Modelagem Bayesiana dos níveis máximos do Índice de Preços ao Consumidor

• Main Author: PORTES, Pablo Cescon
• Other Authors: BEIJO, Luiz Alberto
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Alfenas 2017
• Subjects: Inflação; Teoria bayesiana de decisão estatistica; Previsão estatistica; Países do BRICS; Indices de preços ao consumidor; CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA
• Online Access: https://bdtd.unifal-mg.edu.br:8443/handle/tede/923

O Índice de Preços ao Consumidor Amplo (IPCA) é o índice utilizado pelo Banco Central do Brasil ao estabelecer suas metas inflacionárias. Por servir como uma referência de inflação, o IPCA é atentamente monitorado, tanto por investidores estrangeiros e brasileiros, quanto por gestores públicos. Sabe-se que uma inflação alta e descontrolada causa distorções e perdas econômicas no país, assim há um interesse por parte de administradores e gestores financeiros em prever a inflação máxima para um determinado período de tempo. Dessa forma, o objetivo do trabalho foi modelar os níveis máximos de IPCA, que podem ocorrer em um quadrimestre. A escolha de quadrimestres visa equiparar a análise com os intervalos entre as apresentações dos demonstrativos de cumprimento das metas fiscais por parte do Poder Executivo. Foi utilizada a distribuição Generalizada de Valores Extremos (do inglês Generalized Extreme Values - GEV) para modelagem. Para a estimação dos parâmetros da distribuição GEV utilizou-se o método da Máxima Verossimilhança e a Inferência Bayesiana. Na elicitação de informação para construção das distribuições a priori, foram utilizados dados de países economicamente semelhantes ao Brasil, a Rússia, China e Índia, os quais pertencem ao BRICS. Além disso, foram criadas diferentes combinações de distribuição a priori, usando informações desses países com diferentes estruturas de variância. Para avaliar qual melhor metodologia de estimação foram analisadas a acurácia e precisão das estimativas dos níveis máximos de inflação para determinados tempos de retorno. Os resultados permitiram observar que a abordagem Bayesiana, que utilizou como informação a média de dados dos países do BRICS para construção da distribuição a priori Normal Trivariada, levou a predições mais precisas e acuradas. === The Brazilian Consumer Price Index (CPI) is the index used by the Central Bank of Brazil in establishing its inflation targets. By serving as an inflation reference, the Brazilian CPI is closely monitored by foreign and Brazilian investors as well as by public managers. It is known that high and uncontrolled inflation causes distortions and economic losses in the country, so there is an interest on the part of managers and financial managers to predict maximum inflation for a certain period of time. Thus, the objective of the work was to model the maximum Brazilian CPI levels, which can occur in a four-month period. The choice of four-month periods aims to equate the analysis with the intervals between the presentations of the statements of compliance with the fiscal targets by the government. The Generalized Extreme Values (GEV) distribution was used for modeling. For the estimation of the parameters of the GEV distribution the maximum likelihood method and the Bayesian Inference were used. In the elicitation of information for the construction of the prior distributions, we used data from countries economically similar to Brazil: Russia, China and India, which belong to BRICS. In addition, different combinations of prior distribution were created, using information from these countries with different variance structures. In order to evaluate the best estimation methodology, the accuracy and precision of the estimates of the maximum inflation levels for certain return times were analyzed. The results showed that the Bayesian approach, which used as information the mean data of the BRICS countries for construction of the Normal Trivariate prior distribution, led to more accurate and accurate predictions. === Fundação de Amparo à Pesquisa do Estado de Minas Gerais - FAPEMIG