A relação entre o preço futuro e o preço a vista é um fator que requer muita atenção e planejamento das atividades de comercialização agropecuária. As previsões de preços permitem fornecer a redução das incertezas dentro do mercado de carne bovina auxiliando na determinação da quantidade a ser produzida bem como no estabelecimento de políticas governamentais apropriadas e sustentáveis. Este trabalho tem como objetivo definir um modelo matemático capaz de predizer os preços de carne bovina usando inteligência computacional a partir da análise do ARIMA, Análise de Risco e Redes Neurais Artificiais, identificando aspectos quantitativos relacionados à lógica da decisão na formação do preço de venda, utilizando-se de séries temporais, a fim de explorar as correlações que impactam com maior frequência no preço de venda de carne bovina, por entender que este conhecimento pode aperfeiçoar os instrumentos de avaliação no processo de tomada decisão. A pesquisa caracteriza-se como descritiva, explicativa e quantitativa pois busca-se identificar fatores determinantes para a ocorrência dos fenômenos observados nas séries temporais de preço do boi gordo, traduzindo-se em números as informações classificadas e analisadas com o uso de técnicas estatísticas. Neste estudo foi utilizado a metodologia de séries temporais, aplicada à série histórica de preços do Boi Gordo no período de 23 de julho de 1997 a 18 de fevereiro de 2013, obtida junto ao Centro de Estudos Avançados em Economia Aplicada (CEPEA) da ESALQ/USP/Piracicaba. Estes dados representam o indicador de preço do Boi Gordo ESALQ/BM&F/BOVESPA utilizado como referencial para as negociações de compra e venda de contratos futuros. Os resultados demonstram a eficiência dos modelos propostos para a simulação e instrumentalização, ou seja, permitem avaliar o comportamento linear e não linear do modelo como ferramenta para a geração de informações e redução dos riscos que contribuirá para reduzir a subjetividade no processo de tomada de decisão.

The relationship between the future price and the cash down price of beef is a factor that requires much attention and planning in agricultural market activities. Price previews help to reduce uncertainties in the beef market and to assist in the determination of the quantity of beef to be produced as well as in the establishment of proper and sustainable governmental policies. This work aims to establish a mathematical model capable of predicting the price of beef using computational intelligence from the ARIMA analysis, Risk Analysis and Artificial Neural Network,by identifying the quantitative aspects related to the logic of decision in the formation of selling prices. This is done by using temporal series in order to explore the correlations that impact with greater frequency on the selling price of beef meat. Knowledge thus produced could improve the assessment instruments in the process of decision making. This research is characterized as descriptive, explanatory and quantitative because it intends to identify the determining factors for the occurrence of the observed phenomena in the time series of livestock prices where the classified and analyzed data result in numbers by the use of statistical techniques. The time series methodology was used. The historical series of livestock prices in the period from July 23rd 1997 to February 18th 2013 was obtained in the Center for Advanced Studies in Applied Economics (CEPEA) from ESALQ/USP/Piracicaba. This represents the livestock price indicator ESALQ/BM&F/BOVESPA that is used as a reference for the negotiations of purchase and sale in future contracts. The results show the effectiveness of the proposed models for simulation and orchestration, that is, they allow assessment of linear and non-linear behavior of the model as a tool for the generation of data and risk reductions that will contribute to less subjectivity in the decision-making process.