Previsão de Variáveis Macroeconômicas Brasileiras usando Modelos de Séries Temporais de Alta Dimensão

Abstract

Resumo Este artigo analisa o desempenho de modelos fatoriais de alta dimensão para prever quatro variáveis macroeconômicas brasileiras: duas variáveis reais, taxa de desemprego e o índice de produção industrial, e duas variáveis nominais, IPCA e IPC. Os fatores são estimados a partir de um conjunto composto por 117 variáveis macroeconômicas. Visando aumentar a performance dos modelos fatoriais são empregadas diferentes formas de extração e de utilização dos fatores. Três tipos de técnicas de aprendizado estatístico foram aplicados: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos que não utilizam fatores, modelos fatoriais com ou sem supervisão e modelos que utilizam apenas o aprendizado estatístico sem supervisão dos fatores. Única exceção a estas conclusões foram a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores.