Identificação de sinais de alertas antecipados na curva de juros prefixada do Brasil com uso de redes neurais

Abstract

Este estudo busca identificar sinais de alerta antecipado na estrutura a termo da curva de juros prefixada brasileira, no período entre 2015 e 2025, com a utilização da técnica de redes neurais, LSTM (Long Short Term Memory). O estudo analisa a presença de comportamentos anômalos na curva de juros, de modo a visualizar na estrutura temporal dos dados, pontos que se diferenciem do padrão recente das maturidades estudadas. Neste sentido, é desenvolvido um sistema de alerta antecipado (Early Warning System – EWS) com o uso de redes neurais do tipo LSTM, aplicado à dinâmica da curva de juros prefixada em múltiplas maturidades, com uma janela expandida para os dados e threshold dinâmico ao longo do tempo. Os resultados são comparados com o modelo estatístico tradicional ARIMA, utilizando a mesma metodologia de desenvolvimento do sistema de alerta. As evidências obtidas indicam uma maior capacidade do modelo de redes neurais em identificar alterações em padrões mais persistentes, enquanto o modelo tradicional captura choques pontuais e menos estruturais. Com isso, o projeto contribui para o debate sobre a capacidade de identificar sinais de mudança na estrutura da curva de juros, permitindo algum tipo de sinalização aos agentes de mercado, em um contexto marcado por grandes desafios preditivos de diferentes características.