Return to search

Nowcasting Brazilian GDP: a performance assessment of dynamic factor models

Submitted by Guilherme Branco Gomes (guilherme.branco.gomes@gmail.com) on 2018-04-17T00:19:25Z
No. of bitstreams: 1
dissertacao Guilherme Branco Gomes versao final.pdf: 2137139 bytes, checksum: cead1d1fa55323ea0f81e275c713796e (MD5) / Approved for entry into archive by GILSON ROCHA MIRANDA (gilson.miranda@fgv.br) on 2018-04-18T19:53:58Z (GMT) No. of bitstreams: 1
dissertacao Guilherme Branco Gomes versao final.pdf: 2137139 bytes, checksum: cead1d1fa55323ea0f81e275c713796e (MD5) / Made available in DSpace on 2018-05-08T17:43:40Z (GMT). No. of bitstreams: 1
dissertacao Guilherme Branco Gomes versao final.pdf: 2137139 bytes, checksum: cead1d1fa55323ea0f81e275c713796e (MD5)
Previous issue date: 2018-03-19 / This work compares dynamic factor model’s forecasts for Brazilian GDP. Our approach takes into account mixed frequencies and can handle missing data. We implement three models: the first is based on the Principal Components Analysis methodology; the second employs a two-step estimation method with quarterly inputs; the last is similar to the former but uses monthly series. A real-time out-of-sample exercise is proposed to assess the performance of these models. A dataset is created for each day within 27 quarters - from the fourth quarter of 2010 up to the second quarter of 2017. For recent periods, the nowcasts estimated by both two-step procedures perform better than the average predictions of Focus Survey, a bulletin organized by the Brazilian Central Bank. We also show evidence that the average of GDP forecasts from this survey may be biased / Esse trabalho compara previsões para o PIB brasileiro utilizando modelos de fatores dinâmicos. Nossa abordagem leva em consideração frequências mistas e lida com dados incompletos na base (missing data). Nós implementamos três modelos: o primeiro é baseado na metodologia de componentes principais; o segundo emprega uma estimação por dois estágio com variáveis trimestrais; o último é similar ao anterior mas utiliza series mensais. Um exercício em tempo real, fora da amostra, é proposto para comparar o desempenho desses modelos. Uma base de dados é criada para cada dia dentro de 27 trimestres - do quarto trimestre de 2010 até o segundo de 2017. Para períodos recentes, os nowcasts estimados para ambos os procedimentos de dois estágios se mostram melhores do que a média de previsão da pesquisa Focus, um boletim organizado pelo Banco Central do Brasil. Nós também mostramos evidências que a média das previsões do PIB dessa pesquisa pode ser viesada

Identiferoai:union.ndltd.org:IBICT/oai:bibliotecadigital.fgv.br:10438/22986
Date19 March 2018
CreatorsGomes, Guilherme Branco
ContributorsIachan, Felipe Saraiva, Gaglianone, Wagner Piazza, Escolas::EPGE, FGV, Issler, João Victor
Source SetsIBICT Brazilian ETDs
LanguageEnglish
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional do FGV, instname:Fundação Getulio Vargas, instacron:FGV
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0017 seconds