[pt] ENSAIOS SOBRE NOWCASTING COM DADOS EM ALTA DIMENSÃO

• Autor(a) principal: HENRIQUE FERNANDES PIRES
• Data de Publicação: 2022
• Tipo de documento: Outros
• Idioma: eng
• Título da fonte: Repositório Institucional da PUC-RIO (Projeto Maxwell)
• Texto Completo: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59313@1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=59313@2; http://doi.org/10.17771/PUCRio.acad.59313
• topic: [pt] APRENDIZADO DE MAQUINA; [pt] MODELOS DE ALTA DIMENSAO; [pt] COVID-19; [pt] NOWCASTING; [pt] BIG DATA; [pt] PREVISAO; [en] MACHINE LEARNING; [en] HIGHDIMENSIONAL MODELS; [en] COVID-19; [en] NOWCASTING; [en] BIG DATA; [en] FORECASTING

[pt] Em economia, Nowcasting é a previsão do presente, do passado recente ou mesmo a previsão do futuro muito próximo de um determinado indicador. Geralmente, um modelo nowcast é útil quando o valor de uma variável de interesse é disponibilizado com um atraso significativo em relação ao seu período de referência e/ou sua realização inicial é notavelmente revisada ao longo do tempo, se estabilizando somente após um tempo. Nesta tese, desenvolvemos e analisamos vários métodos de Nowcasting usando dados de alta dimensão (big data) em diferentes contextos: desde a previsão de séries econômicas até o nowcast de óbitos pela COVID-19. Em um de nossos estudos, comparamos o desempenho de diferentes algoritmos de Machine Learning com modelos mais naive na previsão de muitas variáveis econômicas em tempo real e mostramos que, na maioria das vezes, o Machine Learning supera os modelos de benchmark. Já no restante dos nossos exercícios, combinamos várias técnicas de nowcasting com um grande conjunto de dados (incluindo variáveis de alta frequência, como o Google Trends) para rastrear a pandemia no Brasil, mostrando que fomos capazes de antecipar os números reais de mortes e casos muito antes de estarem disponíveis oficialmente para todos.