A previsão do PIB é um dos principais balizadores para as decisões produtivas de agentes econômicos. Com o objetivo de realizar previsões para o crescimento do PIB trimestral brasileiro, são utilizadas 16 séries mensais financeiras e econômicas como potenciais preditores, abrangendo o período do segundo trimestre de 1996 ao quarto trimestre de 2012. Para isso, aplicou-se as abordagens MIDAS (Mixed Data Sampling) e UMIDAS (Unrestricted Mixed Data Sampling), confrontando seus resultados de previsão fora da amostra com o benchmark ARMA. Foram encontrados erros de previsão menores nessas abordagens, principalmente quando utilizadas informações dentro do trimestre de previsão. Os resultados foram ainda melhores quando empregados múltiplos regressores. / The GDP forecast is an important indicator for production decisions taken by economic agents. In order to make forecasts for the Brazilian quarterly GDP growth, we used 16 monthly financial and economic series as potential predictors, covering the period from the second quarter of 1996 to the fourth quarter of 2012. For this purpose, we applied MIDAS (Mixed Data Sampling) and UMIDAS (Unrestricted Mixed Data Sampling) approaches and compared the out of sample forecasts with the benchmark ones provided by ARMA. MI- DAS and UMIDAS showed smaller prediction errors, especially when information inside the quarter forecast is used. The results were even better when multiple regressors were employed.

A previsão do PIB é um dos principais balizadores para as decisões produtivas de agentes econômicos. Com o objetivo de realizar previsões para o crescimento do PIB trimestral brasileiro, são utilizadas 16 séries mensais financeiras e econômicas como potenciais preditores, abrangendo o período do segundo trimestre de 1996 ao quarto trimestre de 2012. Para isso, aplicou-se as abordagens MIDAS (Mixed Data Sampling) e UMIDAS (Unrestricted Mixed Data Sampling), confrontando seus resultados de previsão fora da amostra com o benchmark ARMA. Foram encontrados erros de previsão menores nessas abordagens, principalmente quando utilizadas informações dentro do trimestre de previsão. Os resultados foram ainda melhores quando empregados múltiplos regressores. / The GDP forecast is an important indicator for production decisions taken by economic agents. In order to make forecasts for the Brazilian quarterly GDP growth, we used 16 monthly financial and economic series as potential predictors, covering the period from the second quarter of 1996 to the fourth quarter of 2012. For this purpose, we applied MIDAS (Mixed Data Sampling) and UMIDAS (Unrestricted Mixed Data Sampling) approaches and compared the out of sample forecasts with the benchmark ones provided by ARMA. MI- DAS and UMIDAS showed smaller prediction errors, especially when information inside the quarter forecast is used. The results were even better when multiple regressors were employed.

A previsão do PIB é um dos principais balizadores para as decisões produtivas de agentes econômicos. Com o objetivo de realizar previsões para o crescimento do PIB trimestral brasileiro, são utilizadas 16 séries mensais financeiras e econômicas como potenciais preditores, abrangendo o período do segundo trimestre de 1996 ao quarto trimestre de 2012. Para isso, aplicou-se as abordagens MIDAS (Mixed Data Sampling) e UMIDAS (Unrestricted Mixed Data Sampling), confrontando seus resultados de previsão fora da amostra com o benchmark ARMA. Foram encontrados erros de previsão menores nessas abordagens, principalmente quando utilizadas informações dentro do trimestre de previsão. Os resultados foram ainda melhores quando empregados múltiplos regressores. / The GDP forecast is an important indicator for production decisions taken by economic agents. In order to make forecasts for the Brazilian quarterly GDP growth, we used 16 monthly financial and economic series as potential predictors, covering the period from the second quarter of 1996 to the fourth quarter of 2012. For this purpose, we applied MIDAS (Mixed Data Sampling) and UMIDAS (Unrestricted Mixed Data Sampling) approaches and compared the out of sample forecasts with the benchmark ones provided by ARMA. MI- DAS and UMIDAS showed smaller prediction errors, especially when information inside the quarter forecast is used. The results were even better when multiple regressors were employed.