| Ano de defesa: |
2023 |
| Autor(a) principal: |
Wizenberg, Marcelo |
| Orientador(a): |
Matos, Silvia Maria |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Não Informado pela instituição
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Palavras-chave em Inglês: |
|
| Link de acesso: |
https://hdl.handle.net/10438/35083
|
| Resumo: |
Com base nos recentes avanços nos métodos de nowcasting destinados a prever a atividade econômica de um país, foi aplicada a estimação por Modelos de Fatores Dinâmicos - Dynamic Factor Models (DFM) - sustentados pelo algoritmo de expectativa-maximização - Expectation-Maximization (EM) - para a previsão da taxa trimestral do PIB brasileiro em relação ao mesmo período do ano anterior. Esta metodologia lida habilmente com desafios como dados de frequências mistas, amostras recortadas, dados faltantes e a alta dimensionalidade inerente ao conjunto de dados macroeconômicos. Para facilitar este esforço, elaborou-se um pseudo-calendário que captura os principais indicadores macroeconômicos brasileiros desde o início de 2003 até agosto de 2023. Foram utilizadas as expectativas diárias do PIB, divulgada pelo Banco Central do Brasil (BCB), como benchmark para análise de desempenho do modelo. No final, um exercício de previsão em tempo real é proposto visando fazer a previsão do PIB em um período fora da amostra. |
|---|
