Das Montanhas de Minas ao Oceano : Os Caminhos da Ciência para um futuro sustentável
20 a 24 de outubro de 2025
Trabalho 20299
| Instituição | Universidade Federal de Viçosa |
|---|---|
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Dimensões Econômicas: ODS9 |
| Setor | Instituto de Ciências Exatas e Tecnológicas |
| Bolsa | PIBIC/CNPq |
| Conclusão de bolsa | Sim |
| Apoio financeiro | CNPq |
| Primeiro autor | Maria Luiza Alves Santana |
| Orientador | THIAGO HENRIQUE NOGUEIRA |
| Título | Desenvolvimento e aplicação de heurísticas integradas com inteligência artificial em problemas logísticos |
| Resumo | A volatilidade do mercado de criptomoedas, especialmente do Bitcoin, tem despertado grande interesse acadêmico e empresarial devido às suas características instáveis e imprevisíveis, que impactam diretamente o planejamento e a tomada de decisão em diversos setores, incluindo o logístico-financeiro. Neste contexto, o presente trabalho visa aplicar e avaliar a eficácia de algoritmos de aprendizado de máquina, com ênfase no Random Forest Regressor, para prever os preços do Bitcoin ao longo do ano de 2017, buscando oferecer uma ferramenta de apoio às decisões estratégicas relacionadas à alocação de recursos e investimentos em mercados voláteis. Para isso, foram utilizados dados históricos de preços do Bitcoin referentes ao ano de 2017, extraídos de fontes públicas, contemplando variáveis como valores de abertura, máxima, mínima, volume em Bitcoin, volume em dólar e valor de fechamento. As análises foram realizadas em ambiente de desenvolvimento na plataforma Snowflake, com interface interativa implementada por meio do Streamlit para visualização dos resultados. A metodologia consistiu na aplicação do modelo Random Forest Regressor, onde os dados foram divididos em 80% para treinamento e 20% para teste, e os resultados foram avaliados por meio das métricas de Erro Absoluto Médio (MAE) e Raiz do Erro Quadrático Médio (RMSE), indicadores amplamente utilizados para mensurar a precisão de modelos preditivos. Os resultados obtidos demonstraram que o modelo conseguiu prever os valores de fechamento do Bitcoin com desempenho considerado satisfatório, apresentando um MAE de 3,09 e um RMSE de 8,08. A partir da análise gráfica das previsões em relação aos valores reais, foi possível observar que o modelo foi capaz de captar as principais tendências de alta e queda do ativo, mantendo coerência nos padrões gerais de comportamento do mercado, ainda que com oscilações pontuais em valores extremos, o que se justifica pela natureza altamente volátil da criptomoeda. Tais resultados evidenciam que, embora nenhum modelo seja capaz de eliminar completamente a incerteza inerente ao mercado de criptomoedas, o uso de técnicas baseadas em Random Forest pode contribuir para uma melhor compreensão das variações de preços e para o desenvolvimento de estratégias de gestão de riscos mais eficientes. Conclui-se, portanto, que a integração entre heurísticas de modelagem e inteligência artificial se apresenta como uma abordagem promissora para a análise de dados complexos, com aplicações práticas no campo da logística, especialmente no que se refere ao suporte à tomada de decisões financeiras em ambientes de elevada incerteza, como o das criptomoedas. |
| Palavras-chave | Logística, Otimização, Inteligência Artificial |
| Apresentações |
|
Clique na forma de apresentação para ver a apresentação.
| Link para apresentação | Painel |
|---|