Previsão de Preços de Commodities

Usando o XGBoost Regressor (uma implementação otimizada e altamente escalável do framework de gradient boosting projetada para prever valores numéricos contínuos) e Engenharia de Atributos (Feature Engineering), eu e meus colegas criamos um algoritmo para prever o preço de certas commodities, como soja ou milho.
Usamos o N8N para obter os dados mais recentes e os inserimos em uma tabela SQL.

Observando as tendências, notamos que o preço do diesel e do barril brent funcionam como gatilhos de custo, com uma defasagem média de 2 meses. Isso foi inserido no algoritmo.

No final, conseguimos alcançar uma precisão de 88%, errando o preço exato da commodity em apenas R$ 2,15.