CAPITAL FLOWS TO EMERGING MARKETS: THE CASE OF BRAZIL
| Autor: | THIAGO GUEDES MORAIS |
|---|---|
| Přispěvatelé: | MARCIO GOMES PINTO GARCIA, MARCELO CUNHA MEDEIROS, WALDYR DUTRA AREOSA |
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Zdroj: | Repositório Institucional da PUC-RIO (Projeto Maxwell) Pontifícia Universidade Católica do Rio de Janeiro (PUC-RIO) instacron:PUC_RIO |
| Popis: | Motivados pela posição de destaque do real brasileiro entre uma das moedas mais depreciadas em relação aos seus pares emergentes em meados de 2020, potencialmente fomentada pela expressiva evasão de capitais observada no decorrer da pandemia COVID-19 que culminou com um déficit no mercado cambial, realizamos previsões um trimestre a frente para os fluxos de capitais líquidos para o Brasil através de técnicas de machine learning, utilizando modelos de regularização para seleção das variáveis importantes. Os fluxos são obtidos a partir de dados trimestrais do balanço de pagamentos, englobando 2004:T1 a 2021:T1. Os modelos propostos, tanto LASSO quanto adaLASSO + OLS, foram capazes de gerar previsões fora da amostra melhores que o modelo de benchmark, AR. Apesar disso, quando comparados entre si, não podemos rejeitar a hipótese nula de que os modelos propostos possuem a mesma precisão de previsão. Motivated by the prominent position of the Brazilian real among the most depreciated currencies in comparison with its emerging peers in mid-2020, potentially fueled by the significant capital outflow observed during the COVID19 pandemic that resulted in a deficit in the foreign exchange market, we make one quarter-ahead forecast for net capital flows to Brazil through machine learning techniques, using shrinkage methods to select important variables. These flows are computed from quarterly balance of payments data from 2004:Q1 to 2021:Q1. The proposed models, both LASSO and adaLASSO + OLS, were able to generate better out-of-sample forecasts than the benchmark model, AR. Nevertheless, when compared to each other, we cannot reject the null hypothesis that the proposed models have the same forecast accuracy. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|