Forecasting inflation with mixed frequency data sampling: an application for Latin America

• Ano de defesa: 2021
• Autor(a) principal: Carlos, Thiago Carlomagno
• Orientador(a): Pereira, Pedro L. Valls, Marçal, Emerson Fernandes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Palavras-chave em Português: MIDAS; Modelos de frequência mistas; GETS; América Latina; Mercados emergentes; Brasil
• Palavras-chave em Inglês: Three Pass Regression Filter; Model Confidence Set; Mixed frequency data sampling; Latin America; Emerging markets
• Link de acesso: https://hdl.handle.net/10438/30839

Este trabalho tem por objetivo analisar a importância dos modelos de frequência mistas (MIDAS) na previsão de inflação na América Latina e, em particular, no Brasil. O primeiro artigo compara diferentes tipos de modelos de séries de tempos em um rico ambiente de informações, utilizando dados de preços de commodities, ativos financeiros para previsão de inflação nos principais países da América Latina, isto é, Brasil, Chile, Colombia, México e Peru. São comparados modelos de frequência única e frequência mista na previsão 1 mês à frente dos indices de preços ao consumidor e também a sua medida mais importante de núcleo. Foram utilizadas diferentes técnicas de estimação com seleção automática de variáveis como GETS e LASSO, redução de variáveis (fatores por componentes principais e Three Pass Regression Filter) e modelos de frequências mistas, MIDAS, em suas versões restritas e irrestritas. Também foram incluídos na lista de modelos o random walk e o AR(1) como forma de comparar se modelos com estruturas mais complexas apresentam ganhos de eficiência nas previsões de curto prazo em relação a modelos considerados ingênuos. A comparação de modelos foi realizada através do Model Confidence Set (MCS) no qual os resultados sugerem ganhos de eficiência de forma uniforme em todos os países selecionados nos modelos de previsão de frequência mistas irrestritos com dados semanais e fatores filtrados pelo three pass regression filter como variáveis explicativas. No segundo artigo foi desenvolvida uma metodologia para previsão de inflação no Brazil em tempo real com a utilização de modelos em frequência mistas (MIDAS). Foi utilizado o Monitor de Inflação da FGV na base diária e semanal como variável explicativa para os modelos de previsão de inflação diária. Foi observado ganhos de previsão não apenas em relação aos modelos ingênuos (random walk and AR(1)) como também em relação as previsões de profissionais de mercado medido pelo boletim focus do Banco Central nas primeiras 3 semanas do mês corrente, aproximadamente. Sendo assim, essa abordagem consegue trazer previsões mais confiáveis no curtíssimo prazo para a melhor tomada de decisão dos agentes econômicos.