Essays on inflation forecasting and monetary policy in Brazil
Carregando...
Arquivos
Data
2025-06-27
Autores
Orientador(res)
Ribeiro, Marcel Bertini
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Esta tese é composta por dois capítulos independentes. O primeiro capítulo apresenta uma comparação entre métodos econométricos tradicionais e algoritmos de Machine Learning (ML) para a previsão da inflação brasileira. Avaliamos o desempenho preditivo dos modelos em vários horizontes e sob diferentes regimes macroeconômicos. Os resultados mostram que os modelos de ML baseados em árvores, especialmente o Random Forest, apresentam desempenho robusto na previsão da inflação, alcançando consistentemente os menores erros de previsão em todos os horizontes, principalmente para o período completo. O modelo Boosted Regression Trees também se destaca especialmente em fases de hiato negativo. Ambos os modelos superam os benchmarks econométricos tradicionais e as previsões do Focus no médio e longo prazo, ressaltando as vantagens de abordagens flexíveis e não lineares para captar a dinâmica inflacionária. Não encontramos mudanças significativas na seleção de variáveis à medida que o horizonte de previsão se estende, sugerindo um conjunto de variáveis preditoras relevantes para a inflação brasileira mais estável do que o anteriormente reportado na literatura. De maneira geral, esses resultados reforçam e ampliam a literatura existente ao demonstrar a robustez dos métodos de ML, especialmente do Random Forest, sob diferentes condições econômicas. O segundo capítulo estima um modelo VAR com parâmetros variando no tempo e volatilidade estocástica (TVP-VAR-SV), seguindo a metodologia de Primiceri (2005), para analisar a evolução da política monetária brasileira desde meados dos anos 2000. Utilizando o algoritmo corrigido de Del Negro and Primiceri (2015), o estudo modela conjuntamente a dinâmica das respostas da política monetária a choques nas variáveis macroeconômicas (crescimento do produto e diferença entre a expectativa de inflação para os próximos doze meses e a meta de inflação), assim como a resposta dessas variáveis a choques na taxa de juros Selic, além das variâncias dos choques. Isso permite uma decomposição detalhada entre os componentes sistemáticos (baseados em uma regra do tipo Taylor) e discricionários da política monetária. Os resultados empíricos revelam que o Banco Central do Brasil seguiu amplamente o princípio de Taylor durante todo o período analisado, inclusive sob a administração Tombini. As funções de resposta a impulso (IRFs) indicam que tanto o mecanismo de transmissão da política monetária quanto a resposta imediata a choques no produto e nas expectativas de inflação permaneceram estáveis ao longo do tempo, sem alterações significativas. Dessa forma, as diferenças observadas entre os regimes de política são explicadas principalmente por ações discricionárias, e não por mudanças sistemáticas na regra — conclusão reforçada pelas simulações contrafactuais.