1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Instituto de Matemática e Estatística (IME)
  3. TCC - Estatística
Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/33744
Registro completo de metadados
Campo DCValorIdioma
dc.creatorRodrigues, Julia Naves-
dc.date.accessioned2021-12-10T21:17:01Z-
dc.date.available2021-12-10T21:17:01Z-
dc.date.issued2021-06-18-
dc.identifier.citationRODRIGUES, 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.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/33744-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectIPCApt_BR
dc.subjectBox & Jenkinspt_BR
dc.subjectSARIMApt_BR
dc.subjectLSTMpt_BR
dc.subjectPolítica monetáriapt_BR
dc.titleInflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentespt_BR
dc.title.alternativeInflation in Brazil: an application of Time Series and Recurring Neural Networkspt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Biase, Nádia Giaretta-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5113310672600001pt_BR
dc.contributor.referee1Alves, Gabriella de Freitas-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/0373047099070753pt_BR
dc.contributor.referee2Silva, Maria Imaculada de Sousa-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/5214152217965576pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoA 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.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseEstatísticapt_BR
dc.sizeorduration64pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRApt_BR
Aparece nas coleções:TCC - Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
InflaçãoBrasilAplicação.pdf1.72 MBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


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