COMPARAÇÃO DA PERFORMANCE PREDITIVA DE MODELOS ARIMA, VAR E VEC EM SÉRIES TEMPORAIS COINTEGRADAS
O objetivo desta dissertação é comparar a capacidade preditiva dos modelos univariados ARIMA com os modelos multivariados VAR e VEC sob a hipótese de cointegração. A análise foi baseada em simulações de Monte Carlo utilizando métricas estatísticas para avaliar a performance preditiva dos modelos. Com o intuito de fornecer suporte empírico às conclusões obtidas via simulações foi realizado um experimento de modelagem com séries temporais reais de cambio (USD/BRL) e inflação acumulada em 12 meses (IPCA). As simulações mostraram que a capacidade preditiva dos modelos em dados fora da amostra é, em média, equivalente aos valores dos intervalos de confiança a 95%. No experimento com dados reais a capacidade preditiva dos modelos foi similar considerando os intervalos de confiança, alinhado com a conclusão obtida pelas simulações. Os resultados também se mostraram alinhados com as práticas de mercado onde, mesmo sabendo a especificação teórica mais adequada ao conjunto de dados no processo de modelagem, deve-se atentar para experimentos de performance fora da amostra para maior assertividade nas predições. A amplitude dos intervalos de confiança aponta para a necessidade de realizar validações mais complexas previamente à escolha da estrutura de modelagem para predição. A conclusão do trabalho foi que mesmo em um conjunto de séries cointegradas, onde pela literatura econométrica existe uma orientação para modelagem via VEC, para maior assertividade das predições é necessário fazer experimentos de validação fora da amostra para escolher o modelo com maior capacidade preditiva.