Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão

Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroecon...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Rafael Barros Barbosa, Roberto Tatiwa Ferreira, Thibério Mota da Silva
Formato:	article
Lenguaje:	EN PT
Publicado:	Universidade de São Paulo 2020
Materias:	Previsão Modelos de Fatores Métodos de Shrinkage Combinação de Previsão Variáveis Macroeconômicas Brasileiras Economics as a science HB71-74
Acceso en línea:	https://doaj.org/article/ab9e86ab14204f47b266aeebb10e4287
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:ab9e86ab14204f47b266aeebb10e4287
record_format	dspace
spelling	oai:doaj.org-article:ab9e86ab14204f47b266aeebb10e42872021-11-24T14:25:25ZPrevisão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão10.1590/0101-41615013rrt0101-41611980-5357https://doaj.org/article/ab9e86ab14204f47b266aeebb10e42872020-03-01T00:00:00Zhttps://www.revistas.usp.br/ee/article/view/142262https://doaj.org/toc/0101-4161https://doaj.org/toc/1980-5357 Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconômicas. Técnicas de aprendizado estatístico foram aplicadas visando aumentar a performance dos modelos fatoriais. Três tipos de técnicas de aprendizado estatístico foram aplicadas: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos sem fatores, do que modelos fatoriais com ou sem supervisão e do que modelos que utilizam apenas o aprendizado estatístico sem supervisião dos fatores. Única exceção a estas conclusões foi a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores. Rafael Barros BarbosaRoberto Tatiwa FerreiraThibério Mota da SilvaUniversidade de São PauloarticlePrevisãoModelos de FatoresMétodos de ShrinkageCombinação de PrevisãoVariáveis Macroeconômicas BrasileirasEconomics as a scienceHB71-74ENPTEstudos Econômicos, Vol 50, Iss 1 (2020)
institution	DOAJ
collection	DOAJ
language	EN PT
topic	Previsão Modelos de Fatores Métodos de Shrinkage Combinação de Previsão Variáveis Macroeconômicas Brasileiras Economics as a science HB71-74
spellingShingle	Previsão Modelos de Fatores Métodos de Shrinkage Combinação de Previsão Variáveis Macroeconômicas Brasileiras Economics as a science HB71-74 Rafael Barros Barbosa Roberto Tatiwa Ferreira Thibério Mota da Silva Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
description	Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconômicas. Técnicas de aprendizado estatístico foram aplicadas visando aumentar a performance dos modelos fatoriais. Três tipos de técnicas de aprendizado estatístico foram aplicadas: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos sem fatores, do que modelos fatoriais com ou sem supervisão e do que modelos que utilizam apenas o aprendizado estatístico sem supervisião dos fatores. Única exceção a estas conclusões foi a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores.
format	article
author	Rafael Barros Barbosa Roberto Tatiwa Ferreira Thibério Mota da Silva
author_facet	Rafael Barros Barbosa Roberto Tatiwa Ferreira Thibério Mota da Silva
author_sort	Rafael Barros Barbosa
title	Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title_short	Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title_full	Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title_fullStr	Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title_full_unstemmed	Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title_sort	previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
publisher	Universidade de São Paulo
publishDate	2020
url	https://doaj.org/article/ab9e86ab14204f47b266aeebb10e4287
work_keys_str_mv	AT rafaelbarrosbarbosa previsaodevariaveismacroeconomicasbrasileirasusandomodelosdeseriestemporaisdealtadimensao AT robertotatiwaferreira previsaodevariaveismacroeconomicasbrasileirasusandomodelosdeseriestemporaisdealtadimensao AT thiberiomotadasilva previsaodevariaveismacroeconomicasbrasileirasusandomodelosdeseriestemporaisdealtadimensao
_version_	1718415008452313088

Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão

Ejemplares similares