Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA

Detalhes bibliográficos
Autor(a) principal: Farias, Daniel Teixeira de
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da Universidade Federal do Ceará (UFC)
Texto Completo: http://www.repositorio.ufc.br/handle/riufc/59113
Resumo: This study analyzes the short-term predictive power of the Shrinkage methods RIDGE and LASSO applied to the IPCA. With increasingly larger and more complex databases available, the use of Machine Learning methodology can be a great solution in situations in which it is not previously known which independent variables should be added to the regression model. The dissertation shows that the result of the Mean Square Error of both methods significantly surpasses the traditional method of Ordinary Least Squares (OLS). In the period analyzed, the LASSO regression obtained even a better result than the benchmarking in the Focus report, released by the Central Bank.
id UFC-7_2ebd3d064189100b3c5067c6571151df
oai_identifier_str oai:repositorio.ufc.br:riufc/59113
network_acronym_str UFC-7
network_name_str Repositório Institucional da Universidade Federal do Ceará (UFC)
repository_id_str
spelling Análise da capacidade preditiva de modelos de regularização aplicado ao IPCARegularizaçãoAprendizado de máquinaPrevisão IPCARIDGELASSOThis study analyzes the short-term predictive power of the Shrinkage methods RIDGE and LASSO applied to the IPCA. With increasingly larger and more complex databases available, the use of Machine Learning methodology can be a great solution in situations in which it is not previously known which independent variables should be added to the regression model. The dissertation shows that the result of the Mean Square Error of both methods significantly surpasses the traditional method of Ordinary Least Squares (OLS). In the period analyzed, the LASSO regression obtained even a better result than the benchmarking in the Focus report, released by the Central Bank.O presente estudo analisa o poder preditivo de curto prazo dos métodos de regularização RIDGE e LASSO aplicado ao IPCA. Com bases de dados disponíveis cada vez maiores e mais complexas, o uso de metodologia de Aprendizado de Máquina pode ser uma ótima solução em situações nas quais não se sabe previamente quais variáveis independentes devem-se adicionar no modelo de regressão. A dissertação mostra que o resultado do Erro Quadrático Médio de ambos os métodos supera significativamente o método tradicional de Mínimos Quadrados Ordinários (MQO). No período analisado, a regressão LASSO obteve inclusive um melhor resultado do que o benchmarking do relatório Focus, divulgado pelo Banco Central.Souza, Sérgio Aquino deFarias, Daniel Teixeira de2021-06-21T17:21:42Z2021-06-21T17:21:42Z2021info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFARIAS, Daniel Teixeira de. Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA. 2021. 38f. Dissertação (Mestrado em Economia de Empresas) - Faculdade de Economia, Administração, Atuária e Contabilidade - FEAAC, Programa de Economia Profissional - PEP, Universidade Federal do Ceará - UFC, Fortaleza (CE), 2021.http://www.repositorio.ufc.br/handle/riufc/59113porreponame:Repositório Institucional da Universidade Federal do Ceará (UFC)instname:Universidade Federal do Ceará (UFC)instacron:UFCinfo:eu-repo/semantics/openAccess2023-07-12T18:55:39Zoai:repositorio.ufc.br:riufc/59113Repositório InstitucionalPUBhttp://www.repositorio.ufc.br/ri-oai/requestbu@ufc.br || repositorio@ufc.bropendoar:2024-09-11T18:26:51.158451Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)false
dc.title.none.fl_str_mv Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
title Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
spellingShingle Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
Farias, Daniel Teixeira de
Regularização
Aprendizado de máquina
Previsão IPCA
RIDGE
LASSO
title_short Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
title_full Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
title_fullStr Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
title_full_unstemmed Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
title_sort Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA
author Farias, Daniel Teixeira de
author_facet Farias, Daniel Teixeira de
author_role author
dc.contributor.none.fl_str_mv Souza, Sérgio Aquino de
dc.contributor.author.fl_str_mv Farias, Daniel Teixeira de
dc.subject.por.fl_str_mv Regularização
Aprendizado de máquina
Previsão IPCA
RIDGE
LASSO
topic Regularização
Aprendizado de máquina
Previsão IPCA
RIDGE
LASSO
description This study analyzes the short-term predictive power of the Shrinkage methods RIDGE and LASSO applied to the IPCA. With increasingly larger and more complex databases available, the use of Machine Learning methodology can be a great solution in situations in which it is not previously known which independent variables should be added to the regression model. The dissertation shows that the result of the Mean Square Error of both methods significantly surpasses the traditional method of Ordinary Least Squares (OLS). In the period analyzed, the LASSO regression obtained even a better result than the benchmarking in the Focus report, released by the Central Bank.
publishDate 2021
dc.date.none.fl_str_mv 2021-06-21T17:21:42Z
2021-06-21T17:21:42Z
2021
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 FARIAS, Daniel Teixeira de. Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA. 2021. 38f. Dissertação (Mestrado em Economia de Empresas) - Faculdade de Economia, Administração, Atuária e Contabilidade - FEAAC, Programa de Economia Profissional - PEP, Universidade Federal do Ceará - UFC, Fortaleza (CE), 2021.
http://www.repositorio.ufc.br/handle/riufc/59113
identifier_str_mv FARIAS, Daniel Teixeira de. Análise da capacidade preditiva de modelos de regularização aplicado ao IPCA. 2021. 38f. Dissertação (Mestrado em Economia de Empresas) - Faculdade de Economia, Administração, Atuária e Contabilidade - FEAAC, Programa de Economia Profissional - PEP, Universidade Federal do Ceará - UFC, Fortaleza (CE), 2021.
url http://www.repositorio.ufc.br/handle/riufc/59113
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 application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal do Ceará (UFC)
instname:Universidade Federal do Ceará (UFC)
instacron:UFC
instname_str Universidade Federal do Ceará (UFC)
instacron_str UFC
institution UFC
reponame_str Repositório Institucional da Universidade Federal do Ceará (UFC)
collection Repositório Institucional da Universidade Federal do Ceará (UFC)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal do Ceará (UFC) - Universidade Federal do Ceará (UFC)
repository.mail.fl_str_mv bu@ufc.br || repositorio@ufc.br
_version_ 1813028807396818944