[pt] A taxa de juros real neutra é umbenchmarkfundamental para caracterizar a orientação da política monetária em determinado período do tempo. Ela varia de acordo com fatores estruturais e conjunturais da economia. O objetivo principal desta dissertação é, a partir de diferentes estimativas econometricas, determinar a evolucao da taxa de juros neutra da economia brasileira e tentar explicar quanto da queda recente se deve às mudanças estruturais, como o processo de estabilização, e quanto se deve a fatores conjunturais e temporários, como a recessão mundial e a flexibilização de política monetária no mundo. De posse dessas estimativas, é possível caracterizar a postura da autoridade monetária nos últimos anos e quão sustentável é adotar uma estratégia de queda de juros baseada na queda da taxa de juros neutra. Além disso, estimamos de diferentes maneiras a taxa de desemprego natural da economia e concluímos que o Brasil passou por mudanças estruturais que motivaram sua queda e a queda da taxa de juros neutra. / [en] The neutral real interest rate is used as a benchmark to characterize the stance of monetary policy in a given period of time. It varies according to structural and cyclical factors in the economy. The main objective of this MSc Thesis is to uncover the neutral interest rate of the Brazilian economy from different estimates and try to explain if the recent decline is due to structural changes, such as the stabilization process, or if it is due to cyclical and temporary factors, such as the global recession and the easy monetary policies around the world. Given this estimates, it is possible characterize the monetary policy stanceduring the last years and evaluate if the decrease in the basic rate (Selic), that started in September, 2011, is sustainable, i.e., ifit is based on the decrease of neutral interest rate. Furthermore, the natural rate of unemployment for the Brazilian economy is also estimated in different ways and it follows that Brazil went through structural changes that allowed the natural unemployment rate and neutral interest rate to fall.

[pt] Prever emprego e desemprego é de grande importância para praticamente todos os agentes de uma economia. Emprego é uma das principais variáveis analisadas como indicador econômico, e desemprego serve para os policy makers como uma orientação às suas decisões. Neste trabalho, eu estudo quais características das duas séries podemos usar para auxiliar no tratamento dos dados e métodos empregados para auxiliar no poder preditivo das mesmas. Eu comparo modelos de machine (Random Forest e Lasso Adaptativo) e Deep (Long short Term memory) learning, procurando capturar as não linearidades e dinâmicas de ambas séries. Os resultados encontrados sugerem que o modelo AR com Random Forest aplicado nos resíduos, como uma maneira de separar parte linear e não linear, é o melhor modelo para previsão de emprego, enquanto Random Forest e AdaLasso com Random Forest aplicado nos resíduos são os melhores para o desemprego. / [en] Forecasting employment and unemployment is of great importance for virtually all agents in the economy. Employment is one of the main variables analyzed as an economic indicator, and unemployment serves to policy makers as a guide to their actions. In this essay, I study what features of both series we can use on data treatment and methods used to add to the forecasting predictive power. Using an AR model as a benchmark, I compare machine (Random Forest and Adaptive Lasso) and deep (Long Short Term Memory) learning methods, seeking to capture non-linearities of both series dynamics. The results suggests that an AR model with a Random Forest on residuals (as a way to separate linear and non-linear part) is the best model for employment forecast, while Random Forest and AdaLasso with Random Forest on residuals were the best for unemployment forecast.