Modelagem de previsões econômicas em cenários prospectivos

A estabilidade econômica que o Brasil atualmente experimenta permite resgatar a tradição de construção e análises prospectivas de médio e longo prazos. Isto remete à necessidade de se pensar mais profundamente acerca da possível evolução da economia brasileira, sendo mister o conhecimento de ferramentas de previsão. O objetivo deste trabalho é contribuir com este propósito. Avanços significativos têm sido observados na modelagem de previsões macro econômicas. Para se avaliar como os modelos de previsão estarão se desenvolvendo no futuro próximo, é necessário entender a evolução das abordagens dos modelos de previsão não-estruturais e estruturais. Como dependem da teoria econômica, os modelos estruturais ganham importância e descaso na medida em que a teoria evolui e cai em desuso. A marca registrada das previsões macroeconômicas nos próximos anos será o casamento das melhores abordagens estruturais e não-estruturais, facilitadas por avanços em técnicas numéricas e de simulação. Para ilustrar o trabalho de forma empírica, três cenários para a economia brasileira foram desenvolvidos, utilizando-se como base o arcabouço teórico resumido em uma das seções deste trabalho. Cenários potencialmente têm um valor muito grande na gestão de uma empresa ou de uma instituição. Cenários são a oitava ferramenta gerencial mais utilizada nas empresas em todo o mundo1 e esta dissertação é mais uma contribuição para este rico campo.

A critical value function approach, with an application to persistent time-series

Researchers often rely on the t-statistic to make inference on parameters in statistical models. It is common practice to obtain critical values by simulation techniques. This paper proposes a novel numerical method to obtain an approximately similar test. This test rejects the null hypothesis when the test statistic islarger than a critical value function (CVF) of the data. We illustrate this procedure when regressors are highly persistent, a case in which commonly-used simulation methods encounter dificulties controlling size uniformly. Our approach works satisfactorily, controls size, and yields a test which outperforms the two other known similar tests.

Simulation -based smoothing and filtering in factor stochastic volatility models : two econometric applications (July-2001)

The past decade has wítenessed a series of (well accepted and defined) financial crises periods in the world economy. Most of these events aI,"e country specific and eventually spreaded out across neighbor countries, with the concept of vicinity extrapolating the geographic maps and entering the contagion maps. Unfortunately, what contagion represents and how to measure it are still unanswered questions. In this article we measure the transmission of shocks by cross-market correlation\ coefficients following Forbes and Rigobon's (2000) notion of shift-contagion,. Our main contribution relies upon the use of traditional factor model techniques combined with stochastic volatility mo deIs to study the dependence among Latin American stock price indexes and the North American indexo More specifically, we concentrate on situations where the factor variances are modeled by a multivariate stochastic volatility structure. From a theoretical perspective, we improve currently available methodology by allowing the factor loadings, in the factor model structure, to have a time-varying structure and to capture changes in the series' weights over time. By doing this, we believe that changes and interventions experienced by those five countries are well accommodated by our models which learns and adapts reasonably fast to those economic and idiosyncratic shocks. We empirically show that the time varying covariance structure can be modeled by one or two common factors and that some sort of contagion is present in most of the series' covariances during periods of economical instability, or crisis. Open issues on real time implementation and natural model comparisons are thoroughly discussed.