To cite this paper use one of the standards below:
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.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper