O objetivo do presente trabalho foi estimar modelos de previsão para o preço do açúcar cristal no mercado brasileiro, utilizando dados do período entre 2012 e 2021. Para isso, foram utilizados modelos ARIMA univariados, modelos de função de transferência, modelo de intervenção e combinação de previsões. Ao comparar os modelos, o modelo de função de transferência utilizando o preço do açúcar cotado em Nova Iorque como variável explicativa foi o que apresentou a melhor performance de previsão, apesar da diferença entre o seu produto negociado açúcar bruto, e o produto brasileiro. Em seguida, está o modelo de intervenção com variáveis binárias sazonais, com performance superior, inclusive, ao modelo ARIMA multiplicativo (0,1,1)(1,0,1). As previsões para doze passos a frente resultantes de cada modelo foram utilizadas como insumo para a combinação de previsão, a qual obteve uma performance de previsão ainda melhor; com desvios em relação ao observado estando em torno de 0%. Diante disso, foi possível verificar quais modelos descrevem melhor o comportamento do preço doméstico do açúcar, de modo a auxiliar os agentes que compõem o setor sucroalcooleiro no seu processo de tomada de decisão e mitigando o risco inerente às oscilações de preços. Salienta-se a necessidade de utilizar metodologias mais sofisticadas, tanto para as previsões individuais, quanto para a combinação de previsões, para que sejam obtidos resultados ainda melhores do que os que foram alcançados no trabalho.

The objective of the present work was to estimate forecast models for the price of crystal sugar in the Brazilian market, using data from the period between 2012 and 2021. For this, univariate ARIMA models, transfer function models, intervention model and combination of predictions. When comparing the models, the transfer function model using the price of sugar quoted in New York as an explanatory variable was the one that presented the best forecast performance, despite the difference between its traded product raw sugar, and the Brazilian product. Next is the intervention model with seasonal binary variables, with superior performance even to the multiplicative ARIMA model (0,1,1)(1,0,1). The twelve-step-ahead predictions resulting from each model were used as input for the prediction combination, which achieved even better prediction performance; with deviations in relation to the observed being around 0%. Given this, it was possible to verify which models best describe the behavior of the domestic price of sugar, in order to help the agents that make up the sugar and alcohol sector in their decision-making process and mitigating the risk inherent to price fluctuations. The need to use more sophisticated methodologies is highlighted, both for individual forecasts and for the combination of forecasts, so that even better results are obtained than those achieved in the work