Forecasting Brazilian macroeconomics variables using high-dimensional time series
Barbosa, Rafael Barros; Ferreira, Roberto Tatiwa; Silva, Thibério Mota da
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconômicas. Técnicas de aprendizado estatístico foram aplicadas visando aumentar a performance dos modelos fatoriais. Três tipos de técnicas de aprendizado estatístico foram aplicadas: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos sem fatores, do que modelos fatoriais com ou sem supervisão e do que modelos que utilizam apenas o aprendizado estatístico sem supervisião dos fatores. Única exceção a estas conclusões foi a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores.
Ficha do documento
- Tipo
- Artigo científico
- Ano
- 2020
- Instituição
- Universidade de São Paulo. Faculdade de Economia, Administração, Contabilidade e Atuária
- Fonte
- Estudos Econômicos
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:revistas.usp.br:article/142262
- Licença
- http://creativecommons.org/licenses/by-nc/4.0
- Temas
- Dados
Conteúdos relacionados
- DissertaçãoA Factor Augmented Vector Autoregressive model and a Stacked De-noising Auto-encoders forecast combination to predict the price of oilFundação Getulio Vargas · 2019
- DissertaçãoFactor model. Two main challengesFundação Getulio Vargas · 2025
- DissertaçãoAplicação de métodos de machine learning e deep learning na previsão dos preços do petróleo BrentFundação Getulio Vargas · 2025
- DissertaçãoPrevisão da produção industrial do Amazonas e do estado de São Paulo através de sua produção industrial agregada ou desagregada, ou a combinação delasFundação Getulio Vargas · 2024
