Facebook Twitter LinkedIn Youtube Flickr
topo td_antigos

TD 1172 - Modelos Vetoriais de Correção de Erros Aplicados à Previsão de Crescimento da Produção Industrial

Gilberto Hollauer, Luiz Dias Bahia e João Victor Issler / Brasília, março de 2006

Neste artigo são implementados e avaliados diferentes modelos econométricos de previsão para o PIB da indústria, dentro da classe de modelos vetoriais auto-regressivos(VAR), em freqüência trimestral, por vários procedimentos de teste e de modo intensivo.Em vários casos, usaram-se adicionalmente restrições de longo prazo advindas daco-integração entre as séries consideradas: o PIB industrial brasileiro, as taxas de juros longa e curta, a inflação, e a previsão dos saldos da indústria (proporção de firmas que crêem num aumento de produção no próximo trimestre, subtraída da proporção de firmas que crêem numa queda).O poder preditivo dos diferentes modelos envolvendo essas variáveis foi avaliado a partir do uso de diferentes funções de perda (função dos erros de previsão de fora da amostra), que são avaliadas em uma janela móvel de tamanho fixo. Adicionalmente,considerou-se também a combinação das previsões de diferentes modelos, seguindo a literatura de combinação de previsões iniciada por Bates e Granger (1969). Conclui-seque o uso dos vetores de co-integração defasados como previsores ? o spread da taxa de juros longa e curta, o spread entre os juros e a inflação, e a previsão dos saldos da indústria ? em muito melhora a capacidade preditiva dos modelos considerados. Ademais,a combinação dos diferentes modelos de previsão, quer por média aritmética simples, quer por média ponderada, gerou, de forma geral, os melhores modelos de previsão para fora da amostra. Entretanto, houve casos em que modelos individuais tiveram um desempenho razoável e mesmo superior ao das combinações. Esses, no entanto, foram esporádicos. Logo, a sugestão recai sobre o uso de combinações de previsões como forma final de prever o PIB industrial.

In this paper we implement and evaluate several forecast econometric vectorial autoregressive models for quarterly Industrial GDP. We have built co-integration vector restriction for several sets of variables (Industrial GDP, long interest rates, short interest rates, spread, inflation) in order to assess the improvement on forecast performance. A expectative variable of growth of industrial production among firms was also utilized and was proved to be valuable. The predictive power of different models was evaluated from diverse loss functions evaluated on out-of sample invariable size rolling-window method. Additionally, we have considered also combining forecast methods, following the subject literature which has been indicating this approach as one the most efficient (BATES e GRANGER, 1969).We have concluded, the use of co-integration vector may improve substantially the forecast performance. Specially, the interest rate spread has been proved to be a important leading indicator of industrial activity as well as the expectative variable (FGV). Furthermore, the c combining forecast models over-performed generally, apart others very good results of individual models.

 

acesseAcesse o documento (193.65 Kb)         

 

Surplus Labor and Industrialization

 
 

Todo o conteúdo deste site está publicado sob a Licença Creative Commons Atribuição 2.5 Brasil.
Ipea - Instituto de Pesquisa Econômica Aplicada
Expediente Portal Ipea