Por Ajax Moreira, Leonardo Carvalho e Izabel Nolau
O modelo algorítmico prevê o valor de uma variável dado um conjunto de explicativas, identificando padrões na relação entre o alvo e as explicativas sem supor formas funcionais para esse padrão, além de sempre manter o valor previsto fora da amostra de estimação. Nesta abordagem, são estimados múltiplos algoritmos que determinam padrões segundo diferentes critérios, e o algoritmo que maximiza a exatidão da previsão – minimizando um critério de perda – é o escolhido. A qualidade do resultado depende da variedade dos algoritmos testados e do conjunto de explicativas.
Nesta nota, propõe-se a introdução de um procedimento de pré-seleção de explicativas como um elemento adicional na escolha do previsor. Além disso, apresenta-se uma metodologia para obter, de forma não paramétrica, realizações da previsão, e, assim, calcular o intervalo de confiança da previsão e das estatísticas derivadas.
A abordagem dos modelos algorítmicos com as duas extensões, pré-seleção e incerteza da previsão foi utilizada para prever: i) o Índice de Preços ao Consumidor Amplo (IPCA) e cinco dos seus componentes; ii) o produto interno bruto (PIB) medido com o monitor do PIB construído na Fundação Getúlio Vargas (FGV) e dez de seus componentes; e iii) o produto dos setores da indústria, comércio e serviços e seus respectivos segmentos.
Os resultados são heterogêneos: o previsor dos componentes do PIB e do produto da indústria geral e do comércio e seus segmentos apresentam um desempenho satisfatório para previsões de até seis meses à frente. O previsor do IPCA e do produto e dos serviços tem desempenho insatisfatório para previsões para horizonte superior a dois meses. No caso do produto de comércio e serviços, a variável-alvo possui uma amostra muito curta, o que limita o funcionamento desta abordagem.