Please use this identifier to cite or link to this item: http://www.repositorio.ufc.br/handle/riufc/39793
Title in Portuguese: Modelos de previsão da inflação brasileira e combinações de previsões: uma análise de curto prazo
Author: Costa, Paulo Icaro Barros Rodrigues da
Advisor(s): Castelar, Luíz Ivan de Melo
Keywords: Inflação
IPCA
Issue Date: 2018
Citation: COSTA, Paulo Icaro Barros Rodrigues da. Modelos de previsão da inflação brasileira e combinações de previsões: uma análise de curto prazo. 2018. 57 f. Trabalho de Conclusão de Curso (graduação em Finanças) - Universidade Federal do Ceará, Faculdade de Economia, Administração, Atuária e Contabilidade, Fortaleza, 2018.
Abstract in Portuguese: A inflação é uma variável chave para o ambiente econômico, sendo o seu controle um elemento crucial para o planejamento dos agentes e para criar condições favoráveis ao crescimento. É, portanto, de importância fundamental prever a sua trajetória a fim de utilizar mecanismos que possam mantê-la sob controle. Assim, o objetivo deste trabalho é realizar previsões para a inflação mensal brasileira no ano de 2017, mensurada pelo Índice de Preços ao Consumidor Amplo, IPCA. Para obtenção destas, foram utilizados três modelos estatísticos: ou seja, Autorregressivo Integrado de Médias Móveis (ARIMA), Modelo Autorregressivo com Defasagens Distribuídas (ADL) adotando a modelagem da Curva de Phillips, e Modelo de Correção de Erros (VECM). Com o intuito de obter previsões ainda melhores, foi introduzida a técnica de combinação de previsões por meio das seguintes metodologias: média simples, média ponderada e regressão linear. Os critérios utilizados para a avaliação das previsões foram a raiz do erro quadrático médio (RMSE), e o erro percentual absoluto médio (MAPE), sendo o destaque da análise da qualidade das previsões dado a este último, pois ele indica, em termos percentuais, quanto cada previsão se distanciou do real valor da inflação no período. As previsões geradas foram ainda comparadas a dois benchmarks: o modelo Naive, que tem como única premissa a presença de inércia inflacionária, e as previsões de mercado, divulgadas pelo Boletim Focus. Dentre os resultados obtidos, pode-se destacar que, considerando o grupo das previsões geradas pelos modelos, a melhor série de previsão foi a do modelo de correção de erros, com um percentual de erro de 0.1274%. Já no grupo das previsões geradas por combinação, a metodologia de combinação por mínimos quadrados foi a que apresentou maior acurácia, com um percentual de erro na ordem de 0.1221%, sendo esta série, dentre todas, a que melhor se aproximou dos reais valores do IPCA nos meses de 2017. Em conclusão, combinar previsões, em geral, fornece previsões mais precisas que as dos modelos individuais.
Abstract: Inflation is a key variable to the economic environment, being its control a crucial element to the agents’ decision making and to create favourable growth conditions. Therefore, it is of fundamental importance to foresee its trajectory in order to use mechanisms which can keep it under control. Thus the objective of this paper is to make forecasts of the Brazilian monthly inflation in 2017, measured by the Brazilian price index, called IPCA. To achieve them, three statistical models were used: that is, Autorregressive Integrated Moving Average (ARIMA), Autoregressive Distributed Lag (ADL) taking into account the Phillips Curve approach, and the Error Correction Model (VECM). Trying to obtain improved forecasts, the combination of forecasts methodology was implemented using the following methods: simple mean, weighted average and linear regression. The criterions used to rate the forecasts were the Root Mean Squared Error (RMSE), and the Mean Absolute Percent Error (MAPE), where the analysis emphasis is given to this last one, because it shows, in percentage terms, how distant is every forecast series from the real inflation values in the period. The forecasts made were still compared to two benchmarks: the Naive model, which has the supposition of inflation pass-through, and to the market forecasts, available in a report made by the Brazilian Central Bank called Focus. Among the results achieved, one can mention is, considering the group of forecasts made by the three models, the best forecast series was the one from the Error Correction Model, with an error percentage of 0.1274%. Now considering the group of combinations, the method of combining using linear regression was the one which had the best accuracy in its group, with an error percentage of 0.1221%, and it was also the series, among all, which has reached closer the real monthly inflation in 2017. Concluding, combine forecasts, in general, provides more accurate forecasts than the individual models.
URI: http://www.repositorio.ufc.br/handle/riufc/39793
Appears in Collections:FINANÇAS - Monografias

Files in This Item:
File Description SizeFormat 
2018_tcc_pibrcosta.pdf1,22 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.