Sistema híbrido com agregação de análise de sentimentos e séries temporais nebulosas para previsão de preços de minério de ferro.

Abstract

O preço global do minério de ferro é determinado por um número elevado de parâmetros efetivos e uma relação complexa entre eles. A soma das expectativas dos participantes deste mercado como um todo, ao longo do tempo, definem variações e tendências numa série temporal de preços. Desenvolver um modelo de previsão confiável para a volatilidade do preço do minério de ferro e, por consequência, demais ativos ligados à esta commodity, que analise o mercado de forma ampla, não é uma tarefa trivial e é fundamental na definição de investimentos futuros e decisões para projetos de mineração em empresas relacionadas. Este trabalho avalia um sistema preditivo híbrido, que utiliza um índice obtido a partir da agregação de sentimentos extraídos de resumos de notícias relacionadas ao minério de ferro, baseado em conjuntos nebulosos hesitantes, e o número de notícias como variáveis exógenas para um modelo multivariado Weighted Multivariate Fuzzy Time Series (WMVFTS). Neste contexto, a aplicação do índice de Agregação de Análise de Sentimentos com Conjuntos Nebulosos Hesitantes para Previsão de Preços de Minério de Ferro combina métodos de aprendizado de máquina que abrangem tanto análises técnicas quanto fundamentais, obtendo resultados significativos para suporte à decisão especializada em ativos de minério de ferro. Os resultados indicam a viabilidade de utilização das variáveis propostas em um conjunto de variáveis exógenas do WMVFTS com precisão superior a 80% na previsão de tendências e oscilações da variável de referência.