Modelagem probabilística do índice IPCA12
Palavras-chave:
Assimetria, curtose, máxima verossimilhançaResumo
O objetivo desse trabalho foi ajustar uma distribuição aos dados de IPCA12 e estimar a probabilidade deste índice permanecer dentro dos limites de confiança estabelecidos pelo Banco Central do Brasil para o ano de 2024, que são de 3% +- 1,5%. Para escolher entre as distribuições log-normal, gama e Weibull foram analisados o teste de Kolmogorov-Smirnov e o Critério de Informação de Akaike (AIC). O modelo gama com parâmetros alfa 5,81 e beta 1,09 foi selecionado e com ele estimou-se que a probabilidade do verdadeiro valor do IPCA permanecer dentro do intervalo de confiança estabelecido pelo BC para o ano 2024 seria de 25,45%. Adicionalmente, mantendo-se fixa a margem de +-1,5%, foi possível concluir que o valor ou a meta do IPCA que maximizaria a cobertura do intervalo deveria ser de 5,4% ao invés de 3%. Mais especificamente: P(5,4% - 1,5% <= IPCA12 <= 5,4% + 1,5%) = 45,94%.
Referências
AKAIKE, H. A new look at the statistical model identification. IEEE Transactions on
Automatic Control, Notre Dame, v. 19, n. 6, p. 717-723, 1974.
BARROS, R. P. de; NERI, M. M., R. Pobreza e inflação no Brasil: Uma análise agregada.
Economia Brasileira em Perspectiva. Rio de Janeiro: IPEA, vol 1, 1996. 838 p.
CONOVER, W. J. Practical Nonparametric Statistical. John Wiley & Sons Inc., New York,
p.
DELFIM NETTO, A. Sobre as metas inflacionárias. Revista de Economia Aplicada, v. 3, n. 3,
EMILIANO, P. C.; VIVANCO, M. J. F.; MENEZES, F. S. Information criteria: How do they
behave in different models?. Computational Statistics & Data Analysis, v. 69, p. 141-153, 2014.
FERREIRA, T. P.; FIGUEIREDO F. M. R. Os preços administrados e a inflação no Brasil.
Banco Central do Brasil Trabalhos para Discussão, n. 59, Brasília, dez. 2002.
FERREIRA, T.P.; PETRASSI,M. B. S. Regime de metas de inflação: resenha sobre a
experiência internacional. Banco Central do Brasil. Notas Técnicas, no 30, Brasília, nov., 2002.
MARSAGLIA G., TSANG W. W., WANG J. Evaluating Kolmogorov’s distribution. Journal of
Statistical Software, v. 8, n. 18, 2003.
MILLER, R. B. Maximum likelihood estimation and inference: with examples in R, SAS, and
ADMB. 1. ed. [S.l.]: Wiley, 2011.
MOOD, A. M.; GRAYBILL, F. A.; BOES, D. C. Introduction to the theory of statistics.
Singapore: McGraw-Hill, 1974. 564 p.
R CORE TEAM. R: a language and environment for statistical computing. R Foundation for
Statistical Computing, Vienna, Austria. 2023.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Proposta de Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
