Nowcasting brazilian inflation with machine learning

Resumo

A importância de monitoramento das principais variáveis macroeconômicas é evidenciada pelo grande esforço que os agentes devotam a esta tarefa. O presente trabalho propõe-se a contribuir para a literatura de previsão econômica, aplicando os modelos de aprendizado de máquina para monitorar diariamente a inflação brasileira medida pelo IPCA. Os resultados obtidos são promissores. O benefício de fazer monitoramento diário da inflação em vez da previsão uma vez por mês é na ordem de 50%-60% em média para quase todos os modelos de aprendizado de máquina considerados. Os modelos que apresentam o melhor desempenho são Regressão de Subconjunto Completo e Floresta Aleatória. Os resultados também mostram que usar técnicas multivariadas de aprendizado de máquina em vez de simples modelos univariados reduz o erro da previsão em até 20%.

Ficha do documento

Tipo

Dissertação

Ano

2020

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Inglês

Acesso

Acesso aberto

Identificador

oai:repositorio.fgv.br:10438/31426

Temas

EconomiaModelagem EconômicaDados

Palavras-chave

Monitoramento da inflaçãoAprendizado de máquinaRegressão de subconjunto completoInflation nowcastingMachine learningComplete subset regressionsEconomiaInflação - Brasil - Modelos macroeconômicosAprendizado do computadorModelagem de dados