Submitted by Rodrigo Nishida (rodrigo.nishida@gmail.com) on 2016-03-01T21:32:49Z No. of bitstreams: 1 Dissertação_Rodrigo_Nishida.pdf: 1015993 bytes, checksum: 46a19756f9bf85226f3b1bd20eb5a724 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2016-03-01T21:44:25Z (GMT) No. of bitstreams: 1 Dissertação_Rodrigo_Nishida.pdf: 1015993 bytes, checksum: 46a19756f9bf85226f3b1bd20eb5a724 (MD5) / Made available in DSpace on 2016-03-02T11:17:06Z (GMT). No. of bitstreams: 1 Dissertação_Rodrigo_Nishida.pdf: 1015993 bytes, checksum: 46a19756f9bf85226f3b1bd20eb5a724 (MD5) Previous issue date: 2016-02-03 / The work aims to verify the existence and the relevance of Calendar Effects in industrial indicators. The analysis covers linear univariate models for the Brazilian monthly industrial production index and some of its components. Initially an in-sample analysis is conducted using state space structural models and Autometrics selection algorithm, which indicates statistically significance effect of most variables related to calendar. Then, using Diebold-Mariano (1995) procedure and Model Confidence Set, developed by Hansen, Lunde e Nason (2011), out-of-sample comparisons are realized between Autometrics derived models and a simple double difference device for a forecast horizon up to 24 months ahead. In general, forecasts of the Autometrics models that consider calendar variables are superior for 1-2 steps ahead and surpass the naive model in all horizons. The aggregation of the category of use components to form the general industry indicator shows evidence of a better perform in shorter term forecasts. / O trabalho tem como objetivo verificar a existência e a relevância dos Efeitos Calendário em indicadores industriais. São explorados modelos univariados lineares para o indicador mensal da produção industrial brasileira e alguns de seus componentes. Inicialmente é realizada uma análise dentro da amostra valendo-se de modelos estruturais de espaço-estado e do algoritmo de seleção Autometrics, a qual aponta efeito significante da maioria das variáveis relacionadas ao calendário. Em seguida, através do procedimento de Diebold-Mariano (1995) e do Model Confidence Set, proposto por Hansen, Lunde e Nason (2011), são realizadas comparações de previsões de modelos derivados do Autometrics com um dispositivo simples de Dupla Diferença para um horizonte de até 24 meses à frente. Em geral, os modelos Autometrics que consideram as variáveis de calendário se mostram superiores nas projeções de 1 a 2 meses adiante e superam o modelo simples em todos os horizontes. Quando se agrega os componentes de categoria de uso para formar o índice industrial total, há evidências de ganhos nas projeções de prazo mais curto.

Submitted by Douglas Minoru Kagohara (douglasminoru@yahoo.com.br) on 2015-09-08T23:43:17Z No. of bitstreams: 1 Douglas_Kagohara.pdf: 418440 bytes, checksum: d272546247d30d373e0cdd3e2fbc6e4b (MD5) / Rejected by Renata de Souza Nascimento (renata.souza@fgv.br), reason: Anderson, Coloque a numeração das páginas no canto direito, não interfere se for acima e abaixo. Mas não pode estar centralizado na página. Grata, on 2015-09-08T23:56:47Z (GMT) / Submitted by Douglas Minoru Kagohara (douglasminoru@yahoo.com.br) on 2015-09-09T00:30:41Z No. of bitstreams: 2 Douglas_Kagohara.pdf: 418440 bytes, checksum: d272546247d30d373e0cdd3e2fbc6e4b (MD5) Douglas_Kagohara_v1.pdf: 433398 bytes, checksum: 16753d95c519f1a652cf186aa37895a5 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2015-09-09T00:40:10Z (GMT) No. of bitstreams: 2 Douglas_Kagohara.pdf: 418440 bytes, checksum: d272546247d30d373e0cdd3e2fbc6e4b (MD5) Douglas_Kagohara_v1.pdf: 433398 bytes, checksum: 16753d95c519f1a652cf186aa37895a5 (MD5) / Made available in DSpace on 2015-09-09T13:00:08Z (GMT). No. of bitstreams: 2 Douglas_Kagohara.pdf: 418440 bytes, checksum: d272546247d30d373e0cdd3e2fbc6e4b (MD5) Douglas_Kagohara_v1.pdf: 433398 bytes, checksum: 16753d95c519f1a652cf186aa37895a5 (MD5) Previous issue date: 2015-08-13 / The aim of this work is to apply and evaluate the performance of nowcasting techniques for prediction of an important macroeconomic variable of gross domestic product (GDP). In recent years, new techniques have been proposed and improved. We will compare different models of nowcasting against a benchmark, evaluating the variables are relevant from Autometrics, which was developed by Doornik (2011). The proposal is to bring together various economic indicators of the Brazilian economy that might to a greater or lesser extent anticipate GDP growth. It will be used the technique of dummy variables with saturation (proposed by Johansen et. Al.) to control possible breaks and outliers. This approach is suitable under an unstable economic environment with constant change over time. / O objetivo deste trabalho é aplicar e avaliar o desempenho do conceito de técnicas de nowcasting para previsão de uma importante variável macroeconômica do Produto Interno Bruto (PIB) brasileiro. Nos últimos anos, novas técnicas vêm sendo propostas e aprimoradas. Comparam-se diferentes modelos de nowcasting frente a um benchmarking, avaliando a relevância das variáveis a partir do Autometrics, que foi desenvolvido por Doornik (2011). A proposta é reunir diversos indicadores econômicos da economia brasileira que possam em maior ou menor grau antecipar a variação do PIB. Será utilizada a técnica de variáveis dummies com saturação (proposta por Johansen et. al.) para controlar possíveis quebras e outliers. Esta abordagem é adequada para um ambiente econômico instável, com constantes mudanças ao longo do tempo.

Submitted by anderson silva (amoriya@hotmail.com) on 2016-02-19T19:41:50Z No. of bitstreams: 1 Anderson_Moriya_Silva_final_revisao_4.pdf: 1752260 bytes, checksum: 966f44742fa7cdef87d699b314fca4f0 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2016-02-23T16:25:35Z (GMT) No. of bitstreams: 1 Anderson_Moriya_Silva_final_revisao_4.pdf: 1752260 bytes, checksum: 966f44742fa7cdef87d699b314fca4f0 (MD5) / Made available in DSpace on 2016-02-23T20:09:48Z (GMT). No. of bitstreams: 1 Anderson_Moriya_Silva_final_revisao_4.pdf: 1752260 bytes, checksum: 966f44742fa7cdef87d699b314fca4f0 (MD5) Previous issue date: 2016-01-29 / O presente trabalho tem como objetivo avaliar a capacidade preditiva de modelos econométricos de séries de tempo baseados em indicadores macroeconômicos na previsão da inflação brasileira (IPCA). Os modelos serão ajustados utilizando dados dentro da amostra e suas projeções ex-post serão acumuladas de um a doze meses à frente. As previsões serão comparadas a de modelos univariados como autoregressivo de primeira ordem - AR(1) - que nesse estudo será o benchmark escolhido. O período da amostra vai de janeiro de 2000 até agosto de 2015 para ajuste dos modelos e posterior avaliação. Ao todo foram avaliadas 1170 diferentes variáveis econômicas a cada período a ser projetado, procurando o melhor conjunto preditores para cada ponto no tempo. Utilizou-se o algoritmo Autometrics para a seleção de modelos. A comparação dos modelos foi feita através do Model Confidence Set desenvolvido por Hansen, Lunde e Nason (2010). Os resultados obtidos nesse ensaio apontam evidências de ganhos de desempenho dos modelos multivariados para períodos posteriores a 1 passo à frente. / The present work has aim to evaluate the superior predictions capabilities of econometrics time series models based on macroeconomics indicators for Brazilian inflation (IPCA). The models were adjusted in sample and the ex-post prediction are accumulating in one to twelve steps ahead. The forecasts will be compared with univariate models like first order autoregressive - AR (1) that is the chosen benchmark. The period of the sample goes through January 2000 to August 2015 for model adjustment and evaluation. It was evaluate over 1170 different economic variable for each forecast period, searching for the best predictor set for each point in time. It was used Autometrics to model selection. The models were compared the Model Confident Set, developed by Hansen, Lunde and Nason (2010). The results founded in this essay evidences gain of accuracy for one-step ahead.

Submitted by Gustavo Dias Torres (gustavo.dias.torres@gmail.com) on 2017-09-11T23:39:51Z No. of bitstreams: 1 Dissertação Gustavo Dias Torres_vFinal.pdf: 1259234 bytes, checksum: 51ec6f205ed2f13e3636ef236d11d9dc (MD5) / Rejected by Joana Martorini (joana.martorini@fgv.br), reason: Prezado Gustavo, Favor corrigir o nome da Escola, Getulio, sem acento. Obrigada. Att. on 2017-09-11T23:53:47Z (GMT) / Submitted by Gustavo Dias Torres (gustavo.dias.torres@gmail.com) on 2017-09-12T00:02:33Z No. of bitstreams: 1 Dissertação Gustavo Dias Torres_vFinal.pdf: 1258567 bytes, checksum: 522209b93a243d0d3fd0dd9d9caffb9a (MD5) / Approved for entry into archive by Joana Martorini (joana.martorini@fgv.br) on 2017-09-12T15:25:42Z (GMT) No. of bitstreams: 1 Dissertação Gustavo Dias Torres_vFinal.pdf: 1258567 bytes, checksum: 522209b93a243d0d3fd0dd9d9caffb9a (MD5) / Made available in DSpace on 2017-09-13T12:13:30Z (GMT). No. of bitstreams: 1 Dissertação Gustavo Dias Torres_vFinal.pdf: 1258567 bytes, checksum: 522209b93a243d0d3fd0dd9d9caffb9a (MD5) Previous issue date: 2017-08-23 / The objective of this study is to evaluate if there are gains in working with data disaggregated by regions to forecast inflation in Brazil. For this purpose, we constructed univariate autoregressive models with different types and levels of IPCA (main Brazilian consumer price index) disaggregation for a forecasting horizon of up to 12 months ahead. Monthly IPCA data were used between January 1996 and October 2016 for the national index and 11 metropolitan regions and capitals that make up the index. The analysis of out-of-sample projections was done in two distinct time sections. First between December 2006 and October 2016 and, secondly, for the period December 2006 and December 2012. The models were estimated by software Oxmetrics 7 and, in some cases, the Autometrics algorithm was also used. The comparisons of the models were made by the Mean Square Error and the Model Confidence Set technique, developed by Hansen, Lunde and Nason (2011). The results indicate that the performance of the disaggregated models is better than the aggregate models and, in particular, the disaggregation by regions may contribute to a smaller prediction error, although there is not a single model that is superior in all the forecast horizons and the result is Conditioned to the analyzed sample. / O objetivo deste estudo é avaliar se há ganhos em trabalhar com dados desagregados por regiões para projetar a inflação no Brasil. Para este fim, construímos modelos autoregressivos univariados para o agregado do IPCA (principal índice de preços ao consumidor brasileiro) e duas desagregações (por região ou por grupo e região) para um horizonte de projeção de até 12 meses à frente. Foram utilizados dados mensais do IPCA entre janeiro de 1996 e outubro de 2016 para o índice nacional e 11 regiões metropolitanas e capitais que compõem o índice. A análise das projeções fora da amostra foi feita em dois cortes distintos de tempo. Primeiro entre dezembro de 2006 e outubro de 2016 e, num segundo momento, para o período dezembro de 2006 a dezembro de 2012. Os modelos foram estimados pelo software Oxmetrics 7 e, em alguns casos, foi utilizado também o algoritmo Autometrics. As comparações dos modelos foram feitas pelo Erro Quadrático Médio e pela técnica Model Confidence Set, desenvolvida por Hansen, Lunde e Nason (2011). Os resultados indicam que o desempenho dos modelos desagregados é superior aos modelos agregados e, em especial, a desagregação por regiões pode contribuir para menor erro de previsão, embora não haja um único modelo que seja superior em todos os horizontes de projeção e o resultado esteja condicionado à amostra analisada.

Submitted by Aline Amarante (1146629@mackenzie.br) on 2017-07-24T21:10:19Z No. of bitstreams: 2 MAURÍCIO MESQUITA BORTOLUZZO.pdf: 2244426 bytes, checksum: 50c3ac77956611398f2f5b0e5e01416e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Eliana Barboza (eliana.silva1@mackenzie.br) on 2017-08-07T13:25:58Z (GMT) No. of bitstreams: 2 MAURÍCIO MESQUITA BORTOLUZZO.pdf: 2244426 bytes, checksum: 50c3ac77956611398f2f5b0e5e01416e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-08-07T13:25:58Z (GMT). No. of bitstreams: 2 MAURÍCIO MESQUITA BORTOLUZZO.pdf: 2244426 bytes, checksum: 50c3ac77956611398f2f5b0e5e01416e (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-04-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Fundo Mackenzie de Pesquisa / The present thesis performs a pseudo real time study on the predictability of Brazilian inflation, measured by the IPCA, using data from January 1995 to December 2015. The main objective of the study is to compare the predictive accuracy of multivariate models, containing macroeconomic information, against Naive models and against disaggregated data models of inflation, which in the recent literature have been successful in overcoming benchmark models for Brazilian inflation. We found evidence that most models with macroeconomic variables have predictive accuracy higher than the traditional benchmark of the literature, the autoregressive model of order 1. There is also evidence regarding the superiority of forecasts generated by the model with greater data disaggregation. In addition, the ranking of model forecasts changes when we change: the loss function, the forecasts horizons, and the time windows used for evaluations. / A presente tese realiza um estudo pseudo tempo real sobre a previsibilidade da inflação brasileira, medida pelo IPCA, utilizando dados de janeiro de 1995 a dezembro de 2015. O principal objetivo do estudo é comparar a acurácia preditiva de modelos multivariados, contendo informações macroeconômicas, contra modelos ingênuos e contra modelos de dados desagregados da inflação, que na literatura recente apresentaram sucesso em superar os modelos benchmarks. Foram encontradas evidências que a maioria dos modelos com variáveis macroeconômicas possuem acurácia preditiva superior ao benchmark tradicional da literatura, o modelo Autorregressivo de ordem 1 (AR(1)). Também há evidências quanto à superioridade de previsões geradas pelo modelo com maior desagregação de dados. Além disso, verifica-se que o ranqueamento das previsões dos modelos se altera quando se alteram: a função de perda, os horizontes de previsão e as janelas de tempo utilizadas para as avaliações.

[pt] A seleção de variáveis em modelos estatísticos é um problema importante, para o qual diferentes soluções foram propostas. Tradicionalmente, pode-se escolher o conjunto de variáveis explicativas usando critérios de informação ou informação à priori, mas o número total de modelos a serem estimados cresce exponencialmente a medida que o número de variáveis candidatas aumenta. Um problema adicional é a presença de mais variáveis candidatas que observações. Nesta tese nós estudamos diversos aspectos do problema de seleção de variáveis. No Capítulo 2, comparamos duas metodologias para regressão linear: Autometrics, que é uma abordagem geral para específico (GETS) baseada em testes estatísticos, e LASSO, um método de regularização. Diferentes cenários foram contemplados para a comparação no experimento de simulação, variando o tamanho da amostra, o número de variáveis relevantes e o número de variáveis candidatas. Em uma aplicação a dados reais, os métodos foram comparados para a previsão do PIB dos EUA. No Capítulo 3, introduzimos uma metodologia para seleção de variáveis em modelos regressivos e autoregressivos de transição suave (STR e STAR) baseada na regularização do LASSO. Apresentamos uma abordagem direta e uma escalonada (stepwise). Ambos os métodos foram testados com exercícios de simulação exaustivos e uma aplicação a dados genéticos. Finalmente, no Capítulo 4, propomos um critério de mínimos quadrados penalizado baseado na penalidade l1 do LASSO e no CVaR (Conditional Value at Risk) dos erros da regressão out-of-sample. Este é um problema de otimização quadrática resolvido pelo método de pontos interiores. Em um estudo de simulação usando modelos de regressão linear, mostra-se que o método proposto apresenta performance superior a do LASSO quando os dados são contaminados por outliers, mostrando ser um método robusto de estimação e seleção de variáveis. / [en] Variable selection in statistical models is an important problem, for which many different solutions have been proposed. Traditionally, one can choose the set of explanatory variables using information criteria or prior information, but the total number of models to evaluate increases exponentially as the number of candidate variables increases. One additional problem is the presence of more candidate variables than observations. In this thesis we study several aspects of the variable selection problem. First, we compare two procedures for linear regression: Autometrics, which is a general-to-specific (GETS) approach based on statistical tests, and LASSO, a shrinkage method. Different scenarios were contemplated for the comparison in a simulation experiment, varying the sample size, the number of relevant variables and the number of candidate variables. In a real data application, we compare the methods for GDP forecasting. In a second part, we introduce a variable selection methodology for smooth transition regressive (STR) and autoregressive (STAR) models based on LASSO regularization. We present a direct and a stepwise approach. Both methods are tested with extensive simulation exercises and an application to genetic data. Finally, we introduce a penalized least square criterion based on the LASSO l1- penalty and the CVaR (Conditional Value at Risk) of the out-of-sample regression errors. This is a quadratic optimization problem solved by interior point methods. In a simulation study in a linear regression framework, we show that the proposed method outperforms the LASSO when the data is contaminated by outliers, showing to be a robust method of estimation and variable selection.

Submitted by Samuel Guimarães Filho (samuelgf@gmail.com) on 2017-03-07T01:39:40Z No. of bitstreams: 1 tese_samuel_revisao_1.pdf: 2212736 bytes, checksum: eef717244d02ccf54ceb936354c64525 (MD5) / Approved for entry into archive by Renata de Souza Nascimento (renata.souza@fgv.br) on 2017-03-07T23:43:25Z (GMT) No. of bitstreams: 1 tese_samuel_revisao_1.pdf: 2212736 bytes, checksum: eef717244d02ccf54ceb936354c64525 (MD5) / Made available in DSpace on 2017-03-08T15:56:07Z (GMT). No. of bitstreams: 1 tese_samuel_revisao_1.pdf: 2212736 bytes, checksum: eef717244d02ccf54ceb936354c64525 (MD5) Previous issue date: 2017-02-10 / This work aims to test if the use of Google Trends as an exogenous variable improves the prediction of the monthly data for Brazilian Formal Job Creation (CAGED) compared to a model that uses only the lags themselves. For the selection of the model was used the algorithm Autometrics and for model comparison the Model Confidence Set. In addition, the model that uses Google Trends data will be compared with some market analyst’s forecasts. The results show that the model the uses the Google data as an exogenous variable is superior to the model that only uses the lag itself. However, this model was not able to overcome the market analysts. / Este trabalho tem como objetivo testar se o uso do Google Trends como variável exógena melhora a previsão do dado mensal do CAGED em relação a modelos que usam apenas as próprias defasagens. Para a seleção do modelo foi utilizado o algoritmo Autometrics e para comparação de modelos o utilzado o Model Confidence Set. Além disto, o modelo que utiliza o Google Trends foi comparado com previsões dos analistas de Mercado. Os resultados encontrados apontam que o modelo que utliza o Google Trends como variável exógena é superior ao modelo que utiliza apenas a própria defasagem. No entanto, este modelo, não foi capaz de superar os analistas de mercado.