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.

Combinar previsões podem levar a um aumento de acurácia da previsão realizada. É comum diversos tipos de formas de junção dos resultados da previsão, seja por meio de uma média simples, seja por meio de uma combinação que penalize a pior.

Nos exemplos abaixo, utilizaremos uma média simples para combinar as previsões, pois é a abordagem mais natural. Essa abordagem tem se mostrado um excelente referencial, apesar ou talvez por causa de sua simplicidade. A previsão combinada é dada por f_c = \frac{1}{P} \sum_{i=1}^{P} f_i. É claro que outras medidas, talvez menos sensíveis a valores atípicos, como a mediana, também podem ser utilizadas.

Para obter todo o código em R e Python para os exemplos abaixo, faça parte do Clube AM, o repositório de códigos da Análise Macro, contendo exercícios semanais.

Exemplo no R

Para ilustrar, vamos considerar um exemplo envolvendo a Dívida Bruta do Governo Geral (DBGG). Criaremos 3 tipos de modelos, e realizaremos a junção dos valores da previsão por meio de uma média simples. Realizaremos a restrição dos dados em treino e teste, bem como criaremos cada modelo:

  • ETS (Exponential smoothing state space models)
  • Tendência Estocástica por meio de modelo de regressão dinâmica.
  • Auto ARIMA

Referências dos modelos, verificar Forecasting: Principles and Practice.

Exemplo no Python

Para ilustrar, vamos considerar um exemplo envolvendo algumas variáveis bastante conhecidas:

  1. inflação mensal medida pelo IPCA;
  2. expectativas em t para t+1 para a taxa de inflação mensal;
  3. IC-br;
  4. taxa de câmbio R/US;
  5. taxa Selic anualizada;
  6. taxa de desemprego medida pela PNAD Contínua.
  7. IBC-br

Criaremos previsões a partir de um VAR e ARIMA do IPCA Mensal. A partir da previsão dos dois modelos, criaremos uma combinação por meio de uma média simples

___________________________________
Quer aprender mais?

Seja um aluno da nossa trilha de Macroeconomia Aplicada  e aprenda a criar projetos voltados para a Macroeconomia.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

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.

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.