Resumo

O biodiesel é um combustível renovável produzido por vegetais e gordura animal. No Brasil é obrigatório a adição de 10% do biocombustível ao diesel mineral. A tendência mundial é reduzir os gases emitidos por combustíveis fósseis, nesse sentido o biodiesel vem ganhando espaço no Brasil, com grande viés de expansão para a produção. O objetivo desta pesquisa é encontrar o melhor modelo de previsão para a série de produção do biodiesel no Brasil, por meio da metodologia Box e Jenkins. Utilizou-se a metodologia de Box e Jenkins para analisar a produção mensal de Biodiesel. Além disso, foram utilizadas variáveis exógenas, selecionadas pelo o teste de Causalidade de Granger, e testadas em conjunto com o modelo ARIMA, transformando o modelo de previsão em um ARMAX. Os resultados indicam que o melhor modelo para realizar a previsão é o SARIMAX(1,1,1)(1,0,0)12∆(PIB)1-2(ED)1-3. As duas principais variáveis exógenas estão relacionadas diretamente com a situação econômica do país e as políticas de apoio a biocombustíveis. A pesquisa atinge o objetivo proposto e comprova que modelos estatísticos de previsão podem colaborar em pesquisas relacionadas a biocombustíveis, auxiliando na tomada de decisão em níveis de produção e comercialização.

Biodiesel is a renewable product produced by plants and animals oils. In Brazil it is mandatory to add 10% of biofuel to mineral diesel. The global trend is to reduce the gases emitted by fossil fuels, the biodiesel has been gaining ground in Brazil, with great expansion for production. The objetive of this research is to find the best forecasting model for biodiesel production in Brazil, using the Box and Jenkins methodology. A Box and Jenkins methodology was used to analyze a monthly production of Biodiesel. In addition, exogenous variables, selected by the Granger causality test, it were identified and tested with the ARIMA model, transforming the prediction model into an ARMAX. The best forecasting model is the SARIMAX(1,1,1)(1,0,0)12∆(PIB)1-2(ED)1-3. The two main exogenous variables are directly related to the country’s economic situation and biofuels support policies. The research achieves the proposed objective and proves that forecasting models can colaborate in biofuel-related research, helping in decision making at production and commercialization levels.