Criação de modelo econométrico para previsão do preço spot do cobre.

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.