Macroeconometria

Combinando Previsões

Uma maneira simples de melhorar a precisão das previsões é utilizar vários métodos diferentes na mesma série temporal e calcular a média das previsões resultantes. Vamos verificar como combinar previsões criados no R e Python utilizando variáveis macroeconômicas como exemplo.

Meta de Inflação e Expectativas dos Agentes

Vamos investigar a atratividade da meta de inflação em relação às expectativas dos agentes privados no Brasil. Em outras palavras, verificaremos se a meta de inflação definida pelo Conselho Monetário Nacional (CMN) tem sido uma variável importante para explicar o comportamento das expectativas de inflação dos agentes econômicos. Para isso, nos basearemos em Carvalho e Minella (2012) e Bevilaqua, Mesquita e Minella (2008) para construir um modelo explicativo para as expectativas de inflação. A estimação será feita via Mínimos Quadrados Ordinários e Mínimos Quadrados em 2 Estágios (TSLS) com instrumentos. Faremos o uso do Python para realizar a coleta e tratamento dos dados, bem como o ajuste do modelo.

Vetores Autoregressivos Bayesianos

Neste artigo, mostramos como é possível utilizar o Vetores Autoregressivos por meio da Abordagem Bayesiana. Como exemplo, demonstramos a estimação e previsão de série macroeconômicas utilizando o R e o Python.

Construindo exercícios de Macroeconomia aplicada

A Macroeconomia é um campo de estudo que combina a macroeconomia e a econometria para analisar e modelar as relações entre várias variáveis macroeconômicas usando métodos estatísticos e matemáticos. Em essência, é a aplicação de técnicas econométricas a dados macroeconômicos para obter insights sobre o funcionamento de uma economia como um todo.

Cointegração e Vetor de Correção de Erros: Prevendo o desemprego

Neste artigo, mostramos como é possível criar uma previsão do Desemprego medida pela PNADc por meio de um VECM utilizando o R e o Python como ferramentas.