Compartilhamento |
![]() ![]() |
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 | Tamanho | Formato | |
---|---|---|---|
Dissertacao_Roberto_Nogueira_final.pdf | 3,72 MB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.