Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Sócio-Econômico, Programa de Pós-Graduação em Economia, Florianópolis, 2017. / Made available in DSpace on 2017-04-18T04:22:23Z (GMT). No. of bitstreams: 1
346734.pdf: 2081852 bytes, checksum: 181ee26fec8ba55a9e8eebd36c54eb22 (MD5)
Previous issue date: 2017 / Abstract : The study investigates the statistical and economic value of forecasted yields generated by dynamic yield curve models which incorporate a large macroeconomic dataset. The analysis starts of by modeling and forecasting the term structure of the Brazilian nominal interest rates using several specifications for the dynamic Nelson-Siegel (DNS) framework, suggested by Diebold & Li (2006). The first exercise concerns the incorporation of macro factors extracted from a large macroeconomic dataset, including forward-looking variables, to compare the forecast performance between some macroeconomic representations of the DNS model and itself. The results for forecast horizons above three months support the evidence for the incorporation of one macro factor that summarizes broad macroeconomic information regarding mainly inflation expectations. The conclusion that macroeconomic information tends to improvement in yield curve forecasting extend results found in previous literature. In order to assess the economic value of those forecasted yields, a fixed-income portfolio optimization using the mean-variance approach of Markowitz (1952) is performed. The analysis indicate that good yield curve predictions are important to achieve economic gains from forecasted yields in terms of portfolio performance. Preferred forecasted yields for short forecast horizons perform quite well for optimal mean-variance portfolios with one-step-ahead estimates for fixed-income returns, while forecasted yields generated by a macroeconomic DNS specification outperforms in terms of portfolio performance with twelve-step-ahead estimates. Therefore, there is an economic and statistical gain from considering a large macroeconomic dataset to forecast the Brazilian yield curve dynamics, specially for longer forecast horizons and for medium- and long-term maturities.<br> / O estudo investiga o valor estatístico e econômico dos rendimentos previstos por modelos dinâmicos da curva de juros que incorporam um grande conjunto de dados macroeconômicos. A análise parte da modelagem e previsão da estrutura a termo das taxas de juros nominais brasileiras, usando diversas especificações para o modelo dinâmico de Nelson-Siegel (DNS), sugerido por Diebold & Li (2006). O primeiro exercício diz respeito à incorporação de macro-fatores extraídos de um grande conjunto de dados macroeconômicos, incluindo variáveis de expectativas, para comparar o desempenho de previsão entre algumas representações macroeconômicas do modelo DNS e ele mesmo. Os resultados para horizontes de previsão acima de três meses apoiam a evidência para a incorporação de um fator macro que resume principalmente informações gerais sobre expectativas de inflação. A conclusão de que informação macroeconômica tende a aprimorar a previsão da curva de juros estende os resultados encontrados na literatura recente. Para avaliar o valor econômico dos rendimentos previstos, é realizada uma otimização de carteira de renda fixa usando a abordagem de média-variância de Markowitz (1952). A análise indica que boas previsões para as curvas de juros são importantes para obter ganhos econômicos com os rendimentos previstos em termos de desempenho do portfólio. Rendimentos previstos com maior precisão para horizontes de previsão curtos atingem bons resultados para portfólios ótimos que utilizam estimativas de um passo a frente para os retornos de renda fixa, enquanto que rendimentos previstos gerados por uma especificação macroeconômica do modelo DNS atingem bom desempenho para a otimização que utiliza estimativas de doze passos a frente. Portanto, há um ganho econômico e estatístico ao considerar um grande conjunto de dados macroeconômicos para prever a dinâmica da curva de juros brasileira, especialmente para horizontes de previsão mais longos e para maturidades de médio e longo prazo.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/174921 |
| Date | January 2017 |
| Creators | Schnorrenberger, Richard |
| Contributors | Universidade Federal de Santa Catarina, Moura, Guilherme Valle |
| Source Sets | IBICT Brazilian ETDs |
| Language | English |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | 113 p.| il., grafs., tabs. |
| Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0023 seconds