Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: Braga, Isis Aparecida Drezza
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
PIB
Inflação
Forecast
Machine Learning
GDP
Inflation
Link de acesso: https://repositorio.insper.edu.br/handle/11224/7940
Resumo: Este estudo explora o uso de técnicas modernas de machine learning para aprimorar as previsões do PIB e da inflação no Brasil. A análise utiliza um conjunto abrangente de indicadores macroeconômicos, incluindo variáveis nacionais, fornecidas pelo Banco Central do Brasil, e internacionais. Modelos como Random Forest, Lasso e CatBoost são implementados, sendo avaliados em comparação com métodos tradicionais, como modelos autoregressivos (AR) e Random Walk. Além disso, o impacto das expectativas do Boletim Focus na precisão preditiva é investigado, utilizando métricas como o erro médio quadrático raiz (RMSE) e o Teste Diebold Mariano para identificar diferenças estatisticamente significativas entre os modelos. Adicionalmente, a análise de importância das variáveis permite avaliar a contribuição das expectativas para o desempenho preditivo. O estudo busca não apenas quantificar os benefícios das técnicas modernas de machine learning, mas também compreender como a incorporação de variáveis prospectivas pode enriquecer as previsões econômicas em cenários complexos e dinâmicos como o do Brasil.
id INSP_ce9b073e79d920dc5c50707addc3a47b
oai_identifier_str oai:repositorio.insper.edu.br:11224/7940
network_acronym_str INSP
network_name_str Repositório Institucional da INSPER
repository_id_str
spelling Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learningPIBInflaçãoForecastMachine LearningGDPInflationEste estudo explora o uso de técnicas modernas de machine learning para aprimorar as previsões do PIB e da inflação no Brasil. A análise utiliza um conjunto abrangente de indicadores macroeconômicos, incluindo variáveis nacionais, fornecidas pelo Banco Central do Brasil, e internacionais. Modelos como Random Forest, Lasso e CatBoost são implementados, sendo avaliados em comparação com métodos tradicionais, como modelos autoregressivos (AR) e Random Walk. Além disso, o impacto das expectativas do Boletim Focus na precisão preditiva é investigado, utilizando métricas como o erro médio quadrático raiz (RMSE) e o Teste Diebold Mariano para identificar diferenças estatisticamente significativas entre os modelos. Adicionalmente, a análise de importância das variáveis permite avaliar a contribuição das expectativas para o desempenho preditivo. O estudo busca não apenas quantificar os benefícios das técnicas modernas de machine learning, mas também compreender como a incorporação de variáveis prospectivas pode enriquecer as previsões econômicas em cenários complexos e dinâmicos como o do Brasil.This study explores the use of modern machine learning techniques to improve GDP and inflation forecasts in Brazil. The analysis employs a comprehensive set of macroeconomic indicators, including national variables provided by the Central Bank of Brazil and international data. Models such as Random Forest, Lasso, and CatBoost are implemented and compared with traditional methods, such as autoregressive (AR) models and Random Walk. Furthermore, the impact of the expectations from the Boletim Focus on predictive accuracy is investigated, using metrics like the root mean squared error (RMSE) and the Diebold-Mariano test to identify statistically significant differences among models. In addition, a feature importance analysis evaluates the contribution of expectations to model performance. This study aims not only to quantify the benefits of modern machine learning techniques but also to understand how incorporating prospective variables can enrich economic forecasts in complex and dynamic environments such as Brazil.RUY MONTEIRO RIBEIROBraga, Isis Aparecida Drezza2025-07-24T14:40:11Z2025info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisFísico46 p.application/pdfhttps://repositorio.insper.edu.br/handle/11224/7940porreponame:Repositório Institucional da INSPERinstname:Instituição de Ensino Superior e de Pesquisa (INSPER)instacron:INSPERinfo:eu-repo/semantics/openAccess2025-07-25T07:00:27Zoai:repositorio.insper.edu.br:11224/7940Biblioteca Digital de Teses e Dissertaçõeshttps://www.insper.edu.br/biblioteca-telles/PRIhttps://repositorio.insper.edu.br/oai/requestbiblioteca@insper.edu.br || conteudobiblioteca@insper.edu.bropendoar:2025-07-25T07:00:27Repositório Institucional da INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)false
dc.title.none.fl_str_mv Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
title Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
spellingShingle Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
Braga, Isis Aparecida Drezza
PIB
Inflação
Forecast
Machine Learning
GDP
Inflation
title_short Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
title_full Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
title_fullStr Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
title_full_unstemmed Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
title_sort Forecasting do PIB e da Inflação do Brasil: usando técnicas de machine learning
author Braga, Isis Aparecida Drezza
author_facet Braga, Isis Aparecida Drezza
author_role author
dc.contributor.none.fl_str_mv RUY MONTEIRO RIBEIRO
dc.contributor.author.fl_str_mv Braga, Isis Aparecida Drezza
dc.subject.por.fl_str_mv PIB
Inflação
Forecast
Machine Learning
GDP
Inflation
topic PIB
Inflação
Forecast
Machine Learning
GDP
Inflation
description Este estudo explora o uso de técnicas modernas de machine learning para aprimorar as previsões do PIB e da inflação no Brasil. A análise utiliza um conjunto abrangente de indicadores macroeconômicos, incluindo variáveis nacionais, fornecidas pelo Banco Central do Brasil, e internacionais. Modelos como Random Forest, Lasso e CatBoost são implementados, sendo avaliados em comparação com métodos tradicionais, como modelos autoregressivos (AR) e Random Walk. Além disso, o impacto das expectativas do Boletim Focus na precisão preditiva é investigado, utilizando métricas como o erro médio quadrático raiz (RMSE) e o Teste Diebold Mariano para identificar diferenças estatisticamente significativas entre os modelos. Adicionalmente, a análise de importância das variáveis permite avaliar a contribuição das expectativas para o desempenho preditivo. O estudo busca não apenas quantificar os benefícios das técnicas modernas de machine learning, mas também compreender como a incorporação de variáveis prospectivas pode enriquecer as previsões econômicas em cenários complexos e dinâmicos como o do Brasil.
publishDate 2025
dc.date.none.fl_str_mv 2025-07-24T14:40:11Z
2025
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.insper.edu.br/handle/11224/7940
url https://repositorio.insper.edu.br/handle/11224/7940
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv Físico
46 p.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da INSPER
instname:Instituição de Ensino Superior e de Pesquisa (INSPER)
instacron:INSPER
instname_str Instituição de Ensino Superior e de Pesquisa (INSPER)
instacron_str INSPER
institution INSPER
reponame_str Repositório Institucional da INSPER
collection Repositório Institucional da INSPER
repository.name.fl_str_mv Repositório Institucional da INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)
repository.mail.fl_str_mv biblioteca@insper.edu.br || conteudobiblioteca@insper.edu.br
_version_ 1851941736033550336

Registros relacionados