[pt] Em economia, Nowcasting é a previsão do presente, do passado recente ou
mesmo a previsão do futuro muito próximo de um determinado indicador.
Geralmente, um modelo nowcast é útil quando o valor de uma variável de
interesse é disponibilizado com um atraso significativo em relação ao seu
período de referência e/ou sua realização inicial é notavelmente revisada
ao longo do tempo, se estabilizando somente após um tempo. Nesta tese,
desenvolvemos e analisamos vários métodos de Nowcasting usando dados
de alta dimensão (big data) em diferentes contextos: desde a previsão
de séries econômicas até o nowcast de óbitos pela COVID-19. Em um
de nossos estudos, comparamos o desempenho de diferentes algoritmos de
Machine Learning com modelos mais naive na previsão de muitas variáveis
econômicas em tempo real e mostramos que, na maioria das vezes, o
Machine Learning supera os modelos de benchmark. Já no restante dos
nossos exercícios, combinamos várias técnicas de nowcasting com um grande
conjunto de dados (incluindo variáveis de alta frequência, como o Google
Trends) para rastrear a pandemia no Brasil, mostrando que fomos capazes
de antecipar os números reais de mortes e casos muito antes de estarem
disponíveis oficialmente para todos. / [en] Nowcasting in economics is the prediction of the present, the recent past or
even the prediction of the very near future of a certain indicator. Generally,
a nowcast model is useful when the value of a target variable is released
with a significant delay with respect to its reference period and/or when
its value gets notably revised over time and stabilizes only after a while.
In this thesis, we develop and analyze several Nowcasting methods using
high-dimensional (big) data in different contexts: from the forecasting of
economic series to the nowcast of COVID-19. In one of our studies, we
compare the performance of different Machine Learning algorithms with
more naive models in predicting many economic variables in real-time and
we show that, most of the time, Machine Learning beats benchmark models.
Then, in the rest of our exercises, we combine several nowcasting techniques
with a big dataset (including high-frequency variables, such as Google
Trends) in order to track the pandemic in Brazil, showing that we were
able to nowcast the true numbers of deaths and cases way before they got
available to everyone.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:59313 |
| Date | 02 June 2022 |
| Creators | HENRIQUE FERNANDES PIRES |
| Contributors | MARCELO CUNHA MEDEIROS, MARCELO CUNHA MEDEIROS, MARCELO CUNHA MEDEIROS |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | English |
| Detected Language | English |
| Type | TEXTO |
Page generated in 0.0026 seconds