Factor model. Two main challengesStationarity and factor selection

Resumo

Este trabalho explora dois desafios centrais associados à aplicação da Análise de Componentes Principais (PCA) em modelos fatoriais para lidar com a complexidade de dados de alta dimensão. O primeiro desafio diz respeito à natureza da estacionariedade de cada variável e às transformações adequadas necessárias para garantir essa estacionariedade. O segundo desafio envolve a seleção dos fatores a serem utilizados na previsão. Para abordar essas dificuldades, o trabalho avalia o método simplificado de estacionarização proposto por \hyperref[ref3]{Hamilton e Xi (2022)} e revisita a literatura de modelos fatoriais ao sugerir um modelo de fator único observável, que apresenta alto poder preditivo mantendo a simplicidade. A análise empírica aplica modelos fatoriais e o modelo de fator único proposto para prever a inflação brasileira (IPCA). Os resultados indicam que o método de Hamilton permite o desenvolvimento de modelos com poder preditivo geral ligeiramente inferior, mas ainda assim robustos o suficiente para se manterem relevantes, dada sua metodologia mais simplificada. Além disso, o modelo de fator único demonstra forte desempenho de previsão, apesar de sua abordagem simplificada.

Ficha do documento

Tipo

Dissertação

Ano

2025

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/36852

Temas

EconomiaDados

Palavras-chave

Análise de FatoresAnálise de Componentes PrincipaisPrevisãoFactor analysisPrincipal components analysisForecastAdministração de empresasAnálise fatorial