Forecasting brazilian inflation with singular spectrum analysis
Autor(a) principal: | |
---|---|
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 |