[pt] O USO DE MÁQUINA DE SUPORTE VETORIAL PARA REGRESSÃO (SVR) NA ESTIMAÇÃO DA ESTRUTURA A TERMO DA TAXA DE JUROS DO BRASIL

• Ano de defesa: 2007
• Autor(a) principal: MARINA SEQUEIROS DIAS
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] SERIE TEMPORAL; [pt] MODELOS DE PREVISAO; [pt] TAXA DE JUROS; [en] TIME SERIE; [en] FORECASTING MODELS; [en] INTEREST RATES
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=10095&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=10095&idi=2; http://doi.org/10.17771/PUCRio.acad.10095

[pt] Nessa dissertação um novo método para previsão da Estrutura a Termo da Taxa de Juros Brasileira - ETTJ brasileira - conhecido como Máquina de Suporte Vetorial para Regressão é investigado, comparando-o com os métodos tradicionais, tais como modelos VAR (Vetor Auto- regressivo) e ECM (Modelos de Correção de Erros). Utiliza-se além dos retornos de títulos de renda fixa, algumas variáveis macro-econômicas, que conforme sugerido no artigo de Evans e Marshall (1998) e verificado para economia brasileira no artigo de Fukuda, Vereda e Lopes (2006) melhoram a previsão dos retornos de títulos de renda fixa no longo prazo. O experimento mostra uma melhora considerável do SVR sobre os modelos tradicionais mencionados no longo prazo, atuando ainda como ótimo indicador da direção das taxas em praticamente todos os horizontes de previsão. Para tal avaliação, foram utilizados os critérios de raiz do erro quadrado médio, erro absoluto médio, simetria direcional e simetria direcional ponderada, correta tendência para cima e correta tendência para baixo além do teste U de Theil, que faz uso da raiz do erro quadrado médio para verificar se ocorre uma melhora significativa de um modelo sobre outro. Uma vez que não existe uma maneira estruturada para escolha dos parâmetros livres do SVR, a escolha dos mesmos foi feita através de uma função do software R, que faz uma pesquisa em um domínio retangular fornecido pelo usuário. A análise dos resultados mostra que SVR é uma técnica promissora para previsão dos retornos de títulos de renda fixa, sugerindo-se ainda melhorar as escolhas dos parâmetros livres do SVR uma vez que os mesmos são meios poderosos de regularização e adaptação do ruído aos dados.