Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/65757
Tipo: Dissertação
Título : Um modelo vetorial auto-regressivo para previsões da economia cearense
Autor : Mesquita, Kílvia Helane Cardoso
Tutor: Castelar, Luiz Ivan de Melo
Palabras clave : Econometria;Economia
Fecha de publicación : 2001
Citación : MESQUITA, Kílvia Helane Cardoso. Um modelo vetorial auto-regressivo para previsões da economia cearense. 2001. 59f. Dissertação (Mestrado) - FEAAC - Faculdade de Economia, Administração , Atuária e Contabilidade - CAEN - Programa de Pós Graduação em Economia, Universidade Federal do Ceará, Fortaleza, 2001
Resumen en portugués brasileño: O objetivo principal desta dissertação foi o da construção de um modelo vetorial auto-regressivo (VAR) com o intuito de gerar previsões para a economia cearense. Secundariamente, utilizando-se um modelo de equações simultâneas gerou-se um modelo combinado de previsões, onde os pesos da combinação foram derivados a partir da inversão dos erros de previsão. Utilizando um período amostral, com dados anuais, que vai de 1970 a 1996, previsões foram geradas até o ano de 2005 simulando-se cenários conservador, pessimista e otimista para as economias nacional e regional. O estudo revelou que o modelo VAR gera predições superiores ao modelo de equações simultâneas. Considerando sua simplicidade e o menor número de restrições impostas, a sua superioridade sobre o modelo de equações simultâneas torna-se indubitável. O estudo mostra ainda , como tem sido constatado pela literatura especializada, que a combinação de modelos gera predições melhores, ou nunca inferiores, aos modelos individuais, o que aponta para o uso múltiplo de informações de forma a otimizar o acerto de predições econométricas.
URI : http://www.repositorio.ufc.br/handle/riufc/65757
Aparece en las colecciones: CAEN - Dissertações defendidas na UFC

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
2001_dis_khcmesquita.pdf22,8 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.