Metodologia para modelos de nowcasting de dados de atividade
dc.contributor.advisor | GUSTAVO BARBOSA SOARES | |
dc.contributor.author | Dobrianskyj, Guilherme Martinho | |
dc.coverage.cidade | São Paulo | pt_BR |
dc.coverage.pais | Brasil | pt_BR |
dc.creator | Dobrianskyj, Guilherme Martinho | |
dc.date.accessioned | 2023-08-23T17:26:32Z | |
dc.date.available | 2023-08-23T17:26:32Z | |
dc.date.issued | 2021 | |
dc.description.abstract | O trabalho utiliza uma técnica de nowcasting de atividade para diversos países, que possuem diferentes características e qualidades de dados econômicos. São utilizados dados mensais para o nowcast do Produto Interno Bruto dos países, que são dados trimestrais. Ao considerar tempo de execução, robustez a ruídos e flexibilidade de implementação, são utilizadas técnicas baseadas em Análise de Componentes Principais e regressões lineares robustas a ruídos (Huber regression). A fim de modelar a jagged edge (quando, em determinado dia, é sabido apenas alguns dos dados utilizados no modelo), é utilizado um Vetor Autorregressivo com uma defasagem. Os nowcasters construídos mostram boa capacidade preditiva, porém possuem alta dependência na qualidade e histórico dos dados utilizados | pt_BR |
dc.description.other | This paper uses a nowcasting methodology for activity of countries, with those having different characteristics and data quality. It is utilized monthly data for nowcasting the Gross Domestic Product of each country, which are quarterly data. Taking into consideration execution time of the methodology, robustness to noise and flexibility, techniques as Principal Component Analysis and linear robust regressions (Huber regression) are used. To model the jagged edge (when, on given day, only a few data points from a period are known), a Vector Autoregression model with one lag is used. The nowcasters are shown to have a good predictive caapacity, however it relies on high quality of data and high quantity of historical data. | pt_BR |
dc.description.qualificationlevel | Mestrado | pt_BR |
dc.format.extent | 46 p. | pt_BR |
dc.format.medium | Digital | pt_BR |
dc.identifier.uri | https://repositorio.insper.edu.br/handle/11224/6029 | |
dc.language.iso | Português | pt_BR |
dc.rights.license | TODOS OS DOCUMENTOS DESTA COLEÇÃO PODEM SER ACESSADOS, MANTENDO-SE OS DIREITOS DOS AUTORES PELA CITAÇÃO DA ORIGEM | pt_BR |
dc.subject | Nowcast | pt_BR |
dc.subject | Huber regression | pt_BR |
dc.subject | Análise quantitativa | pt_BR |
dc.subject | Análise de componentes principais | pt_BR |
dc.subject.keywords | Nowcast | pt_BR |
dc.subject.keywords | Huber regression | pt_BR |
dc.subject.keywords | quantitative analysis | pt_BR |
dc.subject.keywords | principal component analysis | pt_BR |
dc.title | Metodologia para modelos de nowcasting de dados de atividade | pt_BR |
dc.type | master thesis | |
dspace.entity.type | Publication | |
local.contributor.boardmember | DIOGO ABRY GUILLEN | |
local.contributor.boardmember | Araújo, Júlia Passabom | pt_BR |
local.subject.cnpq | Ciências Exatas e da Terra | pt_BR |
local.type | Dissertação | pt_BR |
relation.isAdvisorOfPublication | 8a7b5a9c-5615-4623-bfcb-b67ed3f6008f | |
relation.isAdvisorOfPublication.latestForDiscovery | 8a7b5a9c-5615-4623-bfcb-b67ed3f6008f | |
relation.isBoardMemberOfPublication | 42467f12-8c1d-4822-b418-d3aebeda63b8 | |
relation.isBoardMemberOfPublication.latestForDiscovery | 42467f12-8c1d-4822-b418-d3aebeda63b8 |
Arquivos
Licença do pacote
1 - 1 de 1
N/D
- Nome:
- license.txt
- Tamanho:
- 282 B
- Formato:
- Item-specific license agreed upon to submission
- Descrição: