Modelo matemático pode auxiliar empresas em leilões da Aneel

Ferramenta desenvolvida por estudante do Mestrado Profissional em Matemática, Estatística e Computação Aplicadas à Indústria da USP auxilia a tomada de decisão para a oferta de descontos

Agência FAPESP – Um modelo matemático desenvolvido por um estudante do Mestrado Profissional em Matemática, Estatística e Computação Aplicadas à Indústria (Mecai) pode auxiliar empresas em leilões de transmissão de energia promovidos pela Agência Nacional de Energia Elétrica (Aneel).

O curso de pós-graduação stricto sensu é oferecido pelo Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC-USP), em São Carlos, e é um dos cursos da área de educação corporativa ligados ao Centro de Ciências Matemáticas Aplicadas à Indústria (CeMEAI), um Centro de Pesquisa, Inovação e Difusão (CEPID) da FAPESP.

A ferramenta ajuda diretamente na tomada de decisão para a oferta de descontos nas disputas ao utilizar inteligência artificial (IA) interpretada para auxiliar as empresas participantes dos leilões a apresentar o maior nível de deságio e, consequentemente, oferecer a melhor proposta pela concessão.

Nas operações financeiras, o deságio representa uma diferença entre o valor nominal de um ativo e o valor em que ele realmente foi comprado ou vendido. No caso do deságio, o título é comprado por um valor menor que o nominal, o que é o oposto do ágio, quando o título é comprado por um valor maior do que o nominal.

Em muitos casos, para ser possível chegar ao maior deságio, uma série de ações é necessária. É preciso visitar os locais de obras com uma equipe, muitas vezes em localidades distantes.

Para que seja possível participar do leilão na B3, bolsa de valores brasileira sediada na cidade de São Paulo, também existem alguns requisitos. Dentre eles, é necessário ter investimentos na carta fiança, o que torna o simples ato de participar do leilão algo muito custoso para os interessados.

“Foi a partir desses contextos que surgiu a ideia do trabalho: desenvolver uma forma de auxiliar as empresas participantes do leilão na tomada de decisão por meio do uso da inteligência artificial interpretada. A ideia seria interpretar como essas empresas conseguem chegar ao melhor deságio com base em algumas variáveis macroeconômicas e técnicas sobre os lotes leiloados”, detalha Luiz Felipe Migliato, aluno do Mecai.

Para alimentar e testar o modelo, o estudante usou a base de dados pública do site da Aneel, que conta com diversas variáveis técnicas, como a região do local da obra, o nível de tensão das linhas de transmissão e das subestações, a potência transformada do lote e outras. Migliato também acrescentou variáveis macroeconômicas.

“A partir da base de dados da Aneel, acrescentei variáveis de cunho econômico, como valor do dólar, taxa de juros e inflação. Isso porque, como estamos falando de um investimento, as informações macroeconômicas passam a ter um destaque importante. Sobre essa base de dados elaborada, fiz o uso da IA interpretada para que pudéssemos buscar e entender melhor as variáveis envolvidas no processo e sua influência nos deságios vencedores dos lotes de transmissão da Aneel”, explica.

Método e resultado

O trabalho, orientado pelo professor do ICMC-USP André de Carvalho, utilizou quatro algoritmos de aprendizado de máquina e sete métodos de seleção de variáveis, com o objetivo de possibilitar a predição da variável-alvo (deságio). Portanto, a meta foi encontrar, dentre os algoritmos implementados e analisados, aquele que obtivesse o melhor desempenho na predição do deságio.

“Entre todas as variáveis analisadas, era esperado, por se tratar de um problema de engenharia, que variáveis como o nível da tensão ou a quilometragem das linhas se destacassem na explicação do fenômeno estudado. Porém, não foi isso que observamos. Provavelmente por se tratar também de um problema de investimento, as variáveis macroeconômicas – taxa Selic [sigla para Sistema Especial de Liquidação e de Custódia, que é a taxa básica de juros], inflação e valor do dólar – foram as que se mostraram mais relevantes na explicação do problema abordado na pesquisa e, consequentemente, na predição do deságio. No final, tudo vira uma modelagem financeira”, conta Migliato.

Na etapa de treinamento dos algoritmos e geração dos modelos, foi escolhido aquele que obteve o melhor desempenho. Depois, esse modelo foi utilizado na etapa de predição com dados reais ainda não vistos. Assim como na etapa de treinamento, o resultado obtido na predição manteve-se consistente. Por fim, com base na interpretabilidade, foi realizado o ranqueamento que mostrou quais variáveis são mais relevantes para a explicação do problema estudado e a predição da variável-alvo.

“Diante dos resultados alcançados, podemos dizer que o modelo final obtido pode ser utilizado para auxiliar o processo de tomada de decisão junto às empresas participantes desses leilões”, afirma o estudante.

Antes de arcar com os investimentos dos estudos do lote para poder participar do leilão, uma empresa participante poderá analisar as variáveis abordadas no estudo para tomar decisões com maior efetividade frente a todos os gastos e incertezas que precisaria enfrentar para participar do processo de disputa.

“A ideia é ser uma ferramenta de auxílio na tomada de decisão. De certa forma, seria simplório utilizar apenas a ferramenta para apresentar o valor de deságio, mas ela age como um suporte. Basear-se em leilões anteriores para que as empresas consigam ofertar um deságio mais interessante para aquele lote. Fazer com que elas não apenas participem, mas consigam oferecer realmente o maior e melhor desconto”, finaliza Migliato.

* Com informações do CeMEAI, um Centro de Pesquisa, Inovação e Difusão da FAPESP.