Análise integrada de séries temporais do preço da gasolina, açúcar e do câmbio via técnicas de transferência de entropia

• Ano de defesa: 2025
• Autor(a) principal: Colquehuanca, Nelson Roldan Condori [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Entropia de transferência; Entropia de transferência efetiva; Commodities; Transferência de informação; Correlação de Pearson; Effective transfer entropy; Transfer entropy; Commodity; Information transfer; Pearson correlation
• Link de acesso: https://hdl.handle.net/11449/296278

Esta proposta de pesquisa de mestrado implementou uma análise integrada de séries temporais no contexto do setor sucroenergético para explorar de forma mais aprofundada a dinâmica entre o preço da gasolina brasileira, a cotação do açúcar na Bolsa de Valores de Nova York, e a taxa de câmbio do dólar americano. Neste estudo, foram aplicadas técnicas de análise estatística e de modelagem matemática, como correlação de Pearson, Entropia de Transferência (TE), e a Entropia de Transferência Efetiva (ETE). Essas ferramentas permitiram identificar relações lineares e não lineares entre as variáveis de interesse, bem como a direção da causalidade entre elas. Tal compreensão sobre a causalidade é importante para melhor modelar as interações complexas que regem os mercados financeiros e de commodities. O estudo abrangeu dados históricos de 2004 a 2023, incluindo eventos econômicos importantes, como crises internacionais, mudanças na política monetária brasileira, e flutuações nos preços das commodities. Os resultados destacaram a forte influência da taxa de câmbio do dólar nos preços do açúcar e da gasolina, bem como a interdependência dessas variáveis. As técnicas de TE e ETE se mostraram ferramentas interessantes para detectar as relações de causalidade entre as variáveis, eliminando efeitos indiretos ou indesejados, permitindo assim uma análise mais precisa em um contexto envolvendo desafios reais sobre o entendimento de variáveis voláteis como preços e índices econômicos. Padrões significativos na transmissão de informações puderam ser observados durante certos períodos de análise, como o período de alta volatilidade nos mercados de commodities de 2014 a 2019, o período da pandemia de Covid-19 em 2020 e 2021, o que mudou a dinâmica do mercado global. Além disso, implicações práticas são destacadas, como o uso potencial desses resultados para melhorar modelos de previsão de preços e desenvolver estratégias de mitigação de riscos econômicos nos mercados de energia e agrícola. Por meio da referida análise dos dados, este estudo demonstrou como a combinação de técnicas baseadas na teoria da informação com ferramentas estatísticas tradicionais pode fornecer uma perspectiva robusta para analisar e prever interações em mercados interconectados, contribuindo para a literatura do problema. Por fim, foram fornecidas recomendações para pesquisas futuras, como a inclusão de variáveis adicionais e o uso de técnicas complementares, como aprendizado de máquina, para expandir o escopo dessa abordagem.