Trabalho Final de Mestrado
| Ano Lectivo: | 2019/2020 |
|---|---|
| Aluno: | RENATO DE OLIVEIRA CÂMARA (51042) |
| Mestrado: | Econometria Aplicada e Previsão |
| Tipo: | Dissertação |
| Título do Trabalho Final de Mestrado: | Previsão da taxa de desemprego no Brasil com agregação de informações da plataforma Google Trends |
| Sub Título: | |
| Comentário: | - |
| Instituição: | - |
| Homologação: | Dia 20/09/2020 às 17:51 por NUNO JOÃO DE OLIVEIRA VALÉRIO |
Resumo
Geralmente, investidores, analistas e bancos centrais necessitam das informações mensais divulgadas pelos institutos governamentais de estatísticas para analisar as condições económicas vigentes e tomar decisões tempestivas. Entretanto, dada a relativa complexidade das pesquisas realizadas para elaborar os indicadores económicos, não é possível dispor imediatamente dos dados após o encerramento de cada mês, isto é, ocorre um delay na sua divulgação. Sendo assim, fontes alternativas de informações têm sido exploradas para auxiliar na previsão das variáveis económicas. Diante deste cenário, esta dissertação verificou se as informações contidas nas buscas realizadas no Google ajudam na previsão da taxa de desemprego mensal brasileira de forma contemporânea. Para tal, a partir da seleção de palavras-chave relacionadas com a procura por emprego, agregaram-se os dados da plataforma Google Trends aos modelos econométricos estimados e compararam-se os erros de previsão gerados fora da amostra, a um passo à frente, para avaliar o poder preditivo destes regressores. (Português)
In general, investors, analysts and central banks need the monthly information released by government statistical agencies to analyze current economic conditions and to implement timely decisions and well-designed policies. However, given the relative complexity of the surveys carried out to prepare standard economic indicators, it is not possible to have the data immediately after the end of each month, that is, there is a delay in its disclosure. Therefore, alternative sources of information have been explored to help forecast economic variables and help anticipate those values. In view of this scenario, this thesis verified if the information contained in Google searches helps to predict the Brazilian monthly unemployment rate contemporaneously. To this end, based on the selection of keywords related to job search, the data from the Google Trends were added to different econometric models and their forecasts were compared based on out-of-sample one step ahead prediction errors, to assess the predictive power of these regressors. (Inglês)
Palavras-chave
Google Trends, taxa de desemprego, erros de previsão, previsão, modelos econométricos. (Português)
Google Trends, unemployment rate, forecast errors, forecasting, econometric models. (Inglês)
Resumo Alargado
O Resumo Alargado ainda não foi submetido.
Data da Prova Pública
| Data da Prova Pública: | 21-10-2020 14:00 |
|---|