Forecasting Brazilian macroeconomics variables using high-dimensional time series
Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconô...
| Autores: | , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Estudos Econômicos (São Paulo) |
| Idioma: | portugués |
| OAI Identifier: | oai:revistas.usp.br:article/142262 |
| Acceso en línea: | https://www.revistas.usp.br/ee/article/view/142262 |
| Access Level: | acceso abierto |
| Palabra clave: | Forecast Diffusion Index Shrinkage Methods Forecast Combination Brazilian Macroeconomics Previsão Modelos de Fatores Métodos de Shrinkage Combinação de Previsão Variáveis Macroeconômicas Brasileiras |
| Sumario: | Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconômicas. Técnicas de aprendizado estatístico foram aplicadas visando aumentar a performance dos modelos fatoriais. Três tipos de técnicas de aprendizado estatístico foram aplicadas: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos sem fatores, do que modelos fatoriais com ou sem supervisão e do que modelos que utilizam apenas o aprendizado estatístico sem supervisião dos fatores. Única exceção a estas conclusões foi a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores. |
|---|