[pt] Nessa dissertação um novo método para previsão da
Estrutura a Termo
da Taxa de Juros Brasileira - ETTJ brasileira - conhecido
como Máquina
de Suporte Vetorial para Regressão é investigado,
comparando-o com os
métodos tradicionais, tais como modelos VAR (Vetor Auto-
regressivo) e
ECM (Modelos de Correção de Erros). Utiliza-se além dos
retornos de títulos
de renda fixa, algumas variáveis macro-econômicas, que
conforme sugerido
no artigo de Evans e Marshall (1998) e verificado para
economia brasileira
no artigo de Fukuda, Vereda e Lopes (2006) melhoram a
previsão dos
retornos de títulos de renda fixa no longo prazo. O
experimento mostra uma
melhora considerável do SVR sobre os modelos tradicionais
mencionados
no longo prazo, atuando ainda como ótimo indicador da
direção das taxas
em praticamente todos os horizontes de previsão. Para tal
avaliação, foram
utilizados os critérios de raiz do erro quadrado médio,
erro absoluto médio,
simetria direcional e simetria direcional ponderada,
correta tendência para
cima e correta tendência para baixo além do teste U de
Theil, que faz
uso da raiz do erro quadrado médio para verificar se
ocorre uma melhora
significativa de um modelo sobre outro. Uma vez que não
existe uma maneira
estruturada para escolha dos parâmetros livres do SVR, a
escolha dos
mesmos foi feita através de uma função do software R, que
faz uma pesquisa
em um domínio retangular fornecido pelo usuário. A análise
dos resultados
mostra que SVR é uma técnica promissora para previsão dos
retornos de
títulos de renda fixa, sugerindo-se ainda melhorar as
escolhas dos parâmetros
livres do SVR uma vez que os mesmos são meios poderosos de
regularização
e adaptação do ruído aos dados. / [en] In this dissertation a new method for the prediction of
the Brazilian
Term Structure of Interest Rates - Brazilian ETTJ - known
as Support
Vector Regression is investigated. This is compared with
the traditional
methods used in this set up, such as VAR models (Vector
Autoregressive)
and ECM (Error Correction Models). Besides the interest
rates, some
macroeconomic variables are also used, as it was suggested
in a work from
Evans and Marshall(1998) and verified for brazilian
economy in a work from
Fukuda, Vereda and Lopes (2006), the inclusion of
macroeconomic variables
can improve the prediction of the interest rates in long
term forecasts. The
experiment show some improvements in using SVR in the long
term in
relation to the traditional methods mentioned, acting like
a realy good
predictor of the direction of the interest rates along the
short and long
term forecasts. To make these assertions, we make use of
some tests like the
root mean squared error, mean absolute error, directional
symmetry and
weighted directional symmetry, Correct Up trend and Corret
Down trend
besides Theil U test, which uses the root mean squared
error to verify if
there is some significant improvement between two models.
As there is not
a structured way to choose the free parameters of SVR, a
function in the R
software was used in order to make a grid search over a
supplied parameter
ranges. The analysis of the results demonstrate that SVR
is a promising
technique to prediction of interest rates, suggestions are
also made in order
to get better the choices of the free SVR parameters once
they are powerful
means of regularization and adaptation to the noise in the
data.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:10095 |
| Date | 28 June 2007 |
| Creators | MARINA SEQUEIROS DIAS |
| Contributors | HELIO CORTES VIEIRA LOPES |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0021 seconds