Título: PREVISÃO DO PREÇO FUTURO DO CRÉDITO DE CARBONO NO MERCADO EUROPEU UTILIZANDO MÉTODOS DE REGRESSÃO LINEAR ARIMA PROPHET E RANDOM FOREST

Título alternativo: PREDICTING THE PRICE OF CARBON CREDIT IN THE EUROPEAN MARKET USING LINEAR REGRESSION METHODS ARIMA PROPHET AND RANDOM FOREST

Autoria de: Gabriel Arcuri Martins

Orientação de: Lucas Rezende Gomide

Presidente da banca: Lucas Rezende Gomide

Primeiro membro da banca: Samuel Jose Silva Soares da Rocha

Segundo membro da banca: Kalil José Viana da Páscoa

Palavras-chaves: Crédito de Carbono, Modelagem, Random Forest, Séries Temporais, Prophet

Data da defesa: 17/03/2023

Semestre letivo da defesa: 2022-2

Data da versão final: 20/03/2023

Data da publicação: 20/03/2023

Referência: Martins, G. A. PREVISÃO DO PREÇO FUTURO DO CRÉDITO DE CARBONO NO MERCADO EUROPEU UTILIZANDO MÉTODOS DE REGRESSÃO LINEAR ARIMA PROPHET E RANDOM FOREST. 2023. 33 p. Trabalho de Conclusão de Curso (Graduação em Engenharia Florestal Bacharelado)-Universidade Federal de Lavras, Lavras, 2023.

Resumo: Considerando a importância das transformações necessárias nos hábitos humanos para que os impactos do efeito estufa sejam reduzidos e o planeta continue habitável, os créditos de carbono vêm se tornando uma forma efetiva de contabilizarmos, responsabilizar e conseguirmos compensar pelo aquilo que é emitido. Esse estudo procura entender melhor o mercado dessa commodity e tem a intenção comparar as séries de modelagem, ARIMA, Prophet e Random Forest, através da utilização do software R Core, com os dados de preço disponibilizados pelo Internacional Carbon Action Partnership, para prever o preço futuro dessa ação e com isso otimizar a tomada de decisões daqueles que desejam comprar, vender ou possuem desse bem. Através da análise foram comparados os erros dos métodos e conseguimos observar que o Prophet obteve as melhores métricas e conseguiu variar junto de uma variação real.

Abstract: Considering the actual need and importance of a change in the human behavior to slow down the greenhouse effects so the planet can keep habitable for the all human race, the carbon credits have become an important way to measure the total releases of greenhouse gasses, charge and get a way to make up for their releases. This work tries to understand and compare some modeling series, ARIMA, Prophet e Random Forest, through the use of the software R Core, with the data available by the International Carbon Action Partnership with the goal of forecasting the price of the action and the time people decide to sell or buy it. Through the analysis, the errors of the methods were compared and we were able to observe that the Prophet obtained the best metrics and could predict a real variation with the price.

URI: sip.prg.ufla.br/publico/trabalhos_conclusao_curso/acessar_tcc_por_curso/
engenharia_florestal/20222201520360

URI alternaviva: sem URI do Repositório Institucional da UFLA até o momento.

Curso: G005 - ENGENHARIA FLORESTAL (BACHARELADO)

Nome da editora: Universidade Federal de Lavras

Sigla da editora: UFLA

País da editora: Brasil

Gênero textual: Trabalho de Conclusão de Curso

Nome da língua do conteúdo: Português

Código da língua do conteúdo: por

Licença de acesso: Acesso aberto

Nome da licença: Licença do Repositório Institucional da Universidade Federal de Lavras

URI da licença: repositorio.ufla.br

Termos da licença: Acesso aos termos da licença em repositorio.ufla.br

Detentores dos direitos autorais: Gabriel Arcuri Martins e Universidade Federal de Lavras

Baixar arquivo