Informações e Política Econômica: um teste para aperfeiçoamento de erros de previsão a partir da utilização do GOOGLE TRENDS

Autores

  • Cláudio D. Shikida IBMEC
  • Renato Moreira Byrro
  • Márcio Antônio Salvato
  • Ari Francisco de Araujo Junior

DOI:

https://doi.org/10.11606/issn.2237-1095.v2i2p197-218

Resumo

Este artigo tem por objetivo replicar os testes de Choi & Varian (2009a) para variáveis da economia brasileira analisando modelos de previsão de séries temporais do tipo ARIMA e avaliando se a inclusão dos índices de pesquisas do Google Trends aos modelos pode reduzir os erros de previsão, ou seja, poderiam ser usados como leading indicators. Para isto, foram utilizadas séries relacionadas ao mercado de trabalho e de crédito. Para o mercado de trabalho, a previsão da série de requerimentos de benefícios do seguro-desemprego foi aprimorada a partir da inclusão do Google Trends aos modelos. O mesmo não foi observado no caso da previsão da taxa de desemprego. No mercado de crédito, foram testadas duas séries: concessão de financiamentos vinculados a cartões de crédito e de financiamentos imobiliários, sendo que nenhuma delas teve a previsão aprimorada pelo Google Trends.

Downloads

Não há dados estatísticos.

Biografia do Autor

Cláudio D. Shikida, IBMEC

Doutor em Econmia - UFRGS

Renato Moreira Byrro

graduando em Ciências Econômicas pelo Ibmec Minas

Márcio Antônio Salvato

Doutorado em Economia pela Fundação Getúlio Vargas

Ari Francisco de Araujo Junior

Mestrado em Teoria Econômica pela Universidade Federal de Minas Gerais, Brasil(2001)Professor Assistente IV do Ibmec S/A , Brasil

Downloads

Publicado

2012-12-14

Como Citar

Shikida, C. D., Byrro, R. M., Salvato, M. A., & Araujo Junior, A. F. de. (2012). Informações e Política Econômica: um teste para aperfeiçoamento de erros de previsão a partir da utilização do GOOGLE TRENDS. Revista Gestão & Políticas Públicas, 2(2), 197-218. https://doi.org/10.11606/issn.2237-1095.v2i2p197-218

Edição

Seção

Artigos

Artigos mais lidos pelo mesmo(s) autor(es)