Avaliação de um modelo Ensemble Stacking de Machine Learning para previsão do PIB do Brasil

Abstract

A previsão do Produto Interno Bruto (PIB) é fundamental para a comparação de perspectivas entre países e a elaboração de políticas governamentais. Em um contexto de um mundo VUCA (volátil, incerto, complexo e ambíguo) no qual o Brasil está inserido como uma economia emergente, percebe-se que os modelos tradicionais de previsão enfrentam desafios. De tal forma, o presente estudo analisa um modelo ensemble stacking de machine learning (ML) a partir de dois modelos base (random forest e gradient boosting) para a previsão do PIB brasileiro. Apoiado em análises gráficas e quantitativas, constatou-se que os modelos de ML utilizados são aderentes ao desafio da previsão do PIB, principalmente em horizontes temporais mais curtos (1 e 3 meses). Porém o modelo ensemble stacking não demonstrou resultados significativamente melhores que os seus modelos base, não justificando o seu emprego nesse contexto, uma vez que demanda maior processamento computacional e apoia-se em maior complexidade metodológica.