Previsão de inflação no Brasil utilizando desagregação por componentes de localidade
Lorande, Marcelo Schiller
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Este trabalho propõe a desagregação por componentes de localidade do índice de inflação no Brasil como forma de melhorar o desempenho preditivo de modelos econométricos. Foram desenvolvidos modelos autorregressivos com ou sem variáveis macroeconômicas explicativas para se avaliar como a desagregação impacta em cada um deles. Além disso, foram utilizados dois testes estatísticos para se comparar o desempenho dos modelos, o Model Confidence Set e o Superior Predictive Ability. Observou-se que para curto prazo, como horizontes de até 3 meses, modelos autorregressivos de 1ª ordem possuem desempenho imbatível, ao passo que para horizontes mais distantes, modelo macroeconômicos e desagregados geram previsões estatisticamente superiores.
Ficha do documento
- Tipo
- Dissertação
- Ano
- 2018
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Acesso aberto
- Identificador
- oai:repositorio.fgv.br:10438/24759
- Temas
- Economia
Conteúdos relacionados
- DissertaçãoForecasting inflation using online daily pricesFundação Getulio Vargas · 2021
- DissertaçãoTransmuting unequally spaced dataFundação Getulio Vargas · 2020
- DissertaçãoModelos para projeção de inflação no Brasil com dados desagregados por regiõesFundação Getulio Vargas · 2017
- DissertaçãoRegimes' characteristics and time series forecastingFundação Getulio Vargas · 2026
