scholarly journals TD 2611 - Previsão de Homicídios no Brasil: proposta de variável antecedente

2020 ◽  
pp. 1-48
Author(s):  
Gabriel de Oliveira Accioly Lins ◽  
Daniel Ricardo de Castro Cerqueira ◽  
Danilo Coelho

Neste estudo, investigamos a capacidade de variáveis antecedentes, entre elas internações por agressão, na previsão do número de homicídios no Brasil. O objetivo principal desta pesquisa é suprimir a lacuna referente à defasagem de informações na divulgação sobre homicídios no país, permitindo assim análises conjunturais atualizadas. Para tanto, por intermédio do esquema rolling window e da abordagem model confidence set (MCS), investigamos se modelos de variáveis antecedentes apresentam desempenho preditivo superior ao conjunto de modelos univariados. Ao aplicar a abordagem MCS, considerando diferentes estatísticas de avaliação, funções de perda e janelas de estimação, encontramos fortes evidências da capacidade das variáveis antecedentes utilizadas fornecerem conteúdo informacional adicional na previsão da dinâmica criminal brasileira, com modelos de variáveis antecedentes sistematicamente superando modelos univariados. Na média, os melhores modelos de variáveis antecedentes apresentam melhorias relativas ao benchmark random walk, de 60% em termos de raiz do erro quadrado médio (RMSE), erro absoluto médio (MAE) e desvio absoluto médio da média (MAD).

2018 ◽  
Vol 48 (3) ◽  
pp. 423-450
Author(s):  
Anderson Moriya Silva ◽  
Emerson Fernandes Marçal

Resumo Este trabalho visa avaliar o poder preditivo que séries macroeconômicas têm sobre o índice de preços ao consumidor amplo brasileiro (IPCA) utilizando técnicas de séries de tempo. As previsões são realizadas para um horizonte de até 12 períodos à frente e comparadas com um processo autoregressivo como referência. O período vai de janeiro de 2000 até agosto de 2015. Utilizou-se um conjunto amplo de informação de 1170 séries. Para cada momento e horizonte de tempo selecionou-se um novo modelo utilizando o algoritmo Autometrics desenvolvido por Hendry e Doornik (2014). O desempenho preditivo dos modelos foi comparado utilizando o Model Confidence Set, desenvolvido por Hansen, Lunde and Nason (2010). Os resultados sugerem que há ganhos expressivos de previsão principalmente para os horizontes mais longos.


2003 ◽  
Vol 65 (s1) ◽  
pp. 839-861 ◽  
Author(s):  
Peter Reinhard Hansen ◽  
Asger Lunde ◽  
James M. Nason

2020 ◽  
Vol 36 (3) ◽  
pp. 873-891 ◽  
Author(s):  
Alessandra Amendola ◽  
Manuela Braione ◽  
Vincenzo Candila ◽  
Giuseppe Storti

The analysis of cryptocurrencies market behaviour is receiving significant attention from researchers and practitioners in the last decades. This paper aims at contributes to volatility estimations of the cryptocurrencies helping to highlight the main stylized facts and characteristics. The performance of different specifications of volatility modelling, within the GARCH class, have been compared through the Model Confidence Set (MCS) over four of the most capitalised cryptocurrencies, namely Bitcoin, Ethereum, Stellar and Ripple. Our empirical findings give evidence of strong asymmetric effects in cryptocurrencies volatility leading to a better performance of asymmetric GARCH specifications..


Sign in / Sign up

Export Citation Format

Share Document