Please use this identifier to cite or link to this item:
https://repositorio.ipea.gov.br/handle/11058/2142
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.author | Lopes, Hedibert Freitas | - |
dc.contributor.author | Schmidt, Alexandra Mello | - |
dc.contributor.author | Moreira, Ajax Reynaldo Bello | - |
dc.coverage.spatial | Brasil | pt_BR |
dc.date.accessioned | 2013-11-13T17:21:40Z | - |
dc.date.available | 2013-11-13T17:21:40Z | - |
dc.date.issued | 1996-12 | - |
dc.identifier.uri | http://repositorio.ipea.gov.br/handle/11058/2142 | - |
dc.description.abstract | Os modelos de previsão têm sido adotados com uma formulação que utiliza hiperparâmetros para tornar os modelos mais flexíveis, como, por exemplo, os fatores de desconto da variância, dos parâmetros do modelo dinâmico bayesiano, ou os coeficientes da Priori de Litterman do modelo auto-regressivo vetorial bayesiano (BVAR) ou os coeficientes não-lineares do modelo de função de transferência. Surge então o problema da sua valoração apropriada para estimação dos parâmetros de interesse. Os hiperparâmetros introduzem não-linearidades e, em geral, não existe solução analítica para o cálculo do seu valor mais provável, ou da sua distribuição a posteriori, exigindo métodos numéricos para a obtenção dos dois resultados. Este artigo compara os resultados — previsão, parâmetros e capacidade preditiva — condicionais ao valor mais provável do hiperparâmetro com os não-condicionais derivados do levantamento da distribuição a posteriori através do método de amostragem por importância (MCIS), análogo ao método (SIR) de amostragem e reamostragem por importância. Esta comparação é feita para as três diferentes utilizações de hiperparâmetros já mencionadas, em modelos de previsão da balança comercial brasileira. Depois de estimada a posteriori dos hiperparâmetros do modelo BVAR, utilizamos o Fator de Bayes para comparar a performance entre os modelos que não utilizam nenhuma informação a priori e aqueles que utilizam a Priori de Litterman. | pt_BR |
dc.language.iso | pt-BR | pt_BR |
dc.publisher | Instituto de Pesquisa Econômica Aplicada (Ipea) | pt_BR |
dc.title | Estimação de hiperparâmetros em modelos de previsão | pt_BR |
dc.title.alternative | Texto para Discussão (TD) 449: Estimação de hiperparâmetros em modelos de previsão | pt_BR |
dc.title.alternative | Hyperparameters estimation with forecasting models | en |
dc.type | Texto para Discussão (TD) | pt_BR |
dc.rights.holder | Instituto de Pesquisa Econômica Aplicada (Ipea) | pt_BR |
dc.source.urlsource | http://www.ipea.gov.br | pt_BR |
dc.location.country | BR | pt_BR |
dc.description.physical | 31 p. : il. | pt_BR |
dc.rights.license | É permitida a reprodução deste texto, desde que obrigatoriamente citada a fonte. Reproduções para fins comerciais são rigorosamente proibidas. | pt_BR |
dc.subject.keyword | Estimação de hiperparâmetros | pt_BR |
dc.subject.keyword | Modelos de previsão | pt_BR |
ipea.description.additionalinformation | Referências Bibliográficas: possui referências bibliográficas | pt_BR |
ipea.description.additionalinformation | Série Monográfica: Texto para Discussão ; 449 | pt_BR |
ipea.description.additionalinformation | Apêndice: possui apêndice | pt_BR |
ipea.access.type | Acesso Aberto | pt_BR |
ipea.rights.type | Licença Padrão Ipea | pt_BR |
ipea.englishdescription.abstract | Forecasting models have been widely used with hyperparameters which turns models more flexible. Examples of hyperparameters are the discount factors, or variances of the state equations in the Dynamic Linear Models, coefficientes of Litterman´s priori in Bayesian Vector Autoregression Models and the estimate coefficients in non-linear transfer function models. One problem that arises is how to make the apropriate choice of the value of the hyperparameter in order to have the estimation of the parameters of interest. The use of hyperparameters introduce non-linnearity and, in general, there is not an analytical solution to estimate their mode — empirical bayes — or posterior distribution. This paper compare hyperparameters estimation, by numerical methods, using empirical bayes with posterior estimation by Monte Carlo Importance Sampling (MCIS) which is analogue to the Sampling Importance Resampling Method (SIR). We have compared the three different hyperparameters especification indicated above, for trade balance forecast models. After obtain the posterior of the hyperparameters in the BVAR model the Bayes Factor is used to compare the performance of the model using no information a priori with that which makes use of the Litterman’s Priori, so the effect of using priori is discussed for that model. | pt_BR |
ipea.researchfields | N/A | pt_BR |
ipea.classification | Economia. Desenvolvimento Econômico | pt_BR |
Appears in Collections: | Economia. Desenvolvimento Econômico: Livros |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
td_0449.pdf | 140.87 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.