Tobias Ferreira, pesquisador independente com foco em estratégias financeiras para mercados de commodities, documentou um experimento de seis meses usando redes neurais convolucionais e LSTM combinadas para prever preços semanais de soja e petróleo tipo Brent.
Estrutura do experimento
Os dados incluíam preços históricos, índices climáticos, dados de estoque e cotações do dólar. As tecnologias subjacentes à IA utilizadas foram PyTorch com arquitetura híbrida CNN-LSTM, escolhida pela capacidade de capturar padrões locais e dependências temporais longas simultaneamente.
Prós
Para soja, o modelo identificou padrões sazonais ligados ao calendário agrícola com precisão razoável em janelas de previsão de sete dias. A análise de instrumentos derivados ficou mais eficiente quando o modelo foi usado para filtrar cenários improváveis antes da análise humana.
Contras
Petróleo foi problemático. Decisões geopolíticas e cortes de produção da OPEP criaram descontinuidades que o modelo simplesmente não conseguiu antecipar. O erro médio absoluto triplicou durante períodos de tensão internacional.
Tobias anotou em seu diário de pesquisa: o modelo aprende o passado muito bem, mas o mercado de energia vive no presente político.
Para quem prefere análise solitária e metódica, a fase de construção e teste desse tipo de modelo é intelectualmente satisfatória. O problema começa quando se espera que ele substitua o julgamento contextual.