Análise Multifatorial do Impacto de Indicadores Econômicos no Consumo de Diferente Setores Utilizando Aprendizado de Máquina

Resumo

Este estudo explora a aplicação de técnicas de Aprendizado de Máquina (ML) para analisar o impacto de indicadores econômicos no consumo de setores como energia, transporte, indústria, imobiliário e serviços. Diante da complexidade crescente das interações econômicas e das limitações dos modelos lineares tradicionais, o uso de ML, incluindo redes neurais, apresenta-se como uma abordagem promissora para identificar padrões complexos e construir modelos preditivos mais precisos. Foram utilizados dados de instituições como IBGE, FGV, Bacen e CNC, organizados em um arquivo CSV e analisados no Google Colab. Após o pré-processamento, que incluiu conversão de formatos e eliminação de dados faltantes, realizaram-se análises exploratórias para identificar correlações. Modelos de regressão e redes neurais foram utilizados para prever o índice de consumo (ICON) e o índice de confiança do consumidor (ICC). A validação dos modelos indicou bom desempenho geral, mas com limitações em prever variações extremas, sugerindo a necessidade de ajustes adicionais. O estudo evidencia o potencial das redes neurais na previsão econômica e aponta caminhos para melhorias futuras.