Times de compras querem previsões que consigam defender diante de um CFO. Essa é uma régua mais alta do que um gráfico com uma linha. Significa saber o que está por trás da linha: quais dados o modelo usa, de onde eles vêm e por que a curva se moveu hoje de manhã quando não se moveu ontem.
Este artigo percorre como a Vesper constrói suas previsões de preço com IA, a arquitetura, as quatro camadas de dados e as fontes que alimentam uma previsão específica: o WPC80 americano, grau instantâneo, o concentrado proteico de soro de leite de referência usado em nutrição esportiva, RTD e alimentos fortificados.
Se a metodologia por trás das previsões de commodities com IA sempre pareceu uma caixa-preta, este é o artigo que a abre.
Como ler uma previsão da Vesper: o que você está vendo
O gráfico acima é o widget de previsão registrado em 29 de abril de 2026, para o WPC80 instantâneo americano, precificado em USD por libra, ancorado no benchmark VPI proprietário da Vesper em base EXW. Há quatro elementos a ler.
A linha azul cheia é a série histórica de preço, o que o WPC80 instantâneo americano de fato negociou nos últimos doze meses. A linha tracejada que começa onde a série histórica termina é a curva de previsão com IA, projetando o preço seis meses à frente. A faixa sombreada em torno da linha tracejada é o intervalo de confiança, o intervalo que o modelo considera plausível em cada ponto da previsão. Quanto mais estreita a faixa, mais confiante o modelo.
Passe o cursor sobre qualquer ponto da linha histórica e um tooltip mostra dois números lado a lado: o preço real naquela data e o que o modelo havia previsto para ele um mês antes. Em 12 de novembro de 2025, por exemplo, a previsão de um mês do modelo foi 6,07 USD/lb contra um real de 6,35 USD/lb, um desvio de 4,4%. Em 15 de abril de 2026, a previsão foi 10,38 USD/lb contra um real de 10,80 USD/lb, um desvio de 3,9%. As duas acertaram a direção e as duas caíram dentro da faixa média de erro do modelo. Essa é a verificação de acurácia dentro do produto: qualquer comprador pode checar o modelo contra a realidade sem sair da tela.
O número de 96% de acurácia histórica à direita resume esse padrão ao longo dos últimos dois anos de previsões de um mês nesta série. A métrica é o MAPE (erro percentual absoluto médio), ou seja, o modelo chegou a cerca de quatro por cento do preço realizado na média. O seletor permite checar o mesmo número de acurácia para os horizontes de três, seis e doze meses; a acurácia cai conforme o horizonte se estende, que é o que se espera de qualquer modelo de previsão honesto.
Em todas as mais de 4.000 séries de commodities que a Vesper cobre, as médias de plataforma são 97% em um mês, 94% em três meses, 91% em seis meses, 88% em nove meses e 85% em doze meses: a degradação suave que um modelo honesto deve produzir. Para o WPC80 instantâneo americano especificamente, os números são 96% em um mês, 88% em três meses e 80% em seis meses. A distância entre o WPC80 e a média da plataforma se amplia conforme o horizonte se estende, o que por si só é informativo: o WPC80 é mais volátil que a commodity média na cobertura da Vesper, então o modelo é testado com mais dureza aqui em horizontes longos do que seria, digamos, em um benchmark mais estável de queijo ou manteiga.
Agora a parte que a maioria dos prospects quer respondida: como é que a linha tracejada é desenhada?
A arquitetura: foundation models para séries temporais
As previsões da Vesper são construídas sobre foundation models para séries temporais, uma arquitetura que espelha o modo como os grandes modelos de linguagem funcionam para texto, aplicada aqui a dados numéricos ao longo do tempo.
Foundation models são pré-treinados em conjuntos de dados enormes, de muitos domínios, antes mesmo de verem a sua commodity específica. Para os modelos de linguagem, isso são bilhões de páginas de texto. Para séries temporais, são bilhões de pontos de dados abrangendo mercados financeiros, preços de energia, padrões climáticos, produtividades agrícolas e uma longa lista de outros conjuntos de dados temporais. Quando o modelo é afinado no WPC80 americano especificamente, ele já aprendeu como choques de oferta, sazonalidade, ciclos de demanda e mudanças de regime costumam aparecer em dados de preço, mesmo que nunca tivesse visto antes uma única observação de WPC80.
Essa é uma escolha arquitetural relevante. As abordagens de previsão mais antigas, ARIMA, suavização exponencial, modelos iniciais de aprendizado de máquina, tratam cada commodity como um sistema fechado. Aprendem com o histórico daquela única série e extrapolam para a frente. Os foundation models, em contraste, transferem conhecimento de padrões entre séries. É por isso que uma previsão para um produto relativamente de nicho como o WPC80 instantâneo, que negocia volumes menores do que, digamos, manteiga ou leite Classe III, ainda consegue se apoiar em padrões que o modelo internalizou de milhares de séries relacionadas e não relacionadas.
O modelo é então enriquecido com os dados de treinamento proprietários da Vesper e afinado na dinâmica específica das commodities agrícolas. O resultado é uma camada de previsão transparente por construção: os usuários conseguem ver os dados e as premissas que alimentam a curva, em vez de receber um resultado de caixa-preta.
Onde a previsão com IA da Vesper fica no espectro de metodologias
Prever preços de commodities não é disciplina nova. Os métodos que os times de compras conhecem ficam em um espectro sobre o qual a abordagem de foundation model constrói, em vez de substituir.
O nível mais básico é a previsão só de fundamentos: balanços de oferta e demanda, taxas de inflação, preços de energia, câmbio, clima. É o padrão da mesa de análise, e acerta bastante coisa. Um nível mais avançado sobrepõe indicadores técnicos: RSI, bandas de Bollinger, MACD, médias móveis, osciladores estocásticos e ferramentas semelhantes emprestadas dos mercados financeiros e aplicadas a séries de commodities. Os dois níveis podem ser feitos por pessoas com planilhas e disciplina.
A previsão com IA começa onde a abordagem humana termina. Inclui tudo o que fundamentos e indicadores técnicos oferecem e então acrescenta três coisas que um processo manual não alcança: correlações entre commodities em milhares de séries relacionadas e não relacionadas, padrões extraídos pela máquina dentro dessas correlações, e indicadores “aprendidos” que o próprio modelo identifica, relações entre variáveis que nenhum manual teria apontado. É nesse nível que as previsões da Vesper operam, em mais de 4.000 séries de preço de commodities.
A questão não é que os métodos mais antigos estejam errados; eles são fundacionais. A previsão com IA os soma, e o ganho de acurácia é o que se espera quando cada camada acrescenta informação nova.
As quatro camadas de dados por trás de uma previsão
Uma vez treinado, o modelo usa quatro categorias de dados para produzir a curva futura. Para o WPC80 instantâneo americano, essas camadas ficam assim.
Padrões de preço. O ponto de partida é a própria série, o registro histórico do WPC80 instantâneo americano negociado no VPI da Vesper. Em torno dela, o modelo também lê séries vizinhas e relacionadas: WPC 34, WPI, MPC, caseína, lactose, preços do queijo em blocos nos EUA e leite Classe III da CME. O WPC80 não é negociado isoladamente. O soro é um coproduto da fabricação de queijo, então a economia do queijo entra diretamente na disponibilidade de soro. O WPI e o WPC 34 são substitutos em faixas diferentes de teor proteico; quando os compradores sobem ou descem a escada da proteína, essas séries se movem juntas e o modelo capta a relação.
Fundamentos de mercado. Esta é a camada de oferta e demanda, e é onde mora a maior parte do poder explicativo. Para as proteínas do soro americanas, o modelo ingere dados do relatório USDA NASS Milk Production (mensal), do relatório USDA Dairy Products (produção mensal de queijo, manteiga, NFDM e soro), do relatório USDA Cold Storage (estoques de produtos lácteos) e dos dados de exportação do USDA FAS (para onde vai o soro americano, sendo China, México e Sudeste Asiático os motores de volume). Dados de produção da UE do Observatório do Mercado do Leite europeu e números lácteos da DCANZ na Nova Zelândia também entram, já que a oferta global afeta a precificação de exportação dos EUA. Custos de ração das séries de milho, farelo de soja e DDGS na CBOT entram no modelo porque moldam a margem da produção de leite, que molda a oferta de leite, que molda a oferta de soro lá na frente.
Indicadores técnicos. O modelo lê sinais técnicos clássicos aplicados à série do WPC80, MACD para momento, médias móveis para direção de tendência, RSI para condições de sobrecompra e sobrevenda, ao lado de bandas de Bollinger e osciladores estocásticos. Cada um deles também fica exposto aos usuários diretamente na visão de análise técnica da Vesper, mas, para fins de previsão, eles alimentam o modelo. Não são decisivos sozinhos, mas afiam as previsões de horizonte curto quando os dados fundamentais são escassos entre as publicações dos relatórios do USDA.
Indicadores macro e econômicos. Sinais mais amplos que afetam a precificação de commodities em todas as categorias, o índice do dólar americano (que molda a competitividade de exportação do soro americano), os preços de energia (um insumo relevante de manufatura na secagem por spray do soro) e indicadores macro de demanda ligados às categorias de alimentos funcionais. Onde a Vesper tem dados de parceiros, por exemplo, fretes da Upply ou dados setoriais de custo de manufatura da IBISWorld, isso entra aqui também.
O modelo pondera as quatro camadas juntas. Nenhum dado isolado dita a curva.
O que a camada técnica está mostrando no WPC80 americano agora
Como a Vesper expõe a camada técnica diretamente na plataforma, o comprador consegue ler os mesmos sinais que o modelo lê. Para o WPC80 instantâneo americano no fim de abril de 2026, o quadro fica assim.
O preço está sendo negociado a 10,90 USD/lb, bem acima tanto da média móvel de 100 dias (8,81 USD/lb) quanto da de 150 dias (7,98 USD/lb). Na base anual, está em alta de 126%. O sinal do MACD está altista em +1,2, com o momento ainda ganhando força. O RSI marca 100, fortemente sobrecomprado, bem além do limiar de 70 que costuma sinalizar um mercado correndo à frente de si mesmo.
Lidos em conjunto, esses sinais descrevem um mercado que subiu forte, se descolou da tendência de médio prazo e agora mostra exaustão de fim de ciclo. Seja o próximo movimento uma consolidação lateral ou uma retração mais brusca, a camada técnica está dizendo aos compradores que o espaço de alta ficou fino.
É o mesmo quadro que a curva de previsão com IA desenha no widget de previsão: uma queda suave ao longo dos próximos seis meses, à medida que o preço se desfaz de volta rumo à tendência. A camada de fundamentos e a camada técnica concordam na direção, e é isso que constrói convicção na curva. Se discordassem, a previsão refletiria a tensão e a banda de confiança se alargaria.
É aqui que os indicadores técnicos de fato compensam no trabalho de compras. Não como sinais de trading isolados, mas como teste de realidade sobre a visão de fundamentos. Os fundamentos lácteos podem sustentar um preço mais alto; os indicadores técnicos dizem se o mercado já precificou isso.
De onde vêm os dados
A arquitetura de dados da Vesper é organizada em camadas de propósito, para que todo dado possa ser rastreado até sua fonte. A previsão do WPC80 americano fica em cima de uma pilha que vai de dados públicos de referência, passando por dados licenciados e de parceiros, até benchmarks proprietários.
A camada pública cobre relatórios do USDA, AHDB, ZuivelNL, Kempten e as agências equivalentes nas regiões em que a Vesper opera, as mesmas fontes primárias em que os times de compras americanos já confiam. A camada de futuros acrescenta CME (lácteos, grãos, pecuária), EEX (manteiga e leite em pó desnatado europeus) e NZX (lácteos neozelandeses). A camada de parceiros traz dados licenciados da Oilworld, Fastmarkets, IBISWorld, Barchart, Upply e Euronext. A camada proprietária é o Vesper Price Index, benchmarks independentes para produtos de nicho em que não existe descoberta pública de preço, incluindo a série do WPC80 instantâneo que ancora este artigo.
Para uma previsão do WPC80 americano especificamente, o VPI é a série de preço primária, o relatório USDA Dairy Products é o sinal primário de oferta, o leite Classe III da CME é o sinal primário da economia do leite, e o milho e o farelo de soja da CBOT ancoram a camada de custo de ração. A mesma lógica vale para os mais de 4.000 produtos que a Vesper cobre, commodity diferente, mistura diferente de relatórios públicos, contratos futuros, fontes de parceiros e índices proprietários, mas o mesmo princípio arquitetural.
Por que as visões da IA e dos analistas ficam separadas
Uma decisão de projeto que vale destacar: a Vesper separa deliberadamente a previsão com IA do comentário dos analistas.
A curva de previsão com IA é, por construção, livre de opinião de analista. Ela reflete os dados e só os dados. O time de analistas da Vesper produz relatórios de mercado em linguagem simples, o porquê por trás do movimento, ao lado da previsão, mas a visão do analista nunca se mistura à curva em si.
A razão é a confiança do time de compras. Quando um comprador pergunta o que a Vesper acha que vai acontecer com o WPC80 nos próximos seis meses, há duas respostas, e o comprador pode ver as duas. A IA diz uma coisa, o analista diz outra e, onde concordam, a convicção é alta. Onde divergem, isso é sinal para aprofundar. Os concorrentes que misturam as visões da IA e dos analistas em um único resultado eliminam esse sinal, e os times de compras nos disseram repetidamente que é a separação que constrói confiança na previsão.
Como ler o gráfico para decisões de compra
Duas partes do gráfico importam mais quando um comprador está dimensionando um compromisso a termo: a banda de confiança na curva futura e os tooltips de previsão histórica na linha passada.
É na banda de confiança que as decisões de compra de fato vivem. Uma banda estreita no início do horizonte de previsão que se alarga mais à frente é o formato normal, o modelo tem mais certeza sobre o próximo mês do que sobre o terceiro trimestre do ano que vem, e deve mesmo ter. Quando a banda se alarga depressa demais, é o modelo sinalizando que os dados estão mandando mensagens contraditórias e que você deve esperar mais revisão nas próximas previsões. Quando a banda fica estreita demais, os dados estão alinhados e a convicção é alta. Um comprador que assume um compromisso físico a termo para o terceiro trimestre não está apostando que o preço vai cair exatamente sobre a linha central tracejada; está dimensionando cobertura contra a faixa que a banda descreve.
Os tooltips de previsão histórica são o que faz a credibilidade da banda ser conquistada em primeiro lugar. Se o número de manchete de 96% significa algo para o seu time é muito mais fácil de julgar depois de checar cinco ou dez previsões passadas em uma série que você de fato compra. Escolha alguns meses dos últimos dois anos, passe o cursor sobre a linha e leia o par previsto e realizado. Se o modelo acompanhou bem a sua commodity, a convicção para agir sobre a curva futura vem naturalmente.
O que isso tudo soma
Uma previsão de commodity confiável tem três coisas funcionando juntas: uma arquitetura de modelo capaz de generalizar entre séries, uma pilha de dados transparente que se rastreia até fontes conhecidas, e a disciplina de manter a curva da IA e a visão do analista humano separadas, para que cada uma possa ser avaliada por seus próprios méritos.
