Forecasting Brazilian output and its turning points in the presence of breaks: a comparison of linear and nonlinear models

• Main Authors: Brisne J. V. Céspedes, Marcelle Chauvet, Elcyon C. R. Lima
• Format: Article
• Language: English
• Published: Universidade de São Paulo 2006-03-01
• Series: Estudos Econômicos
• Subjects: previsão; ciclo de negócios; não-lineares; quebra estrutural; mudança markoviana; forecast; business cycle; nonlinearities; structural breaks; Markov switching
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0101-41612006000100001
• ISSN: 0101-4161; 1980-5357

This paper compares the forecasting performance of linear and nonlinear models under the presence of structural breaks for the Brazilian real GDP growth. The Markov switching models proposed by Hamilton (1989) and its generalized version by Lam (1990) are applied to quarterly GDP from 1975:1 to 2000:2 allowing for breaks at the Collor Plans. The probabilities of recessions are used to analyze the Brazilian business cycle. The in-sample and out-of-sample forecasting ability of growth rates of GDP of each model is compared with linear specifications and with a non-parametric rule. We find that the nonlinear models display a better forecasting performance than linear models. The specifications with the presence of structural breaks are important in obtaining a representation of the Brazilian business cycle and their inclusion improves considerably the models forecasting performance within and out-of-sample.<br>Este artigo compara as habilidades preditivas de modelos lineares e não-lineares, com quebras estruturais, nas previsões da taxa de crescimento do PIB real do Brasil. Os modelos com mudanças de regime markovianas, propostos por Hamilton (1989) e generalizados por Lam (1990), são estimados para dados trimestrais de 1975:1 a 2000:2. Os modelos são estimados permitindo quebras estruturais durante os planos Collor. As probabilidades de recessão dos modelos são utilizadas para analisar o ciclo de negócios brasileiro. A capacidade de previsão da taxa de crescimento do PIB fora e dentro da amostra desses modelos é comparada com modelos lineares e com uma regra não-parametrizada. Os resultados indicam que os modelos não-lineares são os que apresentam o melhor desempenho preditivo quando comparados com modelos lineares. A inclusão de quebras estruturais é importante para a representação do ciclo de negócios no Brasil, além de levar a um desempenho de previsão consideravelmente melhor do que os modelos sem intervenção, dentro e fora de amostra.