Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Souza Junior, Pedro Ivo Ferreira de
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/41996
Resumo: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, 2021.
id UNB_d2e94e30850e905c5c7355f54f8665cf
oai_identifier_str oai:repositorio.unb.br:10482/41996
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquinaTaxa de jurosModelos de previsãoAprendizado do computadorDissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, 2021.Este trabalho tem como objetivo principal avaliar modelos de aprendizado de máquina, com o propósito de previsão de séries temporais, para projeção da Estrutura a Termo da Taxa de Juros – ETTJ brasileira. Os modelos tratados neste trabalho são: K Vizinhos mais Próximos, Least Absolute Shrinkage and Selection Operator – LASSO, Floresta Aleatória, Extreme Gradient Boosting e Máquinas de Vetor Suporte. No treinamento dos modelos foram utilizadas, primeiramente, as séries históricas das taxas de dezesseis vértices da ETTJ, e, adicionalmente, em um segundo momento, foram incluídas variáveis macroeconômicas aos dados de treinamento. O objetivo era avaliar se os desempenhos desses modelos seriam superiores ao do modelo Passeio Aleatório – PA, usado na literatura como referência para avaliação de desempenho de modelos de projeções de séries temporais. Os resultados mostraram que não é possível determinar um modelo, para os dados brasileiros, que consistentemente produza menor erro de previsão que o Passeio Aleatório em todos os horizontes de projeção. Por outro lado, quanto mais curto o prazo de projeção, mais os modelos analisados se tornam superiores ao Passeio Aleatório. As análises também indicaram que a inclusão de variáveis macroeconômicas para o treinamento não gerou melhores resultados nas projeções de forma consistente, apesar da existência de correlação entre essas variáveis e a dinâmica das taxas de juros da ETTJ.The main objective of this work is to evaluate machine learning models, with the purpose of forecasting time-series, for the forecasting of the Brazilian yield curve. The models covered in this work are K Nearest Neighbors, Least Absolute Shrinkage and Selection Operator – LASSO, Random Forest, Extreme Gradient Boosting and Support Vector Machines. In the model training, first, the historical time-series of the yield curve were used, for sixteen vertices, and, additionally, in a second moment, macroeconomic variables were included in the training data. The objective was to evaluate whether the performance of these models would be superior to that of the Random Walk model, used in the literature as a reference for evaluating the time-series performance of forecasting models. The results showed that it is not possible to determine a model, for the Brazilian data, that consistently produces less forecast error than the Random Walk in all projection horizons. On the other hand, the shorter the projection period, the more the analyzed models become superior to Random Walk. The results also indicated that the inclusion of macroeconomic variables for training did not consistently generate better results in the projections, despite the existence of a correlation between these variables and the dynamics of the yield curve.Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)Departamento de Economia (FACE ECO)Programa de Pós-Graduação em Economia, Mestrado ProfissionalCajueiro, Daniel OliveiraSouza Junior, Pedro Ivo Ferreira de2021-09-01T20:44:53Z2021-09-01T20:44:53Z2021-09-012021-07-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSOUZA JUNIOR, Pedro Ivo Ferreira de. Estrutura a termo da taxa de juros no Brasil: projeções utilizando aprendizado de máquina. 2021. 62 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público) — Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/41996A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2023-11-17T12:27:37Zoai:repositorio.unb.br:10482/41996Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2023-11-17T12:27:37Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
title Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
spellingShingle Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
Souza Junior, Pedro Ivo Ferreira de
Taxa de juros
Modelos de previsão
Aprendizado do computador
title_short Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
title_full Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
title_fullStr Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
title_full_unstemmed Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
title_sort Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina
author Souza Junior, Pedro Ivo Ferreira de
author_facet Souza Junior, Pedro Ivo Ferreira de
author_role author
dc.contributor.none.fl_str_mv Cajueiro, Daniel Oliveira
dc.contributor.author.fl_str_mv Souza Junior, Pedro Ivo Ferreira de
dc.subject.por.fl_str_mv Taxa de juros
Modelos de previsão
Aprendizado do computador
topic Taxa de juros
Modelos de previsão
Aprendizado do computador
description Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas, Departamento de Economia, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-09-01T20:44:53Z
2021-09-01T20:44:53Z
2021-09-01
2021-07-08
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 SOUZA JUNIOR, Pedro Ivo Ferreira de. Estrutura a termo da taxa de juros no Brasil: projeções utilizando aprendizado de máquina. 2021. 62 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público) — Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/41996
identifier_str_mv SOUZA JUNIOR, Pedro Ivo Ferreira de. Estrutura a termo da taxa de juros no Brasil: projeções utilizando aprendizado de máquina. 2021. 62 f., il. Dissertação (Mestrado Profissional em Economia do Setor Público) — Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/41996
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 UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508279013834752

Registros relacionados