Predição do PIB trimestral brasileiro via extreme learning machines

Abstract

Decisões políticas e monetárias são feitas baseadas em avaliações do estado econômico e em suas condições futuras. Dado que a maioria dos dados oficiais encontrados são disponibilizados com atraso, conseguir estimar o estado atual da economia antes de suas publicações oficiais é de grande valia para bancos, mercados financeiros e instituições federais. Com o objetivo de solucionar este problema de atraso da divulgação do PIB, técnicas de aprendizado de máquina têm sido usadas para se estimar o valor de indicadores econômicos a curto prazo, analisando dados históricos em conjunto com dados recentes para a construção de modelos. Este trabalho estuda a aplicação de aprendizado de máquina à estimativa do Produto Interno Bruto trimestral brasileiro. O processo experimental conduz, a partir de uma base de dados reais, a estimativa deste índice com auxílio de modelos de regressão linear e máquinas de aprendizado extremo, com o intuito de propor uma técnica de implementação simples e com boa capacidade de generalização.

Este trabalho tem como principais contribuições: um estudo comparativo dos modelos predi- tivos selecionados; e a adoção de um modelo de rede neural artificial como alternativa de solução

para problemas de nowcasting, apresentando um ganho de precisão de 1.46% em comparação ao modelo de regressão linear.