Boletim AM

As diferentes formas de avaliar o erro de um modelo de previsão

Existem tantas siglas para métricas de desempenho de modelos preditivos que é fácil se perder na sopa de letrinhas. Neste artigo, fornecemos uma visão geral das principais métricas para avaliar e comparar modelos de regressão e classificação, usando exemplos com dados em Python.

Previsão do CPI usando text mining

Exploramos neste exercício, de forma similar a Ferreira (2022), a utilidade de tópicos latentes extraídos dos comunicados do FOMC, por um modelo LDA, na previsão da inflação norte-americana, medida pelo CPI. O objetivo é comparar um modelo econométrico simples, tal como um AR-GAP de Faust e Wright (2013), em especificações com e sem os fatores textuais.

Nowcasting do PIB usando a linguagem R

Mostramos como usar a linguagem de programação R para coletar e tratar dados e construir o Nowcasting do PIB Brasileiro.

Previsão de demanda com o Prophet usando Python

Apresentamos o modelo Prophet e mostramos um exemplo aplicado com dados para previsão de demanda usando Python.

Nowcasting do PIB: um modelo de fatores usando Python

Neste exercício, implementamos o Nowcasting utilizando Modelos de Fatores Dinâmicos (Dynamic Factor Models) em Python, com o objetivo de prever o PIB dos EUA com base nos dados dos conjuntos FRED-MD e FRED-QD.

Como choques inflacionários afetam a previsão da Selic?

Como mensurar a importância de choques na inflação sobre o erro de previsão da taxa de juros? Neste exercício quantificamos esta pergunta sob a ótica de um modelo VAR, usando dados recentes da macroeconomia brasileira. Especificamente, estimamos a decomposição da variância dos erros de previsão do modelo, analisando choques na inflação da gasolina e sua importância sobre a variância dos erros de previsão da taxa Selic.

Modelo de previsão para o preço da gasolina

Neste exercício exploramos os dados públicos sobre o preço da gasolina no Brasil, sua composição, evolução temporal, políticas associadas e, por fim, construímos um modelo simples de previsão. Com um modelo em mãos, o analista pode cenarizar o comportamento futuro da série da forma como preferir. Todos os procedimentos foram feitos usando a linguagem de programação Python.

Como construir um Vetor Autoregressivo Estrutural (SVAR) no Python?

Apresentamos neste exercício como é a aplicação de um Vetor AutoRegressivo Estrutural (SVAR) no Python a partir da biblioteca statsmodels.

Previsão com Vetores Autoregressivos no Python

Modelos Vetoriais AutoRegressivos (VAR) são amplamente utilizados na análise de séries temporais macroeconômicas. Eles permitem modelar a dinâmica conjunta de várias variáveis, capturando como choques em uma afetam as demais ao longo do tempo. Neste exercício, mostramos como aplicar um modelo VAR a um conjunto de dados macroeconômicos brasileiros para gerar previsões.

Previsão do Desemprego: Redes Neurais vs. Previsões do Focus

Não é de hoje que técnicas de machine learning vêm sendo usadas para explorar características não lineares de séries temporais (econômicas), especialmente para finalidade de previsão. Como exemplo, apresentamos uma abordagem híbrida do modelo NNAR e comparamos suas previsões com as de mercado, encontrando resultados em linha com a literatura recente.

A verdade está nos dados

Veja os nossos exercícios mais recentes

As diferentes formas de avaliar o erro de um modelo de previsão

Previsão do CPI usando text mining

Nowcasting do PIB usando a linguagem R

Previsão de demanda com o Prophet usando Python

Nowcasting do PIB: um modelo de fatores usando Python

Como choques inflacionários afetam a previsão da Selic?

Modelo de previsão para o preço da gasolina

Como construir um Vetor Autoregressivo Estrutural (SVAR) no Python?

Previsão com Vetores Autoregressivos no Python

Previsão do Desemprego: Redes Neurais vs. Previsões do Focus

Boletim AM

Boletim AM