Times de compras que dimensionam contratos a termo de commodities agrícolas como manteiga, proteína de soro, açúcar ou óleo vegetal costumam fazer duas perguntas sobre uma previsão contra a qual estão prestes a comprometer orçamento: como ela foi construída e qual é a acurácia dela na commodity que eu realmente compro.
A maioria das ferramentas de previsão responde à primeira pergunta de forma vaga e à segunda com um único número de manchete. A Vesper responde às duas. Este artigo abre com os números de acurácia que a Vesper publica em toda a cobertura de preços, percorre o que faz esses números diferentes das alternativas que a maioria dos times de compras já avaliou, e mostra como se lê uma única previsão na tela, usando a manteiga americana como exemplo trabalhado.
A acurácia das previsões da Vesper em mais de 4.000 séries de preço
A Vesper publica acurácia em nível de plataforma para mais de 4.000 séries de preço de commodities, medida nos últimos dois anos de previsões. Em todas as categorias que a Vesper cobre, de mercados muito líquidos como queijo na CME, trigo na MATIF e leite Classe III até proteínas especiais pouco negociadas, frações de óleo de palma em conformidade com o EUDR e benchmarks regionais de açúcar, os números principais saem assim.
| Horizonte de previsão | Acurácia (1 − MAPE) |
| Previsão de 1 mês | 97% |
| Previsão de 3 meses | 94% |
| Previsão de 6 meses | 91% |
| Previsão de 9 meses | 88% |
| Previsão de 12 meses | 85% |
Desempenho do Vesper Price Forecasting, medido como 1 − MAPE em mais de 4.000 séries de preço nos últimos dois anos.
A métrica por trás desses números é o erro percentual absoluto médio (MAPE), invertido para virar a manchete de acurácia. A mecânica é simples: se uma previsão de um mês erra 3% em janeiro, 4% em fevereiro e 2% em março, o erro médio é 3%, então o modelo aparece como 97% preciso. A mesma definição vale para todas as séries e todos os horizontes, e é isso que torna o número comparável.
Dois padrões dentro da tabela merecem destaque.
A curva de acurácia se degrada de forma limpa conforme o horizonte se estende. A queda de 12 pontos percentuais de 97% em um mês para 85% em doze meses é o que um modelo de previsão honesto produz. Quanto mais longe se pede que o modelo olhe, mais difícil fica o teste.
E os números são médias de milhares de séries, não de uma commodity escolhida a dedo. Uma alegação de alta acurácia em um mercado calmo por alguns meses é fácil de fabricar; um número publicado como média de mais de 4.000 séries ao longo de dois anos é um teste inteiramente diferente.
Três níveis de previsão, e onde a Vesper se encaixa
Prever preços de commodities não é disciplina nova. Os métodos que os times de compras conhecem ficam em um espectro sobre o qual a previsão por inteligência artificial constrói, em vez de substituir.
Os três níveis da previsão de commodities: a camada de inteligência artificial da Vesper soma as que estão abaixo.
O nível mais básico é só de fundamentos: balanços de oferta e demanda, taxas de inflação, preços de energia e petróleo, câmbio, clima. É o padrão da mesa de análise, e uma pessoa disciplinada acerta bastante com isso.
Um nível mais avançado sobrepõe indicadores técnicos: RSI, bandas de Bollinger, MACD, médias móveis, osciladores estocásticos, emprestados dos mercados financeiros e aplicados a séries de commodities. Os dois níveis podem ser feitos por pessoas com planilhas e cuidado.
A previsão por inteligência artificial 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.
Os métodos mais antigos não estão errados; são fundacionais. A inteligência artificial os soma, e o ganho de acurácia é o que se espera quando cada camada acrescenta informação nova.
O que diferencia as previsões da Vesper
Operar na camada de inteligência artificial é uma parte da história. As escolhas que transformam essa capacidade em acurácia que um time de compras consegue defender são o resto. Os pontos abaixo são o que se deve perguntar a qualquer fornecedor de previsões, e as respostas que a Vesper coloca por escrito:
• A acurácia por horizonte é publicada, não misturada. O MAPE de um, três, seis, nove e doze meses aparece separadamente para cada série, com a queda entre horizontes visível. Um número de acurácia único ou citado de forma variável esconde justamente o horizonte que interessa ao comprador; a divulgação por horizonte torna a pergunta respondível.
• As previsões se atualizam automaticamente, 24 horas por dia. No momento em que chega um novo dado, um relatório do USDA, uma nova marcação de preço da Vesper, um balanço de oferta e demanda atualizado, a curva é recalculada. Não há intervenção de analista para esperar nem risco de a previsão ficar atrasada em relação a um evento de mercado importante.
• Cada previsão roda com seus próprios fundamentos, mais os fundamentos dos produtos relacionados. Algumas abordagens ancoram um produto derivado em uma “commodity mãe”, precificando a proteína de soro a partir do queijo, por exemplo. A Vesper constrói a curva da proteína a partir dos fundamentos da proteína e dos fundamentos do queijo que determinam a disponibilidade de soro. As duas camadas são ponderadas; nenhuma é atalho para a outra.
• Verificações dentro do produto, no horizonte que interessa a você. Passe o cursor sobre qualquer ponto histórico do gráfico e leia o par previsto e realizado. O mesmo painel de acurácia alterna entre acurácia histórica de 1, 3, 6 e 12 meses para aquela commodity específica, de modo que o comprador veja como o modelo se sustenta no prazo que corresponde à decisão. Isso importa porque a maioria das previsões modernas (as da Vesper inclusive) é dinâmica: elas se ajustam diariamente conforme chegam novos dados, e é isso que as mantém afiadas. Um único número de acurácia sem horizonte associado não diz nada sobre com quanta antecedência a previsão foi feita; uma previsão emitida um dia antes do preço realizado vai reportar alta acurácia quase independentemente de habilidade. O seletor de horizonte é o que torna o número significativo.
• As visões da inteligência artificial e dos analistas são separadas de propósito. A curva de previsão é construída somente com dados. Os analistas da Vesper publicam relatórios escritos de mercado ao lado dela, mas suas visões nunca se misturam à curva. Onde inteligência artificial e analista concordam, a convicção é alta; onde divergem, é sinal para aprofundar. E normalmente é a direção que mais importa: mesmo quando a previsão não acerta o preço em cheio, acertar a direção, para cima ou para baixo, é o que diz ao comprador se adia uma compra ou se avança agora. A inteligência artificial e o analista quase sempre concordam na direção, e é aí que a maioria das decisões de compras de fato vive.
• Inteligência artificial própria, construída bem antes de o ChatGPT virar nome de conhecimento geral. Os modelos de previsão da Vesper são desenvolvidos internamente por um time sediado em Amsterdã, um dos polos europeus de inteligência artificial. A arquitetura vem sendo iterada desde muito antes do boom atual, e o conhecimento acumulado aparece em como os modelos lidam com casos limites específicos de cada commodity e em quão rápido novas abordagens podem ser testadas em produção.
Como ler uma previsão da Vesper: a manteiga americana como exemplo
Os números de plataforma são a manchete. Para torná-los concretos, veja como uma única previsão fica na tela e como lê-la na prática. O exemplo abaixo é a manteiga americana, ancorada no Vesper Price Index (VPI) em base EXW, em USD por libra.
Widget de previsão da manteiga americana: previsões históricas, curva futura de seis meses e acurácia histórica de 94% em um mês nesta série específica.
Há quatro coisas a ler no gráfico.
A linha cheia é o preço histórico, doze meses para trás. A linha tracejada começa onde a série histórica termina e projeta 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. À direita do gráfico fica o painel de acurácia por série: 94% em um mês, 83% em três meses, 77% em seis meses para essa commodity específica, com um seletor de horizonte para que o comprador escolha o prazo que corresponde à decisão diante dele.
A primeira coisa a fazer com qualquer previsão nova é testá-la. 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. Três exemplos na manteiga americana:
• 18 de junho de 2025 - real: 2,54 USD/lb. Previsão de um mês: 2,43 USD/lb. Desvio: 4,5%.
• 29 de outubro de 2025 - real: 1,58 USD/lb. Previsão de um mês: 1,59 USD/lb. Desvio: 0,8%.
• 18 de março de 2026 - real: 1,88 USD/lb. Previsão de um mês: 1,73 USD/lb. Desvio: 8,1%.
Os três acertaram a direção. Dois caíram dentro da faixa média de erro de um mês do modelo; o terceiro ficou mais longe, durante um movimento mais brusco da série. Essa mistura é a cara da acurácia no mundo real, e os tooltips tornam toda previsão passada da série verificável do mesmo jeito. O objetivo do exercício não é confirmar um número; é desenvolver uma sensibilidade sobre como o modelo lidou com a commodity à sua frente, antes que qualquer orçamento seja comprometido com a curva futura dela.
Note também que os números por série (94, 83 e 77 para a manteiga) ficam abaixo das médias da plataforma (97, 94, 91, 88 e 85). A manteiga é mais volátil que a commodity média na cobertura da Vesper, e o modelo é testado com mais dureza aqui do que em uma série mais estável. A diferença é informativa, não algo a esconder.
Por trás da curva: as quatro camadas de dados
Uma vez treinado, o modelo da Vesper usa quatro categorias de dados. Para a manteiga americana, essas camadas ficam assim.
Padrões de preço. O ponto de partida é a própria série mais os produtos vizinhos que se movem com ela. Para a manteiga americana, isso significa leite Classe III da CME, preços de creme nos EUA, manteiga europeia (EEX) e AMF alimentando a mesma curva. Manteiga não é negociada isoladamente, e o modelo capta as relações cruzadas.
Fundamentos de mercado. Os relatórios USDA Dairy Products e Cold Storage, o USDA NASS Milk Production, os dados de exportação do USDA FAS, os números do Observatório do Mercado do Leite da UE e os dados da DCANZ na Nova Zelândia, já que a oferta global afeta a precificação de exportação dos EUA. Custos de ração de milho na CBOT, farelo de soja e DDGS também entram, porque moldam a margem da produção de leite, que molda a oferta de leite, que molda a disponibilidade de manteiga lá na frente.
Indicadores técnicos. Sinais clássicos aplicados à série da manteiga: MACD, médias móveis, RSI, bandas de Bollinger, osciladores estocásticos, lidos diretamente na plataforma e também alimentados no modelo de previsão.
Indicadores macro e econômicos. O índice do dólar americano (competitividade de exportação dos lácteos dos EUA), custos de energia e frete (insumos de manufatura e logística) e sinais macro de demanda ligados às categorias de varejo e food service. Onde a Vesper tem dados de parceiros, Upply para frete, IBISWorld para custos setoriais, isso entra aqui.
O modelo pondera as quatro camadas juntas. Nenhum dado isolado dita a curva.
Lendo a camada técnica ao lado da curva
Como a Vesper expõe a camada técnica diretamente na plataforma, o comprador pode ler os mesmos sinais que o modelo lê.
Análise técnica da manteiga americana: comportamento do preço frente às médias móveis, momentum do MACD e RSI.
Em 29 de abril de 2026, a camada técnica da manteiga americana se lê assim. O preço está em 1,70 USD/lb, acima tanto da média móvel de 100 dias (1,63 USD) quanto da de 150 dias (1,61 USD), uma configuração estrutural de alta. O MACD está altista com momentum positivo: o histograma virou das barras vermelhas (setembro de 2025 a janeiro de 2026) para barras azuis se formando desde fevereiro, ainda que linha, sinal e histograma estejam todos perto de zero. O RSI está em 47,7, neutro, com bastante espaço até o limite de sobrecompra em 70. As variações percentuais contam a mesma história por outro ângulo: -28,31% no ano (a longa tendência de baixa), +13,13% no trimestre (a recuperação das mínimas do primeiro trimestre), -6,39% no mês e -0,88% na semana (um pequeno esfriamento neste mês).
Lidos em conjunto, esses sinais descrevem um mercado que encontrou seu piso no primeiro trimestre, subiu com força até março e agora consolida acima da sua tendência de médio prazo, nem em apuros nem esticado. É o mesmo quadro que a curva de previsão desenha: uma deriva suave de alta ao longo dos próximos seis meses.
Lendo a curva para uma decisão de compra
Duas partes do gráfico importam mais quando um comprador dimensiona um compromisso a termo: a faixa de confiança na linha tracejada de previsão e os tooltips de previsões históricas na linha do passado.
A faixa de confiança é onde a decisão de compra de fato vive. Uma faixa estreita no início do horizonte que se alarga mais adiante é o formato normal: o modelo está mais certo sobre o mês que vem do que sobre o terceiro trimestre do ano seguinte, e deve estar mesmo. Quando a faixa se alarga com rapidez incomum, o modelo está sinalizando que os dados mandam mensagens conflitantes, e o comprador deve esperar mais revisões nas previsões seguintes. Quando a faixa permanece incomumente estreita, os dados estão alinhados e a convicção é alta. Um comprador assumindo compromisso a termo para o terceiro trimestre não está apostando que o preço vai cair exatamente sobre a linha central tracejada; está dimensionando cobertura contra o intervalo que a faixa descreve.
Os tooltips de previsões históricas são como a credibilidade da faixa é conquistada em primeiro lugar. Escolha alguns meses ao longo dos últimos dois anos na commodity que você de fato compra. Passe o cursor sobre a linha. Leia o par previsto e realizado. Se o modelo acompanhou bem a série, a convicção para agir sobre a curva futura vem naturalmente. Se não acompanhou, o tooltip também vai dizer isso, antes que qualquer orçamento seja comprometido.
O que tudo isso soma
Uma previsão confiável de commodities tem algumas coisas funcionando juntas: uma arquitetura de modelo capaz de generalizar em milhares de séries, uma pilha de dados transparente que remonta a fontes conhecidas, números de acurácia por horizonte verificáveis na commodity específica à sua frente, e a disciplina de manter separadas as visões da inteligência artificial e dos analistas, para que cada uma seja avaliada pelo que vale.
É assim que as previsões da Vesper são construídas. A metodologia está na tela, a acurácia está na tela, e os dados por trás remontam às mesmas fontes primárias em que os times de compras já confiam. Escolha uma commodity, passe o cursor sobre a linha e julgue você mesmo.
Perguntas frequentes: previsão de preços de commodities com a Vesper
Qual é a acurácia das previsões da Vesper na commodity específica que eu compro? A acurácia é publicada por commodity e por horizonte de previsão dentro da plataforma. Você pode ver a acurácia histórica de um, três, seis e doze meses para a série exata que compra, em vez de depender de uma média misturada.
Com quanta antecedência devo confiar em uma previsão ao tomar decisões de compra? Horizontes mais curtos são em geral mais precisos, e isso se reflete nos dados. A maioria das decisões de compras fica na janela de um a seis meses, onde a acurácia permanece mais alta e a faixa de confiança é mais estreita.
O modelo se apoia mais em fundamentos ou em análise técnica? Os dois estão incluídos, ao lado de dados macro e de relações entre commodities. O modelo pondera todos os dados de forma dinâmica, em vez de priorizar uma categoria sobre outra.
Com que frequência as previsões são atualizadas? As previsões se atualizam automaticamente conforme novos dados ficam disponíveis. Não há calendário fixo: o modelo recalcula continuamente conforme os dados mudam.
Posso verificar por conta própria o desempenho passado das previsões? Sim. As previsões históricas ficam visíveis diretamente no gráfico. Você pode comparar preços previstos e realizados em qualquer ponto para entender como o modelo se saiu antes de confiar em projeções futuras.
O que acontece em mercados muito voláteis? A acurácia normalmente cai conforme a volatilidade aumenta, e isso aparece tanto nos números de acurácia histórica quanto no alargamento da faixa de confiança. É esperado e visível para o usuário.
As visões dos analistas entram na previsão? Não. A previsão é totalmente orientada por dados. Os relatórios dos analistas são publicados ao lado do resultado do modelo, mas permanecem separados, o que permite comparar as duas perspectivas.
A direção importa mais que o preço exato? Na maioria das decisões de compras, sim. Mesmo quando o nível exato de preço não é previsto com perfeição, acertar a direção costuma ser o que determina comprar agora ou adiar.
