Previsão da série temporal da inflação usando modelos orientados por score dinâmico e métodos de aprimoramento de acurácia preditiva: o caso do Brasil.

• Ano de defesa: 2023
• Autor(a) principal: Castro, Carlos Henrique Dias Cordeiro de
• Tipo de documento: Tese
• 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; Brasil; UERJ; Programa de Pós-Graduação em Ciências Econômicas
• Palavras-chave em Português: Inflation forecast; Generalized Autoregressive Score; FOCUS Bulletin; Inflação – Brasil; Previsão econômica – Brasil; Modelos econométricos; Economia – Brasil; Previsão de inflação; Boletim FOCUS; CIENCIAS SOCIAIS APLICADAS::ECONOMIA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/20904

Esta tese analisa as previsões mensais da inflação brasileira, medida pelo IPCA, obtidas por modelos baseados na abordagem GAS (Generalized Autoregressive Score) desenvolvido por Creal et al. (2008) e Harvey e Chakravarty (2008) com as previsões divulgadas pelo Boletim Focus, além de outros modelos competidores comumente usados na literatura. Os modelos GAS pertencem à classe de modelos guiados por observações, isto é, modelos em que os parâmetros variam no tempo de acordo com um mecanismo que envolve os valores passados do parâmetro e o passado das observações via função score. Os modelos baseados em score fornecem um método de previsão atraente e têm sido empregados com sucesso em uma variedade de aplicações empíricas para previsão de variáveis econômicas e financeiras. Os primeiros resultados comparativos de previsão pontual, estabilidade e densidade preditiva mostram que os modelos GAS, principalmente com distribuição t-Student, se mostram superiores em relação aos modelos competidores, porém com maiores erros de previsão médios que as projeções do Boletim Focus, fato esse corroborado por testes de significância estatística. Por conta disso, procurou-se estratégicas empíricas para aprimorar a acurácia dos modelos de previsão. Foram adotadas três estratégias: (i) incorporar informações de alta frequência às previsões estimadas pelos modelos individuais via modelo de regressão MIDAS (Mixed Data Sampling) de Ghysels et al. (2004); (ii) a incorporação de expectativas inflacionária via modelo de Black e Litterman (Black e Litterman, 1990); (iii) Por fim, com base em um conjunto de confiança, foi aplicada uma ampla gama de métodos de combinação aos componentes de previsão. Os resultados mostraram que todas essas três etapas foram importantes para ganho de desempenho de previsão. Alguns resultados encontrados por de Castro e Aiube (2022) ratificam os resultados do presente trabalho. Primeiro, os modelos GAS podem ser competitivos em relação às projeções do Boletim Focus e a outros modelos tradicionais na literatura para previsão da inflação brasileira. Segundo, os modelos GAS com distribuição t-Student e heterocedástico produziram estimativas de previsão com melhor desempenho em termos de previsão pontual, estabilidade e densidade preditiva. Terceiro, a combinação de modelos foi capaz de gerar previsões de inflação mais robustas quando comparadas a modelos individuais.