| Revista: | Estudos economicos - Instituto de Pesquisas Economicas |
| Base de datos: | CLASE |
| Número de sistema: | 000495773 |
| ISSN: | 0101-4161 |
| Autores: | Barbosa, Rafael B1 Ferreira, Roberto Tatiwa1 Silva, Thiberio Mota da2 |
| Instituciones: | 1Universidade Federal do Ceara, Fortaleza, Ceara. Brasil 2Universidade Federal do Piaui, Teresina, Piaui. Brasil |
| Año: | 2020 |
| Periodo: | Ene-Mar |
| Volumen: | 50 |
| Número: | 1 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en inglés | This paper analyzes the performance of high-dimensional factor models to forecast four Brazilian macroeconomic variables: two real variables, unemployment rate and industrial production index, and two nominal variables, IPCA and IPC. The factors are estimated from a data set containing 117 macroeconomic variables. We applied techniques to improve factor models forecasts. Methods of statistical learning are applied aims to increase the performance of factors models. Three types of statistical learning techniques are used: shrinkage methods, forecast combinations, and selection of preditors. The factors are extracted using supervised and unsupervised version. The results indicate that statistical learning improves forecasts performance. The combination of statistical learning and supervised factor models is more accurate than all other models, with exception to the industrial production index which is best forecasted by unsupervised factor model without statistical learning |
| Resumen en portugués | 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 |
| Disciplinas: | Economía |
| Palabras clave: | Econometría, Brasil, Variables macroeconómicas, Modelos econométricos, Predicción económica |
| Keyword: | Econometrics, Brazil, Macroeconomic variables, Econometric models, Economic forecast |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
