
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Rossi, Marina Delmondes de Carvalho | - |
| Autor(es): dc.creator | Oliveira, Lucas Gabriel Martins de | - |
| Data de aceite: dc.date.accessioned | 2025-03-18T18:32:08Z | - |
| Data de disponibilização: dc.date.available | 2025-03-18T18:32:08Z | - |
| Data de envio: dc.date.issued | 2024-01-18 | - |
| Data de envio: dc.date.issued | 2024-01-18 | - |
| Data de envio: dc.date.issued | 2024-01-18 | - |
| Data de envio: dc.date.issued | 2023-03-03 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/47392 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/950930 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Economia, Programa de Pós-Graduação em Economia, 2023. | - |
| Descrição: dc.description | This work has the primary objective of raising quantitative tools for assembling a scalable real-time GDP tracking in Brazil possibly later on for southern cone countries. In this work, we survey the literature since the first work on estimating business cycles and document the evolution of this literature until the insertion of machine learning methods used contemporaneously. Additionally, we perform backtesting exercises with an updated Brazilian database, estimate several candidate models for GDP nowcasting, implementing the division of classical models and machine learning models. Finally, we use the Diebold Mariano test to evaluate the forecasts of all models against a naive model and demonstrate that a combination of machine learning models based on the distance of forecasts to the average FOCUS expectations defeats the fully informed market expectations of the FOCUS survey, while the same is not possible only for selected classical nowcasting models, this result is also reached when we use the selection algorithm in Classical and Machine Learning models but the statistical significance of this result is smaller then the first. We also find that Mariano and Murasawa aggregation on factors in dynamic factor models did not improve the quality of the nowcasts. | - |
| Descrição: dc.description | Faculdade de Economia, Administração, Contabilidade e Gestão de Políticas Públicas (FACE) | - |
| Descrição: dc.description | Departamento de Economia (FACE ECO) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Economia | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.unb.br, www.ibict.br, www.ndltd.org sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra supracitada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Modelos dinâmicos de fatores | - |
| Palavras-chave: dc.subject | Séries temporais | - |
| Palavras-chave: dc.subject | Nowcasting | - |
| Palavras-chave: dc.subject | Macroecometria | - |
| Palavras-chave: dc.subject | Produto Interno Bruto (PIB) | - |
| Título: dc.title | Qual modelo prevê melhor? : comparando diferentes métodos de nowcasting do PIB usando dados brasileiros | - |
| Título: dc.title | Which one predicts better? : comparing different GDP Nowcasting methods with brazillian data | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: