Projeção de inflação no Brasil utilizando dados agregados e desagregados: um teste de poder preditivo por horizonte de tempo

Abstract

O trabalho tem como objetivo comparar a eficácia das diferentes metodologias de projeção de inflação aplicadas ao Brasil. Serão comparados modelos de projeção que utilizam os dados agregados e desagregados do IPCA em um horizonte de até doze meses à frente. Foi utilizado o IPCA na base mensal, com início em janeiro de 1996 e fim em março de 2012. A análise fora da amostra foi feita para o período entre janeiro de 2008 e março de 2012. Os modelos desagregados serão estimados por SARIMA, pelo software X-12 ARIMA disponibilizado pelo US Census Bureau, e terão as aberturas do IPCA de grupos (9) e itens (52), assim como aberturas com sentido mais econômico utilizadas pelo Banco Central do Brasil como: serviços, administrados, alimentos e industrializados; duráveis, não duráveis, semiduráveis, serviços e administrados. Os modelos agregados serão estimados por técnicas como SARIMA, modelos estruturais em espaço-estado (Filtro de Kalman) e Markov-switching. Os modelos serão comparados pela técnica de seleção de modelo Model Confidence Set, introduzida por Hansen, Lunde e Nason (2010), e Dielbod e Mariano (1995), no qual encontramos evidências de ganhos de desempenho nas projeções dos modelos mais desagregados em relação aos modelos agregados.

This work has aim to compare the forecast efficiency of different types of methodologies applied to Brazilian consumer inflation. We will compare forecasting models using disaggregated and aggregated data from IPCA over twelve months ahead. We used IPCA in a monthly basis, over the period between January 1996 to March 2012. Out-ofsample analysis will be made through the period of January 2008 to March 2012. The disaggregated models were estimated by SARIMA using X-12 ARIMA software provided by US Census Bureau, and will have different levels of disaggregation from IPCA as groups (9) and items (52), as well as disaggregation with more economic sense used by Brazilian Central Bank as: services, monitored prices, food and industrials; durables, non-durables, semi durables, services and monitored prices. Aggregated models will be estimated by time series techniques as SARIMA, space-estate structural models (Kalman Filter) and Markovswitching. The forecasting accuracy among models will be made by the selection model procedure known as Model Confidence Set, introduced by Hansen, Lunde and Nason (2010), and by Dielbod Mariano (1995), in which we founded evidences of gain in accuracy in models with more disaggregation than aggregates models.