PREVISÃO DE COMMODITY LARANJA UTILIZANDO MÉTODOS DE REGRESSÃO E CIÊNCIA DE DADOS
Revista Interface Tecnológica · 02.05.2026 · 22 (2) · 303-315
DOI: 10.31510/infa.v22i2.2372 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Interface Tecnológica, online erschienen am 02.05.2026. Verfasst von Alexander Ferreira und 1 weiteren Autor:innen. Die Arbeit nennt 12 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
O mercado de commodities é crucial para a economia global, impactando setores como agricultura, energia e metais. Sua volatilidade decorre de fatores externos como instabilidades geopolíticas, clima e variações de oferta e demanda, exigindo análise constante de riscos futuros. Este estudo avalia duas técnicas de regressão Ridge e LASSO aplicadas à previsão de preços da laranja, considerando o uso de expansão polinomial e a influência da janela temporal de treino, com validação cruzada (k-Fold) e métricas como MSE e MAE. Os resultados mostraram maior robustez do Ridge diante da multicolinearidade, enquanto o LASSO foi mais sensível, mas beneficiado pela calibragem via validação. A escolha adequada da técnica e do pré-processamento melhora a capacidade de generalização dos modelos e apoia decisões mais seguras. O estudo reforça a importância de integrar métodos estatísticos e tecnologias emergentes na gestão de riscos em mercados voláteis.
Zitieren
APA
Ferreira, A., & Nespolo, R. G. (2026). PREVISÃO DE COMMODITY LARANJA UTILIZANDO MÉTODOS DE REGRESSÃO E CIÊNCIA DE DADOS. Revista Interface Tecnológica, 22(2), 303-315. https://doi.org/10.31510/infa.v22i2.2372
Vancouver
Ferreira A, Nespolo RG. PREVISÃO DE COMMODITY LARANJA UTILIZANDO MÉTODOS DE REGRESSÃO E CIÊNCIA DE DADOS. Revista Interface Tecnológica. 2026;22(2):303-315. doi:10.31510/infa.v22i2.2372
BibTeX
@article{Ferreira2026,
author = {Ferreira, Alexander and Nespolo, Renan Guilherme},
title = {PREVISÃO DE COMMODITY LARANJA UTILIZANDO MÉTODOS DE REGRESSÃO E CIÊNCIA DE DADOS},
journal = {Revista Interface Tecnológica},
year = {2026},
volume = {22},
number = {2},
pages = {303--315},
doi = {10.31510/infa.v22i2.2372}
}
EUVIMED