Modelos de Aprendizado de Máquina para Previsão do INPC com Dados Desagregados
DOI:
https://doi.org/10.5540/03.2026.012.01.0315Palavras-chave:
Previsão de Inflação, ARIMA, Machine Learning, Séries Temporais, Econometria, INPCResumo
Este trabalho compara abordagens tradicionais e modernas na previsão do INPC, utilizando um modelo SARIMAX (ARIMA(1,1,1)) e quatro modelos de machine learning (Ridge Regression, SVR, Random Forest e Gradient Boosting). Os dados foram coletados do IBGE, processados preservando a ordem cronológica e divididos em conjuntos de treino e teste. Os modelos de ML tiveram seus hiperparâmetros otimizados por busca estocástica e suas previsões foram avaliadas com base em métricas como R2, RMSE, MAE e MAPE, agregadas a partir de múltiplas execuções. Os resultados indicam que, tanto o SARIMAX quanto os modelos de ML fornecem previsões consistentes, embora os modelos de ML demonstram maior capacidade de captar relações não lineares e interações complexas, resultando em ganhos preditivos. Assim, a integração dessas abordagens oferece importantes subsídios para a formulação de políticas econômicas.
Downloads
Referências
E. L. Bacha. “Os índices de preços e o compulsório: uma discussão dos fundamentos da decisão do IBGE”. Em: Revista de Economia Política 7.1 (1987), pp. 155–162. doi: 10.1590/0101-31571987-1146.
R. B. Barbosa, R. T. Ferreira e T. M. da Silva. “Previsão de variáveis macroeconômicas brasileiras usando modelos de séries temporais de alta dimensão”. Em: Estud. Econ., São Paulo 50.1 (2020), pp. 67–98. doi: 10.1590/0101-41615013rrt.
G. Boaretto e M. C. Medeiros. “Forecasting inflation using disaggregates and machine learning”. Em: arXiv preprint arXiv:2308.11173 (ago. de 2023). arXiv: 2308.11173 [econ.EM].
E. Capelato e A. L. Correa. “Análise do equilíbrio das variáveis macroeconômicas do regime de metas de inflação sob a abordagem de sistemas de equações em diferença”. Em: vol. 3. 1. Trabalho apresentado no XXXV CNMAC, Natal–RN, 2014. 2015, pp. 010141-1–010141-6. doi: 10.5540/03.2015.003.01.0141.
A. F. Carrara e A. L. Correa. “O regime de metas de inflação no Brasil: uma análise empírica do IPCA”. Em: Revista de Economia Contemporânea 16.3 (2012), pp. 441–462. doi: 10.1590/S1415-98482012000300004.
A. L. Correa e E. Capelato. “Regime de metas de inflação no Brasil: metodologia VAR e análise de funções impulso-resposta”. Em: vol. 3. 1. Trabalho apresentado no XXXV CNMAC, Natal–RN, 2014. 2015, pp. 010146-1–010146-7. doi: 10.5540/03.2015.003.01.0146.
B. P. Ferreira. “Previsão da Inflação no Brasil utilizando abordagem desagregada e aprendizado de máquina”. Dissertação (Mestrado Profissional em Economia). São Paulo, SP: Insper – Instituto de Ensino e Pesquisa, 2023.
IBGE. Serviço de Dados IBGE. Acesso em: 24 ago. 2024. url: https://servicodados.ibge.gov.br/api/docs.
T. S. Martinez e V. dos S. Cerqueira. “Estrutura da inflação brasileira: determinantes e desagregação do IPCA”. Em: Economia e Sociedade 22.2 (ago. de 2013), pp. 409–456. doi: 10.1590/S0104-06182013000200005.
J. H. Stock e M. W. Watson. “Forecasting with Many Predictors”. Em: 1 (2006). Ed. por Graham Elliott, Clive W. J. Granger e Allan Timmermann, pp. 516–550. doi: 10.1016/S1574-0706(05)01010-4.
C. Zaniol e J. C. Moraes. “Previsão e Núcleo de Inflação: uma abordagem baseada em Wavelets e Redes Neurais”. Em: Proceedings of the XXXIX CNMAC. Vol. 7. 1. Uberlândia, MG, Brasil, 2020, pp. 010418-1–010418-7. doi: 10.5540/03.2020.007.01.0418.
