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...

Descripción completa

Detalles Bibliográficos
Autores: Barbosa, Rafael Barros, Ferreira, Roberto Tatiwa, Silva, Thibério Mota da
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
id BR_7c9ab4e504b2bf98b88fcec3137da3aa
oai_identifier_str oai:revistas.usp.br:article/142262
network_acronym_str BR
network_name_str Brasil
repository_id_str
spelling Forecasting Brazilian macroeconomics variables using high-dimensional time seriesPrevisão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensãoForecastDiffusion IndexShrinkage MethodsForecast CombinationBrazilian MacroeconomicsPrevisãoModelos de FatoresMétodos de ShrinkageCombinação de PrevisãoVariáveis Macroeconômicas BrasileirasEste 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.This paper analyzes the performance of high-dimensional factor models to forecast four Brazilianmacroeconomic variables: two real variables, unemployment rate and industrial productionindex, and two nominal variables, IPCA and IPC. The factors are estimated from a data setcontaining 117 macroeconomic variables. We applied techniques to improve factor models forecasts. Methods of statistical learning are applied aims to increase the performance of factorsmodels. Three types of statistical learning techniques are used: shrinkage methods, forecastcombinations, and selection of preditors. The factors are extracted using supervised and unsupervisedversion. The results indicate that statistical learning improves forecasts performance.The combination of statistical learning and supervised factor models is more accurate than allother models, with exception to the industrial production index which is best forecasted byunsupervised factor model without statistical learning.Universidade de São Paulo. Faculdade de Economia, Administração, Contabilidade e Atuária2020-03-30info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://www.revistas.usp.br/ee/article/view/14226210.1590/0101-41615013rrtEstudos Econômicos (São Paulo); v. 50 n. 1 (2020); 67-981980-53570101-4161reponame:Estudos Econômicos (São Paulo)instname:Universidade de São Paulo (USP)instacron:USPporhttps://www.revistas.usp.br/ee/article/view/142262/159967Copyright (c) 2020 Rafael Barros Barbosa, Roberto Tatiwa Ferreira, Thibério Mota da Silvahttp://creativecommons.org/licenses/by-nc/4.0info:eu-repo/semantics/openAccessBarbosa, Rafael BarrosFerreira, Roberto TatiwaSilva, Thibério Mota da2021-01-04T15:03:54Zoai:revistas.usp.br:article/142262Revistahttps://www.revistas.usp.br/eePUBhttps://www.revistas.usp.br/ee/oaiestudoseconomicos@usp.br||aldrighi@usp.br1980-53570101-4161opendoar:2021-01-04T15:03:54Estudos Econômicos (São Paulo) - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Forecasting Brazilian macroeconomics variables using high-dimensional time series
Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão
title Forecasting Brazilian macroeconomics variables using high-dimensional time series
spellingShingle Forecasting Brazilian macroeconomics variables using high-dimensional time series
Barbosa, Rafael Barros
Forecast
Diffusion Index
Shrinkage Methods
Forecast Combination
Brazilian Macroeconomics
Previsão
Modelos de Fatores
Métodos de Shrinkage
Combinação de Previsão
Variáveis Macroeconômicas Brasileiras
title_short Forecasting Brazilian macroeconomics variables using high-dimensional time series
title_full Forecasting Brazilian macroeconomics variables using high-dimensional time series
title_fullStr Forecasting Brazilian macroeconomics variables using high-dimensional time series
title_full_unstemmed Forecasting Brazilian macroeconomics variables using high-dimensional time series
title_sort Forecasting Brazilian macroeconomics variables using high-dimensional time series
dc.creator.none.fl_str_mv Barbosa, Rafael Barros
Ferreira, Roberto Tatiwa
Silva, Thibério Mota da
author Barbosa, Rafael Barros
author_facet Barbosa, Rafael Barros
Ferreira, Roberto Tatiwa
Silva, Thibério Mota da
author_role author
author2 Ferreira, Roberto Tatiwa
Silva, Thibério Mota da
author2_role author
author
dc.subject.por.fl_str_mv Forecast
Diffusion Index
Shrinkage Methods
Forecast Combination
Brazilian Macroeconomics
Previsão
Modelos de Fatores
Métodos de Shrinkage
Combinação de Previsão
Variáveis Macroeconômicas Brasileiras
topic Forecast
Diffusion Index
Shrinkage Methods
Forecast Combination
Brazilian Macroeconomics
Previsão
Modelos de Fatores
Métodos de Shrinkage
Combinação de Previsão
Variáveis Macroeconômicas Brasileiras
description 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.
publishDate 2020
dc.date.none.fl_str_mv 2020-03-30
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
format article
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.revistas.usp.br/ee/article/view/142262
10.1590/0101-41615013rrt
url https://www.revistas.usp.br/ee/article/view/142262
identifier_str_mv 10.1590/0101-41615013rrt
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://www.revistas.usp.br/ee/article/view/142262/159967
dc.rights.driver.fl_str_mv Copyright (c) 2020 Rafael Barros Barbosa, Roberto Tatiwa Ferreira, Thibério Mota da Silva
http://creativecommons.org/licenses/by-nc/4.0
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Copyright (c) 2020 Rafael Barros Barbosa, Roberto Tatiwa Ferreira, Thibério Mota da Silva
http://creativecommons.org/licenses/by-nc/4.0
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade de São Paulo. Faculdade de Economia, Administração, Contabilidade e Atuária
publisher.none.fl_str_mv Universidade de São Paulo. Faculdade de Economia, Administração, Contabilidade e Atuária
dc.source.none.fl_str_mv Estudos Econômicos (São Paulo); v. 50 n. 1 (2020); 67-98
1980-5357
0101-4161
reponame:Estudos Econômicos (São Paulo)
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Estudos Econômicos (São Paulo)
collection Estudos Econômicos (São Paulo)
repository.name.fl_str_mv Estudos Econômicos (São Paulo) - Universidade de São Paulo (USP)
repository.mail.fl_str_mv estudoseconomicos@usp.br||aldrighi@usp.br
_version_ 1853675568834281472
score 15,301629

Similares en LA Referencia