Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/47392
Arquivos associados a este item:
Arquivo TamanhoFormato 
LucasGabrielMartinsDeOliveira_DISSERT.pdf2,76 MBAdobe PDFVisualizar/Abrir
Título: Qual modelo prevê melhor? : comparando diferentes métodos de nowcasting do PIB usando dados brasileiros
Outros títulos: Which one predicts better? : comparing different GDP Nowcasting methods with brazillian data
Autor(es): Oliveira, Lucas Gabriel Martins de
Orientador(es): Rossi, Marina Delmondes de Carvalho
Assunto: Modelos dinâmicos de fatores
Séries temporais
Nowcasting
Macroecometria
Produto Interno Bruto (PIB)
Data de publicação: 19-Jan-2024
Referência: OLIVEIRA, Lucas Gabriel Martins de. Qual modelo prevê melhor?: comparando diferentes métodos de nowcasting do PIB usando dados brasileiros. 2023. 52 f. Dissertação (Mestrado em Economia) — Universidade de Brasília, Brasília, 2023.
Abstract: This work has the primary objective of raising quantitative tools for assembling a scalable real-time GDP tracking in Brazil possibly later on for southern cone countries. In this work, we survey the literature since the first work on estimating business cycles and document the evolution of this literature until the insertion of machine learning methods used contemporaneously. Additionally, we perform backtesting exercises with an updated Brazilian database, estimate several candidate models for GDP nowcasting, implementing the division of classical models and machine learning models. Finally, we use the Diebold Mariano test to evaluate the forecasts of all models against a naive model and demonstrate that a combination of machine learning models based on the distance of forecasts to the average FOCUS expectations defeats the fully informed market expectations of the FOCUS survey, while the same is not possible only for selected classical nowcasting models, this result is also reached when we use the selection algorithm in Classical and Machine Learning models but the statistical significance of this result is smaller then the first. We also find that Mariano and Murasawa aggregation on factors in dynamic factor models did not improve the quality of the nowcasts.
Unidade Acadêmica: Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE)
Departamento de Economia (FACE ECO)
Informações adicionais: Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023.
Programa de pós-graduação: Programa de Pós-Graduação em Economia
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.