Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/32858
Tipo: Dissertação
Título: Teoria dos leilões nas contratações públicas paraibanas - uma estimação dos custos de transações através do aprendizado de máquina
Autor(es): Camelo, Bradson Tiberio Luna
Primeiro Orientador: Marinho, Pedro Rafael Diniz
Segundo Orientador: Silva, Rodrigo Bernardo da
Resumo: Esta dissertação visa preencher uma lacuna específica na literatura ao investigar os custos de transação em contratações públicas, utilizando modelos matemáticos e técnicas de aprendizado de máquina. A motivação pessoal e prática para esta pesquisa surge da necessidade de melhorar a eficiência e a transparência nas licitações públicas, particularmente no estado da Paraíba, onde a otimização dos recursos públicos é de suma importância. O objetivo principal deste estudo é desenvolver e aplicar um modelo matemático para analisar as contratações públicas e utilizar técnicas de aprendizado de máquina para prever os custos de transação que impactam os preços públicos. A pesquisa é dividida em duas partes principais. A primeira parte dedica-se ao desenvolvimento de um modelo matemático (jogo-teórico), adaptando os leilões clássicos para as modalidades de contratação pública mais usuais, como Concorrência e Pregão. Esta seção explora matematicamente o impacto das estratégias e comportamentos dos participantes nos resultados dos leilões, com foco na presença de custos de transação, incluindo preços de entrada. Na segunda parte, são aplicadas técnicas de aprendizado de máquina para prever os custos de transação em contratações públicas, utilizando dados como notas fiscais de entidades públicas do estado da Paraíba, bem como informações econômicas, geográficas, sociais e contábeis. Os métodos incluem o uso de Random Forest e LASSO para criar modelos preditivos, visando estimar os preços das contratações de forma mais precisa. Os resultados da pesquisa indicam que o modelo Random Forest apresentou um coeficiente de determinação (R2) de 0,97, explicando cerca de 97% da variabilidade nos custos de transação, com um erro quadrático médio (RMSE) de 0,14 desvios padrão dos preços normalizados. A análise revelou que fatores como o Tempo Médio de pagamento e prazo para adimplir precatórios são determinantes para os custos de transação. Esses resultados mostram que é possível prever os custos de transação nas contratações públicas com alta precisão, utilizando técnicas avançadas de aprendizado de máquina. Na conclusão, destacam-se as consequências práticas da pesquisa, como a possibilidade de implementar modelos preditivos para melhorar a gestão das contratações públicas, promovendo maior eficiência e transparência no uso dos recursos públicos. A abordagem interdisciplinar adotada, que combina estatística, economia, matemática, ciência da computação e administração pública, reflete a complexidade e relevância do tema, oferecendo ferramentas práticas e teóricas para aprimorar os processos de licitação pública.
Abstract: This master’s thesis aims to fill a specific gap in the literature by investigating transaction costs in public procurement, using mathematical models and machine learning techniques. The personal and practical motivation for this research arises from the need to improve efficiency and transparency in public tenders, particularly in the state of Paraíba, where the optimization of public resources is of utmost importance. The main objective of this study is to develop and apply a mathematical model to analyze public procurements and use machine learning techniques to predict the transaction costs that impact public pricing. The research is divided into two main parts. The first part is dedicated to developing a mathematical model (game-theoretic), adapting classic auctions to the most common public procurement modalities, such as Competitive Bidding and Auction. This section mathematically explores the impact of participants’ strategies and behaviors on auction outcomes, focusing on the presence of transaction costs, including entry prices. In the second part, machine learning techniques are applied to predict transaction costs in public procurements, using data such as invoices from public entities in the state of Paraíba, as well as economic, geographical, social, and accounting information. The methods include the use of Random Forest and LASSO to create predictive models, aiming to estimate procurement prices more accurately. The research results indicate that the Random Forest model presented a coefficient of determination (R2) of 0,97, explaining about 97% of the variability in transaction costs, with a root mean squared error (RMSE) of 0,14 standard deviations of normalized prices. The analysis revealed that factors such as Average Payment Time and the timeframe for fulfilling judicial debts (precatórios) are crucial determinants of transaction costs. These results show that it is possible to predict transaction costs in public procurements with high precision using advanced machine learning techniques. In conclusion, the practical implications of the research are highlighted, such as the possibility of implementing predictive models to improve the management of public procurements, promoting greater efficiency and transparency in the use of public resources. The interdisciplinary approach adopted, which combines statistics, economics, mathematics, computer science, and public administration, reflects the complexity and relevance of the topic, offering practical and theoretical tools to enhance public procurement processes.
Palavras-chave: Contratações públicas
Custos de transação
Aprendizado de máquina
Teoria dos leilões
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal da Paraíba
Sigla da Instituição: UFPB
Departamento: Informática
Programa: Programa de Pós-Graduação em Modelagem Matemática e computacional
Tipo de Acesso: Acesso aberto
Attribution-NoDerivs 3.0 Brazil
URI: http://creativecommons.org/licenses/by-nd/3.0/br/
URI: https://repositorio.ufpb.br/jspui/handle/123456789/32858
Data do documento: 19-Jul-2024
Aparece nas coleções:Centro de Informática (CI) - Programa de Pós-Graduação em Modelagem Matemática Computacional

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
BradsonTiberioLunaCamelo_Dissert.pdf4,37 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons