⚠️ This is a preview of an article. The content has not been published.

Article

November 19, 2026

Uso de derivativos e suas implicações nos riscos de portfólios de comercialização de commodities

Leonardo Pedroche Folgoso; Mayara Rohenkohl Ricci

DOI: 10.22167/2675-6528-202603843

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A gestão de risco em portfólios de commodities na B3 enfrenta desafios devido à inadequação de modelos paramétricos tradicionais, que pressupõem normalidade dos dados. Com o objetivo de operacionalizar um framework quantitativo de gestão de risco, o estudo propôs e implementou um pipeline automatizado. Utilizaram-se dados de contratos futuros de Etanol (ETH), Milho (CCM), Boi Gordo (BGI) e Café (ICF) negociados na B3 entre 2021 e 2025. A metodologia combinou a Análise de Componentes Principais (PCA) para redução de dimensionalidade com a Simulação Histórica para a mensuração do Conditional Value at Risk (CVaR). Testes estatísticos de Kolmogorov-Smirnov e Anderson-Darling validaram a rejeição da premissa de normalidade dos retornos, evidenciando a presença de caudas pesadas. Os resultados demonstraram uma relação inversa entre o prazo de vencimento dos contratos e o risco, além de uma saturação dos benefícios da diversificação em portfólios com 40 ativos. Concluiu-se que a modelagem histórica, integrada a uma estrutura ortogonal, ofereceu maior robustez para a tomada de decisão em mercados de alta volatilidade, superando as limitações da teoria clássica de portfólios lineares.

Palavras-chave: Análise de Componentes Principais; Gestão de Risco; Simulação Histórica; Valor em Risco Condicional (CVaR).

1. Introdução

Derivativos são instrumentos financeiros amplamente empregados no mercado para diversas finalidades, notadamente a mitigação de riscos, especulação e arbitragem. Conforme destaca Hull (2016), o valor desses instrumentos “depende (ou deriva) dos valores de outras variáveis subjacentes mais básicas”, permitindo a transferência de riscos econômicos entre agentes e instituições financeiras. A utilização estratégica de derivativos, em conjunto com a aquisição física de commodities, pode gerar economias significativas para as empresas, com Rettinger et al. (2024) reportando ganhos de até 6,38% em comparação com estratégias que excluem operações financeiras. No cenário brasileiro, a comercialização de contratos a termo de commodities teve início na década de 1970, por meio das bolsas de valores de São Paulo (BOVESPA) e do Rio de Janeiro (BVRJ). Atualmente, a B3, que integrou a BOVESPA, negocia diversos papéis de commodities, incluindo contratos de café arábica (ICF), etanol hidratado combustível (ETH), milho em grão (CCM) e boi gordo (BGI). Os dados públicos desses contratos foram utilizados nesta pesquisa (B3 S.A., 2025).

A negociação de contratos de compra ou venda de commodities de longo prazo expõe os participantes a riscos consideráveis devido à inerente variação de preços desses ativos. Produtores e vendedores buscam proteção contra flutuações futuras que possam desvalorizar seus produtos, enquanto compradores visam mitigar choques que elevem os preços. Nesse contexto, a formação de um portfólio de investimentos em derivativos surge como uma estratégia eficaz de hedge, protegendo contra prejuízos financeiros e conferindo maior segurança sobre o valor a ser despendido ou sobre o fluxo de caixa futuro. A literatura especializada reitera os benefícios do uso de estratégias de hedge no gerenciamento de riscos de commodities, com Carter et al. (2017) apontando que “As pesquisas até o momento apontam que os riscos relativos aos preços de commodities podem afetar retornos financeiros de ações e o hedge pode reduzir essa exposição ao risco”.

Apesar da relevância dos derivativos, a gestão de risco em portfólios de commodities enfrenta um desafio central: a vulnerabilidade operacional e financeira decorrente da aplicação de modelos paramétricos tradicionais. Esses modelos frequentemente assumem a normalidade dos dados, uma premissa que se mostra inadequada para os retornos reais de portfólios de commodities negociados na B3. Observa-se que esses retornos exibem choques extremos e caudas pesadas, conforme evidenciado por testes estatísticos como Kolmogorov-Smirnov (KS) e Anderson-Darling, que consistentemente rejeitam a hipótese de normalidade. Essa não-normalidade limita a aplicabilidade da teoria clássica de portfólios lineares, que pressupõe distribuições normais para o cálculo de risco, gerando uma lacuna na capacidade de mensurar e mitigar riscos de forma robusta em mercados de alta volatilidade.

Diante da inadequação das abordagens paramétricas clássicas e da complexidade dos mercados de commodities, torna-se imperativa a busca por metodologias mais robustas para a gestão de risco. A presente pesquisa justifica-se pela necessidade de desenvolver e aplicar um framework quantitativo que supere as limitações da teoria tradicional, oferecendo maior precisão na tomada de decisão em ambientes de alta volatilidade. Para tanto, o estudo emprega uma abordagem que combina a Análise de Componentes Principais (PCA) para a redução de dimensionalidade dos dados e a Simulação Histórica para a mensuração do Conditional Value at Risk (CVaR). Essa integração visa proporcionar uma modelagem mais resiliente, capaz de lidar com as características não-normais e as caudas pesadas inerentes aos retornos dos ativos.

A relevância deste trabalho reside na proposição de uma solução prática e automatizada para a gestão de risco em portfólios de commodities, contribuindo para a otimização das estratégias de hedge e para a mitigação de perdas financeiras em um mercado dinâmico. Assim, o objetivo geral da pesquisa é implementar um pipeline de dados automatizado capaz de operacionalizar um framework quantitativo de gestão de risco, demonstrando a aplicação prática da Análise de Componentes Principais (PCA) e da Análise de dados Históricos para mitigar a alta dimensionalidade e a não-normalidade inerentes a esses ativos.

2. Material e Métodos

A presente pesquisa caracterizou-se como um estudo de natureza aplicada, com abordagem quali-quantitativa, focado na proposição e desenvolvimento de um framework analítico. Este framework foi concebido para a mensuração e mitigação de risco em portfólios de contratos de commodities. Para tanto, empregaram-se ferramentas de ciência de dados e finanças, visando modelar e analisar o comportamento de um portfólio em um cenário realista, utilizando dados históricos de mercado.

O objetivo geral do estudo consistiu em implementar um pipeline de dados automatizado, capaz de operacionalizar um framework quantitativo de gestão de risco. Buscou-se demonstrar a aplicação prática da Análise de Componentes Principais (PCA) e da Simulação Histórica para mitigar a alta dimensionalidade e a não-normalidade inerentes aos retornos desses ativos. Os objetivos específicos incluíram a extração e estruturação computacional dos dados da bolsa, a execução de testes de diagnóstico estatístico e a construção empírica de fronteiras de eficiência, com foco no Conditional Value at Risk (CVaR), por meio da simulação de portfólios.

A unidade de análise compreendeu contratos futuros de commodities negociados na B3, especificamente Etanol hidratado (ETH), Milho em grão (CCM), Boi Gordo (BGI) e Café arábica (ICF). Consideraram-se todos os contratos desses produtos celebrados pela B3, com exceção dos contratos de Soja, para os quais não se encontraram dados no período avaliado. A análise foi delimitada a posições estritamente compradas (long-only) e a um horizonte de risco de um dia.

A base de dados foi constituída pelos boletins diários oficiais de negociação de derivativos da B3, abrangendo o período de janeiro de 2021 a dezembro de 2025. A coleta dos dados foi realizada por meio de um programa desenvolvido em linguagem Python. Utilizou-se a biblioteca `BeautifulSoup` para simular a interação do usuário com o portal da B3, selecionando opções de download e acionando o botão correspondente.

Para otimizar o processo de coleta, o período de tempo foi dividido entre os núcleos de processamento do computador, com o auxílio da biblioteca `joblib` do Python. As informações foram baixadas em formato compactado (.zip) e, posteriormente, extraídas dentro do código Python. Os arquivos compactados continham dados históricos diários em formato XML, os quais foram filtrados para incluir apenas os contratos de Etanol, Milho, Boi Gordo e Café.

Após a filtragem, os dados foram reunidos em um dataframe `Pandas`. Em seguida, procedeu-se ao armazenamento dessas informações em um banco de dados local Microsoft SQL Server, utilizando as bibliotecas `pyodbc` e `sqlalchemy`. Os dados dos contratos de commodities foram organizados em uma tabela denominada “derivatives_market_data” dentro do banco de dados “b3_data”.

O primeiro passo da análise consistiu no cálculo dos prazos de cada contrato, determinado pela diferença entre a data de comercialização e a data de vencimento, conforme o código original do contrato na B3. Criou-se uma nova tabela no banco de dados, “derivatives_market_data_prazos”, contendo os prazos, códigos dos instrumentos, datas de comercialização e o valor médio diário de venda do ativo.

Na sequência, montou-se uma matriz A, cujas linhas correspondiam às datas de comercialização dos ativos e as colunas aos prazos praticados. Em casos de múltiplas combinações de prazos, datas de comercialização e contratos, a matriz foi preenchida com a média dos valores recuperados. A partir dessa matriz, calcularam-se as variações diárias de preços dos ativos, conforme a metodologia de Hull (2016).

A matriz A teve suas colunas normalizadas para média nula e desvio padrão unitário, seguindo a abordagem de Alexander (2002). Os valores faltantes foram preenchidos por um filtro de média. A matriz normalizada e preenchida foi então utilizada como entrada para a função PCA da biblioteca `sklearn.decomposition` do Python, com o objetivo de reduzir a dimensionalidade dos dados.

O critério de variância acumulada foi empregado como ponto de parada para a análise, definindo-se a quantidade de elementos da base ortogonal de modo que a variação total explicada por esses elementos fosse de 70% da variação total do preço do ativo. Os fatores retornados pela PCA foram armazenados em uma nova tabela no banco de dados, “dbo.baseOrtogonal”, contendo os retornos diários calculados para cada fator.

As métricas de risco de interesse, Value at Risk (VaR) e Conditional Value at Risk (CVaR), foram calculadas sobre os valores recuperados da base ortogonal provida pela PCA. O VaR foi mensurado como a perda máxima esperada com uma dada porcentagem de certeza em um horizonte de N dias (Hull, 2016). O CVaR, por sua vez, quantificou os valores esperados de perda para os cenários mais severos, além do VaR (Khokhlov, 2016). Para o cálculo do CVaR, filtraram-se os valores das perdas diárias percentuais superiores ao VaR e calculou-se a média desses valores.

A metodologia incluiu a aplicação de testes estatísticos para verificar a aderência dos retornos diários à distribuição normal. Utilizaram-se os testes de Kolmogorov-Smirnov (KS) e Anderson-Darling (AD), além das métricas de assimetria (skewness) e curtose (kurtosis). As estatísticas para esses testes foram obtidas por meio das funções `kstest`, `skew`, `curtosis` e `anderson` da biblioteca `Scipy Statistics`.

Para a análise de portfólios, definiu-se uma matriz P de pesos para os componentes do portfólio no espaço ortogonal. Realizaram-se 500.000 simulações de portfólios, sorteando-se combinações aleatórias de pesos por meio da função `Dirichlet`, com um parâmetro de concentração de 2%. Garantiu-se que o peso mínimo de cada ativo no portfólio fosse de 1%, realocando-se pesos abaixo desse limiar. Para cada portfólio simulado, calculou-se o vetor de retornos diários correspondente.

A análise da diversificação dos portfólios foi conduzida por meio de um teste de hipóteses. Este teste comparou a média do CVaR de portfólios com `n` componentes contra a média do CVaR dos demais portfólios. O número de componentes foi progressivamente aumentado até o ponto em que não se encontrou evidência estatística, com 95% de significância, de que o CVaR da população com `n` componentes fosse menor que o dos demais.

3. Resultados e Discussão

A análise dos dados coletados, abrangendo o período de janeiro de 2021 a dezembro de 2025, forneceu uma base robusta para a avaliação do risco em portfólios de commodities na B3. Foram processados 95.107 registros, distribuídos em 189 contratos distintos de Etanol (ETH), Boi Gordo (BGI), Milho (CCM) e Café (ICF). A estruturação desses dados e a aplicação da Análise de Componentes Principais (PCA) foram cruciais para mitigar a alta dimensionalidade inerente a esses ativos, conforme o objetivo do estudo. A PCA resultou na identificação de 294 elementos da base ortogonal, que, em conjunto, explicaram 70% da variância total dos dados, demonstrando sua eficácia na redução do ruído e na agregação dos fatores de risco comuns, conforme proposto por Alexander (2009).

Os testes de diagnóstico estatístico, incluindo Kolmogorov-Smirnov (KS), Anderson-Darling (AD), assimetria e curtose, revelaram a inadequação da premissa de normalidade para os retornos diários dos ativos analisados. Os p-valores obtidos nos testes KS foram consistentemente baixos, levando à rejeição da hipótese de normalidade para todos os contratos. Essa constatação é fundamental, pois valida a premissa inicial do trabalho de que modelos paramétricos tradicionais, que pressupõem normalidade, são insuficientes para capturar a complexidade e os choques extremos observados nos mercados de commodities, corroborando a necessidade de abordagens mais robustas.

A análise da curtose indicou valores positivos para todos os ativos, caracterizando distribuições leptocúrticas com picos mais proeminentes em torno da média e caudas significativamente mais pesadas. Isso sugere que eventos extremos, tanto de valorização quanto de desvalorização, ocorrem com frequência muito maior do que o previsto por uma curva gaussiana. A assimetria, por sua vez, mostrou caudas direitas mais pesadas que as esquerdas para a maioria dos casos, especialmente para ICF e BGI, indicando uma preferência por eventos de ganhos extremos. Para ETH e CCM, observou-se um comportamento que alterna entre ganhos e perdas, com médias negativas, apontando para choques que tendem a reduzir o valor diário do contrato.

Os valores calculados para o teste Anderson-Darling corroboraram as análises anteriores, apresentando resultados muito superiores ao limiar estatístico de normalidade. Essa evidência conjunta dos testes KS, assimetria, curtose e AD reforça a conclusão de que a distribuição dos retornos dos ativos de commodities não é normal. Consequentemente, a abordagem paramétrica para o cálculo de VaR e CVaR foi desconsiderada, e os resultados subsequentes para a análise de portfólio foram calculados exclusivamente com base na abordagem histórica, que não depende da premissa de normalidade, conforme indicado por Hull (2016).

Uma relação inversa e estatisticamente significativa (com 95% de significância) foi identificada entre o prazo de vencimento dos contratos e as métricas de risco (VaR e CVaR) para todas as commodities. Para o Etanol (ETH), a variação dos prazos contratuais explicou 53% da variação do VaR paramétrico e 54% do VaR histórico. Para o CVaR, a explicação foi de 49% para a abordagem paramétrica e 65% para a histórica, indicando maior robustez da modelagem histórica. A média de diferenças diárias para ETH foi de -0,0116% (desvalorização), com desvio padrão de 0,894%.

Para os contratos de Boi Gordo (BGI), a variação dos prazos contratuais explicou apenas 3% da variação do VaR paramétrico, mas 18% do VaR histórico. Em relação ao CVaR, a explicação foi de 11% para a abordagem paramétrica e 57% para a histórica, evidenciando uma superioridade ainda mais acentuada da modelagem histórica. Os contratos de BGI registraram uma média de diferenças diárias de 0,0169% (valorização), com desvio padrão de 0,0116%. Essa disparidade na capacidade explicativa entre as abordagens paramétrica e histórica para o BGI reforça a inadequação dos modelos tradicionais em mercados com caudas pesadas.

Os contratos de Café (ICF) apresentaram uma explicação de 30% da variação do VaR paramétrico pelos prazos contratuais e 34% do VaR histórico. Para o CVaR, a variação foi explicada em 32% pela abordagem paramétrica e 43% pela histórica. A média de diferenças diárias para ICF foi de 0,0006% (valorização), com desvio padrão de 0,02%. Embora a diferença entre as abordagens seja menos drástica para o ICF em comparação com o BGI, a abordagem histórica ainda oferece uma capacidade explicativa superior para o CVaR, a métrica de risco mais abrangente para cenários extremos.

Nos contratos de Milho (CCM), a variação dos prazos contratuais explicou 65% da variação do VaR paramétrico e 52% do VaR histórico. Para o CVaR, a explicação foi de 59% para a abordagem paramétrica e 70% para a histórica, sendo a abordagem histórica a que melhor capturou a relação. A média de diferenças diárias para CCM foi de -0,0124% (desvalorização), com desvio padrão de 0,011%. A consistência da relação inversa entre prazo e risco em todas as commodities, com maior poder explicativo da abordagem histórica para o CVaR, alinha-se ao Efeito Samuelson (Samuelson, 1965), que descreve a diminuição da volatilidade de contratos futuros com o aumento do prazo de vencimento devido à reversão à média dos preços (Hull, 2016).

Ao ranquear os produtos por risco, utilizando o CVaR mediano, os contratos de Etanol (ETH) foram identificados como os menos arriscados, com um CVaR mediano de 0,0115%. Em seguida, vieram os contratos de Boi Gordo (BGI) com 0,0130%, Milho (CCM) com 0,0140%, e Café (ICF) como os mais arriscados, com um CVaR mediano de 0,0163%. Essa hierarquia indica que os contratos de Café são aproximadamente 42% mais arriscados que os de Etanol. A análise de assimetria e curtose corrobora essa avaliação, apontando que os contratos de ICF são mais suscetíveis a caudas pesadas à direita, sugerindo maior probabilidade de choques de preço no sentido da valorização do ativo.

A simulação de portfólios, utilizando a distribuição de Dirichlet para sortear combinações de pesos entre os 294 componentes ortogonais, buscou identificar o ponto de saturação da diversificação. Os resultados indicaram que, a partir de 40 ativos no portfólio, não houve evidência estatística significativa de redução adicional do CVaR. Esse limiar é consistente com a literatura, que sugere que entre 30 e 40 contratos independentes são suficientes para obter os benefícios da diversificação (Hull, 2016; Statman, 1987), resultando em uma diminuição de risco de aproximadamente 10 vezes em comparação com um investimento em um único ativo isolado.

A análise da fronteira eficiente para o CVaR, com um nível de significância de 95%, revelou que o portfólio com a menor perda esperada (mínimo CVaR) apresentou uma média de retornos diários próxima a 0,015% e um desvio padrão de 0,175%. Essa configuração representa a otimização entre risco e retorno para os cenários de cauda, que são os mais críticos para a gestão de risco. A identificação desse ponto de mínima perda esperada é crucial para a tomada de decisão em ambientes de alta volatilidade, onde a proteção contra eventos extremos é prioritária.

A contribuição dos ativos para o risco de cauda (CVaR) do portfólio variou significativamente. Os contratos que mais contribuíram para a diminuição do CVaR foram o Etanol (ETH) com prazo de 335 dias, Boi Gordo (BGI) com prazos de 338 e 250 dias, Café (ICF) com 653 dias e Milho (CCM) com 481 dias. Observa-se uma tendência de que prazos de vencimento mais longos contribuem para a redução do risco do portfólio. Em contrapartida, os ativos que mais contribuíram para o aumento das perdas do portfólio foram os contratos de Café (ICF) com prazos de 5, 82, 75, 68 e 138 dias, indicando que o ICF, especialmente em prazos mais curtos, adiciona considerável volatilidade e risco ao portfólio.

Em síntese, os resultados da pesquisa confirmam a inadequação dos modelos paramétricos tradicionais para a gestão de risco em portfólios de commodities na B3, devido à não-normalidade e à presença de caudas pesadas nos retornos. A abordagem proposta, que integra a Análise de Componentes Principais para redução de dimensionalidade e a Simulação Histórica para mensuração do CVaR, demonstrou ser mais robusta. Verificou-se uma relação inversa entre o prazo de vencimento dos contratos e o risco, e a saturação dos benefícios da diversificação em portfólios com 40 ativos, fornecendo um framework quantitativo operacionalmente viável para a tomada de decisão em mercados voláteis.

4. Conclusão

O presente estudo buscou operacionalizar um framework quantitativo de gestão de risco em portfólios de commodities na B3, por meio da implementação de um pipeline automatizado que integrasse a Análise de Componentes Principais (PCA) e a Simulação Histórica. Verificou-se a inadequação dos modelos paramétricos tradicionais, uma vez que os testes estatísticos de Kolmogorov-Smirnov e Anderson-Darling, juntamente com a análise de assimetria e curtose, consistentemente rejeitaram a premissa de normalidade dos retornos dos ativos, evidenciando a presença de caudas pesadas e choques extremos. A aplicação da PCA demonstrou eficácia na redução da dimensionalidade, agregando os fatores de risco comuns e explicando 70% da variância total dos dados. Observou-se uma relação inversa e estatisticamente significativa entre o prazo de vencimento dos contratos e o risco, com a modelagem histórica apresentando maior robustez e poder explicativo para o Conditional Value at Risk. Adicionalmente, identificou-se que os benefícios da diversificação em portfólios de commodities se saturam a partir de 40 ativos, proporcionando uma redução de risco de aproximadamente dez vezes em comparação com um único ativo. A principal contribuição reside na proposição de uma solução prática e automatizada que oferece maior precisão e resiliência para a tomada de decisão em mercados de alta volatilidade, superando as lacunas da teoria clássica de portfólios lineares.

Como limitação, o estudo considerou apenas posições estritamente compradas (long-only) em dados históricos, sem incorporar custos de transação, exigências de margem, liquidez dos contratos ou testes de backtesting. Sugere-se que trabalhos futuros ampliem o conjunto de commodities analisadas, testem outros horizontes temporais além do risco diário e comparem o desempenho de diferentes metodologias de mensuração de risco. Essas expansões poderiam aprimorar a compreensão e a aplicabilidade do framework em cenários de mercado ainda mais complexos.

Referências Bibliográficas

Alexander, C. 2002. Principal component models for generating large garch covariance matrices. Economic Notes 31(2): 337-359.

Alexander, C. 2009. Market risk analysis, value at risk models. John Wiley & Sons, New York, NY, EUA.

B3 S.A. 2025. Dados públicos de produtos listados e de balcão. Technical report, B3 S.A., São Paulo, SP, Brasil.

Carter, D. A.; Rogers, D. A.; Simkins, B. J.; Treanor, S. D. 2017. A review of the literature on commodity risk management. Journal of Commodity Markets 8: 1-17.

Hull, J. C. 2016. Opções, futuros e outros derivativos. Bookman Editora, Porto Alegre, RS, Brasil.

Khokhlov, V. 2016. Conditional value-at-risk for elliptical distributions. Evropsky casopis ekonomiky a managementu 2(6): 70–79.

Rettinger, M.; Mandl, C.; Minner, S. 2024. A data-driven approach for optimal operational and financial commodity hedging. European Journal of Operational Research 316(1): 341–360.

SAMUELSON, P. A. Proof that properly anticipated prices fluctuate randomly. Industrial Management Review, v. 6, n. 2, p. 41-49, 1965.

Statman, M. 1987. How many stocks make a diversified portfolio? The Journal of Financial and Quantitative Analysis 22(3): 353–363.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Data Science e Analytics do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

You may also like

November 17, 2026

Detection and Diagnosis of Diseases in Corn and Rice in Mozambique with Deep Learning

Mozambican agriculture depends on corn and rice, fundamental crops for food security, but their productivity is strongly affected by phytosanitary diseases, whose early and accurate identification remains a challenge in resource-limited contexts. The study aimed to develop and compare Deep Learning-based models for the automatic detection and diagnosis of diseases in corn and rice leaves in Mozambique. Three approaches were used: a classic Convolutional Neural Network (CNN) developed from scratch, and two transfer learning models, ResNet50 and MobileNetV2. The dataset consisted of images from public databases and collected in the field, which underwent cleaning, balancing, and artificial augmentation steps. The models were trained and evaluated with standard performance metrics, including accuracy, precision, recall, F1-score, Log Loss, and Cohen’s Kappa. The classic CNN presented the best overall performance, with 94% precision, recall, and F1-score, and 93% accuracy and Cohen’s Kappa. MobileNetV2 achieved 91% F1-score and 90% accuracy, standing out for its lower Log Loss (0.30) and training time (6h32min59s). ResNet50 reached 80% F1-score and 79% accuracy. It was concluded that Deep Learning techniques have high potential to support phytopathological diagnosis in real agricultural contexts, contributing to faster and more accurate decisions in the management of corn and rice diseases.

Keywords: Deep learning; Rice; Plant diseases; Corn; Computer vision.

November 17, 2026

Artificial intelligence in accounting operational routines and financial efficiency

The incorporation of Artificial Intelligence (AI) and automation tools has reconfigured the routines of Brazilian accounting offices, impacting productivity, error mitigation, and financial efficiency. These impacts were analyzed in a small accounting firm, specialized in serving service providers in the medical field in São Caetano do Sul, São Paulo. The research adopted a qualitative approach, with a single case study design and incorporated units of analysis. Data were collected through a structured questionnaire, applied via Google Forms between January and February 2026, to five professionals in the operational structure of the firm in a census survey. The treatment followed content analysis with a priori and emergent categories. All respondents declared the use of automated tools or tools with AI resources. The perception of reduced execution time, decreased operational errors, rework, and better use of the team’s time converged in 80% of affirmative responses and 20% partial responses. The most benefited activities were bank reconciliation, import of fiscal documents, and tax assessment, with visible gains on typing errors, duplicate entries, and incorrect classification. Human intervention remained indispensable in tax planning, scenario analysis, and verification of ancillary obligations. The overall evaluation of AI’s contribution was predominantly favorable, with moderation linked to the complexity of fiscal regulations.

Keywords: Content analysis; Process automation; Accounting 4.0; Small business; Digital transformation.

November 17, 2026

Factors influencing schedule management in sewage treatment plant “retrofit” projects

Projects involving “retrofit” in Sewage Treatment Plants (STP) are characterized by high complexity, operational restrictions, and multiple technical interfaces. The study analyzed the perception of the professionals involved regarding the management and adherence to deadlines in “retrofit” projects for sewage treatment plants, considering technical, operational, and organizational factors. The research was characterized as an applied study, with a quali-quantitative approach, designed as a field survey. Data analysis was performed using descriptive statistics and qualitative categorization, employing SWOT, risk matrix (Probability x Impact), and 5W2H action plan tools. The results indicated a high perception of clarity (77.8%) and realism of deadlines (100% agreement), evidencing consistent initial planning. However, 77.7% of respondents pointed out that rework and scope changes directly impacted deadline adherence. The integration between engineering, manufacturing, and Production Planning and Control (PPC) showed an intermediate evaluation (77.7% partial/total agreement), indicating fragility in interfunctional coordination. The risk matrix highlighted as critical: scope changes, operational limitations of the STP, and technical complexity, all with a high level. As a central improvement, the standardization of scope change control, analysis, and approval was proposed, aiming to reduce rework and increase schedule predictability.

Keywords: Performance; Integration; Planning; Rework; Risk.

November 17, 2026

B2C Acquisition in diagnostic medicine: strategic partnerships with specialized medical offices

The diagnostic medicine sector in Brazil operates with high dependence on health plan providers, which limits the financial autonomy of service providers. This study proposed and analyzed a direct patient acquisition model (B2C) for a highly complex diagnostic medicine institution, structured through partnerships with Oncology and Cardiology practices and operationalized by a personalized customer service called concierge. The investigation adopted a mixed-methods approach in three phases: a field survey with a structured questionnaire applied to 87 patients, mapping of the operational flow using “Service Blueprint”, and analysis of the conversion rate from 312 medical referrals registered in the pilot project. The results indicated that trust in medical referral achieved 92.0% agreement, establishing itself as the main factor for adherence. The convenience of performing the exam on the same day reached 78.2%, and the willingness to pay directly was 55.2%, with polarization associated with the predominance of health plan users. The “Service Blueprint” identified three critical points in the transitions between stages of the patient journey. The overall conversion rate was 51.0%, with superior performance in Oncology (58.2%) compared to Cardiology (45.0%), and the greatest loss was concentrated in the acceptance and scheduling stage (28.3%). It was concluded that the model demonstrated possible operational viability and indications of patient acceptance, conditioned by price transparency and a reduction in the interval between consultation and approach by the concierge.

Keywords: Direct payment; Patient journey; Supplementary health; Concierge service; Conversion rate.

November 17, 2026

The role of the school manager in promoting an inclusive culture: leadership and educational policies

The research analyzed the school manager’s performance in promoting an inclusive culture, considering the need to transform legal guidelines and pedagogical foundations into effective institutional practices. It was assumed that school inclusion requires planning, organization, and strategic leadership in the school’s daily operations. A qualitative approach of an applied nature was adopted, developed in three complementary stages: documentary analysis of Brazilian legislation on inclusive education, bibliographic review on school leadership and management, and data systematization using management tools such as SWOT analysis and the PDCA cycle. The results indicated that the school management’s performance directly influenced the consolidation of inclusive environments, especially in the organization of processes, continuous team training, and strengthening of a collaborative institutional culture respectful of diversity. Structural, pedagogical, and relational challenges that demanded planned interventions were also identified. Finally, a Practical Guide for School Managers was developed, with guidelines, protocols, and operational orientations for decision-making and the organization of inclusive processes. It was concluded that the construction of an inclusive culture depended on the management’s ability to articulate public policies, pedagogical practices, and institutional processes, consolidating inclusion as a permanent commitment in the school context.

Keywords: educational accessibility; educational equity; participatory management; strategic planning; institutional processes.

November 17, 2026

An AI artifact based on Design Thinking to support the elicitation of software requirements from user needs

The development of software oriented to user needs frequently faces challenges in requirements elicitation, stemming from ambiguities in natural language and communication failures. Given this, an intelligent artifact integrating Design Thinking and Artificial Intelligence was proposed and validated, focusing on the Empathy and Definition stages, to support the collection, interpretation, and structuring of user needs. The research, of an applied, qualitative, and exploratory nature, conducted a Proof of Concept in a controlled environment, employing hypothetical scenarios. The artifact operated through guided natural language interviews, organizing information into elements such as pain points, context, and impact, and generating traceable problem syntheses. The results indicated that the system organized unstructured reports, reduced ambiguities, and preserved the meaning of the original information in most cases. The ability to reorganize logically in complex scenarios was also observed, although with limitations in separating multiple problems and dependence on instructions. It was concluded that the artifact has potential as a support for requirements elicitation, improving the clarity and structuring of information, but requires supervision and contextual control.

Keywords: Design Thinking; Requirements Elicitation; Requirements Engineering; Artificial Intelligence; Natural Language Processing.

November 17, 2026

The Extinction of the Monophasic Tax System in the Pharmaceutical Industry in Light of the Tax Reform

The consumption Tax Reform, established by Constitutional Amendment No. 132/2023, introduced structural changes to the Brazilian tax system, with the replacement of the Social Integration Program (PIS) and the Social Security Financing Contribution (COFINS) by the Contribution on Goods and Services (CBS), in a dual Value Added Tax (VAT) model. The objective was to analyze the impacts of the extinction of the single-stage system on the pharmaceutical industry, in light of the new regulatory design and its economic and legal effects. A qualitative, exploratory research was conducted through a case study and documentary analysis of legislation and specialized doctrine. It was examined whether the end of the single-stage system would imply a relevant increase in the tax burden for the sector. The results indicated that, although the formal overcoming of the single-stage system has occurred, the material exemption of medicines has been preserved, mainly due to the application of reduced rates of 60% and, in certain cases, a zero rate of the Tax on Goods and Services (IBS) and CBS. The change in model may cause occasional variations in revenue collection, without characterizing a structural increase in the tax burden, tending towards neutrality over time. It was preliminarily concluded that the Tax Reform reorganized the taxation technique in the pharmaceutical industry, replacing a concentrated regime with more transparent exemption mechanisms. This approach proved compatible with the principles of neutrality, full non-cumulativeness, and fiscality, maintaining tax protection for essential medicines and aligning fiscal policy with the fundamental right to health.

Keywords: CBS; COFINS; IBS; Dual VAT; PIS.