Nowcasting do PIB americano utilizando técnicas de machine learning: uma abordagem de frequências mistas

• Ano de defesa: 2023
• Autor(a) principal: Salles, Isadora de Almeida Leão
• Orientador(a): Pessôa, Silvia Maria de Matos
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: PIB; Frequências mistas
• Palavras-chave em Inglês: Nowcasting; Machine learning; Skip-sampling; GDP; Mixed-frequency
• Link de acesso: https://hdl.handle.net/10438/35486

O presente trabalho se propõe a contribuir para a literatura de previsão econômica de curto prazo por meio da construção de nowcastings mensais para o PIB americano. Adota-se uma metodologia ainda pouco explorada, que combina técnicas de Machine Learning em uma abordagem de frequências mistas. Os resultados foram promissores, com ganhos expressivos desses modelos em comparação com os benchmarks univariados. O trabalho também agrega à recente literatura do pós-pandemia através de uma análise do desempenho dos modelos antes e depois dessa crise, permitindo a analogia dos resultados para períodos de baixa e alta volatilidade no PIB. Obtém-se evidências de que o nowcasting proporciona ganhos significativos às previsões do PIB, especialmente no segundo período, quando também se observa uma superioridade dos modelos lineares em relação aos não-lineares. Em períodos de menor volatilidade, o contrário se verifica, como consequência tanto da não-linearidade como da qualidade de seleção das variáveis nesses momentos.