Nowcasting brazilian inflation with machine learning
| Autor: | Garnitskiy, Leonid |
|---|---|
| Přispěvatelé: | Escolas::EPGE, Iachan, Felipe Saraiva, Gaglianone, Wagner Piazza, Issler, João Victor |
| Jazyk: | angličtina |
| Rok vydání: | 2020 |
| Předmět: | |
| Zdroj: | Repositório Institucional do FGV (FGV Repositório Digital) Fundação Getulio Vargas (FGV) instacron:FGV |
| Popis: | A importância de monitoramento das principais variáveis macroeconômicas é evidenciada pelo grande esforço que os agentes devotam a esta tarefa. O presente trabalho propõe-se a contribuir para a literatura de previsão econômica, aplicando os modelos de aprendizado de máquina para monitorar diariamente a inflação brasileira medida pelo IPCA. Os resultados obtidos são promissores. O benefício de fazer monitoramento diário da inflação em vez da previsão uma vez por mês é na ordem de 50%-60% em média para quase todos os modelos de aprendizado de máquina considerados. Os modelos que apresentam o melhor desempenho são Regressão de Subconjunto Completo e Floresta Aleatória. Os resultados também mostram que usar técnicas multivariadas de aprendizado de máquina em vez de simples modelos univariados reduz o erro da previsão em até 20%. Many efforts are made by economists to track key macroeconomic variables in real time. This paper aims to make a contribution to economic forecasting research by employing Machine Learning techniques to perform a daily nowcasting of Brazilian inflation. The original results obtained are encouraging. The benefit of making a daily nowcast of inflation instead of one-month-ahead forecast is found to be of 50%-60% on average for almost all ML models considered. The best-performing ML techniques are Complete Subset Regression and Random Forest. The results also show that using ML methods instead of univariate benchmarks reduces the nowcasting error in at most 20%. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|