Modelo Midas de projeção do PIB brasileiro utilizando a Pesquisa Industrial Mensal
Castelli, Alexandre da Costa
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
A projeção de indicadores econômicos é um fator importante para a tomada de decisão, seja no setor público, seja no setor privado. Por exemplo, bancos centrais utilizam suas estimativas para monitorar em tempo real o estado da economia e fundamentar suas decisões, enquanto os analistas do mercado financeiro utilizam as projeções para avaliar uma empresa e suas ações. Pensando no aprimoramento dessas projeções, novos modelos e métodos econométricos têm sido desenvolvidos e este trabalho pretende oferecer uma visão geral sobre a teoria e um modelo de amostragem de dados mistos (MIDAS, na sigla em inglês). Os modelos MIDAS permitem que dados amostrados em frequências diferentes sejam usados na mesma regressão, incorporando as informações dos dados de frequência mais alta na regressão de frequência mais baixa. O modelo proposto utiliza as informações da Pesquisa Industrial Mensal para projetar o próximo resultado do PIB brasileiro. Ao final do trabalho são realizadas avaliações estatísticas entre os resultados das diferentes abordagens MIDAS, definindo a que mais se aproxima dos resultados oficiais.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2022
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/31841
Conteúdos relacionados
- DissertaçãoEstudo comparativo do poder preditivo do PIB brasileiro por variáveis macroeconômicas em relação ao conjunto de variáveis da estrutura de taxa de jurosFundação Getulio Vargas · 2012
- DissertaçãoTransmuting unequally spaced dataFundação Getulio Vargas · 2020
- DissertaçãoForecasting inflation using online daily pricesFundação Getulio Vargas · 2021
- DissertaçãoModelos para projeção de inflação no Brasil com dados desagregados por regiõesFundação Getulio Vargas · 2017