Estrutura a termo da taxa de juros no Brasil : projeções utilizando aprendizado de máquina

Abstract

Este trabalho tem como objetivo principal avaliar modelos de aprendizado de máquina, com o propósito de previsão de séries temporais, para projeção da Estrutura a Termo da Taxa de Juros – ETTJ brasileira. Os modelos tratados neste trabalho são: K Vizinhos mais Próximos, Least Absolute Shrinkage and Selection Operator – LASSO, Floresta Aleatória, Extreme Gradient Boosting e Máquinas de Vetor Suporte. No treinamento dos modelos foram utilizadas, primeiramente, as séries históricas das taxas de dezesseis vértices da ETTJ, e, adicionalmente, em um segundo momento, foram incluídas variáveis macroeconômicas aos dados de treinamento. O objetivo era avaliar se os desempenhos desses modelos seriam superiores ao do modelo Passeio Aleatório – PA, usado na literatura como referência para avaliação de desempenho de modelos de projeções de séries temporais. Os resultados mostraram que não é possível determinar um modelo, para os dados brasileiros, que consistentemente produza menor erro de previsão que o Passeio Aleatório em todos os horizontes de projeção. Por outro lado, quanto mais curto o prazo de projeção, mais os modelos analisados se tornam superiores ao Passeio Aleatório. As análises também indicaram que a inclusão de variáveis macroeconômicas para o treinamento não gerou melhores resultados nas projeções de forma consistente, apesar da existência de correlação entre essas variáveis e a dinâmica das taxas de juros da ETTJ.