Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/28621
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorJorge Neto, Paulo de Melo-
dc.contributor.authorPinto, Vitor Hugo Gaspar-
dc.date.accessioned2017-12-19T15:05:49Z-
dc.date.available2017-12-19T15:05:49Z-
dc.date.issued2017-
dc.identifier.citationPINTO, Vitor Hugo Gaspar. Mecanismos de previsão da atividade econômica brasileira em cenários distintos de volatilidade. 2017. 37f. - Dissertação (Mestrado) - Universidade Federal do Ceará, Faculdade de Economia, Administração, Atuária e Contabilidade, Programa de Pós-graduação em Economia, Mestrado Profissional em Economia, Fortaleza (CE), 2017.pt_BR
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/28621-
dc.description.abstractThis paper aims to forecast the economic activity or growth of Brazil's Gross Domestic Product (GDP) using AR, ARMA and VAR models with monthly data between January 2002 and December 2016 and considering different volatility environments. The results indicate that volatility is important to explain the ability of econometric models, since the prediction errors were larger in scenarios of greater instability. In comparative terms, there is no statistically significant difference between the predictive abilities of the best models in the environment of lower volatility and the VAR model (2) was distinguished by presenting the best prognostics in situations of greater instability.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectAtividade Econômicapt_BR
dc.subjectARMApt_BR
dc.subjectVARpt_BR
dc.titleMecanismos de previsão da atividade econômica brasileira em cenários distintos de volatilidadept_BR
dc.typeDissertaçãopt_BR
dc.description.abstract-ptbrO presente estudo tem como objetivo realizar previsões para a atividade econômica, ou crescimento do Produto Interno Bruto (PIB) do Brasil, utilizando modelos AR, ARMA e VAR com dados mensais entre janeiro de 2002 e dezembro de 2016 e considerando ambientes de distintos de volatilidade. Os resultados apontam que a volatilidade é importante para explicar a habilidade dos modelos econométricos, dado que os erros de previsão se mostraram maiores em cenários de maior instabilidade. Em termos comparativos, não há diferença estatisticamente significante entre as habilidades preditivas dos melhores modelos no ambiente de menor volatilidade e o modelo VAR(2) se destacou por apresentar os melhores prognósticos em situações de maior instabilidade.pt_BR
Aparece nas coleções:PEP - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_dis_vhgpinto.pdf340,17 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.