Time Series Models Combination for Forecasting Quarterly GDP Components by the Expenditure Side

Vol 53, 2021 - 139488
Trabalho completo (oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

Este estudo tem como objetivo analisar o desempenho preditivo das abordagens univariada e de combinação de previsões para os componentes do PIB. Para os resultados empíricos, considera-se os dados trimestrais da economia brasileira entre 1996 e 2020. Na abordagem univariada foram utilizados o modelo sazonal autorregressivo integrado de médias móveis, o método de Holt-Winters, o modelo linear dinâmico e o modelo de redes neurais autorregressivas. O algoritmo usado nas combinações de previsão foi um preditor de média ponderada polinomial com taxas de aprendizado múltiplas (ML-Poly). Através da métrica de erro percentual absoluto médio, as combinações dos modelos propostos apresentaram melhores resultados de ajuste do que os modelos individuais. E para os resultados de previsão, não se observou uma superioridade das combinações aplicadas aos dados em análise.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal Rural do Rio de Janeiro/Departamento de Economia
  • 2 Universidade Federal Rural do Rio de Janeiro/Departamento de Matemática
Eixo Temático
  • 9 - EST&MP – Estatística e Modelos Probabilísticos
Palavras-chave
Previsão
Séries Temporais
Produto Interno Bruto