Please use this identifier to cite or link to this item: http://www.monografias.ufop.br/handle/35400000/4599
Title: Criação de modelo econométrico para previsão do preço spot do cobre.
Other Titles: Building of econometric model to predict copper spot price.
Authors: Oliveira, Marco Antonio Cerqueira de
metadata.dc.contributor.advisor: Souza, Felipe Ribeiro
metadata.dc.contributor.referee: Souza, Felipe Ribeiro
Santos, Tatiana Barreto dos
Martins, Maria Clara
Keywords: Aprendizado de máquina
Commodities
Machine learning
Issue Date: 2021
Citation: OLIVEIRA, Marco Antonio Cerqueira de. Criação de modelo econométrico para previsão do preço spot do cobre. 2021. 39 f. Monografia (Graduação em Engenharia de Minas) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
Abstract: Devido ao fato de as mineradoras serem tomadores de preço, a engenharia de minas tem uma forte ligação com o mundo da economia, o que pode ser observado nos termos técnicos usados frequentemente na área como: treatment charges, refining charges, teor de corte, ponto de equilíbrio etc. Não obstante, são raras as ocasiões nas quais obstáculos na mineração são resolvidos buscando técnicas usadas com frequência pelos profissionais de finanças e economia. Por falta de modelos de previsão de preços de commodities, muitas mineradoras ficam expostas a oscilações nos preços de mercado sendo que poderia fazer hedge a fim de repassar esse risco para especuladores. Modelos de aprendizado de máquina são amplamente utilizados na econometria e ciência de dados e podem ser manejados para buscar prever os preços de commodities no futuro próximo, a fim de fazer hedge contra eventuais oscilações nos preços no mercado financeiro, vendendo e/ou comprando contratos futuros para otimizar operações, maximizar o lucro nas vendas de concentrados ou até como forma de captação de recursos, por meio da venda de opções. Esta dissertação concebeu um modelo econométrico que prevê de forma lucrativa o retorno do preço spot do Cobre negociado na London Metals Exchange (LME) empregando análise de componentes principais e técnicas de aprendizado de máquina como regressão de Lasso.
metadata.dc.description.abstracten: Given the fact that miners are price-takers, mining engineering has a strong connection with the world of the economy, which can be seen in the technical terms often used in the area such as: Treatment charges, refining charges, cutoff grade, break even etc. Nevertheless, there it is uncommon for obstacles in mining to be resolved by seeking techniques that are frequently used by finance and economics professionals. Due to the lack of models for forecasting commodity prices, many mining companies are exposed to fluctuations in market prices that can be hedge by passing the risk on to speculators. Machine learning models are widely used in econometrics and can be managed to seek to forecast commodity prices in the near future, in order to hedge against possible price fluctuations in the financial market, selling and / or buying future contracts to optimize operations, maximize profit on sales of concentrates or even as a means of raising funds, through the sale of options. This dissertation conceived an econometric model that profitably predicts the return of the spot price of copper traded on the London Metals Exchange using machine learning techniques such as Lasso regression and principal component analysis.
URI: http://www.monografias.ufop.br/handle/35400000/4599
metadata.dc.rights.license: Autorização concedida à Biblioteca Digital de TCC’s da UFOP pelo(a) autor(a) em 27/09/2022 com as seguintes condições: disponível sob Licença Creative Commons que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante.
Appears in Collections:Engenharia de Minas

Files in This Item:
File Description SizeFormat 
MONOGRAFIA_CriaçãoModeloEconométrico.pdf3,9 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons