Ensaios sobre previsão de séries macroeconômicas para o Brasil utilizando modelos VAR bayesianos

• Ano de defesa: 2018
• Autor(a) principal: Borges, Bruna Kasprzak
• Orientador(a): Portugal, Marcelo Savino
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Economia; Brasil
• Palavras-chave em Inglês: Macroeconomic forecasting; Bayesian methods; Vector autoregression
• Link de acesso: http://hdl.handle.net/10183/187594

A análise macroeconômica baseada nos modelos VAR tornou-se bastante popular após o trabalho de Sims (1980). A facilidade de implementação e, particularmente, a utilidade para previsão conquistaram amplo reconhecimento na macroeconomia aplicada. Nos últimos anos, o reconhecimento da importância do caráter dinâmico na modelagem econométrica tem despertado o interesse em estender o modelo VAR em diferentes contextos. O primeiro deles propõe o modelo VAR com coeficientes variando no tempo e volatilidade estocástica - TVP-VAR (PRIMICERI, 2005). Apesar da popularidade dos modelos VAR, a literatura recente tem sugerido que há vantagens ao considerar a especificação mais geral do modelo de vetores autorregressivos e médias móveis (VARMA) na estimação e previsão empírica(CHAN; EISENSTAT, 2017). Um fato inerente ao estudo de séries temporais econômicas é a diferença na frequência de amostragem dos dados. Variáveis macroeconômicas importantes, como o PIB, somente são encontradas em frequência trimestral, enquanto outras variáveis como inflação e taxa de juros são divulgadas mensalmente ou até mesmo em frequência mais elevada. A ideia de agregar séries temporais em diferentes frequências foi originalmente proposta por Ghysels, Santa-Clara e Valkanov (2004) com os modelos de regressão MIDAS (Mixed Data Sampling). Novos desdobramentos da literatura voltaram-se então para modelos MF-VAR (mixed-frequency VAR), isto é, com dados mistos (SCHORFHEIDE; SONG, 2015). Considerando estes aspectos, a presente tese será composta por dois ensaios acadêmicos sobre a implementação empírica do modelo VAR em diferentes contextos de previsão macroeconômica para o Brasil. São utilizados métodos bayesianos para a estimação e previsão dos modelos VAR em análise. No primeiro ensaio o objetivo foi realizar dois exercícios empíricos distintos de previsão macroeconômica para a economia brasileira. No primeiro exercício, procuramos analisar se a inclusão da volatilidade estocástica melhora a performance de previsão em real-time de variáveis-chave para a economia brasileira no Regime de Metas de Inflação: Produto Interno Bruto (PIB), taxa de inflação e taxa de juros com a aplicação do modelo TVP-VAR com volatilidade estocástica seguindo a linha de aplicação de D’Agostino, Gambetti e Giannone (2013). De forma geral, os resultados encontrados apontaram a importância de incluir a mudança estrutural e, especialmente, a possibilidade de choques exógenos ao modelo, sendo importante para a previsão. Além disso, a previsão em tempo real com o modelo TVP-VAR(SV) incorpora o caráter da variação no tempo da economia. O segundo exercício empírico teve como objetivo realizar uma aplicação empírica com enfoque na previsão do PIB e da taxa de inflação no Brasil com o intuito de verificar se a utilização da especificação VARMA, especialmente o modelo com coeficientes variando no tempo e volatilidade estocástica, proposta por Chan e Eisenstat (2017). Os resultados da aplicação empírica para o Brasil indicaram que somente adicionar o componente de médias móveis não melhora a performance de previsão das variáveis. Contudo, adicionar volatilidade estocástica ao modelo melhora consideravelmente o desempenho da previsão. A especificação VAR com volatilidade estocástica apresenta o melhor desempenho entre os modelos. Os resultados indicaram que a inclusão da volatilidade estocástica (volatilidade dos choques exógenos) fornece ganhos expressivos na previsão para o caso brasileiro. Por sua vez, o segundo ensaio desta tese aborda a previsão empírica de curto prazo de séries macroeconômicas para o Brasil com o uso de dados em frequência mista, isto é, séries mensais e trimestrais utilizando o modelo MF-VAR descrito em Schorfheide e Song (2015). Procuramos estudar se a inclusão de dados mensais divulgados intra-trimestre aumentam a precisão da previsão do VAR. Os resultados para PIB, taxa de desemprego, inflação e taxa de juros indicam que o uso de informações mensais leva a uma diminuição considerável da raiz do erro quadrático médio de previsão (RMSE) no curto prazo. Consistente com a literatura, se o objetivo é gerar previsões para um dois trimestres a frente, o modelo MF-VAR torna-se bastante atraente em relação ao QF-VAR.