O Uso de Inteligência Artificial para Preços de Mercado

Historicamente, algoritmos e estratégias estatísticas foram prevalentes em tarefas de previsão de séries temporais devido ao fato que existem muitas décadas de estudo sobre tais problemas. Além do mais, algoritmos de Aprendizado de Máquina (AM) tipicamente requerem uma quantidade mais elevada de dados de treinamento disponível para que possam desempenhar de forma satisfatória. Dessa forma, a aplicação de Inteligência Artificial em tarefas de previsão de séries temporais começou a se popularizar propriamente nos últimos anos.

No ano de 2018, o artigo [1] publicado por pesquisadores de grande renome no meio de previsão de séries temporais gerou grande debate entre estatísticos e cientistas de dados, visto que tal artigo defendia veementemente a superioridade dos métodos estatísticos frente ao Aprendizado de Máquina.

Apesar de tal artigo possuir alguns problemas experimentais e uma tendência clara em criticar soluções de AM, seu impacto foi notável na comunidade de pesquisa. Em resposta a tal artigo controverso, os autores do artigo [2] realizaram um estudo comparativo de múltiplas técnicas utilizadas para previsão de séries temporais considerando diversas áreas de aplicação.

Os autores contestaram os resultados do artigo mencionado anteriormente, que afirmava que métodos simples estatísticos consistentemente superavam AM. Ao contrário, os autores demonstraram que o sucesso do algoritmo depende de múltiplos fatores, dentre os quais destaca-se o tamanho da amostra. Como uma das principais conclusões do artigo, os autores demonstraram que em séries com um elevado número de observações (maiores do que 200 observações), o AM provê resultados tipicamente mais acurados do que os métodos clássicos, puramente estatísticos.

A Volt Robotics, desde seus primeiros passos no mercado de consultorias e empresas parceiras das geradoras, transmissoras, distribuidoras, comercializadoras e consumidores, sempre teve como pilar buscar aquilo que houvesse de mais moderno na aplicação de Gestão de Dados e Inteligência Artificial (IA) a fim de oferecer soluções inovadoras para questões de relevância no setor elétrico brasileiro.

E é neste contexto e utilizando os primeiros resultados do PDI “Sistemas Especialistas e Aprendizagem de Máquinas para a seleção de modelos meteorológicos para a previsão de preços de mercado de energia de curto prazo” realizado em parceria com Furnas Centrais Elétricas S.A [P&D ANEEL – Agência Nacional de Energia Elétrica (PD-00394-2205/2022)], que a Volt Robotics explorou comparativamente aplicações de Inteligência Artificial em comparação às técnicas estatísticas clássicas para se prever o preço de mercado utilizando informações do próprio preço de mercado.

A solução de Inteligência Artificial adotada foi baseada na técnica LightGBM, que é um framework (Estrutura de códigos) criado pela Microsoft para a implementação de modelos de Machine Learning do tipo Gradient Boosting Machines (GBM), utilizando como linhas de base dois modelos estatísticos – ARIMA e o THETA.

O Modelo ARIMA é um Modelo Linear Estatístico configurado para modelar predição com decaimento exponencial – Combinação entre os métodos de diferenciação e os modelos de autorregressão (uso de valores passados das próprias variáveis) e média móvel (uso de valores passados dos erros de previsão).

O Modelo THETA é um Modelo Estatístico baseado na decomposição de séries temporais univariadas com o objetivo de capturar informações implícitas aos dados através da modelagem de cada componente ao invés da série inteira, potencializando a assertividade do modelo total.

Como resultado deste estudo inicial, datado do início do PDI, foi possível atestar a tese defendida na referência [2], com notáveis reduções de erros na previsão dos preços para produtos M+1 para o dia seguinte, além de incrementos nas simulações de retorno.

Ressalta-se que os resultados obtidos se utilizaram somente de variáveis endógenas aos preços de mercado, tais como preços e volumes, além de variáveis de sazonalidade, não contando com fundamentos físicos e outros dados que sabidamente exercem forte influência.

Os resultados, inclusive, ensejaram a confecção de um artigo científico mais aprofundado, com submissão ao XXVII Seminário Nacional de Produção e Transmissão de Energia Elétrica (SNPTEE) 2023. O artigo “Inteligência Artificial aplicada à previsão da tendência no preço de mercado para energia” foi apresentado em 28/11/2023 pela equipe da Volt Robotics, gerando um debate muito construtivo com a mesa e a plateia. Vale destacar que tal artigo foi premiado com o 1º lugar no Grupo de Estudos de Comercialização, Economia e Regulação do Mercado de Energia Elétrica – GCR deste renomado congresso setorial brasileiro.