Previsão da Inflação utilizando modelos de Vetores Autorregressivos e Combinação de previsões pela Otimização MINIMAX: Evidências no Brasil

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: Marques, Roberto Nogueira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade do Estado do Rio de Janeiro
Centro de Ciências Sociais::Faculdade de Ciências Econômicas
BR
UERJ
Programa de Pós-Graduação em Ciências Econômicas
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.bdtd.uerj.br/handle/1/7569
Resumo: Esta dissertação tem como propósito apresentar contribuições que viabilizem melhorias na capacidade de previsão dos modelos de Vetores Autorregressivos (VAR) por ser um método de resultados avaliados como acurados no curto e no médio prazo e de baixa complexidade (Lima; Araújo; Silva, 2009).Mais especificamente, realizamos a previsão do índice de preços ao consumidor amplo (IPCA)através da estimação de modelos VAR utilizando-se de combinações lineares de programação matemática (PPM) multiobjetivo MINIMAX que permitissem aos modelos VAR atingirem maior acurácia. Os resultados deste trabalho nos apontam que, em média, pelo método estático, as previsões combinadas de inflação calculadas pela combinação de previsões que minimizam o erro quadrático médio (MSE) e as 3 estatísticas (MAPE, MAE e MSE) superam um modelo Naïve usado como referência (benchmark) e o modelo VAR de previsão individual com maior acurácia. Isso é observado principalmente para previsões com 6 e 12 passos à frente. Pelo método dinâmico, no horizonte de 12 meses as previsões foram mais acuradas que àqueles do modelo referência.