Previsão de variáveis macroeconômicas pelo modelo de fatores dinâmicos: uma abordagem por componentes principais esparsas (2020)
- Authors:
- Autor USP: MARTINS, IGOR FERREIRA BATISTA - FEARP
- Unidade: FEARP
- Sigla do Departamento: EAE
- Subjects: ANÁLISE FATORIAL; PREVISÃO (ANÁLISE DE SÉRIES TEMPORAIS); MACROECONOMIA
- Keywords: Factor model; Forecast; Modelo de fatores; Previsão; SPCA
- Agências de fomento:
- Language: Português
- Abstract: Modelos fatoriais são um dos principais métodos de previsão macroeconômicas. Tradicionalmente, esses modelos utilizam a matriz de covariância amostral em conjunto da análise de componentes principais. Nesse trabalho, nós analisamos o impacto da escolha do tipo de matriz de covariância e do método de extração dos fatores latentes para previsões macroeconômica decorrentes de modelos fatoriais. A existência de erros de medida nas séries temporais pode introduzir uma estrutura de dependência temporal sendo adequado substituir a matriz de covariância amostral por matrizes de longo prazo. Adicionalmente, a matriz de covariância amostral pode acumular erros de estimação devido ao número elevado de parâmetros a serem estimados. Ao usar um hard-threshold, podemos mitigar esse problema. Já o uso de componentes principais esparsas nos permite usar o tradeoff entre viés e variância para obter estimativas mais precisas em amostras finitas. A metodologia proposta é aplicada a base de dados macroeconômicos apresentada em Stock e Watson (2009). Os resultados obtidos fortalecem a evidência de que usar um subconjunto das séries temporais disponibilizadas para a extração dos fatores não leva, necessariamente, a um pior desempenho preditivo. Similarmente a Kristensen (2017), encontramos que as previsões obtidas por PCA e SPCA são próximas e, adicionalmente, mostramos que o Model Confidence Set não rejeita a hipótese de mesma habilidade preditiva em muitos casos. Por fim, expandimos a evidênciaapresentada em Smeekes e Wijler (2018) de que modelos que utilizam esparcidade podem levar a um melhor desempenho do que modelos fatoriais baseados na matriz de covariância amostral e PCA quando temos a presença de erros de especificação
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2020
- Data da defesa: 23.04.2020
-
ABNT
MARTINS, Igor Ferreira Batista. Previsão de variáveis macroeconômicas pelo modelo de fatores dinâmicos: uma abordagem por componentes principais esparsas. 2020. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01072020-145214/. Acesso em: 07 jun. 2024. -
APA
Martins, I. F. B. (2020). Previsão de variáveis macroeconômicas pelo modelo de fatores dinâmicos: uma abordagem por componentes principais esparsas (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01072020-145214/ -
NLM
Martins IFB. Previsão de variáveis macroeconômicas pelo modelo de fatores dinâmicos: uma abordagem por componentes principais esparsas [Internet]. 2020 ;[citado 2024 jun. 07 ] Available from: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01072020-145214/ -
Vancouver
Martins IFB. Previsão de variáveis macroeconômicas pelo modelo de fatores dinâmicos: uma abordagem por componentes principais esparsas [Internet]. 2020 ;[citado 2024 jun. 07 ] Available from: https://www.teses.usp.br/teses/disponiveis/96/96131/tde-01072020-145214/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas