Investigando a relação entre o Ibovespa e a variação da FBCF

Na edição 55 do Clube do Código, a ser divulgada para os membros na próxima semana, continuo a investigação iniciada em um comentário de conjuntura sobre a relação entre o Ibovespa e a variação interanual da FBCF. Dessa vez, estimamos um Vetor de Correção de Erros (VEC). Fazemos a análise das funções impulso-resposta e da decomposição de variância a partir do modelo estimado. Ademais, também aplicamos o procedimento de Toda-Yamamoto de modo a investigar causalidade.

Os resultados encontrados sugerem que um choque no Ibovespa tem um efeito positivo na variação interanual da FBCF, aumentando a mesma em mais de 3 pontos percentuais após três trimestres. A decomposição de variância, por seu turno, revela que cerca de 30% da variância da variação interanual da FBCF é explicada pelo Ibovespa, passados 12 trimestres. Por fim, o teste de precedência temporal sugere que o Ibovespa ajuda a explicar a variação da FBCF, enquanto não encontramos evidências no caso contrário.

Membros do Clube do Código têm acesso a todos os códigos que geraram o exercício no repositório do github.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Regimes da Política Monetária Brasileira com Markov Switching no Python

Este exercício analisa a política monetária brasileira utilizando modelos de Markov Switching Regression. O objetivo é identificar diferentes regimes de política monetária e como eles influenciam a taxa Selic, a meta de inflação e o hiato do produto. Usamos a linguagem de programação Python para o processo de coleta, tratamento, análise e modelagem dos dados.

Como criar janelas móveis de séries temporais usando o Python

Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.

Como incorporar choques em cenários de previsão?

Neste exercício mostramos como incorar choques no cenário de variáveis exógenas para fins de previsão. Usando como exemplo a previsão do IPCA, através de um modelo de machine learning, mostramos os cuidados a serem tomados e uma forma simples de definir o cenário com os choques. Ao final, apresentamos uma previsão com um suposto choque e uma previsão sem o choque para comparação.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.