Machine Learning Aplicado à Predição da Obrigação do Investimento em P,D&I

Resumo


Os investimentos em Pesquisa, Desenvolvimento e Inovação (P,D&I) do setor de petróleo e gás do Brasil são substanciais devido à obrigatoriedade estabelecida pela Agência Nacional de Petróleo, Gás Natural e Biocombustíveis (ANP). Identificar a expectativa de financiamento de forma ágil e simples possibilita um melhor planejamento, aumentando a eficácia dos gastos. Este artigo propõe a elaboração de um modelo de machine learning para estimar o potencial de investimentos obrigatórios que as empresas do setor de óleo e gás devem realizar em P,D&I, permitindo um melhor planejamento da aplicação de recursos financeiros para universidades e institutos de ciência e tecnologia.

Palavras-chave: Machine Learning, P, D&I, ANP

Referências

"Acesso à Informação - Institucional Agência Nacional do Petróleo, Gás Natural e Biocombustíveis" (2020) Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Disponível em [link] (último acesso em outubro de 2021).

"Dados Históricos do Brent" (2021) Investing.com. Disponível em: https://www.investing.com/commodities/brent-oil-historical-data (último acesso em outubro de 2021).

"Dados Estatísticos - Produção Nacional de Petróleo e Gás Natural" (2021) Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Disponível em: https://www.gov.br/anp/pt-br/centrais-de-conteudo/dados-estatisticos (último acesso em outubro de 2021).

T. Escovedo & A. Koshiyama (2020) "Introdução a Data Science: Algoritmos de Machine Learning e Métodos de Análise". São Paulo: Casa do Código.

"Estatísticas econômico-financeiras (tipo de consulta: dólar)" (2021) Banco Central do Brasil.

"A Relevância do Petróleo & Gás para o Brasil" (2019) IBP. Disponível em: [link]. (último acesso em outubro de 2021).

"Dados Históricos do Gás Natural" (2021) Disponível em: Investing.com. https://www.investing.com/commodities/natural-gas-historical-data (último acesso em outubro de 2021).

"IPCA - Número Índice," Instituto Brasileiro de Geografia e Estatística" (2021) Disponível em: https://sidra.ibge.gov.br/tabela/1737 (último acesso em outubro de 2021).

C. I. S. Leal & P. N. Figueiredo (2021) "Inovação Tecnológica no Brasil: Desafios e Insumos para Políticas Públicas", Revista de Administração Pública, vol. 55, no. 3, doi: 10.1590/0034-761220200583.

B. Mahesh (2020) "Machine Learning Algorithms - A Review", International Journal of Science and Research (IJSR), vol. 9, no. 1, pp. 381-386, doi: 10.21275/ART20203995.

"Manual de Procedimentos Cálculos, distribuição e Auditoria da Participação Especial" (2017) Agência Nacional do Petróleo, Gás Natural e Biocombustíveis, vol. 5. Brasil, pp. 1-25.

"Pesquisa Industrial Anual" (2015) Instituto Brasileiro de Geografia e Estatística. Instituto Brasileiro de Geografia e Estatística, Rio de Janeiro. Proceedings of the 37th Brazilian Symposium on Data Bases September 2022 - Búzios, RJ, Brazil 227

L. Polybio, B. Teixeira e M. N. Sales (2012) "Necessidade de P&D em Biocombustíveis: o Papel da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP)", doi:10.7447/dc.2012.007.

"Memória de Cálculo - Preços de Referência do Petróleo" (2020) Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Brasil, pp. 1-17. Disponível em: [link]. (último acesso em outubro de 2021).

"Recursos Financeiros das Cláusulas de Investimentos em PD&I" (2021) Agência Nacional do Petróleo, Gás Natural e Biocombustíveis. Disponível em: [link]. (último acesso em outubro de 2021).

Regulamento Técnico ANP (2015) Brasil, pp. 1-49.

R. L. Winkler (1989) "Combining forecasts: A philosophical basis and some current issues", International Journal of Forecasting, vol. 5, no. 4, doi: 10.1016/0169-2070(89)90018-6.
Publicado
19/09/2022
BRAVO, Flávia; SOUSA, Luciana; ESCOVEDO, Tatiana; LOPES, Helio; KALINOWSKI, Marcos. Machine Learning Aplicado à Predição da Obrigação do Investimento em P,D&I. In: SIMPÓSIO BRASILEIRO DE BANCO DE DADOS (SBBD), 37. , 2022, Búzios. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . p. 216-228. ISSN 2763-8979. DOI: https://doi.org/10.5753/sbbd.2022.224344.