http://repositorio.unb.br/handle/10482/45731 2026-07-14T21:47:02Z http://repositorio.unb.br/handle/10482/55404 Título: Política monetária não-convencional e indústria : a experiência da economia estadunidense Autor(es): Ferreira, Jorge Eduardo de Morais Resumo: Esta dissertação investiga os efeitos da política monetária não convencional sobre o setor industrial da economia estadunidense no contexto da crise provocada pela pandemia de COVID-19. O objetivo central consiste em analisar se a adoção de programas de quantitative easing em larga escala pelo Federal Reserve foi capaz de mitigar o impacto recessivo sobre a produção industrial e evitar um colapso mais profundo da atividade econômica. Para tanto, emprega-se um modelo MF-VAR Bayesiano de frequência mista, combinando variáveis semanais e mensais no período de janeiro de 2017 a dezembro de 2024, seguindo a abordagem metodológica de Schorfheide e Song (2015) e Feldkircher, Huber e Pfarrhofer (2021). Os resultados indicam que o choque expansionista associado ao aumento do agregado monetário M2 não gerou pressões inflacionárias persistentes nem expansão robusta do produto agregado. A resposta da inflação mostrou-se moderada, enquanto o PIB apresentou efeitos transitórios e estatisticamente limitados. Em contrapartida, a produção industrial revelou maior sensibilidade à política monetária, sugerindo predominância do canal financeiro de transmissão, especialmente por meio da compressão de prêmios de risco e reprecificação de ativos. Os achados empíricos reforçam a interpretação pós-keynesiana de que não há multiplicador monetário automático capaz de converter expansão de reservas em crescimento sustentado do produto ou aceleração inflacionária. A decisão de investimento depende fundamentalmente das expectativas de demanda efetiva, e a política monetária, isoladamente, apresenta capacidade limitada de induzir expansão produtiva estrutural. Conclui-se que o quantitative easing atuou primordialmente como instrumento de estabilização financeira, sendo condição necessária para mitigar riscos sistêmicos, porém insuficiente para gerar ciclo autossustentado de crescimento industrial sem coordenação com políticas fiscais expansionistas. Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2026. 2026-07-14T00:00:00Z http://repositorio.unb.br/handle/10482/55403 Título: From modern portfolio theory to artificial intelligence : a review and empirical analysis Autor(es): Roarelli, Rafael de Medeiros Resumo: Esta dissertação apresenta uma revisão abrangente da teoria de portfólios, traçando sua evolução desde os princípios fundamentais da Teoria Moderna do Portfólio (MPT) até a integração avançada de modelos de machine learning (ML). O estudo inicia-se com a análise do modelo de média-variância de Markowitz e sua posterior extensão para a Teoria Pós-Moderna do Portfólio (PMPT), que introduziu um conceito mais sofisticado de risco de queda (downside risk). O cerne deste trabalho aborda as limitações inerentes a esses paradigmas clássicos — como a sensibilidade aos parâmetros e as premissas estáticas — por meio de uma avaliação sistemática de soluções contemporâneas baseadas em ML. São revisadas técnicas como regularização para esparsidade de portfólio, deep learning para reconhecimento de padrões e reinforcement learning para otimização de políticas dinâmicas. Uma análise empírica é conduzida para comparar o desempenho de um portfólio tradicional de Markowitz com um modelo aprimorado que utiliza um algoritmo Random Forest para prever os retornos dos ativos. Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2025. 2026-07-14T00:00:00Z http://repositorio.unb.br/handle/10482/55402 Título: Previsão da despesa primária do governo central : uma análise comparativa entre técnicas estatísticas, aprendizado de máquina, aprendizado profundo e combinação de previsões Autor(es): Nogueira, Eduardo Jacomo Seraphim Resumo: A previsão do comportamento das despesas públicas é essencial para o planejamento e a condução da política fiscal, bem como para a sustentabilidade das contas públicas. No entanto, muitos países, especialmente os de baixa e média renda, ainda realizam previsões fiscais por meio de métodos simples, subjetivos ou de meras extrapolações em planilhas eletrônicas. No cenário internacional, apesar da consolidação do uso de métodos estatísticos tradicionais, o avanço da aplicação de técnicas de aprendizado de máquina e de aprendizado profundo permanece limitado e concentrado, em grande parte, na previsão de receitas públicas. Alguns estudos apontam ganhos de precisão com o uso de algoritmos de aprendizado de máquina e de aprendizado profundo, sobretudo pela capacidade teórica de lidar com não linearidades e padrões complexos; entretanto, outros evidenciam dificuldades desses modelos em lidar com séries temporais curtas e ruidosas, comumente observadas em dados fiscais de países emergentes. No contexto brasileiro, não encontramos pesquisas voltadas à previsão desagregada das despesas primárias federais nem à comparação sistemática entre diferentes classes de modelos. Neste trabalho, investigamos empiricamente o desempenho preditivo de modelos estatísticos, de aprendizado de máquina, de aprendizado profundo e de combinações de modelos na previsão de séries temporais de despesas primárias federais brasileiras. Para tanto, combinamos modelos estatísticos, algoritmos supervisionados e otimização automática de hiperparâmetros para obterm previsões pontuais robustas. Utilizamos validação cruzada temporal como procedimento de seleção de modelos e previsão conformal para gerar intervalos de confiança calibrados. Empregamos diversas métricas de erro para comparar o desempenho das diferentes abordagens. De modo geral, os modelos estatísticos apresentam desempenho altamente competitivo, superando algoritmos de aprendizado de máquina e de aprendizado profundo em horizontes mais longos. Os modelos de aprendizado profundo são mais competitivos em horizontes mais curtos, enquanto a combinação de previsões apresenta desempenho equilibrado em diferentes contextos. Partindo de dados oficiais do Governo Federal, demonstramos que o uso de técnicas avançadas de previsão de séries temporais é ferramenta relevante para subsidiar o trabalho dos formuladores da política fiscal. Pesquisas futuras podem explorar variáveis exógenas e modelos estruturais ou semi-estruturais, de forma a ampliar a acurácia, a robustez e a interpretabilidade econômica dos modelos preditivos. Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2025. 2026-07-14T00:00:00Z http://repositorio.unb.br/handle/10482/55401 Título: Essays on the green economy and productive complexity in Brazil Autor(es): Robinson, Andrey Luis dos Santos Resumo: Esta tese é composta por três ensaios interdependentes e investiga como a transição verde interage com as estruturas produtivas brasileiras. O primeiro ensaio desenvolve um quadro conceitual que combina a teoria da causação cumulativa de Myrdal com a perspectiva da complexidade econômica. Argumenta-se que políticas e investimentos industriais e ambientais, quando implementados em estruturas produtivas desiguais, podem acionar dinâmicas de desenvolvimento regional que se reforçam mutuamente. O segundo ensaio apresenta evidências empíricas para a Amazônia brasileira, construindo o espaço-emprego verde para analisar como as capacidades produtivas locais e o desmatamento afetam a entrada e a permanência de ocupações verdes. Os resultados mostram que a relatedness density exerce efeito positivo sobre a especialização e a persistência dessas ocupações, embora esse efeito seja enfraquecido em áreas de maior desmatamento. O terceiro ensaio amplia a análise para o conjunto das unidades federativas brasileiras, ao construir o espaço-produto verde e calcular indicadores de complexidade econômica verde. Os resultados indicam que os estados das regiões Sul e Sudeste estão mais preparados para adaptar e expandir suas bases produtivas nessa direção, enquanto os demais dispõem de poucas possibilidades de inserção na economia verde. Caso as políticas industriais e ambientais não considerem as especificidades territoriais, o avanço em produtos de maior complexidade e conteúdo ambiental pode aprofundar as desigualdades regionais. Informações adicionais: Tese (doutorado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2025. 2026-07-14T00:00:00Z