Modelos vetoriais de correção de erros aplicados à previsão de crescimento da produção industrial

Abstract

Neste artigo são implementados e avaliados diferentes modelos econométricos de previsão para o PIB da indústria, dentro da classe de modelos vetoriais auto-regressivos (VAR), em freqüência trimestral, por vários procedimentos de teste e de modo intensivo. Em vários casos, usaram-se adicionalmente restrições de longo prazo advindas da co-integração entre as séries consideradas: o PIB industrial brasileiro, as taxas de juros longa e curta, a inflação, e a previsão dos saldos da indústria (proporção de firmas que crêem num aumento de produção no próximo trimestre, subtraída da proporção de firmas que crêem numa queda). O poder preditivo dos diferentes modelos envolvendo essas variáveis foi avaliado a partir do uso de diferentes funções de perda (função dos erros de previsão de fora da amostra), que são avaliadas em uma janela móvel de tamanho fixo. Adicionalmente, considerou-se também a combinação das previsões de diferentes modelos, seguindo a literatura de combinação de previsões iniciada por Bates e Granger (1969). Conclui-se que o uso dos vetores de co-integração defasados como previsores – o spread da taxa de juros longa e curta, o spread entre os juros e a inflação, e a previsão dos saldos da indústria – em muito melhora a capacidade preditiva dos modelos considerados. Ademais, a combinação dos diferentes modelos de previsão, quer por média aritmética simples, quer por média ponderada, gerou, de forma geral, os melhores modelos de previsão para fora da amostra. Entretanto, houve casos em que modelos individuais tiveram um desempenho razoável e mesmo superior ao das combinações. Esses, no entanto, foram esporádicos. Logo, a sugestão recai sobre o uso de combinações de previsões como forma final de prever o PIB industrial.