Detalhes bibliográficos
| Ano de defesa: |
2012 |
| Autor(a) principal: |
AMARAL JÚNIOR, João Bosco |
| Orientador(a): |
TÁVORA JÚNIOR, José Lamartine |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| 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: |
https://repositorio.ufpe.br/handle/123456789/10338
|
Resumo: |
A tarefa de prever o comportamento das taxas de juros sempre esteve no círculo de interesse de economistas, profissionais de mercado e governo. Pensando na gestão eficiente dos seus recursos, esses agentes econômicos precisam prever adequadamente a estrutura a termo das taxas de juros (ETTJ). Tendo em vista, então, a importância do assunto, uma vasta literatura que trata da estimação e da previsão da ETTJ pode ser encontrada. Esta pesquisa pretende contribuir na área de previsão de juros ao fazer uso de duas técnicas não-lineares cuja aplicação ainda é escassa no mercado brasileiro de renda fixa: Redes Neurais Artificiais (RNA) e Máquina de Suporte Vetorial (MSV). A fim de investigar se o desempenho preditivo dessas duas técnicas é melhor que o de modelos baseados na hipótese da linearidade, foram estimados modelos do tipo Vetor Autorregressivo com correção de erros (VEC) e ARIMA. Com a intenção de se examinar a significância dos resultados, o teste de Diebold e Mariano (1995) – para avaliar a precisão da previsão – foi aplicado. Os principais resultados são que os modelos não-lineares se mostraram mais precisos que os lineares, na previsão; e a MSV superou a RNA para cinco de seis maturidades da ETTJ. Investigando a literatura relacionada, pode-se concluir que não há um consenso em torno desses resultados, existindo estudos na direção contrária e a favor. |
