Essays in macroeconometrics

• Ano de defesa: 2020
• Autor(a) principal: Kira, Guilherme
• Orientador(a): Issler, João Victor
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: Aprendizado de máquina; Combinação de previsões; Inflação; Previsão; Nowcasting; Filtro de Kalman; Modelo de fatores; Monte Carlo
• Palavras-chave em Inglês: Rational inattention; Equity premium puzzle; Machine learning; Inflation; Forecasting
• Link de acesso: https://hdl.handle.net/10438/30038

Esta tese consiste em três artigos independentes em macroeconometria. No primeiro artigo, nós propomos um modelo de rational-inattention, a fim de se analisar e estimar o comportamento de forecasters profissionais do Focus Survey, um sistema administrado pelo Banco Central do Brasil (BCB). Já no segundo artigo nós realizamos o nowcast da inflação do Brasil, oficialmente medido pelo IPCA. Nesse artigo, nós usamos métodos de aprendizado de máquina (machine learning), modelos de alta dimensionalidade e combinação de forecasts para melhorar a precisão do nowcast de inflação. Finalmente, o terceiro artigo investiga o potencial impacto que o problema de viés de seleção dos ativos pode apresentar em explicar o Equity Premium Puzzle. Nossa abordagem aplica simulação de Monte Carlo e estimação do coeficiente de aversão relativa ao risco via Método dos Momentos Generalizados.