Previsão do consumo: análises para o Brasil e os EUA

Detalhes bibliográficos
Autor(a) principal: Felini, Patrícia Silva
Data de Publicação: 2020
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-19082020-145716/
Resumo: Este trabalho analisa a capacidade de previsão de diversos indicadores com respeito ao consumo agregado no Brasil e nos Estados Unidos, sendo composto, assim, por dois estudos. O primeiro estudo investiga se a variável crédito é capaz de aprimorar a previsão de diferentes categorias de consumo (agregado) dos EUA, após levar-se em conta indicadores macroeconômicos típicos da literatura de previsão - defasagens do consumo, renda, taxa de juros e índices financeiros -, que captariam os fundamentos econômicos. Além desses indicadores, incluem-se também medidas de sentimento (confiança) do consumidor e de incerteza macroeconômica. Para avaliar a contribuição marginal do crédito e, também, do sentimento do consumidor e da incerteza macroeconômica, estimam-se diversos modelos com base em todas as variáveis mencionadas e são feitos exercícios de previsão fora da amostra. Para isso, são consideradas previsões h passos (meses) a frente, com h = 1; 3; 12. Como temos diversos modelos, a metodologia utilizada para selecionar aqueles que tem maior capacidade de previsão (fora da amostra) é a abordagem Model Confidence Set que nos permite avaliar o poder preditivo de diversos modelos de forma conjunta. Os resultados encontrados indicam que adicionar o crédito ao modelo base, com indicadores macroeconômicos típicos, não melhora a previsão das diferentes categorias de consumo analisadas. Além disso, para determinadas categorias do consumo, como consumo de não duráveis, em alguns horizontes temporais as variáveis de sentimento do consumidor e as variáveis de incerteza macroeconômica são relevantes. O segundo estudo investiga se índices de confiança do consumidor aprimoram a previsão do consumo agregado no Brasil, após levarmos em conta variáveis macroeconômicas usuais que captariam os fundamentos econômicos. Para tanto estimamos diversos modelos e medimos o poder preditivo (incremental) de índices de confiança do consumidor em exercícios de previsão dentro e fora da amostra. No primeiro caso, há evidência que as defasagens do próprio consumo, do crédito e da taxa Selic são preditores relevantes do consumo agregado. No segundo caso, os resultados são mistos, pois dependem da função perda utilizada na abordagem Model Confidence Set. Em particular, no caso do Erro Quadrado Médio o conjunto de modelos superiores é composto por uma única especificação na qual consta um índice de confiança do consumidor.
id USP_db406d617222723f5ea7139b6549787a
oai_identifier_str oai:teses.usp.br:tde-19082020-145716
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Previsão do consumo: análises para o Brasil e os EUAConsumption forecast: analysis for Brazil and USAConsumer sentimentConsumoConsumptionCreditCréditoForecastModel confidence setModel confidence setPrevisãoSentimento do consumidorEste trabalho analisa a capacidade de previsão de diversos indicadores com respeito ao consumo agregado no Brasil e nos Estados Unidos, sendo composto, assim, por dois estudos. O primeiro estudo investiga se a variável crédito é capaz de aprimorar a previsão de diferentes categorias de consumo (agregado) dos EUA, após levar-se em conta indicadores macroeconômicos típicos da literatura de previsão - defasagens do consumo, renda, taxa de juros e índices financeiros -, que captariam os fundamentos econômicos. Além desses indicadores, incluem-se também medidas de sentimento (confiança) do consumidor e de incerteza macroeconômica. Para avaliar a contribuição marginal do crédito e, também, do sentimento do consumidor e da incerteza macroeconômica, estimam-se diversos modelos com base em todas as variáveis mencionadas e são feitos exercícios de previsão fora da amostra. Para isso, são consideradas previsões h passos (meses) a frente, com h = 1; 3; 12. Como temos diversos modelos, a metodologia utilizada para selecionar aqueles que tem maior capacidade de previsão (fora da amostra) é a abordagem Model Confidence Set que nos permite avaliar o poder preditivo de diversos modelos de forma conjunta. Os resultados encontrados indicam que adicionar o crédito ao modelo base, com indicadores macroeconômicos típicos, não melhora a previsão das diferentes categorias de consumo analisadas. Além disso, para determinadas categorias do consumo, como consumo de não duráveis, em alguns horizontes temporais as variáveis de sentimento do consumidor e as variáveis de incerteza macroeconômica são relevantes. O segundo estudo investiga se índices de confiança do consumidor aprimoram a previsão do consumo agregado no Brasil, após levarmos em conta variáveis macroeconômicas usuais que captariam os fundamentos econômicos. Para tanto estimamos diversos modelos e medimos o poder preditivo (incremental) de índices de confiança do consumidor em exercícios de previsão dentro e fora da amostra. No primeiro caso, há evidência que as defasagens do próprio consumo, do crédito e da taxa Selic são preditores relevantes do consumo agregado. No segundo caso, os resultados são mistos, pois dependem da função perda utilizada na abordagem Model Confidence Set. Em particular, no caso do Erro Quadrado Médio o conjunto de modelos superiores é composto por uma única especificação na qual consta um índice de confiança do consumidor.This work analyzes the ability to predict various indicators with respect to aggregate consumption in Brazil and United States, thus comprising two studies. The first study investigates whether whether the credit variable improves the forecast of US (aggregate) consumption categories, after taking into account basic variables in the consumption forecasting literature - lagged consumption, income, interest rate and a financial indicator - that would capture the economic fundamentals. In addition to these variables, variables of consumer sentiment and macroeconomic uncertainty are also included. To assess the marginal contribution of credit and also of consumer sentiment and macroeconomic uncertainty, several models are estimated based on all the variables mentioned and forecasting exercises are carried out outside the sample. For this, h steps (months) forecasts are considered ahead, with h = 1; 3; 12. As we have several models, the methodology used to select that have greater forecasting capacity (out of the sample) is the Model Confidence Set approach that allows us to evaluate the predictive power of several models together. The results found indicate that adding credit to the base model, with typical macroeconomic indicators, does not improve the forecast of the different categories of consumption analyzed. In addition, for certain consumption categories, such as non-durable consumption, in some time horizons, adding the consumer sentiment variable and/or the macroeconomic uncertainty variable can bring statistically significant gains in the accuracy of forecasts. The second study investigates whether consumer confidence indices improve the forecast of aggregate consumption in Brazil, after considering typical macroeconomic variables - GDP, credit and financial indicators - that would capture the economic fundamentals. We estimate several models in order to investigate (incremental) predictive content of the consumer confidence indices in-sample and out-of-sample. In the first case, there is evidence that lags of consumption, credit and Selic rate are relevant predictors of aggregate consumption. In the second case, the results are mixed, as they depend on the loss function used in the Model Confidence Set approach. In particular, using the Mean Square Error, the set of the superior models is composed of a single specification that contains a consumer confidence index.Biblioteca Digitais de Teses e Dissertações da USPGomes, Fabio Augusto ReisFelini, Patrícia Silva2020-06-15info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/96/96131/tde-19082020-145716/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2020-11-19T17:42:02Zoai:teses.usp.br:tde-19082020-145716Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212020-11-19T17:42:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Previsão do consumo: análises para o Brasil e os EUA
Consumption forecast: analysis for Brazil and USA
title Previsão do consumo: análises para o Brasil e os EUA
spellingShingle Previsão do consumo: análises para o Brasil e os EUA
Felini, Patrícia Silva
Consumer sentiment
Consumo
Consumption
Credit
Crédito
Forecast
Model confidence set
Model confidence set
Previsão
Sentimento do consumidor
title_short Previsão do consumo: análises para o Brasil e os EUA
title_full Previsão do consumo: análises para o Brasil e os EUA
title_fullStr Previsão do consumo: análises para o Brasil e os EUA
title_full_unstemmed Previsão do consumo: análises para o Brasil e os EUA
title_sort Previsão do consumo: análises para o Brasil e os EUA
author Felini, Patrícia Silva
author_facet Felini, Patrícia Silva
author_role author
dc.contributor.none.fl_str_mv Gomes, Fabio Augusto Reis
dc.contributor.author.fl_str_mv Felini, Patrícia Silva
dc.subject.por.fl_str_mv Consumer sentiment
Consumo
Consumption
Credit
Crédito
Forecast
Model confidence set
Model confidence set
Previsão
Sentimento do consumidor
topic Consumer sentiment
Consumo
Consumption
Credit
Crédito
Forecast
Model confidence set
Model confidence set
Previsão
Sentimento do consumidor
description Este trabalho analisa a capacidade de previsão de diversos indicadores com respeito ao consumo agregado no Brasil e nos Estados Unidos, sendo composto, assim, por dois estudos. O primeiro estudo investiga se a variável crédito é capaz de aprimorar a previsão de diferentes categorias de consumo (agregado) dos EUA, após levar-se em conta indicadores macroeconômicos típicos da literatura de previsão - defasagens do consumo, renda, taxa de juros e índices financeiros -, que captariam os fundamentos econômicos. Além desses indicadores, incluem-se também medidas de sentimento (confiança) do consumidor e de incerteza macroeconômica. Para avaliar a contribuição marginal do crédito e, também, do sentimento do consumidor e da incerteza macroeconômica, estimam-se diversos modelos com base em todas as variáveis mencionadas e são feitos exercícios de previsão fora da amostra. Para isso, são consideradas previsões h passos (meses) a frente, com h = 1; 3; 12. Como temos diversos modelos, a metodologia utilizada para selecionar aqueles que tem maior capacidade de previsão (fora da amostra) é a abordagem Model Confidence Set que nos permite avaliar o poder preditivo de diversos modelos de forma conjunta. Os resultados encontrados indicam que adicionar o crédito ao modelo base, com indicadores macroeconômicos típicos, não melhora a previsão das diferentes categorias de consumo analisadas. Além disso, para determinadas categorias do consumo, como consumo de não duráveis, em alguns horizontes temporais as variáveis de sentimento do consumidor e as variáveis de incerteza macroeconômica são relevantes. O segundo estudo investiga se índices de confiança do consumidor aprimoram a previsão do consumo agregado no Brasil, após levarmos em conta variáveis macroeconômicas usuais que captariam os fundamentos econômicos. Para tanto estimamos diversos modelos e medimos o poder preditivo (incremental) de índices de confiança do consumidor em exercícios de previsão dentro e fora da amostra. No primeiro caso, há evidência que as defasagens do próprio consumo, do crédito e da taxa Selic são preditores relevantes do consumo agregado. No segundo caso, os resultados são mistos, pois dependem da função perda utilizada na abordagem Model Confidence Set. Em particular, no caso do Erro Quadrado Médio o conjunto de modelos superiores é composto por uma única especificação na qual consta um índice de confiança do consumidor.
publishDate 2020
dc.date.none.fl_str_mv 2020-06-15
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 https://www.teses.usp.br/teses/disponiveis/96/96131/tde-19082020-145716/
url https://www.teses.usp.br/teses/disponiveis/96/96131/tde-19082020-145716/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090867815776256