Previsão da produção industrial com VAR Bayesiano com Shrinkage Prior
Data
2019
Autores
Almeida, Caio Leonardo Pilão de 
Orientadores
Mendonça, Diogo de Prince
Tipo
Trabalho de conclusão de curso
Título da Revista
ISSN da Revista
Título de Volume
Resumo
O entendimento do comportamento de agregados econômicos é necessário para tomada de decisões na economia. Um dos principais indicadores que revelam a situação econômica de um país é o Produto Interno Bruto (PIB). Por ser um indicador com periodicidade de divulgação trimestral, com defasagem na divulgação de cerca de dois meses e sem informação dentro do trimestre, não foi utilizado neste trabalho. Em alternativa, foi utilizada neste trabalho uma proxy, sendo ela o índice de produção industrial, o qual tem menor defasagem entre realização e a divulgação dos dados. O objetivo do trabalho é analisar se o uso das informações setoriais aumenta a acurácia da previsão da produção industrial brasileira de um a doze meses à frente no período através de um Vetor Autorregressivo (VAR). Dado o grande número de variáveis a serem trabalhadas será utilizada a metodologia Bayesiana BVAR com shrinkage prior de Banbura et al (2010) para permitir estimar um modelo com alta dimensionalidade. Os dados utilizados são o índice agregado e desagregado por setores de forma a concluir se a desagregação traz melhorias na acurácia do modelo. O período analisado é de fevereiro/2002 a maio/2019.
The understanding of macroeconomics aggregates behavior is necessary for decisions-making in economy. One of the main indicators that reveals the economic situation of a country is the Gross Domestic Product (GDP). It is not used here due the fact of being a quarterly indicator with lag on the disclosure around two months and with no information in the quarter. As an alternative I use a proxy of the GDP: the Industrial Production indicator. It has less lags on your disclosure in a comparison with the GDP. My objective is to analyses if the use of sectorial information increases the accuracy of the Brazilian Industrial Production forecast. It is used a window of twelve months ahead through an Autoregressive Vector (VAR). Due the high number of variables to work I use a Bayesian methodology called shrinkage prior in Banbura et al (2010). The use of shrinkage prior method allows estimating a high dimensional model. The data I use are the aggregated indicator e disaggregated by sectors. In this way I try to conclude if disaggregation brings accuracy to the model. I analyze the period between February/2002 to May/2019.
The understanding of macroeconomics aggregates behavior is necessary for decisions-making in economy. One of the main indicators that reveals the economic situation of a country is the Gross Domestic Product (GDP). It is not used here due the fact of being a quarterly indicator with lag on the disclosure around two months and with no information in the quarter. As an alternative I use a proxy of the GDP: the Industrial Production indicator. It has less lags on your disclosure in a comparison with the GDP. My objective is to analyses if the use of sectorial information increases the accuracy of the Brazilian Industrial Production forecast. It is used a window of twelve months ahead through an Autoregressive Vector (VAR). Due the high number of variables to work I use a Bayesian methodology called shrinkage prior in Banbura et al (2010). The use of shrinkage prior method allows estimating a high dimensional model. The data I use are the aggregated indicator e disaggregated by sectors. In this way I try to conclude if disaggregation brings accuracy to the model. I analyze the period between February/2002 to May/2019.
Descrição
Citação
ALMEIDA, Caio Leonardo Pilão de. Previsão da Produção Industrial com VAR Bayesiano com Shrinkage Prior. 2019. Trabalho de Conclusão de Curso (Bacharelado em Ciências Econômicas) - Escola Paulista de Política, Economia e Negócios, Universidade Federal de São Paulo, Osasco, 2019.