Previsão da inadimplência bancária no Brasil através dos métodos FAVAR e FAVECM
Semple, Philip Alexander
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
O objetivo do presente trabalho é utilizar modelos econométricos de séries de tempo para previsão do comportamento da inadimplência agregada utilizando um conjunto amplo de informação, através dos métodos FAVAR (Factor-Augmented Vector Autoregressive) de Bernanke, Boivin e Eliasz (2005) e FAVECM (Factor-augmented Error Correction Models) de Baneerjee e Marcellino (2008). A partir disso, foram construídas previsões fora da amostra de modo a comparar a eficácia de projeção dos modelos contra modelos univariados mais simples - ARIMA - modelo auto-regressivo integrado de média móvel e SARIMA - modelo sazonal auto-regressivo integrado de média móvel. Para avaliação da eficácia preditiva foi utilizada a metodologia MCS (Model Confidence Set) de Hansen, Lunde e James (2011) Essa metodologia permite comparar a superioridade de modelos temporais vis-à-vis a outros modelos.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2013
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/10584
- Temas
- Economia
Conteúdos relacionados
- 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
- DissertaçãoPrevisão de carga elétrica no BrasilFundação Getulio Vargas · 2023
- DissertaçãoSVR-GARCH como preditor de volatilidade sobre o ambiente da crise da Covid-19Fundação Getulio Vargas · 2021
- EstudoRobustness and the general dynamic factor model with infinite-dimensional spaceEscola de Economia de São Paulo · 2020
