Forecasting Brazilian output and its turning points in the presence of breaksa comparison of linear and nonlinear models
Céspedes, Brisne J. V.; Chauvet, Marcelle; Lima, Elcyon C. R.
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Este artigo compara as habilidades preditivas de modelos lineares e não-lineares, com quebras estruturais, nas previsões da taxa de crescimento do PIB real do Brasil. Os modelos com mudanças de regime markovianas, propostos por Hamilton (1989) e generalizados por Lam (1990), são estimados para dados trimestrais de 1975:1 a 2000:2. Os modelos são estimados permitindo quebras estruturais durante os planos Collor. As probabilidades de recessão dos modelos são utilizadas para analisar o ciclo de negócios brasileiro. A capacidade de previsão da taxa de crescimento do PIB fora e dentro da amostra desses modelos é comparada com modelos lineares e com uma regra não-parametrizada. Os resultados indicam que os modelos não-lineares são os que apresentam o melhor desempenho preditivo quando comparados com modelos lineares. A inclusão de quebras estruturais é importante para a representação do ciclo de negócios no Brasil, além de levar a um desempenho de previsão consideravelmente melhor do que os modelos sem intervenção, dentro e fora de amostra.
Ficha do documento
- Tipo
- Artigo científico
- Ano
- 2006
- Instituição
- Universidade de São Paulo. Faculdade de Economia, Administração, Contabilidade e Atuária
- Fonte
- Estudos Econômicos
- Idioma
- Inglês
- Acesso
- Não informado
- Identificador
- oai:revistas.usp.br:article/35863
- Licença
- http://creativecommons.org/licenses/by-nc/4.0
- Temas
- Dados
Conteúdos relacionados
- EstudoA monthly indicator of Brazilian GDP. The Brazilian business cycle and growth cycleEscola de Pós-Graduação em Economia da FGV · 2000
- TeseEnsaios em ciclos econômicos e preços financeirosFundação Getulio Vargas · 2022
- DissertaçãoAnálise da heterogeneidade de estruturas de controle e seus impactos sobre o valor de mercado e outros indicadoresFundação Getulio Vargas · 2026
- DissertaçãoAplicação de métodos de machine learning e deep learning na previsão dos preços do petróleo BrentFundação Getulio Vargas · 2025