MODELOS DE PREVISÃO DA INFLAÇÃO BRASILEIRA E COMBINAÇÕES DE PREVISÕES: UMA ANÁLISE DE CURTO PRAZO

Resumo

A inflação é uma variável chave para o ambiente econômico sendo o seu controle um elemento crucial para o planejamento dos agentes e para criar condições favoráveis ao crescimento. É, portanto, de importância fundamental prever a sua trajetória a fim de utilizar mecanismos que possam mantê-la sob controle. Assim, o objetivo deste trabalho é realizar previsões para a inflação mensal brasileira no ano de 2017, mensurada pelo Índice de Preços ao Consumidor Amplo, IPCA. Para obtenção das previsões, foram utilizados três modelos estatísticos; ou seja, Autorregressivo Integrado de Médias Móveis (ARIMA), Modelo Autorregressivo com Defasagens Distribuídas (ADL) adotando a modelagem da Curva de Phillips, e Modelo de Correção de Erros (VECM). Com o intuito de obter previsões ainda melhores, foi introduzida a técnica de combinação das previsões por meio das seguintes metodologias: média simples, média ponderada e mínimos quadrados. O critério utilizado para a avaliação das previsões foi o erro percentual absoluto médio (MAPE), que indica, em termos percentuais, quanto cada previsão se distanciou do real valor da inflação no período. As previsões geradas foram ainda comparadas a um benchmark, o modelo naive, que tem como única premissa a presença de inércia inflacionária. Dentre os resultados obtidos, pode-se destacar que, considerando o grupo das previsões geradas pelos modelos, a melhor série de previsão foi a do modelo de correção de erros, com um percentual de erro de 0,1274%. Já no grupo das previsões geradas por combinação, a metodologia de combinação por mínimos quadrados foi a que apresentou maior acurácia, com um percentual de erro na ordem de 0,1221%, sendo esta série, dentre todas, a que melhor se aproximou dos reais valores do IPCA nos meses de 2017. Em conclusão, combinar previsões, em geral, fornece previsões mais precisas que as dos modelos individuais. Agradecimentos ao Conselho Nacional de Desenvolvimento Científico e Tecnológico.