Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | eng |
Título da fonte: | Repositório Institucional do FGV (FGV Repositório Digital) |
Texto Completo: | https://hdl.handle.net/10438/29681 |
Resumo: | Neste trabalho utilizamos preços diários do varejo online e variáveis financeiras para computar nowcasts da inflação brasileira. Nós adaptamos o modelo de fatores dinâmicos proposto em (GIANNONE; REICHLIN; SMALL, 2008) ao nosso contexto e o integramos a um algoritmo de combinação de nowcasts. Propomos também um modelo estendido em que, além de fatores, utilizamos um componente auto-regressivo e média móvel para modelar e prever a inflação corrente. Para fins de avaliação, comparamos nossos resultados com um modelo base e com as previsões disponibilizadas pelo Focus survey. As previsões oriundas do modelo base são construídas a partir de fatores extraídos das séries de inflação a nível de categoria de produtos, estas últimas calculadas tal como em (CAVALLO, 2013). O Focus survey, por sua vez, agrega previsões diárias fornecidas por diversas instituições como bancos, consultorias e corretoras, e, por isso, consideramos estes resultados um padrão ouro no processo de avaliação. Nossos exercícios empíricos indicam que (1) preços do varejo online não são suficientes para capturar toda a dinâmica da inflação brasileira, e (2) componentes auto-regressivos devem ser utilizados para melhorar a performance dos nowcasts fora da amostra. |
id |
FGV_35dd986461f2db2009c27bdf0cf56730 |
---|---|
oai_identifier_str |
oai:repositorio.fgv.br:10438/29681 |
network_acronym_str |
FGV |
network_name_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
repository_id_str |
3974 |
spelling |
Carvalho, Igor da SilvaEscolas::EMApMedeiros, Marcelo C.Ferreira, Pedro Guilherme CostaMendes, Eduardo Fonseca2020-09-21T18:15:34Z2020-09-21T18:15:34Z2020-08-06https://hdl.handle.net/10438/29681Neste trabalho utilizamos preços diários do varejo online e variáveis financeiras para computar nowcasts da inflação brasileira. Nós adaptamos o modelo de fatores dinâmicos proposto em (GIANNONE; REICHLIN; SMALL, 2008) ao nosso contexto e o integramos a um algoritmo de combinação de nowcasts. Propomos também um modelo estendido em que, além de fatores, utilizamos um componente auto-regressivo e média móvel para modelar e prever a inflação corrente. Para fins de avaliação, comparamos nossos resultados com um modelo base e com as previsões disponibilizadas pelo Focus survey. As previsões oriundas do modelo base são construídas a partir de fatores extraídos das séries de inflação a nível de categoria de produtos, estas últimas calculadas tal como em (CAVALLO, 2013). O Focus survey, por sua vez, agrega previsões diárias fornecidas por diversas instituições como bancos, consultorias e corretoras, e, por isso, consideramos estes resultados um padrão ouro no processo de avaliação. Nossos exercícios empíricos indicam que (1) preços do varejo online não são suficientes para capturar toda a dinâmica da inflação brasileira, e (2) componentes auto-regressivos devem ser utilizados para melhorar a performance dos nowcasts fora da amostra.In this work we use daily online retail prices and financial data to construct nowcasts of consumer price index (CPI) for the current month, which we refer simply as inflation. We first adapt the dynamic factor model in (GIANNONE; REICHLIN; SMALL, 2008) to our setting and integrate it into a nowcasting combination algorithm. We also propose an extension to the nowcasting equation to take into account previous inflation level and nowcasting error. We compare our results with a base model and Focus survey of professional forecasters. The base model is constructed from a simple factor regression using individual categories monthly price change calculated in (CAVALLO, 2013), whereas the Focus survey aggregate daily inflation forecasts provided by a large number of institutions to the Brazilian Central Bank. We consider the Focus survey output as the golden standard. Our results indicate that (1) online retail prices are not enough to capture the whole dynamics of CPI; and (2) the factor regression has to be augmented with recent inflation information to be competitive.engNowcastingInflationE-commerce pricesInflaçãoPreços do comércio eletrônicoMatemáticaInflação - Brasil - Previsão - Modelos matemáticosPreços - Previsão - Modelos matemáticosComércio eletrônicoNowcasting CPI using online retail prices: forecasting combination of dynamic factor modelsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis2020-08-06reponame:Repositório Institucional do FGV (FGV Repositório Digital)instname:Fundação Getulio Vargas (FGV)instacron:FGVinfo:eu-repo/semantics/openAccessTEXTDissertation_Igor_Carvalho.pdf.txtDissertation_Igor_Carvalho.pdf.txtExtracted texttext/plain57439https://repositorio.fgv.br/bitstreams/33728c49-36f3-4dfc-b733-84d5d6c81b01/downloadd77535d0339b829c566c09502bc8c078MD55THUMBNAILDissertation_Igor_Carvalho.pdf.jpgDissertation_Igor_Carvalho.pdf.jpgGenerated Thumbnailimage/jpeg2636https://repositorio.fgv.br/bitstreams/4e69cfbe-0887-4da7-af77-f66365923122/download890d8e28e371e1cf3d85386ba251e066MD56ORIGINALDissertation_Igor_Carvalho.pdfDissertation_Igor_Carvalho.pdfPDFapplication/pdf2742853https://repositorio.fgv.br/bitstreams/bdfc0d17-4e06-4157-8458-7d48369705e8/download8d69f09902525de8e5743be8bbdd2905MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-84707https://repositorio.fgv.br/bitstreams/193ac11c-4153-49c8-b9b3-57923b6784a9/downloaddfb340242cced38a6cca06c627998fa1MD5210438/296812023-11-25 11:57:23.889open.accessoai:repositorio.fgv.br:10438/29681https://repositorio.fgv.brRepositório InstitucionalPRIhttp://bibliotecadigital.fgv.br/dspace-oai/requestopendoar:39742023-11-25T11:57:23Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV)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 |
dc.title.eng.fl_str_mv |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
title |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
spellingShingle |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models Carvalho, Igor da Silva Nowcasting Inflation E-commerce prices Inflação Preços do comércio eletrônico Matemática Inflação - Brasil - Previsão - Modelos matemáticos Preços - Previsão - Modelos matemáticos Comércio eletrônico |
title_short |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
title_full |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
title_fullStr |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
title_full_unstemmed |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
title_sort |
Nowcasting CPI using online retail prices: forecasting combination of dynamic factor models |
author |
Carvalho, Igor da Silva |
author_facet |
Carvalho, Igor da Silva |
author_role |
author |
dc.contributor.unidadefgv.por.fl_str_mv |
Escolas::EMAp |
dc.contributor.member.none.fl_str_mv |
Medeiros, Marcelo C. Ferreira, Pedro Guilherme Costa |
dc.contributor.author.fl_str_mv |
Carvalho, Igor da Silva |
dc.contributor.advisor1.fl_str_mv |
Mendes, Eduardo Fonseca |
contributor_str_mv |
Mendes, Eduardo Fonseca |
dc.subject.eng.fl_str_mv |
Nowcasting Inflation E-commerce prices |
topic |
Nowcasting Inflation E-commerce prices Inflação Preços do comércio eletrônico Matemática Inflação - Brasil - Previsão - Modelos matemáticos Preços - Previsão - Modelos matemáticos Comércio eletrônico |
dc.subject.por.fl_str_mv |
Inflação Preços do comércio eletrônico |
dc.subject.area.por.fl_str_mv |
Matemática |
dc.subject.bibliodata.por.fl_str_mv |
Inflação - Brasil - Previsão - Modelos matemáticos Preços - Previsão - Modelos matemáticos Comércio eletrônico |
description |
Neste trabalho utilizamos preços diários do varejo online e variáveis financeiras para computar nowcasts da inflação brasileira. Nós adaptamos o modelo de fatores dinâmicos proposto em (GIANNONE; REICHLIN; SMALL, 2008) ao nosso contexto e o integramos a um algoritmo de combinação de nowcasts. Propomos também um modelo estendido em que, além de fatores, utilizamos um componente auto-regressivo e média móvel para modelar e prever a inflação corrente. Para fins de avaliação, comparamos nossos resultados com um modelo base e com as previsões disponibilizadas pelo Focus survey. As previsões oriundas do modelo base são construídas a partir de fatores extraídos das séries de inflação a nível de categoria de produtos, estas últimas calculadas tal como em (CAVALLO, 2013). O Focus survey, por sua vez, agrega previsões diárias fornecidas por diversas instituições como bancos, consultorias e corretoras, e, por isso, consideramos estes resultados um padrão ouro no processo de avaliação. Nossos exercícios empíricos indicam que (1) preços do varejo online não são suficientes para capturar toda a dinâmica da inflação brasileira, e (2) componentes auto-regressivos devem ser utilizados para melhorar a performance dos nowcasts fora da amostra. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-09-21T18:15:34Z |
dc.date.available.fl_str_mv |
2020-09-21T18:15:34Z |
dc.date.issued.fl_str_mv |
2020-08-06 |
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://hdl.handle.net/10438/29681 |
url |
https://hdl.handle.net/10438/29681 |
dc.language.iso.fl_str_mv |
eng |
language |
eng |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional do FGV (FGV Repositório Digital) instname:Fundação Getulio Vargas (FGV) instacron:FGV |
instname_str |
Fundação Getulio Vargas (FGV) |
instacron_str |
FGV |
institution |
FGV |
reponame_str |
Repositório Institucional do FGV (FGV Repositório Digital) |
collection |
Repositório Institucional do FGV (FGV Repositório Digital) |
bitstream.url.fl_str_mv |
https://repositorio.fgv.br/bitstreams/33728c49-36f3-4dfc-b733-84d5d6c81b01/download https://repositorio.fgv.br/bitstreams/4e69cfbe-0887-4da7-af77-f66365923122/download https://repositorio.fgv.br/bitstreams/bdfc0d17-4e06-4157-8458-7d48369705e8/download https://repositorio.fgv.br/bitstreams/193ac11c-4153-49c8-b9b3-57923b6784a9/download |
bitstream.checksum.fl_str_mv |
d77535d0339b829c566c09502bc8c078 890d8e28e371e1cf3d85386ba251e066 8d69f09902525de8e5743be8bbdd2905 dfb340242cced38a6cca06c627998fa1 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional do FGV (FGV Repositório Digital) - Fundação Getulio Vargas (FGV) |
repository.mail.fl_str_mv |
|
_version_ |
1810023694068613120 |