Esta dissertação testa e compara dois tipos de modelagem para previsão de uma mesma série temporal. Foi observada uma série temporal de distribuição de energia elétrica e, como estudo de caso, optou-se pela região metropolitana do Estado da Bahia. Foram testadas as combinações de três variáveis exógenas em cada modelo: a quantidade de clientes ligados na rede de distribuição de energia elétrica, a temperatura ambiente e a precipitação de chuvas. O modelo linear de previsão de séries temporais utilizado foi um SARIMAX. A modelagem de inteligência computacional utilizada para a previsão da série temporal foi um sistema de Inferência Fuzzy. Na busca de um melhor desempenho, foram feitos testes de quais variáveis exógenas melhor influenciam no comportamento da energia distribuída em cada modelo. Segundo a avaliação dos testes, o sistema Fuzzy de previsão foi o que obteve o menor erro. Porém dentre os menores erros, os resultados dos testes também indicaram diferentes variáveis exógenas para cada modelo de previsão.

Esta dissertação tem como propósito apresentar contribuições que viabilizem melhorias na capacidade de previsão dos modelos de Vetores Autorregressivos (VAR) por ser um método de resultados avaliados como acurados no curto e no médio prazo e de baixa complexidade (Lima; Araújo; Silva, 2009).Mais especificamente, realizamos a previsão do índice de preços ao consumidor amplo (IPCA)através da estimação de modelos VAR utilizando-se de combinações lineares de programação matemática (PPM) multiobjetivo MINIMAX que permitissem aos modelos VAR atingirem maior acurácia. Os resultados deste trabalho nos apontam que, em média, pelo método estático, as previsões combinadas de inflação calculadas pela combinação de previsões que minimizam o erro quadrático médio (MSE) e as 3 estatísticas (MAPE, MAE e MSE) superam um modelo Naïve usado como referência (benchmark) e o modelo VAR de previsão individual com maior acurácia. Isso é observado principalmente para previsões com 6 e 12 passos à frente. Pelo método dinâmico, no horizonte de 12 meses as previsões foram mais acuradas que àqueles do modelo referência.

Este artigo compara a habilidade preditiva foradaamostra de um modelo DSGE (DynamicStochastic General EquilibriumModel)Novo-Keynesiano, especificado e estimado para o Brasil, com a de um modelo Autorregressivo Vetorial (VAR) e com a de um modelo AutorregressivoVetorial Bayesiano (BVAR). O artigo inova em relação a outros trabalhos similares feitos para o Brasil (Castro et al. (2011) e Caetano e Moura (2013)), ao escolher uma especificação para o modelo DSGE que, ao permitir o uso de um conjunto de informação mais rico, tornou possível computar-se a habilidade preditiva do DSGE a partir de previsões que são,verdadeiramente,previsõesfora da amostra. Ademais, diferentemente de outros artigos que utilizaram dados brasileiros, avalia-se em que medida as respostas das variáveis aos choques na política monetária e no câmbio, obtidas pelo modelo DSGE, se assemelham àquelas de um BVAR estimado através de procedimentos bayesianos desenvolvidos de forma consistente. O modelo DSGE estimado é similar ao utilizado por Justiniano e Preston (2010) e Alpanda (2010). O modelo BVAR foi estimado utilizando uma metodologia semelhante à desenvolvida por Sims e Zha (1998), Waggoner e Zha (2003) e Ramírez, Waggoner e Zha (2007).Os resultados obtidos mostram que o modelo DSGE é capaz de gerar, para algumas variáveis, previsões competitivas em relação às dos outros modelos rivais VAR e BVAR. Além disso, as respostas das variáveis aos choques nas políticas monetária e cambial, nos modelos DSGE e BVAR, são bastante similares.

El objetivo de este estudio fue evaluar la validez externa de tres ecuaciones de referencia para calcular la distancia recorrida de la incremental shuttle walking test (ISWT) para ancianos comunitarios, así como identificar la ecuación que mejor predice la distancia en este grupo de edad. Se seleccionaron a 84 ancianos inscritos en las Unidades Básicas de Salud de Diamantina, Minas Gerais (Brasil). Se aplicaron a los voluntarios la ISWT, y la distancia recorrida en metros hasta la interrupción de la prueba se registró y se utilizó para comparar con las ecuaciones de predicción. Los voluntarios tenían un promedio de edad de 73,15±5,89 años y algunos problemas de salud habituales en este grupo de edad, de los cuales la mayoría fue mujeres y practicantes de actividad física. El análisis estadístico mostró que hubo una interacción entre los factores, es decir, existe una diferencia entre las distancias obtenidas por ISWT y las distancias obtenidas por las ecuaciones. También hubo una diferencia en las comparaciones entre los sexos (p<0,05), y la Ecuación 1 mostró una mayor fuerza de correlación (p<0,0001; r=0,414) con la distancia real recorrida en relación con las otras ecuaciones. Por lo tanto, este estudio demostró una diferencia en la comparación de las distancias reales y calculadas por tres ecuaciones de predicción de ISWT, lo que sugiere que las ecuaciones utilizadas pueden sobreestimar la distancia recorrida por los ancianos y que entre estas la Ecuación 1 presentó una predicción más cercana a la distancia recorrida por la muestra evaluada.

Este artigo investiga se os índices de confiança do consumidor podem melhorar as projeções do consumo agregado no Brasil, levando em conta informações dos fundamentos econômicos contidas em defasagens de indicadores financeiros e das taxas de crescimento do PIB e do volume de crédito às famílias. Nesse contexto, permitimos estruturas de defasagens distintas entre os potenciais preditores do consumo, o que dá origem a um grande espaço de potenciais modelos. Usamos, então, técnicas de ponderação bayesiana de modelos como uma estratégia agnóstica para lidar com a inerente incerteza sobre o modelo. Esta abordagem nos permitiu investigar quais regressores podem ser considerados robustos. Os resultados sugerem que PIB, crédito às famílias, retorno do mercado acionário e indicadores de confiança dos consumidores apresentam um potencial preditivo robusto na análise dentro da amostra. Finalmente, os resultados fora da amostra sugerem um papel não desprezível para os índices de confiança do consumidor na previsão da taxa de crescimento do consumo agregado no Brasil, especialmente em horizontes de previsão curtos.

This paper documents the optimism in the forecast of GDP and IPCA. That is, it shows that GDP forecasts are systematically higher than what actually happens, and IPCA projections are systematically lower. Then it tests whether there is an anti-herding bias related to a publicity hypothesis regarding institutional incentives for the behavior of professionals who make such forecasts. Finally, it verifies whether the revision of the forecast still carries the previously identified bias. The results confirm the existence of an optimistic bias in the GDP and IPCA projections and this bias remains in the following revisions for GDP. However, the publicity hypothesis seems to be not confirmed for the aggregated forecasts by types of institutions.

O objetivo desse artigo é testar, para o Brasil, uma nova abordagem de previsão que vem sendo proposta por autores oriundos de outros campos de pesquisa, como a física, e que pode ser útil para prever eventos extremos também na economia. O artigo se propõe a tentar detectar períodos de grande aumento das taxas de desemprego no Brasil utilizando duas linhas metodológicas. Com a série de desemprego (de 1985 a 2012) suavizada a partir de splines, visa-se reconhecer, via análise fractal, indícios de uma mudança em sua tendência, a partir do desempenho passado. Utilizando a metodologia de análise discriminante, procurou-se identificar as séries que apresentam co-movimento com a série do desemprego. Concluiu-se que períodos de crescimento do desemprego são, em geral, precedidos em cerca de um ano por melhorias nas relações de troca, aumento das importações e queda dos salários mínimos reais em PPC.

Este artigo analisa o desempenho de vários modelos de fatores de alta dimensão para prever quatro variáveis macroeconômicas brasileiras, incluindo a taxa de desemprego, o índice de produção industrial, IPCA e IPC. Os fatores são extraídos de um conjunto de dados composto por 117 variáveis macroeconômicas. Técnicas de aprendizado estatístico foram aplicadas visando aumentar a performance dos modelos fatoriais. Três tipos de técnicas de aprendizado estatístico foram aplicadas: métodos de shrinkage, combinações de previsões e seleção de previsores. Os fatores são extraídos de forma supervisionada e não supervisionada. Os resultados indicam que métodos de aprendizado estatístico melhoram o desempenho preditivo das variáveis econômicas brasileiras. Além disso, a combinação de técnicas de aprendizagem estatística e supervisão fatorial produzem melhores previsões que modelos sem fatores, do que modelos fatoriais com ou sem supervisão e do que modelos que utilizam apenas o aprendizado estatístico sem supervisião dos fatores. Única exceção a estas conclusões foi a variável índice de produção industrial que foi melhor prevista pelo modelo não supervisionado de fatores.