Previsão de séries de tempo na presença de mudança estrutural : redes neurais artificiais e modelos estruturais

Abstract

As políticas de estabilização de preços e o processo de liberalização comercial realizados nas últimas décadas aumentaram muito a dificuldade de geração de previsões precisas de séries econômicas, em função das mudanças estruturais que foram ocasionadas no processo gerador de dados. Este artigo apresenta uma avaliação empírica de capacidade predetiva de modelos de Redes Neurais Artificiais (RNA) e modelos estruturais de série de tempo (MEST) quando existe uma mudança estrutural. Nossa preocupação básica é avaliar a capacidade relativa destes dois modelos de previsão em identificar a ocorrência da mudança estrutural e a rapidez no ajuste das previsões um passo à frente após a mudança, com e sem intervenção no modelo. Nestes exercícios empíricos usamos séries reais, tais como a taxa de inflação e o valor das importações brasileiras, e criadas por simulação. As séries geradas por simulação seguem diferentes processos ARIMA com imposição de mudanças estruturais na média e tendência. Os resultados mostram uma capacidade levemente superior das RNAs em identificar a ocorrência de quebras estruturais e realizar previsões um passo à frente nos períodos imediatamente seguintes a esta.

The Brazilian price stabilisation policies and trade liberalisation measures of this decade have considerably increased the difficulty in generating accurate time series forecasts due to structural changes in the data generation processes. In this paper we provide an empirical evaluation of the forecasting performance of Artificial Neural Networks (ANN) and Structural Time Series models (STS) in the presence of structural change. We are basically interested in evaluating the capability of ANN and STS models in terms of both identifying that a structural change has happened and the speed of adjustment of the one step ahead forecasts after the change. We use both real and simulated time series in these exercises. The simulated series are generated from ARIMA processes with imposed structural changes in the mean and trend. On the other hand, we also use real time series data for the Brazilian inflation rate and total imports. The results for the one step ahead forecasts show that the ANN models present a marginally better perfomance than the STS in the periods just after the structural change.