| Élément Dublin Core | Valeur | Langue |
|---|
| dc.contributor.advisor | Rossi, Marina Delmondes de Carvalho | pt_BR |
| dc.contributor.author | Oliveira, Lucas Gabriel Martins de | pt_BR |
| dc.date.accessioned | 2024-01-19T20:04:56Z | - |
| dc.date.available | 2024-01-19T20:04:56Z | - |
| dc.date.issued | 2024-01-19 | - |
| dc.date.submitted | 2023-03-03 | - |
| dc.identifier.citation | OLIVEIRA, Lucas Gabriel Martins de. Qual modelo prevê melhor?: comparando diferentes métodos de nowcasting do PIB usando dados brasileiros. 2023. 52 f. Dissertação (Mestrado em Economia) — Universidade de Brasília, Brasília, 2023. | pt_BR |
| dc.identifier.uri | http://repositorio.unb.br/handle/10482/47392 | - |
| dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023. | pt_BR |
| dc.language.iso | en | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.title | Qual modelo prevê melhor? : comparando diferentes métodos de nowcasting do PIB usando dados brasileiros | pt_BR |
| dc.title.alternative | Which one predicts better? : comparing different GDP Nowcasting methods with brazillian data | pt_BR |
| dc.type | Dissertação | pt_BR |
| dc.subject.keyword | Modelos dinâmicos de fatores | pt_BR |
| dc.subject.keyword | Séries temporais | pt_BR |
| dc.subject.keyword | Nowcasting | pt_BR |
| dc.subject.keyword | Macroecometria | pt_BR |
| dc.subject.keyword | Produto Interno Bruto (PIB) | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
| dc.description.abstract1 | This work has the primary objective of raising quantitative tools for assembling a
scalable real-time GDP tracking in Brazil possibly later on for southern cone countries. In
this work, we survey the literature since the first work on estimating business cycles and
document the evolution of this literature until the insertion of machine learning methods
used contemporaneously. Additionally, we perform backtesting exercises with an updated
Brazilian database, estimate several candidate models for GDP nowcasting, implementing
the division of classical models and machine learning models. Finally, we use the Diebold
Mariano test to evaluate the forecasts of all models against a naive model and demonstrate
that a combination of machine learning models based on the distance of forecasts to
the average FOCUS expectations defeats the fully informed market expectations of the
FOCUS survey, while the same is not possible only for selected classical nowcasting models,
this result is also reached when we use the selection algorithm in Classical and Machine
Learning models but the statistical significance of this result is smaller then the first. We
also find that Mariano and Murasawa aggregation on factors in dynamic factor models did
not improve the quality of the nowcasts. | en |
| dc.description.unidade | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | pt_BR |
| dc.description.unidade | Departamento de Economia (FACE ECO) | pt_BR |
| dc.description.ppg | Programa de Pós-Graduação em Economia | pt_BR |
| Collection(s) : | Teses, dissertações e produtos pós-doutorado
|
