Machine learning prevê preços do café com alta precisão
Estudo usa modelos avançados para antecipar cotações do arábica e robusta com até 94% de acerto na direção dos preços.
Os pesquisadores brasileiros, Matheus Massariol e Moisés Nascimento, aplicaram técnicas avançadas de machine learning para prever os preços do café arábica e robusta com dois a seis meses de antecedência. O estudo, publicado na revista Scientific Reports, utilizou dados climáticos, produtivos e econômicos de 2009 a 2025 para treinar modelos capazes de capturar padrões complexos e não lineares que influenciam o mercado .
Os resultados mostram que os modelos de aprendizado de máquina superam abordagens tradicionais. Para o café robusta, o melhor modelo (empilhamento de Random Forest, XGBoost e Extreme Learning Machine) alcançou correlação de Pearson de 0,926 e 92,8% de acerto na direção dos preços (Hit Rate) . Para o arábica, o modelo Extreme Learning Machine (ELM) obteve correlação de 0,906 e 94,1% de acerto , embora com erro médio absoluto (MAPE) maior (33%) em comparação ao robusta (9,3%) .
O que influencia os preços do café?
A análise de importância das variáveis (SHAP) revelou que os fatores mais determinantes para os preços são: estoques globais e brasileiros, condições climáticas (seca no Vietnã e precipitação na Colômbia), taxa de câmbio dólar/real e eventos extremos como geadas no Brasil e ferrugem na Colômbia . O dólar, por exemplo, aparece como um dos principais preditores para ambas as espécies, reforçando a sensibilidade do mercado às variações cambiais.
Importante: variáveis com baixa correlação linear podem ter alto poder preditivo em modelos de machine learning, que captam relações não lineares e interações entre fatores .
Cenários futuros e aquecimento global
Os pesquisadores testaram dois cenários extremos de aquecimento global (com temperaturas elevadas, redução de produção, aumento de consumo e choques logísticos). Surpreendentemente, os modelos não projetaram grandes saltos nos preços, mesmo sob condições severas. Isso pode ocorrer porque as plantas podem desenvolver adaptações fisiológicas ao longo do tempo, e os modelos tendem a extrapolar de forma conservadora diante de condições climáticas fora do histórico de treinamento .
No entanto, os modelos tiveram mais dificuldade em prever o arábica nesses cenários, enquanto as projeções para o robusta foram mais consistentes com valores de mercado realistas .
Para o cafeicultor, essa ferramenta pode ser um aliado estratégico. Saber com antecedência se os preços vão subir ou descer ajuda a planejar a comercialização, decidir quando vender e até contratar seguro de preço. O modelo mostrou alta capacidade de prever a direção do mercado (acima de 90% de acerto), o que pode reduzir incertezas na hora de negociar.
No entanto, é importante lembrar que modelos de machine learning são auxiliares na tomada de decisão, não substitutos da análise de mercado e do conhecimento local.
🔧 Orientações:
Acompanhe os estoques: os estoques globais e brasileiros são os principais drivers de preço. Fique atento aos relatórios da USDA, CONAB e ICO.
Monitore o clima: secas no Vietnã e chuvas na Colômbia afetam diretamente a oferta. Use previsões climáticas para antecipar movimentos de preço.
Fique de olho no câmbio: a taxa de câmbio dólar/real influencia os preços recebidos pelo produtor. Planeje vendas considerando cenários cambiais.
Use ferramentas de previsão: modelos como os do estudo podem ajudar a planejar a comercialização com mais segurança, reduzindo riscos de vender em momentos de baixa.
O estudo mostra que a inteligência artificial pode ser uma poderosa aliada na gestão da cafeicultura, oferecendo previsões mais precisas e ajudando o produtor a tomar decisões mais informadas em um mercado historicamente volátil.
Fonte: Nature.
