Adoção do modelo MVNO no Brasil e consequências para a cadeia de valor de telecomunicações móveis

O modelo de negócio MVNO, acrônimo em inglês para operadoras móveis virtuais, foi introduzido no Brasil em Novembro de 2010 por uma regulamentação específica, visando aumentar a qualidade dos serviços e a competição entre as empresas do setor de Telecomunicações Móveis. O objetivo deste estudo é avaliar o fenômeno MVNO em seu estágio atual de adoção no Brasil, contrapondo as óticas dos atores de mercado, às teorias de Cadeia de Valor (PORTER, 1985), e decupagem da Cadeia de Valor (CHRISTENSEN et al, 2001; ANDERSON; WILLIAMS, 2004). Por se tratar de um fenômeno intrinsecamente ligado à desagregação de atividades de valor, em uma indústria originalmente verticalizada, a análise se concentrou nessa dinâmica, mas não se limitou a ela: o estudo também traz comparações com casos de MVNO estudados em diversos países e outras referências teóricas do campo da Tecnologia da Informação e Comunicação, tais como Economia da Informação (SHAPIRO; VARIAN, 1999), Inovação Disruptiva (CHRISTENSEN; BOWER, 1999), e Dimensões da Inovação (SAWHNEY et al, 2011). A pesquisa se baseou nas categorias conceituais da Abordagem Multinível (POZZEBON; DINIZ, 2011) – Contexto, Processo e Conteúdo – buscando conhecer os perfis e interesses de cada Grupo Social Relevante e a negociação entre os envolvidos. A partir dessa articulação, foi possível compreender o fenômeno e algumas de suas consequências para o cenário brasileiro de Telecomunicações Móveis, destacando-se entre os resultados encontrados: as linhas gerais da nova Cadeia de Valor em formação, a influência decisiva de um grupo social relevante para a adoção do modelo – os MVNE, que são integradores de MVNOs à estrutura das operadoras – e a utilização da regulação para incentivar negócios com aplicações máquina a máquina (M2M). A descrição do modelo e das características que vem assumindo no Brasil proporcionam insumos tanto para praticantes do mercado, quanto para acadêmicos. Estes últimos podem se beneficiar, além de um ponto de partida para pesquisas futuras sobre MVNO no Brasil, de uma inédita articulação da Abordagem Multinível com a teoria de Cadeia de Valor

Forecasting Brazilian inflation by its aggregate and disaggregated data: a test of predictive power by forecast horizon

This work aims to compare the forecast efficiency of different types of methodologies applied to Brazilian Consumer inflation (IPCA). We will compare forecasting models using disaggregated and aggregated data over twelve months ahead. The disaggregated models were estimated by SARIMA and will have different levels of disaggregation. Aggregated models will be estimated by time series techniques such as SARIMA, state-space structural models and Markov-switching. The forecasting accuracy comparison will be made by the selection model procedure known as Model Confidence Set and by Diebold-Mariano procedure. We were able to find evidence of forecast accuracy gains in models using more disaggregated data

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.