Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/33744
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
Alternate title (s): Inflation in Brazil: an application of Time Series and Recurring Neural Networks
Author: Rodrigues, Julia Naves
First Advisor: Biase, Nádia Giaretta
First member of the Committee: Alves, Gabriella de Freitas
Second member of the Committee: Silva, Maria Imaculada de Sousa
Summary: A realização de previsões da inflação é imprescindível quando se deseja melhorar o planejamento estratégico na intenção de reduzir incertezas e aumentar a capacidade de planejamento das famílias, empresas e governo, e assim garantir o bom funcionamento da economia do país. Por conta disso, o objetivo do presente estudo foi realizar previsões do Índice Nacional de Preços ao Consumidor Amplo (IPCA), o qual é a métrica oficial de mensuração da inflação pelo governo federal. As técnicas de séries temporais de Box e Jenkins e de redes neurais recorrentes foram utilizadas para construção de modelos que capturam as informações contidas na série, a fim de avaliar o comportamento da variável analisada ao longo do tempo, bem como efetuar previsões dos valores futuros. Ao aplicar as técnicas de Box e Jenkins, foi adotado um modelo de previsão do tipo SARIMA, que considera tanto a tendência como a sazonalidade na série, sendo selecionado aquele com menor raiz do erro quadrático médio (RMSE do inglês Root Mean Squared Error) e menor quantidade de parâmetros. Para os modelos de redes neurais recorrentes, utilizou-se o algoritmo LSTM (Long Short Term Memory), e selecionou-se aquele com menor RMSE. A fim de comparar as duas técnicas de previsão, os critérios adotados foram raiz do erro quadrático médio (RMSE), sendo que o modelo SARIMA se mostrou o melhor modelo para prever 12 meses diretos da inflação, enquanto que para previsões a curto prazo com realimentação, a técnica LSTM se mostrou muito efetiva.
Keywords: IPCA
Box & Jenkins
SARIMA
LSTM
Política monetária
Area (s) of CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: RODRIGUES, Julia Naves. Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes. 2021. 64 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Universidade Federal de Uberlândia, Uberlândia, 2021.
URI: https://repositorio.ufu.br/handle/123456789/33744
Date of defense: 18-Jun-2021
Appears in Collections:TCC - Estatística

Files in This Item:
File Description SizeFormat 
InflaçãoBrasilAplicação.pdf1.72 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.