1. Repositório Institucional - Universidade Federal de Uberlândia
2. Instituto de Matemática e Estatística (IME)
3. TCC - Estatística

Tipo do documento:	Trabalho de Conclusão de Curso
Tipo de acesso:	Acesso Aberto
Título:	Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
Título(s) alternativo(s):	Inflation in Brazil: an application of Time Series and Recurring Neural Networks
Autor(es):	Rodrigues, Julia Naves
Primeiro orientador:	Biase, Nádia Giaretta
Primeiro membro da banca:	Alves, Gabriella de Freitas
Segundo membro da banca:	Silva, Maria Imaculada de Sousa
Resumo:	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.
Palavras-chave:	IPCA Box & Jenkins SARIMA LSTM Política monetária
Área(s) do CNPq:	CNPQ::CIENCIAS EXATAS E DA TERRA
Idioma:	por
País:	Brasil
Editora:	Universidade Federal de Uberlândia
Referência:	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
Data de defesa:	18-Jun-2021
Aparece nas coleções:	TCC - Estatística

Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.