Nowcasting do PIB brasileiro: estabilidade financeira e crescimento econômico

Abstract

Nesta dissertação foram estimados três modelos Nowcasting para o crescimento trimestral do PIB brasileiro, onde além de explorar indicadores ainda pouco utilizados em previsões de variáveis macroeconômicas do Brasil, também foi discutida a possibilidade da implementação de abordagem não paramétrica, mesmo quando se dispõe de séries de dados relativamente pequenas. Assim, foi construído um painel de dados composto por 113 indicadores mensais relativos a diversos assuntos, nos quais se destaca a inclusão de variáveis acerca da estabilidade financeira, visto o potencial de amplificação que essa tem sobre a economia como um todo. Aplicando um modelo de fatores dinâmicos e filtro de Kalman, foi possível reduzir o painel de dados, a três fatores latentes: \"Fator Conjuntural\", composto pela relação de diversas variáveis, \"Fator Mercado Financeiro\", constituído principalmente pela relação do mercado financeiro nacional com o mercado financeiro internacional, e o \"Fator Demanda\", referente as vendas nacionais e importação brasileira. Tais fatores foram capazes de explicar de 40,2% até 45,8% da dinâmica de todo o painel. Esses fatores foram utilizados para estimação do crescimento trimestral do PIB brasileiro, com os períodos Outubro de 2007 até Setembro de 2016 dentro da amostra e Outubro de 2016 até Março de 2020 fora da amostra. No exercício fora da amostra foram realizadas previsões para os trimestre de 2017 até 2019, no qual os modelos não paramétricos demonstraram desempenho preditivo superior ao modelo paramétrico e similar/superior a média da pesquisa FOCUS (principal benchmarking).

Abstract: In this dissertation, three Nowcasting models were estimated for the quarterly growth of the Brazilian GDP, in addition to exploring indicators still little used in forecasts of macroeconomic variables in Brazil, the possibility of implementing a non-parametric approach was also discussed, even when there are relatively small time series. Thus, a data panel composed of 113 monthly indicators related to various subjects was built, in which the inclusion of variables about financial stability stands out, given the potential for amplification it has on the economy as a whole. Applying a model of dynamic factors and Kalman filter, it was possible to reduce the data panel to 3 latent factors: \"Conjunctural Factor\", composed by the relation of several variables, \"Financial Market Factor\", constituted mainly by the relation the national financial market with the international financial market, and the \"Demand Factor\", referring to national sales and Brazilian imports. Such factors were able to explain from 40.2% to 45.8% of the dynamics of the entire panel. These factors were used to estimate the quarterly growth of the Brazilian GDP, with the periods Oct/2007 to Sep/2016 within the sample and Oct/2016 to Mar/2020 outside the sample. In the out-of-sample exercise, quarterly forecasts were made from 2017 to 2019, in which the non-parametric models demonstrated a predictive performance superior to the parametric and similar/superior to the average of the FOCUS survey (main benchmarking).