Inflation Forecasting by Vector Autoregression models and Combination of forecast using Optimization MINIMAX: Evidence from Brazil
| Autor: | Marques, Roberto Nogueira |
|---|---|
| Přispěvatelé: | Ugolini, Andrea, Silva, Carlos Alberto Gonçalves da, Schommer, Susan |
| Jazyk: | portugalština |
| Rok vydání: | 2019 |
| Předmět: |
Forecast Combination
Programação por Metas Inflação Multiple Objective Optimization Otimização Multiobjetivo Inflation Previsão CIENCIAS SOCIAIS APLICADAS::ECONOMIA [CNPQ] Modelos Econométricos Previsão econômica Modelos econométricos Econometric Models Goal Programming Forecast Combinação de Previsões MINIMAX Econometria |
| Zdroj: | Biblioteca Digital de Teses e Dissertações da UERJ Universidade do Estado do Rio de Janeiro (UERJ) instacron:UERJ |
| Popis: | Submitted by Boris Flegr (boris@uerj.br) on 2021-01-05T17:49:42Z No. of bitstreams: 1 Dissertacao_Roberto_Nogueira_final.pdf: 3808259 bytes, checksum: 292de36eb3c8fb3ca430aaa884c3221c (MD5) Made available in DSpace on 2021-01-05T17:49:42Z (GMT). No. of bitstreams: 1 Dissertacao_Roberto_Nogueira_final.pdf: 3808259 bytes, checksum: 292de36eb3c8fb3ca430aaa884c3221c (MD5) Previous issue date: 2019-03-14 The purpose of this dissertation is to present contributions that enable improvements in the predictive capacity of Autoregressive Vectors models(VAR) as a method of results evaluated as accurate in the short and medium term and of low complexity (Lima, Araújo, Silva, 2009) . More specifically, we performed the prediction of the consumer price index (IPCA) by estimating VAR models using linear multi-objective MINIMAX mathematical programming combinations (PPM) that allowed the VAR models to reach higher accuracy. The results of this work indicate that, on average, by the static method, the combined inflation forecasts calculated by the combination of predictions that minimize the mean square error (MSE) and the three statistics (MAPE, MAE and MSE) surpass a used Naïve model as benchmark and the most accurate individual forecast VAR model. This is mainly observed for forecasts with 6 and 12 steps forward. By the dynamic method, in the 12-month horizon the forecasts were more accurate than those of the reference model. Esta dissertação tem como propósito apresentar contribuições que viabilizem melhorias na capacidade de previsão dos modelos de Vetores Autorregressivos (VAR) por ser um método de resultados avaliados como acurados no curto e no médio prazo e de baixa complexidade (Lima; Araújo; Silva, 2009).Mais especificamente, realizamos a previsão do índice de preços ao consumidor amplo (IPCA)através da estimação de modelos VAR utilizando-se de combinações lineares de programação matemática (PPM) multiobjetivo MINIMAX que permitissem aos modelos VAR atingirem maior acurácia. Os resultados deste trabalho nos apontam que, em média, pelo método estático, as previsões combinadas de inflação calculadas pela combinação de previsões que minimizam o erro quadrático médio (MSE) e as 3 estatísticas (MAPE, MAE e MSE) superam um modelo Naïve usado como referência (benchmark) e o modelo VAR de previsão individual com maior acurácia. Isso é observado principalmente para previsões com 6 e 12 passos à frente. Pelo método dinâmico, no horizonte de 12 meses as previsões foram mais acuradas que àqueles do modelo referência. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|