Boosting and predictability of macroeconomic variables : evidence from Brazil
Visualizar/abrir
Data
2022Orientador
Nível acadêmico
Graduação
Assunto
Abstract
This paper aims to elaborate a treated data set and apply the boosting methodology to monthly Brazilian macroeconomic variables to check its predictability. The forecasting performed here consists in using linear and nonlinear base-learners, as well as a third type of model that has both linear and nonlinear components in the estimation of the variables using the history itself with lag up to 12 periods. The results obtained here through different evaluation approaches point out that, on averag ...
This paper aims to elaborate a treated data set and apply the boosting methodology to monthly Brazilian macroeconomic variables to check its predictability. The forecasting performed here consists in using linear and nonlinear base-learners, as well as a third type of model that has both linear and nonlinear components in the estimation of the variables using the history itself with lag up to 12 periods. The results obtained here through different evaluation approaches point out that, on average, the performance of boosting models using P-Splines as base-learner are the ones that have the best results, especially the methodology with two components: two-stage boosting. Finally, we perform alternative methods to check the robustness of the results. ...
Resumo
Este trabalho visa elaborar um conjunto de dados tratados e aplicar a metodologia L2Boosting às variáveis macroeconômicas mensais brasileiras selecionadas para verifcar sua previsibilidade. A previsão aqui realizada consiste no uso de estimações de base lineares e não lineares, assim como um terceiro tipo de modelo que tem componentes lineares e não lineares na estimativa das variáveis usando o próprio histórico com defasagem de até 12 períodos. Os resultados obtidos aqui através de diferentes ...
Este trabalho visa elaborar um conjunto de dados tratados e aplicar a metodologia L2Boosting às variáveis macroeconômicas mensais brasileiras selecionadas para verifcar sua previsibilidade. A previsão aqui realizada consiste no uso de estimações de base lineares e não lineares, assim como um terceiro tipo de modelo que tem componentes lineares e não lineares na estimativa das variáveis usando o próprio histórico com defasagem de até 12 períodos. Os resultados obtidos aqui através de diferentes abordagens de avaliação apontam que, em média, o desempenho dos modelos de boosting usando P-Splines como base-learner são os que têm os melhores resultados, especialmente a metodologia com dois componentes: o boosting em dois estágios. Finalmente, realizamos métodos alternativos para verifcar a robustez dos resultados. ...
Instituição
Universidade Federal do Rio Grande do Sul. Faculdade de Ciências Econômicas. Curso de Ciências Econômicas.
Coleções
-
TCC Ciências Econômicas (1292)
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)