Um tutorial completo de SVAR (Vetor Autoregressivo Estrutural) em Python, usando quatro séries da economia brasileira obtidas pela API do Banco Central. O guia começa verificando a estacionariedade das séries e avança até as funções impulso-resposta e a decomposição da variância, usando o price puzzle — quando um choque de juros parece elevar a inflação — para ensinar identificação econométrica na prática.
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.
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.
O PIB é uma variável econômica complexa e de difícil previsão. Neste artigo, mostramos que unir métodos simples e métodos avançados pode aumentar significativamente a previsibilidade do crescimento da economia.
Tutorial de previsão da taxa de desocupação brasileira com um VECM no Python: testes de raiz unitária, cointegração de Johansen, diagnóstico dos resíduos, avaliação fora da amostra contra o passeio aleatório e projeção com intervalo de 95%.