Previsão de variáveis econômicas com aprendizado de máquina: previsão com redes neurais

Authors

  • Christiano Pereira Amaral
  • Daiane Rodrigues dos Santos
  • Elcyon Rocha Lima
  • Tuanny Barcellos

DOI:

https://doi.org/10.55905/oelv21n9-042

Keywords:

aprendizado de máquina, redes neurais, variáveis econômicas

Abstract

Muitas decisões tomadas em diferentes setores da economia dependem da previsão de séries macroeconômicas. Portanto, a aplicação de técnicas sofisticadas, como redes neurais, tem se mostrado uma estratégia viável para aumentar a precisão das previsões nesses casos e tornar as decisões mais congruentes. Este estudo teve como objetivos a implementação e avaliação de métodos de aprendizado de máquina, com foco em redes neurais, para a previsão de variáveis econômicas selecionadas. Para alcançar este objetivo foram construídos modelos de aprendizado de máquina lstm (long-short term memory). As variáveis selecionadas para a análise foram: a taxa de juros, o pib (sendo utilizado o produto industrial mensal para o seu cálculo mensal) e a inflação. A série temporal utilizada para a aplicação do modelo está no formato mensal dos períodos de 01/01/2002 até 01/03/2023. Após o treinamento e estruturação do modelo, calculou-se os valores dos erros (mae, mape e mse) do resultado de cada um. Cabe destacar que se testou diversas redes neurais lstm e observou-se que os modelos com múltiplas camadas de entradas possuem maior aderência e geram precisões mais assertivas.

References

ALMOSOVA, A., & ANDRESEN, N. Nonlinear inflation forecasting with recurrent neural networks. Journal of Forecasting, n.42(2), p. 240-259, 2022.

ARAUJO, G. S., & GAGLIANONE, W. P. Machine learning methods for inflation forecasting in Brazil: new contenders versus classical models. Latin American Journal of Central Banking, 4(2), 100087, 2022.

Barbosa G., Bezerra Govinda, Medeiros D., Mattos. D, Andreoni M. Segurança em Redes 5G: Oportunidades e Desafios em Detecção de Anomalias e Predição de Tráfego Baseadas em Aprendizado de Máquina - XXI Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais, 2021.

BRASIL. Banco Central. Disponível em: https://dadosabertos.bcb.gov.br/. Acesso em: 25 de maio de 2023.

BRASIL. IBGE. Disponível em: https://www.ibge.gov.br/estatisticas/todos-os-produtos-estatisticas.html. Acesso em: 25 de mai. de 2023.

GONÇALVES, N., MEIRA, L., GUSMÃO, G., CORDEIRO, T., & DIAS, C.. Análise da taxa SELIC, PIB E Inflação no Brasil, no período de 2007 a 2016. e3-Revista de Economia, Empresas e Empreendedores na CPLP, 3(2), 75-91. 2017.

GURNEY, Kevin. An introduction to neural networks. CRC press, 2018.

HOCHREITER S. AND J. SCHMIDHUBER. Long Short-Term Memory. Neural Computation, 9(8):1735–1780, 1997

JUNG, J. K., PATNAM, M., & TER-MARTIROSYAN, A. (2018). An algorithmic crystal ball: Forecasts-based on machine learning. International Monetary Fund, 2018

PIRES, JANDRESSON DIAS; DIAS, CAMILA RAFAELA GOMES. Estudo da relação entre o PIB do seguimento primário no ramo agrícola com as principais culturas da agricultura brasileira. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, v. 21, n. 6, p. 4120-4133, 2023.

KEYNES, J. M. The General Theory of Employment, Interest and Money. Nova York: Harcourt Brace, 1953.

MANKIW, N. Gregory. Princípios de macroeconomia. [s.l.] Cengage Learning, 2023.

NAUMETC, Daniil. Building the artificial neural network environment: artificial neural networks in plane control. 2017.

SICSÚ JOÃO; ARMANDO CASTELAR PINHEIRO. Sociedade e economia: estratégias de crescimento e desenvolvimento. Editora: Brasília: Ipea, 2009.

SIQUEIRA-BATISTA, R., VITORINO, R. R., GOMES, A. P., OLIVEIRA, A. D. P., FERREIRA, R. D. S., ESPERIDIÃO-ANTONIO, V., ... & CERQUEIRA, F. R.. Artificial neural networks and medical education. Revista Brasileira de Educação Médica, 38, 548-556. 2014..

THEOHARIDIS, Alexandre Fernandes; GUILLÉN, Diogo Abry; LOPES, Hedibert. Deep learning models for inflation forecasting. Applied Stochastic Models in Business and Industry, 2023.

TKACZ, G., & Hu, S. Forecasting GDP growth using artificial neural networks. Bank of Canada. 1993,

ZHANG G. P. AND V. L. BERARDI. Time series forecasting with neural network ensembles: an application for exchange rate prediction. Journal of the Operational Research Society, 2001.

Published

2023-09-11

How to Cite

Amaral, C. P., dos Santos, D. R., Lima, E. R., & Barcellos, T. (2023). Previsão de variáveis econômicas com aprendizado de máquina: previsão com redes neurais. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, 21(9), 11279–11299. https://doi.org/10.55905/oelv21n9-042

Issue

Section

Articles

Most read articles by the same author(s)