Mestrado Profissional em Economia
URI permanente para esta coleçãohttps://repositorio.insper.edu.br/handle/11224/3240
Navegar
7 resultados
Resultados da Pesquisa
Dissertação Previsão através de técnicas de machine learning de períodos risk-off no Brasil(2022) Fernandes, Carlos Vinícius CotrimEste artigo utiliza técnicas de machine learning como K-médias e clusters hierárquicos e o comovimento dos principais ativos financeiros brasileiros ligados aos mercados de juros, câmbio e renda variável para identificar períodos popularmente conhecidos como risk-on e risk-off no Brasil. Após identificar os períodos, busco prevê-los com o uso de diversas variáveis macroeconômicas em defasagens de três, seis e doze meses com relação aos períodos encontrados e Random Forests. Aqui temos a contribuição relevante de variáveis não frequentemente utilizadas para previsões como dados de emprego e índices de preços. Por fim, realizo simulações de carteiras com os ativos brasileiros e as previsões obtidas, buscando mostrar uma aplicação possível para os períodos risk-off encontrados e as previsões das Random Forests, nessas simulações temos ganho de rentabilidade independente da defasagem em relação ao portfólio 60/40 e ganho de rentabilidade das defasagens 6 e 12 meses em relação ao CDIDissertação Measuring core inflation in Brazil using an svar approach(2020) Rabe, João Paulo De Faria TavaresO objetivo principal deste artigo é apresentar uma nova medida de núcleo da inflação para a economia brasileira. Diferente das medidas estatísticas e ateóricas usualmente utilizadas pelo Banco Central do Brasil, a metodologia é baseada em Quah e Vahey (1995) e tem como alicerce a teoria de que a Curva de Phillips é vertical no longo prazo, assim, o núcleo da inflação é calculado como o componente da inflação que não impacta o nível de produto no longo prazo. Essa é uma abordagem quase não explorada no Brasil, e os resultados mostraram que poderia ser benéfica se incluída no conjunto de medidas seguidas pelo Banco Central. Para realizar o cálculo dessa medida de núcleo de inflação, são usados dois modelos estruturais de vetores autoregressivos. Primeiramente, estima-se o modelo bivariado proposto por Quah e Vahey (1995), em que a diferença (log) do nível de produto e a diferença (log) do nível de preços são utilizados com o objetivo de identificar os choques estrturais. Os resultados, conforme discutido na literatura relacionada, mostraram que ambos têm um padrão semelhante ao que a teoria identifica como choques positivos de demanda e oferta. Além disso, à luz de Bjørnland (2000) e Martel (2008), o segundo modelo estimado adiciona um índice de preços de commodities para melhor identificar os choques que afetam o sistema. Ambos os modelos apontam que a inflação medida e as medidas de núcleo seguem a mesma tendência, enquanto que a inflação de curto prazo (diferença entre a inflação medida e o núcleo calculado) se deve principalmente à choques de oferta. Embora pareça não haver consenso sobre qual é a melhor metodologia para calcular uma medida de núcleo de inflação, a literatura recomenda que uma medida de núcleo de inflação tenha algumas características específicas. Portanto, é feita uma comparação entre as medidas produzidas pelos modelos SVAR e as tipicamente utilizadas pelo Banco Central do Brasil para avaliar essas características. Os resultados apontaram que, entre as medidas de núcleo analisadas, as únicas sistematicamente não vieasadas são produzidas pela abordagem SVAR. Além disso, a metodologia SVAR também apresentou uma maior aderência à tendência da inflação do que os métodos de exclusão, enquanto a medida de núcleo por médias aparadas - por construção - é a que apresenta a melhor estatítisca. Finalmente, as medidas de núcleo com a melhor previsão de desempenho (fora da amostra) são provenientes do sistema (SVAR) trivariado, o Ex3 e o P55.Dissertação Forecasting Inflation Using Deep Learning: An Application of Convolutional LSTM Networks and Variational Autoencoders(2021) Theoharidis, Alexandre FernandesEsse trabalho apresenta um modelo inovador baseado em deep learning para previsão de inflação, um problema desafiador e, até o momento, sem solução na Macroeconomia moderna. Os desafios emergem devido ao comportamento não linear e não estacionário exibido pela inflação na prática, divergindo da dinâmica esperada a partir da Curva de Phillips Neokeynesiana. Consequentemente, modelos econométricos convencionais se mostram incapazes de produzir previsões críveis e consistentes, pois não possuem a flexibilidade necessária para capturar essas complexidades. Nesse contexto, deep learning se apresenta como uma abordagem promissora, dado o seu sucesso no tratamento de dados não lineares e abundantes (big data). Exemplos ilustrativos são encontratos nos campos de reconhecimento de fala, interpretação textual, processamento de imagens e modelagem de séries temporais financeiras, entre outros. Surpreendentemente, apesar de seu potencial, não há aplicações de deep learning ao problema descrito para investigar se há a possibilidade de aprimorar previsões de inflação através dessa técnica. Portanto, como contribuição à literatura, esse estudo propõe um modelo de deep learning híbrido que combina Autoencoders Variacionais com Redes LSTM Convolucionais para ampliar a acurácia das previsões de inflação. O procedimento de estimação do modelo emprega técnicas do estado-da-arte para reduzir a probabilidade de overfitting, tais como a adição de camadas de dropout e batch normalization à arquitetura do modelo. Através de um banco de dados macroeconômicos públicos composto por 134 séries temporais mensais da economia estadunidense, o modelo proposto é comparado contra populares benchmarks econométricos e de machine learning, incluindo a regressão Ridge, a regressão LASSO, Random Forests, métodos Bayesianos, VECM, e o perceptron de múltiplas camadas. Usando observações coletadas no período que se estende de janeiro de 1978 até dezembro de 2019, a análise empírica corrobora a superioridade do modelo em termos de consistência e desempenho fora da amostra. A robustez das conclusões é confirmada mediante cross-validation e simulações usando diferentes amostras de treino, validação e teste.Dissertação Modelo de decomposição da estrutura a termo de taxa de juros brasileira e o prêmio de risco(2019) Augusto, Lucas NobregA estrutura a termo da taxa de juros contém informações relevantes tanto para o setor público quanto para o setor privado. Portanto, a decomposição da estrutura a termo entre taxa de juros real, nominal, inflação implícita e prêmio de risco é de grande valia. Os estudos acerca do tema têm duas principais vertentes, as que consideram válida a hipótese das expectativas, em que o prêmio de risco é constante no tempo e as que não consideram. A maior parte da literatura internacional e local rejeita a hipótese das expectativas ou chegam a resultados inconclusivos. Assim, parece mais adequado considerarmos o prêmio de risco variante no tempo. A presente dissertação tem como objetivo apresentar modelo afim que contempla a rejeição da hipótese das expectativas. Diferentemente de outros modelos da mesma classe, neste estudo o modelo conta com três variáveis macroeconômicas – que explicam majoritariamente os yields da estrutura a termo da taxa de juros – e quatro volatilidades de variáveis macroeconômicas, que precificam o prêmio de risco. Outra diferença importante é a não utilização de componentes principais no modelo, pois apesar da boa performance desta classe de modelo, a mesma peca na intuição econômica. Este trabalho encontra evidências de que o modelo é capaz de decompor a estrutura a termo de forma simples, intuitiva e acurada. As variáveis macroeconômicas de fato explicam majoritariamente o preço dos yields, enquanto as volatilidades explicam parcialmente o prêmio de risco. Sob esta ótica, o estudo contribui com a literatura ao identificar fatores que precificam o prêmio de risco. Contudo, outros aspectos podem ser levados em consideração para melhor compreensão do tema, como o cenário internacional e a dívida pública.Dissertação Prêmio de risco na curva de juros brasileira e o impacto do choque de política monetária dos Estados Unidos(2018) Silveira, Caroline MironO objetivo do estudo é analisar o impacto do choque de política monetária dos Estados Unidos no prêmio de risco da curva de juros brasileira entre o período de Setembro/2003 a Setembro/2018. A metodologia considera a decomposição da curva de juros brasileira nos componentes de prêmio de risco e expectativa de taxa de juros, por meio de uma abordagem de regressão linear em 3 etapas para o cálculo do prêmio de risco e a variação da taxa de juros do título de dois anos do Tesouro norte-americano entre o anúncio de política monetária para definir o choque de política monetária. Os resultados evidenciam que o prêmio de risco da curva de juros brasileira é influenciado pelo choque de política monetária no curto, médio e longo prazo.Dissertação Home bias no portfolio de equities: o caso brasileiro(2018) Dal'Col, Franciane LovatiO home bias médio observado no portfolio de equities dos investidores brasileiros foi 96% nos últimos quatro anos. Apesar de haver uma extensa literatura sobre o tema, poucos estudos exploram o contexto dos mercados emergentes, em especial o Brasil. Esse estudo investiga por que existe esse viés tão agudo sob dois aspectos. Primeiramente, verifica se há ações domésticas que, através de sua exposição aos mercados globais, estejam reduzindo (ou eliminando) a necessidade diversificação internacional. Isso é feito comparando-se as fronteiras eficientes do portfolio doméstico com o índice internacional para checar se há ganho de diversificação. Conclui-se que, apesar de algumas ações domésticas adicionarem diversificação ao mercado nacional, as posssibilidades de diversificação internacional não são esgotadas por elas. Em segundo lugar, utilizando um modelo macroeconômico de equilíbrio geral, o trabalho verifica se os motivos de hedge em relação à taxa de câmbio e à renda podem justificar o home bias observado. O modelo apenas com equities prevê alavancagem no mercado internacional, enquanto o modelo incluindo bonds prevê alocação de aproximadamente 15% no mercado doméstico.Dissertação An Empirical Analysis of the Monetary Policy Committees Composition and its Relationship with Monetary Policy(2019) Costa, Guilherme SpilimbergoEste artigo testa se as características individuais dos membros dos Comitês de Política Monetária (MPC) são significativamente relacionadas à política monetária. Foi compilado um banco de dados com informações sobre 439 indivíduos, que atuaram como membros do conselho de política monetária em 16 bancos centrais diferentes de 1999 a 2018. Em seguida, usamos modelos de regressão em painel para testar se a composição média de cada MPC é significativa para o desempenho da política monetária, em relação ao nível e a volatilidade da taxa de inflação, e ao trade-off entre a taxa de inflação e o hiato do produto (a inclinação da curva de Phillips). Os resultados indicam que algumas das características individuais dos membros que formam um MPC são relevantes para o desempenho da política monetária. Em particular, encontramos evidências de que: (i) uma proporção maior de membros com doutorado em economia está associada a um menor nível e volatilidade da taxa de inflação, mas também a uma curva de Phillips menos inclinada; (ii) uma maior quantidade de mulheres como membros dos MPCs estão relacionadas com inflação mais baixa e menos volátil; (iii) um MPC com uma idade média entre 55 e 60 anos parece estar ligado a uma inflação menos volátil; e (iv) existem evidências que relacionam uma maior proporção de membros do MPC com experiência anterior no setor privado e na academia com uma taxa de inflação mais baixa.