Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
Zaniol, Cristina |
Orientador(a): |
Claeyssen, Julio Cesar Ruiz |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Tese
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Não Informado pela instituição
|
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://hdl.handle.net/10183/220621
|
Resumo: |
A inflação é caracterizada pelo aumento dos preços contínuo e generalizado em uma economia. Pequenas taxas de inflação são naturais e associadas com o crescimento saudável de uma economia; entretanto, a incerteza relacionada com a volatilidade e com a previsibilidade da inflação traz dificuldades na manutenção do poder de compra e, em nível macroeconômico, no delineamento de políticas monetárias. Para descrever o comportamento persistente da inflação, vários bancos centrais utilizam os Núcleos de Inflação, cujo objetivo é decompor a inflação em componentes persistentes e transitórios a fim de observar a sua tendência. Neste trabalho, propõe-se núcleos de inflação baseados em wavelets, utilizando as famílias Daubechies e Symlets, os quais permitem a exclusão de componentes transitórios sem serem necessárias hipóteses adicionais. Para construção desses núcleos, foi utilizado o Índice de Preços ao Consumidor Amplo(IPCA), no período entre julho de 2006 a dezembro de 2019. Uma série de testes são aplicados aos núcleos propostos com a finalidade de comparar estes com os atualmente adotados pelo Banco Central do Brasil. Ainda, com objetivo de prever o comportamento futuro da inflação brasileira, adotam-se técnicas de inteligência artificial, como as redes neurais. Ressalta-se que o uso das redes neurais possibilita lidar com problemas altamente complexos, os quais nem sempre podem ser descritos por modelos analíticos. Delimitam-se, ainda, as estimativas prováveis das previsões futuras através de intervalos de confiança. Dentre as principais conclusões do trabalho, salienta-se que os núcleos de inflação baseados em wavelets possuem menores erros de previsão para horizontes mais breves, até seis meses. Além disso, verifica-se que a previsão gerada pelos núcleos de inflação são suavizações da inflação, permitindo identificar apenas a tendência da inflação para um horizonte de até doze meses. |