Forecasting brazilian inflation with singular spectrum analysis

Detalhes bibliográficos
Autor(a) principal: Matsuoka, Danilo Hiroshi
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/147410
Resumo: O objetivo deste artigo é avaliar previsões da inflação brasileira a partir do método não-paramétrico de Análise Espectral Singular (SSA). O exercício de previsão utiliza o esquema de janelas rolantes. Diferentes estratégias de combinação de previsões e procedimentos de seleção de variáveis para métodos multivariados foram contempladas. Para robustez, cinco horizontes de previsão foram utilizados. A avaliação das previsões considera diversos procedimentos e medidas estatísticas para oferecer conclusões confiáveis, incluindo razões de erro quadrático médio de previsão, teste de igualdade condicional de habilidade preditiva, diferenças de erro quadrático médio de previsão cumulativas e Model Confidence Set. Os resultados mostram que o SSA supera consistentemente os métodos competidores. Quase todas as previsões SSA superam os competidores em termos de erro quadrático médio de previsão, e em vários casos, com significância estatística. A análise da porção fora da amostra indica superioridade em performance relativa do SSA, especialmente no período de choque nos preços de energia elétrica. Adicionalmente, métodos SSA sempre foram incluídos no conjunto superior do Model Confidence Set. A falta de estudos relacionados com previsão da inflação brasileira e a relativa escassez de análises de previsões via métodos não-paramétricos ressaltam a relevância deste artigo. Não existem pesquisas na literatura de previsão de inflação brasileira aplicando SSA. Uma das estratégias de combinação de previsões aplicadas neste artigo não é comumente encontrada na literatura, na medida em que envolve combinações de diferentes especificações para cada método de previsão. Adicionalmente, restrições de parâmetros foram impostas nas previsões SSA, uma prática não reportada na literatura.
id URGS_244d70bbeb23291228fe143c1b159526
oai_identifier_str oai:www.lume.ufrgs.br:10183/147410
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Matsuoka, Danilo HiroshiZiegelmann, Flavio AugustoTorrent, Hudson da Silva2016-08-19T02:16:33Z2016http://hdl.handle.net/10183/147410000998909O objetivo deste artigo é avaliar previsões da inflação brasileira a partir do método não-paramétrico de Análise Espectral Singular (SSA). O exercício de previsão utiliza o esquema de janelas rolantes. Diferentes estratégias de combinação de previsões e procedimentos de seleção de variáveis para métodos multivariados foram contempladas. Para robustez, cinco horizontes de previsão foram utilizados. A avaliação das previsões considera diversos procedimentos e medidas estatísticas para oferecer conclusões confiáveis, incluindo razões de erro quadrático médio de previsão, teste de igualdade condicional de habilidade preditiva, diferenças de erro quadrático médio de previsão cumulativas e Model Confidence Set. Os resultados mostram que o SSA supera consistentemente os métodos competidores. Quase todas as previsões SSA superam os competidores em termos de erro quadrático médio de previsão, e em vários casos, com significância estatística. A análise da porção fora da amostra indica superioridade em performance relativa do SSA, especialmente no período de choque nos preços de energia elétrica. Adicionalmente, métodos SSA sempre foram incluídos no conjunto superior do Model Confidence Set. A falta de estudos relacionados com previsão da inflação brasileira e a relativa escassez de análises de previsões via métodos não-paramétricos ressaltam a relevância deste artigo. Não existem pesquisas na literatura de previsão de inflação brasileira aplicando SSA. Uma das estratégias de combinação de previsões aplicadas neste artigo não é comumente encontrada na literatura, na medida em que envolve combinações de diferentes especificações para cada método de previsão. Adicionalmente, restrições de parâmetros foram impostas nas previsões SSA, uma prática não reportada na literatura.The purpose of this paper is to evaluate Brazilian inflation forecasts produced by the nonparametric method Singular Spectrum Analysis (SSA). This forecasting exercise employs rolling windows scheme. Different strategies of forecast combinations and variable selection procedures for multivariate methods were contemplated. For robustness, five forecast horizons were used. The forecast evaluation considers several statistical measures and procedures to offer reliable conclusions, including mean squared forecast error ratios, tests of equal conditional predictive ability, cumulative square forecast error difference and Model Confidence Set. The results show that SSA consistently outperforms the competitive methods. Almost all SSA forecasts outperforms the competitors in the mean squared forecast error sense, and several with statistical significance. Analysis of the out-of-sample portion indicates relative superior performance of SSA, especially over the period of electricity shock of prices. SSA methods were always included in the superior set of Model Confidence Set procedures. The lack of studies related to Brazilian inflation forecasting and the relative scarcity of nonparametric methods of forecasting analysis highlights the relevance of this paper. There is no research in Brazilian inflation literature applying SSA. One of the forecast combination strategies applied in this paper is not commonly found in the literature, as it involves combinations of different specifications for each forecast method. Additionally, parameter restrictions on SSA forecasts were imposed, a practice which is not reported in the literature.application/pdfengInflaçãoEconometriaSéries temporaisInflationSingular spectrum analysisForecastingForecasting brazilian inflation with singular spectrum analysisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de Ciências EconômicasPrograma de Pós-Graduação em EconomiaPorto Alegre, BR-RS2016mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000998909.pdf000998909.pdfTexto completo (inglês)application/pdf2364796http://www.lume.ufrgs.br/bitstream/10183/147410/1/000998909.pdf927f35fa18613a40bfa50e308bf19b0cMD51TEXT000998909.pdf.txt000998909.pdf.txtExtracted Texttext/plain49344http://www.lume.ufrgs.br/bitstream/10183/147410/2/000998909.pdf.txt5740802042093abd8c20f754e8e5c4f8MD52THUMBNAIL000998909.pdf.jpg000998909.pdf.jpgGenerated Thumbnailimage/jpeg1048http://www.lume.ufrgs.br/bitstream/10183/147410/3/000998909.pdf.jpgc00c96cf2f431807ae764cee26470f75MD5310183/1474102022-02-22 04:50:31.578759oai:www.lume.ufrgs.br:10183/147410Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T07:50:31Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Forecasting brazilian inflation with singular spectrum analysis
title Forecasting brazilian inflation with singular spectrum analysis
spellingShingle Forecasting brazilian inflation with singular spectrum analysis
Matsuoka, Danilo Hiroshi
Inflação
Econometria
Séries temporais
Inflation
Singular spectrum analysis
Forecasting
title_short Forecasting brazilian inflation with singular spectrum analysis
title_full Forecasting brazilian inflation with singular spectrum analysis
title_fullStr Forecasting brazilian inflation with singular spectrum analysis
title_full_unstemmed Forecasting brazilian inflation with singular spectrum analysis
title_sort Forecasting brazilian inflation with singular spectrum analysis
author Matsuoka, Danilo Hiroshi
author_facet Matsuoka, Danilo Hiroshi
author_role author
dc.contributor.author.fl_str_mv Matsuoka, Danilo Hiroshi
dc.contributor.advisor1.fl_str_mv Ziegelmann, Flavio Augusto
dc.contributor.advisor-co1.fl_str_mv Torrent, Hudson da Silva
contributor_str_mv Ziegelmann, Flavio Augusto
Torrent, Hudson da Silva
dc.subject.por.fl_str_mv Inflação
Econometria
Séries temporais
topic Inflação
Econometria
Séries temporais
Inflation
Singular spectrum analysis
Forecasting
dc.subject.eng.fl_str_mv Inflation
Singular spectrum analysis
Forecasting
description O objetivo deste artigo é avaliar previsões da inflação brasileira a partir do método não-paramétrico de Análise Espectral Singular (SSA). O exercício de previsão utiliza o esquema de janelas rolantes. Diferentes estratégias de combinação de previsões e procedimentos de seleção de variáveis para métodos multivariados foram contempladas. Para robustez, cinco horizontes de previsão foram utilizados. A avaliação das previsões considera diversos procedimentos e medidas estatísticas para oferecer conclusões confiáveis, incluindo razões de erro quadrático médio de previsão, teste de igualdade condicional de habilidade preditiva, diferenças de erro quadrático médio de previsão cumulativas e Model Confidence Set. Os resultados mostram que o SSA supera consistentemente os métodos competidores. Quase todas as previsões SSA superam os competidores em termos de erro quadrático médio de previsão, e em vários casos, com significância estatística. A análise da porção fora da amostra indica superioridade em performance relativa do SSA, especialmente no período de choque nos preços de energia elétrica. Adicionalmente, métodos SSA sempre foram incluídos no conjunto superior do Model Confidence Set. A falta de estudos relacionados com previsão da inflação brasileira e a relativa escassez de análises de previsões via métodos não-paramétricos ressaltam a relevância deste artigo. Não existem pesquisas na literatura de previsão de inflação brasileira aplicando SSA. Uma das estratégias de combinação de previsões aplicadas neste artigo não é comumente encontrada na literatura, na medida em que envolve combinações de diferentes especificações para cada método de previsão. Adicionalmente, restrições de parâmetros foram impostas nas previsões SSA, uma prática não reportada na literatura.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-08-19T02:16:33Z
dc.date.issued.fl_str_mv 2016
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 http://hdl.handle.net/10183/147410
dc.identifier.nrb.pt_BR.fl_str_mv 000998909
url http://hdl.handle.net/10183/147410
identifier_str_mv 000998909
dc.language.iso.fl_str_mv eng
language eng
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:Biblioteca Digital de Teses e Dissertações 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 Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/147410/1/000998909.pdf
http://www.lume.ufrgs.br/bitstream/10183/147410/2/000998909.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/147410/3/000998909.pdf.jpg
bitstream.checksum.fl_str_mv 927f35fa18613a40bfa50e308bf19b0c
5740802042093abd8c20f754e8e5c4f8
c00c96cf2f431807ae764cee26470f75
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1816736939111350272