| Commodities primárias, tais como metais, petróleo e de agricultura, constituem matérias-primas fundamentais para a economia mundial. Dentre os metais, destaca-se o alumínio, usado em uma ampla gama de indústrias, e que detém o maior volume de contratos da London Metal Exchange (LME). Como o preço não está diretamente relacionado aos custos de produção, em momentos de volatilidade ou choques econômicos, o impacto na indústria global de alumínio é significativo. Previsão de preços do alumínio é fundamental, portanto, para definição de política industrial, bem como para produtores e consumidores. Dadas as limitações dos métodos tradicionais para seleção de modelos de previsão, que não corrigem efeitos de data snooping, este trabalho aplicou o Model Confidence Set (MCS), introduzido por Hansen, Lunde e Nason (2011), para determinar o melhor conjunto de modelos de previsão de preços de alumínio. O MCS corrige efeitos de data snooping e introduz o conceito de nível descritivo para comparação múltipla de modelos. Foram desenvolvidos 3 modelos: ARFIMA, estrutural e mudança de regime markoviana, utilizando a base de dados de janeiro de 1980 a abril de 2012. Para cada modelo, foram geradas 60 previsões fora da amostra por meio de rolling regressions para estimativas de 1, 3, 6, 12 e 24 meses à frente. O modelo de mudança de regime apresentou melhor acuracidade de previsão em todos os horizontes de tempo estimados. Para previsão um mês à frente, o modelo ARFIMA apresentou resultados equiparáveis ao de mudança de regime para nível descritivo de 0,1. Dessa forma, obtém-se um intervalo de previsão de preços de acuracidade superior aos indicados pelos métodos tradicionais. |
