Essays on recessions through machine learning techniques

Carregando...
Imagem de Miniatura
Data
2023
Orientador(res)
Teles, Vladimir Kuhl
Título da Revista
ISSN da Revista
Título de Volume
Resumo

Esta tese consiste em dois ensaios sobre a previsão de recessões usando técnicas de machine learning. No primeiro ensaio, avaliamos a aplicabilidade dos modelos de boosting, não apenas como ferramentas para prever recessões econômicas, mas também como mecanismos para classificar a eficácia preditiva de diferentes variáveis. Com base no trabalho de Ng (2014), expandimos o conjunto de possíveis preditores. Nosso modelo utiliza indicadores frequentemente usados, medidas alternativas de hiato do mercado de trabalho e outras séries agregadas expandir capacidade preditiva. A inclinação da curva de juros geralmente oferece uma previsão mais precisa de recessões do que os spreads de taxas de juros. Outra conclusão foi que a taxa de desemprego da ótica da empresa - uma variável pouco explorada que leva em consideração as vagas de emprego e as taxas de desistência - emergiu como um potente indicador de recessão. O segundo ensaio desta tese oferece uma análise comparativa entre modelos logit tradicionais e regressões LASSO, Ridge e Elastic Net. O estudo utiliza um vasto conjunto de dados, cuja dimensionalidade foi reduzida tanto por componentes principais quanto por fatores. Além disso, aplicamos técnicas regularizadas a séries desagregadas, um processo não viável com logits padrão. Embora não tenhamos encontrado uma vantagem definitiva no uso de técnicas regularizadas em relação à capacidade de previsão, essas técnicas provaram ser significativamente mais eficientes para lidar com ambientes ricos em dados. Adicionalmente, descobrimos que a implementação de dois tipos de redução de dimensão é essencial para interpretar melhor a relação entre as variáveis. Vimos que dois anos a frente, um mercado imobiliário forte e spreads de taxa de juros de curto prazo mais altos são geralmente indicadores de uma desaceleração futura. Além disso, um ano antes, os primeiros indicadores de uma recessão incluem a média de horas trabalhadas, ordens de bens duráveis e mercado de ações em queda. Em geral, nossos resultados reforçam que as técnicas de machine learning - agora cada vez mais usadas na macroeconomia - apresentam uma alternativa robusta aos modelos convencionais. Esses métodos facilitam o uso de conjuntos de dados extensos e uma seleção mais eficiente de variáveis, além de também fornecer estimativas confiáveis da probabilidade de uma recessão. Isso permite uma compreensão mais dinâmica dos movimentos econômicos. Isso é crucial, dado que as recessões são eventos infrequentes porém muito relevantes, e economistas atualmente precisam lidar com uma vasta gama de indicadores.


Descrição
Área do Conhecimento