Previsões com modelos DSGE-VAR: uma aplicação para o Brasil

Detalhes bibliográficos
Autor(a) principal: Valente, Fernanda Cristina
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/189918
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Economia, Florianópolis, 2018.
id UFSC_345e9d0a0d6944b0ea446e41a2b2f070
oai_identifier_str oai:repositorio.ufsc.br:123456789/189918
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaValente, Fernanda CristinaMoura, Guilherme Valle2018-09-15T04:44:52Z2018-09-15T04:44:52Z2018353703https://repositorio.ufsc.br/handle/123456789/189918Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Economia, Florianópolis, 2018.Este estudo propõe usar uma versão do modelo Dinâmico Estocástico de Equilíbrio Geral (DSGE) de pequena economia aberta desenvolvido por Gali e Monacelli (2005) como uma distribuição a priori na estimação de um modelo de Vetor Autorregressivo (VAR) para a economia brasileira, seguindo a abordagem de Del Negro e Schorfheide (2004) que deu origem aos chamados modelos DSGE-VAR. O principal objetivo é avaliar o desempenho das previsões geradas pelos modelos DSGE-VAR quando comparado com modelos como o Vetor Autorregressivo Bayesiano (BVAR) com a priori de Minnesota, BVAR com a priori difusa e DSGE estimado independentemente. Com intuito de comparar a acurácia das previsões geradas pelos modelos adotou-se o procedimento denominado Model Con?dence Set (MCS), proposto por Hansen, Lunde e Nason (2011), que gera um subconjunto aleatório que contém o subconjunto dos melhores modelos dado um nível de con?ança. Os resultados apontam que a inclusão de informações a priori oriundas do modelo DSGE mostram-se benéficas quando o objetivo é gerar previsões, especialmente para horizontes de previsão de médio e longo prazo. Segundo o procedimento MCS, o desempenho do DSGE-VAR mostrou-se superior aos modelos BVAR com a priori difusa e DSGE. Já em relação ao modelo BVAR com a priori de Minnesota, DSGE-VAR mostrou-se competitivo e, em algumas situações, superior.Abstract : This study proposes to use a version of the small open economy Dynamic Stochastic General Equilibrium (DSGE) model developed by Gali e Monacelli (2005) to provide prior information in the estimation of an autoregression vector (VAR) model for Brazilian economy, following the Del Negro e Schorfheide (2004) approach that gave rise to so-called DSGE-VAR models. The main goal is to evaluate the performance of the predictions generated by the DSGE-VAR models when compared to models such as the Bayesian Vector Autoregression (BVAR) with the Minnesota prior, BVAR with the di?use prior and independently estimated DSGE model. In order to compare the accuracy of the forecasts generated by the models, it was adopted the Model Con?dence Set (MCS) procedure, proposed by Hansen, Lunde e Nason (2011). The MCS procedure yields a model con?dence set, that is a collection of models built to contain the best models with a given level of con?dence. The results indicates that imposing information coming from a small open economy DSGE model as a prior information in the estimation of a VAR helps improve the model s forecasting performance, especially in the medium and long term. According to the MCS procedure, the performance of the DSGE-VAR was superior to the BVAR models with the di?use prior and DSGE model. In constrast to the BVAR model with the Minnesota prior, DSGE-VAR proved to be competitive and, in some situations, superior.135 p.| il., gráfs., tabs.porEconomiaMacroeconomiaTeoria bayesiana de decisão estatísticaPrevisões com modelos DSGE-VAR: uma aplicação para o Brasilinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPCNM0314-D.pdfPCNM0314-D.pdfapplication/pdf1022419https://repositorio.ufsc.br/bitstream/123456789/189918/-1/PCNM0314-D.pdf8e4cc5fb28e1a2b971d53c11f34c8d73MD5-1123456789/1899182018-09-15 01:44:53.926oai:repositorio.ufsc.br:123456789/189918Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732018-09-15T04:44:53Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
title Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
spellingShingle Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
Valente, Fernanda Cristina
Economia
Macroeconomia
Teoria bayesiana de decisão estatística
title_short Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
title_full Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
title_fullStr Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
title_full_unstemmed Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
title_sort Previsões com modelos DSGE-VAR: uma aplicação para o Brasil
author Valente, Fernanda Cristina
author_facet Valente, Fernanda Cristina
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Valente, Fernanda Cristina
dc.contributor.advisor1.fl_str_mv Moura, Guilherme Valle
contributor_str_mv Moura, Guilherme Valle
dc.subject.classification.none.fl_str_mv Economia
Macroeconomia
Teoria bayesiana de decisão estatística
topic Economia
Macroeconomia
Teoria bayesiana de decisão estatística
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Economia, Florianópolis, 2018.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-09-15T04:44:52Z
dc.date.available.fl_str_mv 2018-09-15T04:44:52Z
dc.date.issued.fl_str_mv 2018
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://repositorio.ufsc.br/handle/123456789/189918
dc.identifier.other.none.fl_str_mv 353703
identifier_str_mv 353703
url https://repositorio.ufsc.br/handle/123456789/189918
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 135 p.| il., gráfs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/189918/-1/PCNM0314-D.pdf
bitstream.checksum.fl_str_mv 8e4cc5fb28e1a2b971d53c11f34c8d73
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805432563662848

Registros relacionados