Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação
View/ Open
Date
2016Author
Advisor
Academic level
Graduation
Subject
Abstract in Portuguese (Brasil)
No presente trabalho serão utilizados modelos de alta dimensão Lasso, adaLasso, WLadalasso, para redução de dimensionalidade e previsão de índices usuais da inflação brasileira: IPCA e IGP-M. Os modelos são comparados ao método de previsão geralmente utilizado, autoregressivo linear. Os resultados mostram que os modelos na forma Lasso tem erros quadráticos médios e erros médio absolutos menores para previsões de poucos passos a frente, e para horizontes mais longos os modelos autoregressivos pr ...
No presente trabalho serão utilizados modelos de alta dimensão Lasso, adaLasso, WLadalasso, para redução de dimensionalidade e previsão de índices usuais da inflação brasileira: IPCA e IGP-M. Os modelos são comparados ao método de previsão geralmente utilizado, autoregressivo linear. Os resultados mostram que os modelos na forma Lasso tem erros quadráticos médios e erros médio absolutos menores para previsões de poucos passos a frente, e para horizontes mais longos os modelos autoregressivos produzem erros menores, embora não sejam diferenças significativas. Todos os modelos foram estimados para os dois índices citados anteriormente, e os resultados mostram que as variáveis que determinam as previsões, são diferentes para cada um dos índices, para o IPCA as variáveis determinantes dizem respeito a petróleo e dívida pública e para o IGP-M além das variáveis de dívida pública também compõe a previsão variáveis referentes à moeda nacional. O estudo é uma abordagem da previsão da taxa de crescimento dos índices em relação às variáveis que cobrem o cenário econômico do país. ...
Abstract
In the present work will be used high-dimensional models Lasso, adaLasso, WLadalasso, for dimensionality reduction and prediction of the usual Brazilian inflation indexes: IPCA e IGP-M. The models are compared to the commonly used, autoregressive linear prediction method. The results show that the models in the Lasso form have mean square errors and mean absolute errors smaller for predictions of a few steps forward, and for longer horizons the autoregressive models produce smaller errors, alth ...
In the present work will be used high-dimensional models Lasso, adaLasso, WLadalasso, for dimensionality reduction and prediction of the usual Brazilian inflation indexes: IPCA e IGP-M. The models are compared to the commonly used, autoregressive linear prediction method. The results show that the models in the Lasso form have mean square errors and mean absolute errors smaller for predictions of a few steps forward, and for longer horizons the autoregressive models produce smaller errors, although they are not significant differences. All models were estimated for the two indexes mentioned above, and the results show that the variables that determine the predictions are different for each index, for the IPCA the determinant variables concern oil and public debt and for the IGP-M besides the public debt variables also composes the forecast variables referring to the national currency. The study is an approach to predict the index growth rate in relation to the variables that cover the country's economic scenario. ...
Institution
Universidade Federal do Rio Grande do Sul. Instituto de Matemática e Estatística. Curso de Estatística: Bacharelado.
Collections
This item is licensed under a Creative Commons License