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

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.