Previsão de Preços de Commodities Utilizando Inteligência Artificial: Integração de Séries Históricas e Análise de Notícias com Redes LSTM

Abstract

Este estudo propõe um modelo preditivo baseado em redes LSTM, que integra séries temporais semanais de preços do café arábica (2019–2024) com variáveis de sentimento extraídas de notícias por meio de PLN. Em comparação a um modelo ARIMA, a LSTM reduziu o erro quadrático médio em 73,5%; ao adicionar os dados textuais, houve uma redução adicional de 7,7% no MSE, elevando o coeficiente de determinação (R2) de 0,25 para 0,31. Esses ganhos comprovam que a inclusão de notícias torna as previsões mais precisas e contextualizadas, oferecendo suporte a produtores, traders e formuladores de políticas. Limitações como o horizonte fixo de oito semanas e o desequilíbrio na amostra de sentimentos apontam direções para pesquisas futuras.