Selecionador de características para previsão de indicadores econômicos

Abstract

Este trabalho propoe um algoritmo para reducao de dimensionalidade e selecao de variaveis explicativas para modelos preditivos. O algoritmo consiste no agrupamento de variaveis preditoras e na selecao aleatoria de preditores de cada grupo. A tecnica utilizada para agrupar as variaveis foi o modelo de mistura Gaussiana (Gaussian mixture model - GMM). Com as variaveis selecionadas de cada grupo, o modelo preditivo aplicado e o lasso. Para avaliar estabilidade preditiva do algoritmo, a distribuicao dos erros de previsao obtidos por reamostragem foi utilizada. Os dados utilizados sao de natureza macroeconomica. A primeira base dados cont´em dados de atividade economica e variaveis de producao. Ja a segunda base envolve dados de ındices de inflacao. Ambos os conjuntos de dados sao superdimensionados, ou seja, com mais variaveis do que observacoes (p > n). A modelagem preditiva simula um processo de nowcasting, com previsoes de curto prazo e atualizacao dos dados a medida em que novas informacoes ficam disponıveis. Com os conjuntos de dados analisados, o algoritmo nao obteve previsoes estaveis. A instabilidade preditiva mostra que os grupos de variaveis explicativas nao sao ho- mogeneos. Portanto, o agrupamento das variaveis por GMM nao teve sucesso para reduzir a dimensao dos dados utilizados no trabalho.