Descobrindo e avaliando modelos de predição para a inflação brasileira: uma análise a partir de uma gama ampla de indicadores

Abstract

Este trabalho visa avaliar o poder preditivo que séries macroeconômicas tem sobre o índice de preços ao consumidor amplo do brasileiro (IPCA) utilizando técnicas de séries de tempo. As previsões são realizadas para um horizonte de até 12 períodos a frente e comparadas com um processo autoregressivo como referência. O período vai de janeiro de 2000 até agosto de 2015. Utilizou-se um conjunto amplo de informação de 1170 séries diferentes. Para cada momento e horizonte utilizou-se o processo de seleção através do algoritmo Autometrics desenvolvido por Hendry e Doornik (2014). O desempenho preditivo dos modelos foi comparado utilizando o Model Confident Set, desenvolvido por Hansen, Lunde and Nason (2010). Os resultados sugerem que há ganhos expressivos de previsão principalmente para os horizontes mais longos

This work evaluates the prediction capabilities of econometric time series models based on macroeconomics indicators for Brazilian consumer price index (IPCA). We run a pseudo real time prediction exercise with twelve steps ahead horizon. Predictions are compared with univariate models such as the first order autoregressive model among others. The sample period goes from January 2000 to August 2015. We evaluated over 1170 different economic variable for each forecast period, searching for the best predictor set in each point in time using Autometrics algorithm as model selector. Models’ performance is compared using Model Confident Set, developed by Hansen, Lunde and Nason (2010). Our results suggest possible gains in predictions that use a high number of indicators particularly at longer horizons.