Monitor de Inflação: adicionando modelos de previsão

A inflação medida pelo IPCA tem apresentado um avanço considerável nos últimos meses, fruto de choques diversos. Em 2020, o subgrupo alimentação no domicílio foi um dos grandes vilões, enquanto nesse início de 2021, o reajuste dos derivados de petróleo tem tido impacto na inflação. Nesse Comentário de Conjuntura, atualizamos o nosso Monitor de Inflação, apresentação automatizada feita em R, que cobre todos os aspectos da inflação no Brasil. Nessa edição, nós ampliamos o Monitor, adicionando um primeiro modelo univariado de previsão.

Membros do Clube AM, por suposto, têm acesso a todos os códigos desse exercício.

Nosso objetivo ao longo dos próximos meses é adicionar ao Monitor uma metodologia completa de previsão da inflação medida pelo IPCA. Para começar, nós mostramos nosso benchmark, que é um modelo SARIMA. A partir dele, nós construiremos diversos modelos focados na previsão da inflação medida pelo IPCA e forneceremos ao fim do Monitor uma previsão combinada desses diversos modelos, baseada no EQM dos mesmos.

As previsões do modelo SARIMA são postas abaixo.

Previsões do modelo SARIMA
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
Mar 2021 0.6309344 0.3043160 0.9575529 0.1314146 1.130454
Apr 2021 0.4717662 0.0987754 0.8447569 -0.0986740 1.042206
May 2021 0.4123625 0.0263726 0.7983524 -0.1779581 1.002683
Jun 2021 0.4801187 0.0902615 0.8699759 -0.1161164 1.076354
Jul 2021 0.4697450 0.0787193 0.8607707 -0.1282772 1.067767
Aug 2021 0.4424644 0.0510841 0.8338447 -0.1561002 1.041029
Sep 2021 0.5013333 0.1098452 0.8928215 -0.0973961 1.100063
Oct 2021 0.5276040 0.1360831 0.9191249 -0.0711756 1.126383
Nov 2021 0.5193116 0.1277808 0.9108425 -0.0794832 1.118106
Dec 2021 0.5735694 0.1820355 0.9651033 -0.0252300 1.172369
Jan 2022 0.4314381 0.0399032 0.8229729 -0.1673628 1.030239
Feb 2022 0.5209359 0.1294008 0.9124710 -0.0778654 1.119737

Um gráfico com as previsões é colocado abaixo.

____________________________

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.