Modelagem preditiva da relação entre preços de carros seminovos e novos no Brasil de 2013 a 2024
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Monografia de especialização
Título alternativo
Predictive modeling of the relationship between used and new car prices in Brazil from 2013 to 2024
Primeiro orientador
Membros da banca
Guilherme Augusto Veloso
Resumo
Este trabalho analisa a razão entre preços de veículos seminovos e novos (zero quilômetro) no mercado automobilístico brasileiro, utilizando dados mensais entre 2013 e 2024. O objetivo central foi desenvolver um modelo preditivo robusto para esta relação, considerando sua relevância estratégica para empresas de locação de veículos, instituições financeiras e montadoras na gestão de ativos e precificação. A pesquisa aplicou diferentes abordagens metodológicas, comparando três técnicas: regressão linear múltipla, Random Forest e XGBoost. Os resultados demonstram que, embora os modelos baseados em árvores tenham apresentado desempenho superior no conjunto de treinamento, evidenciaram tendência de sobreajuste. Na avaliação com dados não utilizados no treinamento, o XGBoost superou os demais, alcançando R² de 0,736 no conjunto de teste, contra 0,701 da regressão linear e 0,693 do Random Forest. A análise temporal revelou uma memória longa nos preços relativos e uma inflexão importante durante a pandemia em 2020, seguida por normalização gradual. O modelo preditivo desenvolvido oferece à indústria automotiva uma ferramenta valiosa para antecipar a evolução dos valores residuais dos veículos, contribuindo para estratégias mais eficazes de gestão de frotas, desmobilização de ativos e precificação de serviços de locação, elementos essenciais para a competitividade e sustentabilidade financeira das empresas do setor.
Abstract
This study analyzes the ratio between used and new (zero-kilometer) vehicle prices in the Brazilian automotive market, using monthly data from 2013 to 2024. The main objective was to develop a robust predictive model for this relationship, considering its strategic relevance for vehicle rental companies, financial institutions, and manufacturers in asset management and pricing. The research applied different methodological approaches, comparing three techniques: multiple linear regression, Random Forest, and XGBoost. The results demonstrate that, although tree-based models showed superior performance in the training set, they exhibited a significant tendency toward overfitting. In the evaluation with data not used in training, XGBoost outperformed the others, achieving an R² of 0.736 in the test set, compared to 0.701 for linear regression and 0.693 for Random Forest. The temporal analysis revealed a
long memory in relative prices and an important inflection during the pandemic in 2020, followed by gradual normalization. The predictive model developed offers the automotive industry a valuable tool to anticipate the evolution of residual values of vehicles, contributing to more effective strategies for fleet management, asset disposal, and rental service pricing, essential elements for the competitiveness and financial sustainability of companies in the sector.
Assunto
Estatística, Análise de regressão, Mercado automobilístico – Controle preditivo, Mercado automobilístico Preços – Brasil
Palavras-chave
Razão preço seminovo/novo, Mercado automobilístico, Modelos preditivos, Random forest, XGBoost