PREVISÃO DE PREÇO FUTURO DO CACAU

UMA ABORDAGEM BASEADA NO MODELO STACKED BiLSTM-CNN COM MODELO DE ATENÇÃO

Resumo

Este trabalho tem como objetivo propor a utilização da rede híbrida Stacked BiLSTM-CNN-Attention para previsão do preço mensal do cacau (USD/kg). A rede Stacked BiLSTM-CNN-Attention é baseada na integração das redes BiLSTM (Bidirectional Long Short Term Memory) e CNN (Convolutional Neural Network) com o mecanismo de Atenção (Attention Mechanism). A base de dados apresenta uma série mensal do preço do cacau, no período entre Junho/1993 e Maio/2023, totalizando 360 observações. Modelos de previsão, baseados nos algoritmos Stacked BiLSTM-CNN, Stacked BiLSTM-CNN-Attention e SARIMA (Seasonal Autoregressive Integrated Moving Average), foram implementados na linguagem Python. Resultados obtidos, dos três modelos, foram comparados por meio das métricas RSME (Root Mean Squared Error), MAPE (Mean Absolute Percent Error) e MAE (Mean Absolute Error). Verificou-se, para um horizonte de previsão de seis meses, que o modelo Stacked BiLSTM-CNN-Attention superou os modelos Stacked BiLSTM-CNN e SARIMA, alcançando um MAPE de 0,82%.