Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | LOCUS Repositório Institucional da UFV |
Texto Completo: | https://locus.ufv.br//handle/123456789/29816 https://doi.org/10.47328/ufvbbt.2021.108 |
Resumo: | Previsões para o PIB esbarram em dois problemas principais, o atraso na publicação de certos dados de agregados macroeconômicos e dificuldades na utilização de dados amostrados em frequências diferentes. Para tentar resolver esses problemas, este trabalho de dissertação visa: 1. Gerar previsões para o PIB brasileiro utilizando apenas dados do mercado financeiro; 2. Utilizar os modelos MIDAS para trabalhar com variáveis amostradas em diferentes frequências; 3. Comparar a capacidade de previsão dos modelos utilizados (MIDAS, ARIMA e SARIMA). A partir das hipóteses de mercados eficientes e de expectativas racionais, é possível esperar que as informações contidas nos preços dos ativos do mercado financeiro são suficientes para gerar previsões para o PIB brasileiro, melhores do que as geradas utilizando variáveis de agregados macroeconômicos. O estudo proposto aqui é original, por investigar o uso de apenas variáveis financeiras em previsões do PIB brasileiro. O período de estimação dos modelos foi do segundo trimestre de 1996 ao último trimestre de 2018 e as previsões fora da amostra foram realizadas para o ano de 2019. As variáveis utilizadas foram: o PIB brasileiro trimestral, cotações de ativos da Bolsa de Valores brasileira, a B3, o Índice Bovespa, o Índice Dow Jones, o preço do barril de petróleo Brent, a cotação do câmbio Dólar PTAX e a taxa CDI. As previsões dos modelos MIDAS utilizados foram realizadas para três horizontes de previsão diferentes, 1, 2 e 4 trimestres à frente. Essas previsões de modelos MIDAS foram comparadas com as geradas pelos modelos univariados autorregressivos de séries temporais ARIMA e SARIMA. Ao todo, foram realizadas 49.152 previsões MIDAS Almon, 49.152 previsões MIDAS Nealmon, 17.496 previsões UMIDAS e 6.000 previsões de modelos MIDAS univariados. No total, neste estudo foram realizadas 121.800 previsões da variação do PIB trimestral brasileiro através de modelos da família MIDAS. Os resultados encontrados indicam que os modelos MIDAS, utilizando variáveis do mercado financeiro, apresentaram melhor desempenho na previsão do PIB no horizonte de 1 trimestre à frente, em relação aos modelos ARIMA e SARIMA. Destacam-se os modelos que utilizaram como previsores a variação doDólar PTAX, a variação do Índice Bovespa, a variação do Índice Dow Jones, a variação do preço do petróleo Brent e as variações das cotações CMIG4, PETR4 e VALE3. Conclui-se que para previsões em horizontes curtos, os modelos MIDAS, utilizando apenas dados do mercado financeiro, são uma alternativa atraente para os agentes econômicos em suas previsões macroeconômicas. Palavras-chave: Finanças. MIDAS. Macroeconomia. PIB. Previsões |
id |
UFV_454efa0cd1ac2c960e4511f858bb7add |
---|---|
oai_identifier_str |
oai:locus.ufv.br:123456789/29816 |
network_acronym_str |
UFV |
network_name_str |
LOCUS Repositório Institucional da UFV |
repository_id_str |
2145 |
spelling |
Haase, Ramiro Carvalhohttp://lattes.cnpq.br/8046130942754254Tupy, Igor Santos2022-09-01T16:56:50Z2022-09-01T16:56:50Z2021-07-19HAASE, Ramiro Carvalho. Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências. 2021. 66 f. Dissertação (Mestrado em Economia) - Universidade Federal de Viçosa, Viçosa. 2021.https://locus.ufv.br//handle/123456789/29816https://doi.org/10.47328/ufvbbt.2021.108Previsões para o PIB esbarram em dois problemas principais, o atraso na publicação de certos dados de agregados macroeconômicos e dificuldades na utilização de dados amostrados em frequências diferentes. Para tentar resolver esses problemas, este trabalho de dissertação visa: 1. Gerar previsões para o PIB brasileiro utilizando apenas dados do mercado financeiro; 2. Utilizar os modelos MIDAS para trabalhar com variáveis amostradas em diferentes frequências; 3. Comparar a capacidade de previsão dos modelos utilizados (MIDAS, ARIMA e SARIMA). A partir das hipóteses de mercados eficientes e de expectativas racionais, é possível esperar que as informações contidas nos preços dos ativos do mercado financeiro são suficientes para gerar previsões para o PIB brasileiro, melhores do que as geradas utilizando variáveis de agregados macroeconômicos. O estudo proposto aqui é original, por investigar o uso de apenas variáveis financeiras em previsões do PIB brasileiro. O período de estimação dos modelos foi do segundo trimestre de 1996 ao último trimestre de 2018 e as previsões fora da amostra foram realizadas para o ano de 2019. As variáveis utilizadas foram: o PIB brasileiro trimestral, cotações de ativos da Bolsa de Valores brasileira, a B3, o Índice Bovespa, o Índice Dow Jones, o preço do barril de petróleo Brent, a cotação do câmbio Dólar PTAX e a taxa CDI. As previsões dos modelos MIDAS utilizados foram realizadas para três horizontes de previsão diferentes, 1, 2 e 4 trimestres à frente. Essas previsões de modelos MIDAS foram comparadas com as geradas pelos modelos univariados autorregressivos de séries temporais ARIMA e SARIMA. Ao todo, foram realizadas 49.152 previsões MIDAS Almon, 49.152 previsões MIDAS Nealmon, 17.496 previsões UMIDAS e 6.000 previsões de modelos MIDAS univariados. No total, neste estudo foram realizadas 121.800 previsões da variação do PIB trimestral brasileiro através de modelos da família MIDAS. Os resultados encontrados indicam que os modelos MIDAS, utilizando variáveis do mercado financeiro, apresentaram melhor desempenho na previsão do PIB no horizonte de 1 trimestre à frente, em relação aos modelos ARIMA e SARIMA. Destacam-se os modelos que utilizaram como previsores a variação doDólar PTAX, a variação do Índice Bovespa, a variação do Índice Dow Jones, a variação do preço do petróleo Brent e as variações das cotações CMIG4, PETR4 e VALE3. Conclui-se que para previsões em horizontes curtos, os modelos MIDAS, utilizando apenas dados do mercado financeiro, são uma alternativa atraente para os agentes econômicos em suas previsões macroeconômicas. Palavras-chave: Finanças. MIDAS. Macroeconomia. PIB. PrevisõesForecasts for the GDP run into two main problems, the delay in publishing of certain macroeconomic aggregates and difficulties in using data sampled at different frequencies. To solve these problems, this dissertation work aims to: 1. Generate forecasts for the Brazilian GDP using only financial market data; 2. Use MIDAS models to work with variables sampled at different frequencies; 3. Compare the predictive capacity of the models used (MIDAS, ARIMA and SARIMA). Based on the assumptions of efficient markets and rational expectations, it is possible to expect that the information contained in the prices of financial market assets is sufficient to generate forecasts for the Brazilian GDP, better than those generated using macroeconomic aggregate variables. The study proposed here is original, as it investigates the use of only financial variables in forecasting the Brazilian GDP. The estimation period of the models was from the second quarter of 1996 to the last quarter of 2018 and the out-of-sample forecasts were carried out for the year 2019. The variables used as predictors were: the Bovespa Index, the Dow Jones Index, the Brent oil barrel price, the PTAX Dollar exchange rate and the CDI rate. The predictions of the MIDAS models used were performed for three different forecast horizons, 1, 2 and 4 quarters ahead. These predictions from MIDAS models were compared with those generated by univariate autoregressive time series ARIMA and SARIMA models. In all, 49.152 MIDAS Almon forecasts, 49.152 MIDAS Nealmon forecasts, 17.496 UMIDAS forecasts and 6.000 univariate MIDAS model forecasts were performed. In total, 121.800 forecasts of the Brazilian quarterly GDP variation were carried out in this study using models from the MIDAS family. The results found indicate that the MIDAS models, using financial market variables, presented better performance in forecasting GDP in the horizon of 1 quarter ahead, compared to the ARIMA and SARIMA models. The best models used as predictors the variation of the PTAX Dollar, the variation of the Bovespa Index, the variation of the Dow Jones Index, the variation in the price of oil Brent and the variations of the CMIG4, PETR4 and VALE3 quotations. It is concluded that for short-term forecasts, MIDAS models,using only financial market data, are an attractive alternative for economic agents in their macroeconomic forecasts Keywords: Finance. Forecasting. GDP. Macroeconomics. MIDAS.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaFinançasMacroeconomiaProduto interno brutoPrevisãoEconomiaPrevisões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequênciasBrazilian GDP forecasts based on market information: applications with data from different frequenciesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de EconomiaMestre em EconomiaViçosa - MG2021-07-19Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdfapplication/pdf2024460https://locus.ufv.br//bitstream/123456789/29816/1/texto%20completo.pdf6fae3438a6c4bcfb855b307cb1ebcccfMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/29816/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/298162022-09-01 13:57:45.092oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452022-09-01T16:57:45LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false |
dc.title.pt-BR.fl_str_mv |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
dc.title.en.fl_str_mv |
Brazilian GDP forecasts based on market information: applications with data from different frequencies |
title |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
spellingShingle |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências Haase, Ramiro Carvalho Finanças Macroeconomia Produto interno bruto Previsão Economia |
title_short |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
title_full |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
title_fullStr |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
title_full_unstemmed |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
title_sort |
Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências |
author |
Haase, Ramiro Carvalho |
author_facet |
Haase, Ramiro Carvalho |
author_role |
author |
dc.contributor.authorLattes.pt-BR.fl_str_mv |
http://lattes.cnpq.br/8046130942754254 |
dc.contributor.author.fl_str_mv |
Haase, Ramiro Carvalho |
dc.contributor.advisor1.fl_str_mv |
Tupy, Igor Santos |
contributor_str_mv |
Tupy, Igor Santos |
dc.subject.pt-BR.fl_str_mv |
Finanças Macroeconomia Produto interno bruto Previsão |
topic |
Finanças Macroeconomia Produto interno bruto Previsão Economia |
dc.subject.cnpq.fl_str_mv |
Economia |
description |
Previsões para o PIB esbarram em dois problemas principais, o atraso na publicação de certos dados de agregados macroeconômicos e dificuldades na utilização de dados amostrados em frequências diferentes. Para tentar resolver esses problemas, este trabalho de dissertação visa: 1. Gerar previsões para o PIB brasileiro utilizando apenas dados do mercado financeiro; 2. Utilizar os modelos MIDAS para trabalhar com variáveis amostradas em diferentes frequências; 3. Comparar a capacidade de previsão dos modelos utilizados (MIDAS, ARIMA e SARIMA). A partir das hipóteses de mercados eficientes e de expectativas racionais, é possível esperar que as informações contidas nos preços dos ativos do mercado financeiro são suficientes para gerar previsões para o PIB brasileiro, melhores do que as geradas utilizando variáveis de agregados macroeconômicos. O estudo proposto aqui é original, por investigar o uso de apenas variáveis financeiras em previsões do PIB brasileiro. O período de estimação dos modelos foi do segundo trimestre de 1996 ao último trimestre de 2018 e as previsões fora da amostra foram realizadas para o ano de 2019. As variáveis utilizadas foram: o PIB brasileiro trimestral, cotações de ativos da Bolsa de Valores brasileira, a B3, o Índice Bovespa, o Índice Dow Jones, o preço do barril de petróleo Brent, a cotação do câmbio Dólar PTAX e a taxa CDI. As previsões dos modelos MIDAS utilizados foram realizadas para três horizontes de previsão diferentes, 1, 2 e 4 trimestres à frente. Essas previsões de modelos MIDAS foram comparadas com as geradas pelos modelos univariados autorregressivos de séries temporais ARIMA e SARIMA. Ao todo, foram realizadas 49.152 previsões MIDAS Almon, 49.152 previsões MIDAS Nealmon, 17.496 previsões UMIDAS e 6.000 previsões de modelos MIDAS univariados. No total, neste estudo foram realizadas 121.800 previsões da variação do PIB trimestral brasileiro através de modelos da família MIDAS. Os resultados encontrados indicam que os modelos MIDAS, utilizando variáveis do mercado financeiro, apresentaram melhor desempenho na previsão do PIB no horizonte de 1 trimestre à frente, em relação aos modelos ARIMA e SARIMA. Destacam-se os modelos que utilizaram como previsores a variação doDólar PTAX, a variação do Índice Bovespa, a variação do Índice Dow Jones, a variação do preço do petróleo Brent e as variações das cotações CMIG4, PETR4 e VALE3. Conclui-se que para previsões em horizontes curtos, os modelos MIDAS, utilizando apenas dados do mercado financeiro, são uma alternativa atraente para os agentes econômicos em suas previsões macroeconômicas. Palavras-chave: Finanças. MIDAS. Macroeconomia. PIB. Previsões |
publishDate |
2021 |
dc.date.issued.fl_str_mv |
2021-07-19 |
dc.date.accessioned.fl_str_mv |
2022-09-01T16:56:50Z |
dc.date.available.fl_str_mv |
2022-09-01T16:56:50Z |
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.citation.fl_str_mv |
HAASE, Ramiro Carvalho. Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências. 2021. 66 f. Dissertação (Mestrado em Economia) - Universidade Federal de Viçosa, Viçosa. 2021. |
dc.identifier.uri.fl_str_mv |
https://locus.ufv.br//handle/123456789/29816 |
dc.identifier.doi.pt-BR.fl_str_mv |
https://doi.org/10.47328/ufvbbt.2021.108 |
identifier_str_mv |
HAASE, Ramiro Carvalho. Previsões do PIB brasileiro a partir de informações de mercado: aplicações com dados de diferentes frequências. 2021. 66 f. Dissertação (Mestrado em Economia) - Universidade Federal de Viçosa, Viçosa. 2021. |
url |
https://locus.ufv.br//handle/123456789/29816 https://doi.org/10.47328/ufvbbt.2021.108 |
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.publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
publisher.none.fl_str_mv |
Universidade Federal de Viçosa |
dc.source.none.fl_str_mv |
reponame:LOCUS Repositório Institucional da UFV instname:Universidade Federal de Viçosa (UFV) instacron:UFV |
instname_str |
Universidade Federal de Viçosa (UFV) |
instacron_str |
UFV |
institution |
UFV |
reponame_str |
LOCUS Repositório Institucional da UFV |
collection |
LOCUS Repositório Institucional da UFV |
bitstream.url.fl_str_mv |
https://locus.ufv.br//bitstream/123456789/29816/1/texto%20completo.pdf https://locus.ufv.br//bitstream/123456789/29816/2/license.txt |
bitstream.checksum.fl_str_mv |
6fae3438a6c4bcfb855b307cb1ebcccf 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV) |
repository.mail.fl_str_mv |
fabiojreis@ufv.br |
_version_ |
1801212845509050368 |