Previsão da taxa de crescimento do PIB do Brasil : Uma comparação entre machine learning e modelo sarima

• Autor(a) principal: Sager, Frederico Tannous
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRGS
• Texto Completo: http://hdl.handle.net/10183/258451
• topic: Economia; Produto interno bruto; Crescimento econômico; Inteligência artificial; Machine Learning; Forecasting; Random Forest; GDP Growth Rate

O PIB vem sendo utilizado comumente na análise econômica, sendo uma variável importante para policy makers nas tomadas dedecisão. Este trabalho tem como objetivo a utilização de algoritmos de machine learning, tais como Random Forest, Gradient Tree Boosting e LASSO para predição da taxa de crescimento do PIB do Brasil. Para construir os algoritmos, foram utilizados 26 regressores de diferentes temas macroeconômicos, como Indústria, Energia, Serviços e Comércio, Índice Geral de Preços, Base Monetária e Meios de Pagamento. Para testar a validade dos modelos, foi utilizado o benchmark ARIMA. Os resultados indicaram uma superioridade do modelo Random Forest, que apresentou os menores erros em 67% dos resultados. Para testar a acurácia dos nossos modelos, foi utilizado o teste Diebold-Mariano. Dos doze testes realizados, cinco modelos concorrentes apresentaram performance preditiva superior ao benchmark para nível de significância de 5%. O trabalho concluiu que o modelo Random Forest pode ser útil em exercícios de predição, principalmente em horizontes de curto prazo, mas que o modelo ARIMA não deve ser descartado como ferramental em análises de forecasting, uma vez que também apresentou menores erros em horizontes temporais mais longos.