Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/158081 |
Resumo: | No presente trabalho serão utilizados modelos de alta dimensão Lasso, adaLasso, WLadalasso, para redução de dimensionalidade e previsão de índices usuais da inflação brasileira: IPCA e IGP-M. Os modelos são comparados ao método de previsão geralmente utilizado, autoregressivo linear. Os resultados mostram que os modelos na forma Lasso tem erros quadráticos médios e erros médio absolutos menores para previsões de poucos passos a frente, e para horizontes mais longos os modelos autoregressivos produzem erros menores, embora não sejam diferenças significativas. Todos os modelos foram estimados para os dois índices citados anteriormente, e os resultados mostram que as variáveis que determinam as previsões, são diferentes para cada um dos índices, para o IPCA as variáveis determinantes dizem respeito a petróleo e dívida pública e para o IGP-M além das variáveis de dívida pública também compõe a previsão variáveis referentes à moeda nacional. O estudo é uma abordagem da previsão da taxa de crescimento dos índices em relação às variáveis que cobrem o cenário econômico do país. |
id |
UFRGS-2_e350125942226703c8182fea718684b5 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/158081 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Silveira, Raiane PadilhaTorrent, Hudson da Silva2017-05-17T02:36:19Z2016http://hdl.handle.net/10183/158081001020191No presente trabalho serão utilizados modelos de alta dimensão Lasso, adaLasso, WLadalasso, para redução de dimensionalidade e previsão de índices usuais da inflação brasileira: IPCA e IGP-M. Os modelos são comparados ao método de previsão geralmente utilizado, autoregressivo linear. Os resultados mostram que os modelos na forma Lasso tem erros quadráticos médios e erros médio absolutos menores para previsões de poucos passos a frente, e para horizontes mais longos os modelos autoregressivos produzem erros menores, embora não sejam diferenças significativas. Todos os modelos foram estimados para os dois índices citados anteriormente, e os resultados mostram que as variáveis que determinam as previsões, são diferentes para cada um dos índices, para o IPCA as variáveis determinantes dizem respeito a petróleo e dívida pública e para o IGP-M além das variáveis de dívida pública também compõe a previsão variáveis referentes à moeda nacional. O estudo é uma abordagem da previsão da taxa de crescimento dos índices em relação às variáveis que cobrem o cenário econômico do país.In the present work will be used high-dimensional models Lasso, adaLasso, WLadalasso, for dimensionality reduction and prediction of the usual Brazilian inflation indexes: IPCA e IGP-M. The models are compared to the commonly used, autoregressive linear prediction method. The results show that the models in the Lasso form have mean square errors and mean absolute errors smaller for predictions of a few steps forward, and for longer horizons the autoregressive models produce smaller errors, although they are not significant differences. All models were estimated for the two indexes mentioned above, and the results show that the variables that determine the predictions are different for each index, for the IPCA the determinant variables concern oil and public debt and for the IGP-M besides the public debt variables also composes the forecast variables referring to the national currency. The study is an approach to predict the index growth rate in relation to the variables that cover the country's economic scenario.application/pdfporIndice de inflacaoAnálise de dadosLassoAdaLassoWLadalassoForecastTime seriesComparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPorto Alegre, BR-RS2016Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL001020191.pdf001020191.pdfTexto completoapplication/pdf981425http://www.lume.ufrgs.br/bitstream/10183/158081/1/001020191.pdfa696c90d4ab13d9d4a4687fe1f9e0113MD51TEXT001020191.pdf.txt001020191.pdf.txtExtracted Texttext/plain46802http://www.lume.ufrgs.br/bitstream/10183/158081/2/001020191.pdf.txt992b8c9edfe5a174b9fd3ac78637af90MD52THUMBNAIL001020191.pdf.jpg001020191.pdf.jpgGenerated Thumbnailimage/jpeg1366http://www.lume.ufrgs.br/bitstream/10183/158081/3/001020191.pdf.jpg74ad020102c4e363eebfdb5f07d836d3MD5310183/1580812018-10-30 08:07:10.41oai:www.lume.ufrgs.br:10183/158081Repositório InstitucionalPUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.bropendoar:2018-10-30T11:07:10Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
title |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
spellingShingle |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação Silveira, Raiane Padilha Indice de inflacao Análise de dados Lasso AdaLasso WLadalasso Forecast Time series |
title_short |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
title_full |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
title_fullStr |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
title_full_unstemmed |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
title_sort |
Comparação das penalizações do tipo lasso para previsão das taxas de crescimento dos índices de inflação |
author |
Silveira, Raiane Padilha |
author_facet |
Silveira, Raiane Padilha |
author_role |
author |
dc.contributor.author.fl_str_mv |
Silveira, Raiane Padilha |
dc.contributor.advisor1.fl_str_mv |
Torrent, Hudson da Silva |
contributor_str_mv |
Torrent, Hudson da Silva |
dc.subject.por.fl_str_mv |
Indice de inflacao Análise de dados |
topic |
Indice de inflacao Análise de dados Lasso AdaLasso WLadalasso Forecast Time series |
dc.subject.eng.fl_str_mv |
Lasso AdaLasso WLadalasso Forecast Time series |
description |
No presente trabalho serão utilizados modelos de alta dimensão Lasso, adaLasso, WLadalasso, para redução de dimensionalidade e previsão de índices usuais da inflação brasileira: IPCA e IGP-M. Os modelos são comparados ao método de previsão geralmente utilizado, autoregressivo linear. Os resultados mostram que os modelos na forma Lasso tem erros quadráticos médios e erros médio absolutos menores para previsões de poucos passos a frente, e para horizontes mais longos os modelos autoregressivos produzem erros menores, embora não sejam diferenças significativas. Todos os modelos foram estimados para os dois índices citados anteriormente, e os resultados mostram que as variáveis que determinam as previsões, são diferentes para cada um dos índices, para o IPCA as variáveis determinantes dizem respeito a petróleo e dívida pública e para o IGP-M além das variáveis de dívida pública também compõe a previsão variáveis referentes à moeda nacional. O estudo é uma abordagem da previsão da taxa de crescimento dos índices em relação às variáveis que cobrem o cenário econômico do país. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016 |
dc.date.accessioned.fl_str_mv |
2017-05-17T02:36:19Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/158081 |
dc.identifier.nrb.pt_BR.fl_str_mv |
001020191 |
url |
http://hdl.handle.net/10183/158081 |
identifier_str_mv |
001020191 |
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 UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/158081/1/001020191.pdf http://www.lume.ufrgs.br/bitstream/10183/158081/2/001020191.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/158081/3/001020191.pdf.jpg |
bitstream.checksum.fl_str_mv |
a696c90d4ab13d9d4a4687fe1f9e0113 992b8c9edfe5a174b9fd3ac78637af90 74ad020102c4e363eebfdb5f07d836d3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br |
_version_ |
1817724624051372032 |