Modelos de Aprendizado de Máquina para Previsão do INPC com Dados Desagregados

- 322674
Complete paper
Favorite this paper
How to cite this paper?
Abstract

Este trabalho compara abordagens tradicionais e modernas na previsão do INPC, utilizando um modelo SARIMAX (ARIMA(1,1,1)) e quatro modelos de Machine Learning (Ridge Regression, SVR, Random Forest e Gradient Boosting). Os dados foram coletados do IBGE, processados preservando a ordem cronológica e divididos em conjuntos de treino e teste. Os modelos de ML tiveram seus hiperparâmetros otimizados por busca estocástica e suas previsões foram avaliadas com base em métricas como R², RMSE, MAE e MAPE, agregadas a partir de múltiplas execuções. Os resultados indicam que, tanto o SARIMAX  quanto os modelos de ML fornecem previsões consistentes, embora os modelos de ML demonstram maior capacidade de captar relações não lineares e interações complexas, resultando em ganhos preditivos. Assim, a integração dessas abordagens oferece importantes subsídios para a formulação de políticas econômicas. 

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 Universidade do Estado do Rio de Janeiro - UERJ
  • 2 Instituto de Computação - Universidade Federal Fluminense
  • 3 Universidade do Estado do Rio de Janeiro
Track
  • ST08 - Mathematical Modelling
Keywords
Previsão de Inflação
ARIMA
Machine Learning
Séries Temporais
INPC