Projeção de inflação no Brasil utilizando dados agregados e desagregados : um teste de poder preditivo por horizonte de tempo

O trabalho tem como objetivo comparar a eficácia das diferentes metodologias de projeção de inflação aplicadas ao Brasil. Serão comparados modelos de projeção que utilizam os dados agregados e desagregados do IPCA em um horizonte de até doze meses à frente. Foi utilizado o IPCA na base mensal, com início em janeiro de 1996 e fim em março de 2012. A análise fora da amostra foi feita para o período entre janeiro de 2008 e março de 2012. Os modelos desagregados serão estimados por SARIMA, pelo software X-12 ARIMA disponibilizado pelo US Census Bureau, e terão as aberturas do IPCA de grupos (9) e itens (52), assim como aberturas com sentido mais econômico utilizadas pelo Banco Central do Brasil como: serviços, administrados, alimentos e industrializados; duráveis, não duráveis, semiduráveis, serviços e administrados. Os modelos agregados serão estimados por técnicas como SARIMA, modelos estruturais em espaço-estado (Filtro de Kalman) e Markov-switching. Os modelos serão comparados pela técnica de seleção de modelo Model Confidence Set, introduzida por Hansen, Lunde e Nason (2010), e Dielbod e Mariano (1995), no qual encontramos evidências de ganhos de desempenho nas projeções dos modelos mais desagregados em relação aos modelos agregados.

Previsão da inadimplência bancária no Brasil através dos métodos FAVAR e FAVECM

O objetivo do presente trabalho é utilizar modelos econométricos de séries de tempo para previsão do comportamento da inadimplência agregada utilizando um conjunto amplo de informação, através dos métodos FAVAR (Factor-Augmented Vector Autoregressive) de Bernanke, Boivin e Eliasz (2005) e FAVECM (Factor-augmented Error Correction Models) de Baneerjee e Marcellino (2008). A partir disso, foram construídas previsões fora da amostra de modo a comparar a eficácia de projeção dos modelos contra modelos univariados mais simples - ARIMA - modelo auto-regressivo integrado de média móvel e SARIMA - modelo sazonal auto-regressivo integrado de média móvel. Para avaliação da eficácia preditiva foi utilizada a metodologia MCS (Model Confidence Set) de Hansen, Lunde e James (2011) Essa metodologia permite comparar a superioridade de modelos temporais vis-à-vis a outros modelos.

II Relatório Supremo em Números: o Supremo e a Federação entre 2010 e 2012

O II Relatório Supremo em Números apresenta o perfil do Supremo entre 2000 e 2009 sob o ponto de vista das pautas de diferentes estados e diferentes assuntos. Trata-se de um recorte que visa compreender os efeitos da Reforma do Judiciário no STF e por esse motivo abrange um período que tem a Emenda Constitucional 45 no meio. O presente paper tem o objetivo de servir como uma extensão do II Relatório. Complementa os dados trazidos pelo II Relatório com informações sobre os anos de 2010, 2011 e 2012 no Tribunal. Por outro lado, cumpre também o papel de um pequeno relatório que se sustenta sozinho, na medida em que os desdobramentos no Supremo após 2009 permitem conhecer a pauta do Tribunal já passados quase 10 anos da Reforma do Judiciário.

III Relatório Supremo em Números: o Supremo e o Tempo

A morosidade é problema crônico do Judiciário brasileiro, tendo já sido objeto de incontáveis estudos. Igualmente numerosas são as medidas adotadas para atacar o problema, incluindo o reconhecimento do direito fundamental à razoável duração do processo e metas de diversos órgãos judiciais. O Supremo Tribunal Federal não é exceção: os ministros convivem constantemente com a morosidade e já adotaram diversas medidas para vencê-la ou ao menos mitigá-la. A FGV DIREITO RIO reconhece o valor de tais iniciativas e, como forma de apoio incondicional ao STF, produziu o presente relatório, o terceiro do projeto Supremo em Números. O objetivo é dar aos ministros as informações necessárias para viabilizar as iniciativas mencionadas de combate à morosidade. O tempo é um fator crucial para qualquer Tribunal. Nesse relatório mostramos em detalhes o que o tempo significa para o Supremo.

Desagregação e pesos estocásticos em projeções de agregados econômicos : uma análise para o PIB brasileiro

O presente estudo tem como objetivo comparar e combinar diferentes técnicas de projeção para o PIB trimestral brasileiro de 1991 ao segundo trimestre de 2014, utilizando dados agregados, e dados desagregados com pesos fixos e estocásticos. Os modelos desagregados univariados e multivariados, assim como os pesos estocásticos, foram estimados pelo algoritmo Autometrics criado por Doornik (2009), através dos níveis de desagregação disponibilizados pelo IBGE no Sistema de Contas Nacionais. Os modelos agregados foram estimados pelo Autometrics, por Markov-Switching e por modelos estruturais de espaço-estado. A metodologia de comparação de projeções utilizada foi o Model Confidence Set, desenvolvida por Hanse, Lunde e Nason (2011). Foram realizadas duas simulações, sendo a primeira com a análise fora da amostra a partir de 2008, e a segunda a partir de 2000, com horizonte de projeção de até 6 passos à frente. Os resultados sugerem que os modelos desagregados com pesos fixos desempenham melhor nos dois primeiros passos, enquanto nos períodos restantes os modelos da série agregada geram melhores previsões.

Big Data e gestão processual

Apresentamos um projeto inovador na intersecção da tecnologia da informação, gestão, e direito, com o intuito de oferecer otimização de resultados, redução de custos e de tempo. A equipe proponente foi formada no projeto Big Data e Gestão Processual, do qual participam três escolas da Fundação Getulio Vargas que são referência em todo Brasil: as escolas de Direito, de Administração de Empresas e de Matemática Aplicada, todas do Rio de Janeiro.

Descobrindo modelos de previsão para a inflação brasileira : uma análise a partir do algoritmo autometrics

O presente trabalho tem como objetivo avaliar a capacidade preditiva de modelos econométricos de séries de tempo baseados em indicadores macroeconômicos na previsão da inflação brasileira (IPCA). Os modelos serão ajustados utilizando dados dentro da amostra e suas projeções ex-post serão acumuladas de um a doze meses à frente. As previsões serão comparadas a de modelos univariados como autoregressivo de primeira ordem - AR(1) - que nesse estudo será o benchmark escolhido. O período da amostra vai de janeiro de 2000 até agosto de 2015 para ajuste dos modelos e posterior avaliação. Ao todo foram avaliadas 1170 diferentes variáveis econômicas a cada período a ser projetado, procurando o melhor conjunto preditores para cada ponto no tempo. Utilizou-se o algoritmo Autometrics para a seleção de modelos. A comparação dos modelos foi feita através do Model Confidence Set desenvolvido por Hansen, Lunde e Nason (2010). Os resultados obtidos nesse ensaio apontam evidências de ganhos de desempenho dos modelos multivariados para períodos posteriores a 1 passo à frente.

IV Relatório Supremo em Números: o Supremo e o Ministério Público

O IV Relatório Supremo em Números aborda a relação entre o Ministério Público e o Supremo Tribunal Federal, analisando as atuações do MP como autor em ações originárias, em ações constitucionais e em sede de recurso na mais alta corte do país. As análises incluirão processos nos quais são partes a procuradoria-Geral da República (PGR), os órgãos do Ministério Público Federal (MPF) e do Ministério Público Estadual (MPE).

Comparação de previsões para a produção industrial brasileira considerando efeitos calendário e modelos agregados e desagregados

O trabalho tem como objetivo verificar a existência e a relevância dos Efeitos Calendário em indicadores industriais. São explorados modelos univariados lineares para o indicador mensal da produção industrial brasileira e alguns de seus componentes. Inicialmente é realizada uma análise dentro da amostra valendo-se de modelos estruturais de espaço-estado e do algoritmo de seleção Autometrics, a qual aponta efeito significante da maioria das variáveis relacionadas ao calendário. Em seguida, através do procedimento de Diebold-Mariano (1995) e do Model Confidence Set, proposto por Hansen, Lunde e Nason (2011), são realizadas comparações de previsões de modelos derivados do Autometrics com um dispositivo simples de Dupla Diferença para um horizonte de até 24 meses à frente. Em geral, os modelos Autometrics que consideram as variáveis de calendário se mostram superiores nas projeções de 1 a 2 meses adiante e superam o modelo simples em todos os horizontes. Quando se agrega os componentes de categoria de uso para formar o índice industrial total, há evidências de ganhos nas projeções de prazo mais curto.