Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes
Inflation in Brazil: an application of Time Series and Recurring Neural Networks
| dc.contributor | Biase, Nádia Giaretta | |
| dc.contributor | http://lattes.cnpq.br/5113310672600001 | |
| dc.contributor | Alves, Gabriella de Freitas | |
| dc.contributor | http://lattes.cnpq.br/0373047099070753 | |
| dc.contributor | Silva, Maria Imaculada de Sousa | |
| dc.contributor | http://lattes.cnpq.br/5214152217965576 | |
| dc.creator | Rodrigues, Julia Naves | |
| dc.date | 2021-12-10T21:17:01Z | |
| dc.date | 2021-12-10T21:17:01Z | |
| dc.date | 2021-06-18 | |
| dc.date.accessioned | 2023-09-28T20:58:13Z | |
| dc.date.available | 2023-09-28T20:58:13Z | |
| dc.identifier | 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. | |
| dc.identifier | https://repositorio.ufu.br/handle/123456789/33744 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/9061695 | |
| dc.description | Trabalho de Conclusão de Curso (Graduação) | |
| dc.description | 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. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Uberlândia | |
| dc.publisher | Brasil | |
| dc.publisher | Estatística | |
| dc.rights | Acesso Aberto | |
| dc.subject | IPCA | |
| dc.subject | Box & Jenkins | |
| dc.subject | SARIMA | |
| dc.subject | LSTM | |
| dc.subject | Política monetária | |
| dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA | |
| dc.title | Inflação no Brasil: uma aplicação de Séries Temporais e Redes Neurais Recorrentes | |
| dc.title | Inflation in Brazil: an application of Time Series and Recurring Neural Networks | |
| dc.type | Trabalho de Conclusão de Curso |