Previsão de inflação no Brasil utilizando desagregação por componentes de localidade

Abstract

Este trabalho propõe a desagregação por componentes de localidade do índice de inflação no Brasil como forma de melhorar o desempenho preditivo de modelos econométricos. Foram desenvolvidos modelos autorregressivos com ou sem variáveis macroeconômicas explicativas para se avaliar como a desagregação impacta em cada um deles. Além disso, foram utilizados dois testes estatísticos para se comparar o desempenho dos modelos, o Model Confidence Set e o Superior Predictive Ability. Observou-se que para curto prazo, como horizontes de até 3 meses, modelos autorregressivos de 1ª ordem possuem desempenho imbatível, ao passo que para horizontes mais distantes, modelo macroeconômicos e desagregados geram previsões estatisticamente superiores.

This work proposes the disaggregation of locality components from Brazil´s inflation index to enhance predictive performance of econometric models. Autorregressive models were implemented with or without explicative macroeconomic variables, in order to evaluate how the disaggregation affects each one of them. Besides that, it has been used two statistical tests to compare model forecast performance, the Model Confidence Set and the Superior Predictive Ability. For short term, up to 3 months, autorregressive models showed unachievable performance, whereas for longer terms, macroeconomic disaggregated models generate statistically superior forecasts.