Modelos baseados em vetores autoregressivos com parâmetros variantes no tempo e contendo efeitos heterocedásticos (TVP-VAR) propostos por Koop & Korobilis (2013)Koop, G., & Korobilis, D. (2013). Large time-varying parameter VARs. Journal of Econometrics, 177(2), 185-198. doi: 10.1016/j.jeconom.2013.04.007
https://doi.org/10.1016/j.jeconom.2013.0...
são utilizados na previsão da inflação (IPCA), da taxa de juros (SELIC) e do indicador mensal do PIB (IBC-Br) para diversos horizontes. Estratégias de previsão baseadas em seleção e combinação dinâmicas entre diferentes especificações também são utilizadas. As previsões são comparadas com as oriundas de modelos VAR bayesianos, modelos VAR aumentados com fatores e outros modelos competidores através da metodologia model confidence set. Os resultados indicam que a especificação TVP-VAR é a única que está sempre no conjunto de melhores modelos, independentemente da variável analisada ou do horizonte de previsão escolhido.
Palavras-chave:
VAR Bayesiano; Parâmetros Variando no Tempo; Previsão; Modelo de Estado-Espaço
Notas: As figuras (a) e (b) apresentam os erros de previsão ao quadrado cumulativos (CSFE) em relação ao random walk para as previsões do IBC-Br no Painel (a) e da taxa de inflação (IPCA) no Painel (b). As figuras mostram os CSFEs para os modelos com melhor desempenho nos horizontes de previsão considerados. As barras cinzas indicam período de recessão. As seguintes abreviações são usadas nos gráficos: μ1 refere-se ao modelo VAR heterocedástico pequeno, μ2 representa o modelo BVAR de grande dimensão, μ3 refere-se ao FAVAR com 5 fatores e μ4 refere-se ao modelo TVP-VAR-DMS λ = 0;99 , κ = 0;96 e α = 0;99).
Notas: Esta figura apresenta os erros de previsão ao quadrado cumulativos (CSFE) em relação ao random walk para as previsões da taxa de juros. A figura mostra os CSFEs para os modelos com melhor desempenho nos horizontes de previsão considerados. As barras cinzas indicam período de recessão. As seguintes abreviações são usadas nos gráficos: μ1 refere-se ao modelo VAR heterocedástico pequeno, μ2 representa o modelo BVAR de grande dimensão, μ3 refere-se ao FAVAR com 5 fatores e μ4 refere-se ao modelo TVP-VAR-DMS (λ = 0;99; κ = 0;96; α = 0;99).
* 
