Forecasting Brazilian output and its turning points in the presence of breaks: a comparison of linear and nonlinear models

Autores

  • Brisne J. V. Céspedes Instituto de Pesquisa Econômica Aplicada Autor
  • Marcelle Chauvet Universidade da Califórnia Autor
  • Elcyon C. R. Lima Universidade Federal do Rio de Janeiro. Instituto de Pesquisa Econômica Aplicada Autor

DOI:

https://doi.org/10.1590/S0101-41612006000100001

Palavras-chave:

previsão, ciclo de negócios, não-lineares, quebra estrutural, mudança markoviana

Resumo

Este artigo compara as habilidades preditivas de modelos lineares e não-lineares, com quebras estruturais, nas previsões da taxa de crescimento do PIB real do Brasil. Os modelos com mudanças de regime markovianas, propostos por Hamilton (1989) e generalizados por Lam (1990), são estimados para dados trimestrais de 1975:1 a 2000:2. Os modelos são estimados permitindo quebras estruturais durante os planos Collor. As probabilidades de recessão dos modelos são utilizadas para analisar o ciclo de negócios brasileiro. A capacidade de previsão da taxa de crescimento do PIB fora e dentro da amostra desses modelos é comparada com modelos lineares e com uma regra não-parametrizada. Os resultados indicam que os modelos não-lineares são os que apresentam o melhor desempenho preditivo quando comparados com modelos lineares. A inclusão de quebras estruturais é importante para a representação do ciclo de negócios no Brasil, além de levar a um desempenho de previsão consideravelmente melhor do que os modelos sem intervenção, dentro e fora de amostra.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

Albert, J.; Chib, S. Bayesian analysis via Gibbs sampling of autoregressive time series

subject to Markov mean and variance shifts. Journal of Business and Economic

Statistics, v. 11, p. 1-15, 1993.

Chauvet, M. The Brazilian business and growth cycle. Revista Brasileira de Economia,

v. 56, n. 1, 2002a.

Chauvet, M. Is the recession over yet?. CREFC Economic Letter, 2002-01, March 20, 2002b.

Camacho, M.; Perez-Quiros, G. This is what the US leading indicators lead. European Central Bank, Working Paper 27, 2000.

Hamilton, J. D. A new approach to the economic time analysis of nonstationary

time-series and the business cycle. Econometrica, v. 57, n. 2, p. 347-384, 1989.

Harding, D.; Pagan, A. Knowing the cycle. Journal of Monetary Economics, forthcoming

Hess, G.; Iwata, S. Measuring and comparing business-cycle features. Journal of Business and Economic Statistics, v. 15, p. 432-444, 1997.

Lam, P. S. The Hamilton model with a general autoregressive component. Journal of

Monetary Economics, v. 26, p. 409-432, 1990.

Lima, E. C. R.; Domingues, G. B. Crescimento, recessão e probabilidade de reversão

do ritmo de crescimento econômico do Brasil. Boletim Conjuntural,

Rio de Janeiro: IPEA, v. 51, p. 49-52, 2000.

McConnell, M.; Perez, G. Output fluctuations in the United States: what has

changed since the early 1980s?. American Economic Review, v. 90, n. 5, p. 464-76, 2000.

Mejia-Reyes, P. Classical business cycles in Latin America: turning points, asymmetries

and international synchronization. The University of Manchester, 1999. Mimeografado.

Monch, E.; Uhlig, H. Towards a monthly business cycle chronology for the Euro

Area. SFB 649 Discussion Paper 2005-023, 2005.

Stock, J. H.; Watson, M. W. A comparison of linear and nonlinear univariate models

for forecasting macroeconomic time series. NBER Working Paper Series 6607,

Weigand, A. S.; Gershenfeld, N. A. Time series prediction: forecasting the future and

understanding the past. Reading, Massachusetts:Addison-Wesley for the Santa

Fe Institute, 1994.

West, K. D. Asymptotic inference about predictive ability. Econometrica, v. 64, p.

-1084, 1996.

Downloads

Publicado

01-03-2006

Edição

Seção

Não definida

Como Citar

Céspedes, B. J. V., Chauvet, M., & Lima, E. C. R. (2006). Forecasting Brazilian output and its turning points in the presence of breaks: a comparison of linear and nonlinear models . Estudos Econômicos (São Paulo), 36(1), 5-46. https://doi.org/10.1590/S0101-41612006000100001