Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/7569
Tipo do documento: Dissertação
Título: Previsão da Inflação utilizando modelos de Vetores Autorregressivos e Combinação de previsões pela Otimização MINIMAX: Evidências no Brasil
Título(s) alternativo(s): Inflation Forecasting by Vector Autoregression models and Combination of forecast using Optimization MINIMAX: Evidence from Brazil
Autor: Marques, Roberto Nogueira 
Primeiro orientador: Ugolini, Andrea
Primeiro membro da banca: Silva, Carlos Alberto Gonçalves da
Segundo membro da banca: Schommer, Susan
Resumo: Esta dissertação tem como propósito apresentar contribuições que viabilizem melhorias na capacidade de previsão dos modelos de Vetores Autorregressivos (VAR) por ser um método de resultados avaliados como acurados no curto e no médio prazo e de baixa complexidade (Lima; Araújo; Silva, 2009).Mais especificamente, realizamos a previsão do índice de preços ao consumidor amplo (IPCA)através da estimação de modelos VAR utilizando-se de combinações lineares de programação matemática (PPM) multiobjetivo MINIMAX que permitissem aos modelos VAR atingirem maior acurácia. Os resultados deste trabalho nos apontam que, em média, pelo método estático, as previsões combinadas de inflação calculadas pela combinação de previsões que minimizam o erro quadrático médio (MSE) e as 3 estatísticas (MAPE, MAE e MSE) superam um modelo Naïve usado como referência (benchmark) e o modelo VAR de previsão individual com maior acurácia. Isso é observado principalmente para previsões com 6 e 12 passos à frente. Pelo método dinâmico, no horizonte de 12 meses as previsões foram mais acuradas que àqueles do modelo referência.
Abstract: The purpose of this dissertation is to present contributions that enable improvements in the predictive capacity of Autoregressive Vectors models(VAR) as a method of results evaluated as accurate in the short and medium term and of low complexity (Lima, Araújo, Silva, 2009) . More specifically, we performed the prediction of the consumer price index (IPCA) by estimating VAR models using linear multi-objective MINIMAX mathematical programming combinations (PPM) that allowed the VAR models to reach higher accuracy. The results of this work indicate that, on average, by the static method, the combined inflation forecasts calculated by the combination of predictions that minimize the mean square error (MSE) and the three statistics (MAPE, MAE and MSE) surpass a used Naïve model as benchmark and the most accurate individual forecast VAR model. This is mainly observed for forecasts with 6 and 12 steps forward. By the dynamic method, in the 12-month horizon the forecasts were more accurate than those of the reference model.
Palavras-chave: Inflation
Econometric Models
Forecast
Forecast Combination
Multiple Objective Optimization
Goal Programming
MINIMAX.
Inflação
Modelos Econométricos
Previsão
Combinação de Previsões
Otimização Multiobjetivo
Programação por Metas
MINIMAX.
Econometria
Previsão econômica Modelos econométricos .
Inflação
Área(s) do CNPq: CNPQ::CIENCIAS SOCIAIS APLICADAS::ECONOMIA
Idioma: por
País: BR
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Ciências Sociais::Faculdade de Ciências Econômicas
Programa: Programa de Pós-Graduação em Ciências Econômicas
Citação: MARQUES, Roberto Nogueira. Previsão da Inflação utilizando modelos de Vetores Autorregressivos e Combinação de previsões pela Otimização MINIMAX: Evidências no Brasil. 2019. 140 f. Dissertação (Mestrado em Economia Internacional; Políticas Públicas) - Universidade do Estado do Rio de Janeiro, Rio de Janeiro, 2019.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/7569
Data de defesa: 14-Mar-2019
Aparece nas coleções:Mestrado em Ciências Econômicas

Arquivos associados a este item:
Arquivo TamanhoFormato 
Dissertacao_Roberto_Nogueira_final.pdf3,72 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.