply the methodology proposed by PINHEIRO & SENNA (2015) to a set of agricultural products traded in Brazil. The multivariate and nonlinear character of this methodology has shown to be suitable, as compared to the neural network model, since it allows for a better predictive performance. Results obtained in an out-of-sample period, by using the calculated error and statistical test, confirmed this statement. This study will be useful to farmers as price forecasting based on their tendency is relevant.
O objetivo deste estudo é aplicar a metodologia proposta por PINHEIRO & SENNA (2015) a um conjunto de produtos agrícolas negociados no Brasil. O caráter multivariado e não linear dessa metodologia mostrou ser adequado, quando comparado com o modelo de redes neurais, pois ele permite um melhor desempenho preditivo. Os resultados obtidos em um período fora da amostra, usando o erro calculado e o teste estatístico, confirmam isso. Este estudo será útil aos agricultores, pois a previsão dos preços com base em sua tendência é relevante.
Assuntos
Agroindústria/estatística & dados numéricos , Análise Multivariada , Comércio/estatística & dados numéricos , Redes Neurais de Computação , Comercialização de ProdutosResumo
The purpose of this study is to apply the methodology proposed by PINHEIRO & SENNA (2015) to a set of agricultural products traded in Brazil. The multivariate and nonlinear character of this methodology has shown to be suitable, as compared to the neural network model, since it allows for a better predictive performance. Results obtained in an out-of-sample period, by using the calculated error and statistical test, confirmed this statement. This study will be useful to farmers as price forecasting based on their tendency is relevant.(AU)
O objetivo deste estudo é aplicar a metodologia proposta por PINHEIRO & SENNA (2015) a um conjunto de produtos agrícolas negociados no Brasil. O caráter multivariado e não linear dessa metodologia mostrou ser adequado, quando comparado com o modelo de redes neurais, pois ele permite um melhor desempenho preditivo. Os resultados obtidos em um período fora da amostra, usando o erro calculado e o teste estatístico, confirmam isso. Este estudo será útil aos agricultores, pois a previsão dos preços com base em sua tendência é relevante.(AU)