Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes

Detalhes bibliográficos
Autor(a) principal: Rodrigues, Julia Naves
Data de Publicação: 2021
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFU
Texto Completo: https://repositorio.ufu.br/handle/123456789/33744
Resumo: Trabalho de Conclusão de Curso (Graduação)
id UFU_725e492417bde724c682b917fe2b5aca
oai_identifier_str oai:repositorio.ufu.br:123456789/33744
network_acronym_str UFU
network_name_str Repositório Institucional da UFU
repository_id_str
spelling Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais RecorrentesInflation in Brazil: an application of Time Series and Recurring Neural NetworksIPCABox & JenkinsSARIMALSTMPolítica monetáriaCNPQ::CIENCIAS EXATAS E DA TERRATrabalho de Conclusão de Curso (Graduação)A realização de previsões da inflação é imprescindível quando se deseja melhorar o planejamento estratégico na intenção de reduzir incertezas e aumentar a capacidade de planejamento das famílias, empresas e governo, e assim garantir o bom funcionamento da economia do país. Por conta disso, o objetivo do presente estudo foi realizar previsões do Índice Nacional de Preços ao Consumidor Amplo (IPCA), o qual é a métrica oficial de mensuração da inflação pelo governo federal. As técnicas de séries temporais de Box e Jenkins e de redes neurais recorrentes foram utilizadas para construção de modelos que capturam as informações contidas na série, a fim de avaliar o comportamento da variável analisada ao longo do tempo, bem como efetuar previsões dos valores futuros. Ao aplicar as técnicas de Box e Jenkins, foi adotado um modelo de previsão do tipo SARIMA, que considera tanto a tendência como a sazonalidade na série, sendo selecionado aquele com menor raiz do erro quadrático médio (RMSE do inglês Root Mean Squared Error) e menor quantidade de parâmetros. Para os modelos de redes neurais recorrentes, utilizou-se o algoritmo LSTM (Long Short Term Memory), e selecionou-se aquele com menor RMSE. A fim de comparar as duas técnicas de previsão, os critérios adotados foram raiz do erro quadrático médio (RMSE), sendo que o modelo SARIMA se mostrou o melhor modelo para prever 12 meses diretos da inflação, enquanto que para previsões a curto prazo com realimentação, a técnica LSTM se mostrou muito efetiva.Universidade Federal de UberlândiaBrasilEstatísticaBiase, Nádia Giarettahttp://lattes.cnpq.br/5113310672600001Alves, Gabriella de Freitashttp://lattes.cnpq.br/0373047099070753Silva, Maria Imaculada de Sousahttp://lattes.cnpq.br/5214152217965576Rodrigues, Julia Naves2021-12-10T21:17:01Z2021-12-10T21:17:01Z2021-06-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfRODRIGUES, Julia Naves. Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes. 2021. 64 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2021.https://repositorio.ufu.br/handle/123456789/33744porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2021-12-11T06:21:27Zoai:repositorio.ufu.br:123456789/33744Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2021-12-11T06:21:27Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false
dc.title.none.fl_str_mv Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
Inflation in Brazil: an application of Time Series and Recurring Neural Networks
title Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
spellingShingle Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
Rodrigues, Julia Naves
IPCA
Box & Jenkins
SARIMA
LSTM
Política monetária
CNPQ::CIENCIAS EXATAS E DA TERRA
title_short Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
title_full Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
title_fullStr Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
title_full_unstemmed Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
title_sort Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
author Rodrigues, Julia Naves
author_facet Rodrigues, Julia Naves
author_role author
dc.contributor.none.fl_str_mv Biase, Nádia Giaretta
http://lattes.cnpq.br/5113310672600001
Alves, Gabriella de Freitas
http://lattes.cnpq.br/0373047099070753
Silva, Maria Imaculada de Sousa
http://lattes.cnpq.br/5214152217965576
dc.contributor.author.fl_str_mv Rodrigues, Julia Naves
dc.subject.por.fl_str_mv IPCA
Box & Jenkins
SARIMA
LSTM
Política monetária
CNPQ::CIENCIAS EXATAS E DA TERRA
topic IPCA
Box & Jenkins
SARIMA
LSTM
Política monetária
CNPQ::CIENCIAS EXATAS E DA TERRA
description Trabalho de Conclusão de Curso (Graduação)
publishDate 2021
dc.date.none.fl_str_mv 2021-12-10T21:17:01Z
2021-12-10T21:17:01Z
2021-06-18
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 RODRIGUES, Julia Naves. Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes. 2021. 64 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2021.
https://repositorio.ufu.br/handle/123456789/33744
identifier_str_mv RODRIGUES, Julia Naves. Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes. 2021. 64 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2021.
url https://repositorio.ufu.br/handle/123456789/33744
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.publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
publisher.none.fl_str_mv Universidade Federal de Uberlândia
Brasil
Estatística
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFU
instname:Universidade Federal de Uberlândia (UFU)
instacron:UFU
instname_str Universidade Federal de Uberlândia (UFU)
instacron_str UFU
institution UFU
reponame_str Repositório Institucional da UFU
collection Repositório Institucional da UFU
repository.name.fl_str_mv Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)
repository.mail.fl_str_mv diinf@dirbi.ufu.br
_version_ 1805569677923975168

Registros relacionados