Previsão de preços de açúcar e etanol: uma análise comparativa de modelos tradicionais e de machine learning, incorporando dados de produção e climáticos (2025)
- Authors:
- Autor USP: LISBINSKI, FERNANDA CIGAINSKI - ESALQ
- Unidade: ESALQ
- Sigla do Departamento: LES
- DOI: 10.11606/T.11.2025.tde-04062025-104136
- Subjects: AÇÚCAR; ANÁLISE DE SÉRIES TEMPORAIS; APRENDIZADO COMPUTACIONAL; CLIMA; ETANOL; PREÇOS; PRODUÇÃO AGRÍCOLA; REDES NEURAIS
- Keywords: Lei do Combustível do Futuro
- Agências de fomento:
- Language: Português
- Abstract: Este estudo desenvolveu modelos preditivos para os Indicadores do Açúcar Cristal Branco e do Etanol Hidratado Combustível CEPEA/ESALQ para o estado de São Paulo, comparando abordagens tradicionais, como ARIMA e Vector Autoregressive (VAR), com técnicas de Machine Learning, incluindo Multilayer Perceptron (MLP), Long Short-Term Memory (LSTM) e Transformer. Além disso, a pesquisa avaliou os impactos da Lei do Combustível do Futuro (LCF) no setor sucroenergético, considerando os efeitos da política de aumento da mistura de etanol anidro na gasolina sobre a produção, os preços e as exportações do etanol e do açúcar. O desempenho dos modelos foi avaliado por cinco critérios, incluindo o Mean Absolute Percentage Error (MAPE), adotando um horizonte de previsão de até seis meses. Primeiramente, a análise incorporou variáveis explicativas relacionadas à oferta, demanda e a utilização do estoque, que foram incorporadas ao modelo para prever os Indicadores de Açúcar Cristal Branco e do Etanol Hidratado Combustível CEPEA/ESALQ para o estado de São Paulo. Para o Açúcar Cristal Branco, o melhor modelo foi um LSTM (MAPE de 1,13%, considerando a Oferta, 1,27%, considerando a demanda, e 1,01, considerando a Taxa de Utilização de Estoque), para o Etanol Hidratado, o LSTM também obteve o melhor desempenho (MAPE de 2,60%, considerando a Oferta, 2,41% considerando a demanda e 2,50% considerando a Taxa de Utilização de Estoque). Posteriormente, buscou-se desenvolver modelos de previsão para osIndicadores do Açúcar Cristal Branco e do Etanol Hidratado Combustível CEPEA/ESALQ - São Paulo, incorporando variáveis que capturem a dinâmica da oferta de cana-de-açúcar e os impactos das condições climáticas. A abordagem proposta incorporou variáveis exógenas aos modelos, como a estimativa de safra fornecida pelo Modelo Simulador Agronômico Modular para Cana-de-Açúcar (SAMUCA), a estimativa de safra da Companhia Nacional de Abastecimento (Conab) e um Indicador Climático baseado em dados do NASA POWER. Os modelos que incluíram as estimativas do SAMUCA obtiveram melhor desempenho: para o Açúcar Cristal Branco, o MLP foi mais preciso (MAPE de 3,84%), enquanto para o Etanol Hidratado, o LSTM se destacou (MAPE de 1,87%). A partir destes estudos, concluiu-se que a adoção de estimativas de safra, como as fornecidas pelo SAMUCA, tem o potencial de melhorar a previsão de preços agrícolas, permitindo a elaboração de previsões mais precisas e ajustadas às realidades dinâmicas do mercado. Foi possível observar, ainda, que os modelos baseados em Machine Learning, como o LSTM, foram superiores e que modelos multivariados apresentaram melhores desempenhos do que modelos univariados. Por fim, para avaliar os impactos da LCF no setor sucroenergético, foram utilizados os modelos VAR, Regressão por Variáveis Instrumentais (2SLS), Funções Impulso-Resposta (IRFs) e previsões de preços com dois cenários simulados: i) aumento da mistura para 30% em 2025; ii) aumento gradual para 35% até 2028.Conclui-se que um planejamento que inclui aumentos graduais na mistura garante maior estabilidade econômica, enquanto mudanças abruptas podem gerar volatilidade e aumento dos preços do açúcar e dos etanóis anidro e hidratado
- Imprenta:
- Publisher place: Piracicaba
- Date published: 2025
- Data da defesa: 28.03.2025
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
LISBINSKI, Fernanda Cigainski. Previsão de preços de açúcar e etanol: uma análise comparativa de modelos tradicionais e de machine learning, incorporando dados de produção e climáticos. 2025. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2025. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11132/tde-04062025-104136/. Acesso em: 09 fev. 2026. -
APA
Lisbinski, F. C. (2025). Previsão de preços de açúcar e etanol: uma análise comparativa de modelos tradicionais e de machine learning, incorporando dados de produção e climáticos (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11132/tde-04062025-104136/ -
NLM
Lisbinski FC. Previsão de preços de açúcar e etanol: uma análise comparativa de modelos tradicionais e de machine learning, incorporando dados de produção e climáticos [Internet]. 2025 ;[citado 2026 fev. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11132/tde-04062025-104136/ -
Vancouver
Lisbinski FC. Previsão de preços de açúcar e etanol: uma análise comparativa de modelos tradicionais e de machine learning, incorporando dados de produção e climáticos [Internet]. 2025 ;[citado 2026 fev. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11132/tde-04062025-104136/ - Determinantes das exportações de frutas da região nordeste brasileira (2000 – 2018): uma análise sob a ótica do modelo gravitacional
- Sistemas de pagamento da cana-de-açúcar: uma análise comparativa
- Tendências e determinantes do comércio internacional de açúcar: uma análise com base no modelo gravitacional
- Institutions and financial development: comparative analysis of developed and developing economies
- The fuel of the future law and the Brazilian sugarcane energy sector
Informações sobre o DOI: 10.11606/T.11.2025.tde-04062025-104136 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
