A precisão da previsão do preço médio mensal do petróleo Brent para 2024 ultrapassou 97%

A atividade solar (AS) tem um impacto significativo nos processos socioeconómicos, incluindo a dinâmica dos preços do petróleo [1–4]. O artigo [5] apresenta uma previsão do preço do petróleo bruto Brent para fevereiro – dezembro de 2024, obtida por meio de um modelo que é uma combinação de métodos de análise de séries temporais, incluindo uma rede neural artificial. Uma característica distintiva do modelo é a consideração dos números de Wolf, que caracterizam o estado do Sol. O algoritmo de cálculo consiste em dois blocos: no primeiro estágio, são previstos os números de Wolf, que são então usados ​​para prever o preço do petróleo. Juntamente com a previsão, foi calculado um corredor de erro, determinando o grau de dispersão dos valores previstos. A previsão era de um aumento nos preços do petróleo no início de 2024, atingindo um ponto de inflexão em abril e um declínio suave subsequente com uma saída para um platô no final do ano. Neste artigo, é avaliada a precisão da previsão calculada levando em consideração a influência da atividade solar no preço do petróleo Brent [5], e é demonstrada a alta eficiência da abordagem proposta.

É importante que a mudança real no preço do petróleo siga o formato da curva prevista. Em outras palavras, a principal tendência nas mudanças do preço do petróleo foi prevista, e seu conhecimento permite otimizar a política no mercado de energia. O preço real do petróleo atingiu o pico em abril de 2024, após o qual o preço do petróleo caiu dentro do corredor de erro. A exceção foi o preço do petróleo em setembro, quando seu valor caiu abaixo do limite do corredor de confiança. Na maioria dos casos (10 de 11) o módulo de erro relativo está no nível de 5% ou menos, somente em setembro o erro atinge ~ 8%. Portanto, consideraremos o erro de setembro como um valor atípico e usaremos a mediana para avaliar a precisão da previsão. A precisão média da previsão para fevereiro – dezembro de 2024 é de 97,6%, o que está próximo do valor absoluto e inatingível de 100%. Note-se que a previsão [5] foi calculada com base nos números de Wolf, sem envolver outros fatores comumente usados ​​na previsão do preço do petróleo. Em regra, são considerados dois grandes grupos de fatores: económicos (oferta/procura) e especulativos (jogo do mercado bolsista) [6]. Nesse sentido, é interessante comparar a precisão das previsões calculadas independentemente por diferentes grupos de pesquisa.

O artigo [5] apresenta a previsão da Agência de Previsão Econômica (APEKON) para o preço do petróleo Brent para fevereiro – dezembro de 2024, obtida com base em critérios cambiais. Por outro lado, é conhecida a previsão do Instituto de Estratégia Energética (IES) para o preço do petróleo Brent para junho – dezembro de 2024, prevendo um aumento no custo do petróleo durante a temporada de férias de junho a agosto de 2024 [7]. Os autores [7] não descrevem os fatores, indicando que redes neurais são utilizadas para calcular a previsão. Uma comparação correta da precisão da previsão é possível ao longo de um período de previsão de mesma duração, pois o erro aumenta com o tempo. Como o período mínimo de previsão considerado no relatório [7] é igual a sete meses, compararemos primeiro a precisão das previsões para esse período. A precisão média da previsão com base na atividade solar [5] para fevereiro-agosto é de 98,7%, APEKON – 92,8%. A precisão da previsão do IES [7] revelou-se a mais baixa, com um valor de 90,2% para junho-dezembro. Para ilustrar, a Fig. 1 mostra os gráficos de previsões e dados reais.

Da Figura 1 fica claro que a previsão [7] está localizada acima dos valores reais do preço do petróleo, a previsão [5] segue ao longo da curva do meio, desviando-se uniformemente em ambas as direções. Discussão dos resultados e conclusões

O desenvolvimento de uma estratégia ideal para o comportamento no mercado de energia depende da precisão da previsão do preço do petróleo. Como o preço do petróleo bruto é determinado por vários fatores naturais, econômicos, políticos e outros que são inter-relacionados por características não lineares, a previsão precisa de preços é uma tarefa difícil. A previsão inadequada dos preços do petróleo conduz a erros grosseiros na determinação da dinâmica do produto mundial bruto [2]. A solução para esse problema depende da escolha de métodos matemáticos e estatísticos para extrair informações úteis de uma matriz de dados. Por outro lado, é relevante a busca por um fator universal que determine a tendência de variação do preço do petróleo bruto. A atividade solar, que tem um impacto global nos processos biológicos, sociais, económicos, geofísicos e climáticos, é um fator generalizante [1]. A Tabela 1 apresenta a precisão das previsões calculadas sob diferentes hipóteses iniciais para períodos de diferentes durações.

A Tabela 1 mostra a alta eficiência do modelo de previsão usando dados sobre o estado do Sol. Vale ressaltar que redes neurais são utilizadas para calcular a previsão do IES [7], porém sua precisão não ultrapassa a precisão da previsão do APEKON. Ambas as previsões são menos precisas do que a previsão baseada na dinâmica da atividade solar, que, como pode ser visto na análise, afeta ambos os componentes do preço do petróleo. Isso prova que o uso da inteligência artificial por si só, sem o suporte de análises significativas, não fornece a precisão necessária na previsão dos preços do petróleo. Pelo contrário, uma combinação inteligente de métodos de análise de séries temporais e conjuntos de dados informativos melhora a precisão da previsão. A capacidade de identificar fatores críticos e discriminar variáveis ​​menores é algo que só uma pessoa criativa pode fazer. Por exemplo, o autor [2], usando o método de A. L. Chizhevsky, calcula previsões confiáveis ​​​​de preços de petróleo sem recorrer a métodos de máquina. Uma rede neural artificial é uma poderosa ferramenta de processamento de dados capaz de estabelecer interdependências não lineares ocultas de variáveis ​​em uma determinada matriz de dados. Sua disseminação se deve em grande parte ao aumento do poder de computação dos computadores modernos. Assim, a utilização de uma rede neural artificial permitiu prever em 2016 a queda de crise dos preços do petróleo em 2021 [8]. Entretanto, um computador não é capaz de selecionar independentemente fatores significativos dentre toda a variedade de razões. O método de cálculo mais perfeito é incapaz de refutar o princípio testado pelo tempo: “o que é alimentado na entrada do algoritmo é o que é recebido na saída”. A esperança infundada na “onipotência” do progresso técnico não é apenas inútil, mas também perigosa na escolha de uma estratégia de comportamento. W. Heisenberg, um dos maiores físicos do século XX, alertou sobre isso em 1953. [9]. A pesquisa realizada nos permite tirar as seguintes conclusões: A alta eficiência da abordagem de previsão do custo do petróleo usando dados sobre atividade solar foi confirmada. A precisão da previsão ao usar números de Wolf e uma rede neural artificial se aproxima do valor máximo possível de 100% e é igual a 97,6%.

A introdução da metodologia proposta na prática do planejamento de longo prazo de critérios macroeconômicos contribui para o aumento da renda.