{"id":{"repo_id":"brazil-uff","oai_identifier":"oai:app.uff.br:1/28414"},"canonical_url":"https://search.dev.ndltd.org/etd/brazil-uff/oai:app.uff.br:1/28414","repository":{"repo_id":"brazil-uff","name":"Brazil UFF","base_url":"https://app.uff.br/oai/request"},"display":{"title":"Previsão do índice de preços ao consumidor: uma abordagem via modelos dinâmicos","abstract":"Com o surgimento da pandemia causada pelo vírus Sars-CoV-2, as economias mundiais foram afetadas com quedas nas suas produções, impactando preços de diversos produtos e serviços. Estes aumentos englobaram os preços dos alimentos, eletrodomésticos, serviços, energia elétrica, água e esgoto entre outros. Para avaliar esse aumento, é necessário entender a dinâmica temporal dos índices de preços. No Brasil, o índice oficial da inflação adotado pelo governo federal é o Índice Nacional de Preços ao Consumidor Amplo (IPCA), que por sua vez, aponta a variação do custo de vida médio de famílias com renda mensal de 1 e 40 salários mínimos. Além disso, serve de referência para as metas de inflação do país e para as alterações na taxa de juros. Com isso, a previsão desse índice pode antecipar os movimentos da economia nacional, podendo eliminar ou suavizar possíveis choques econômicos futuros. Nesse trabalho, serão utilizados os Modelos Lineares Dinâmicos (MLD) sob a perspectiva bayesiana, com o propósito de modelar e prever a série temporal do IPCA. Os modelos analisados neste trabalho são: o Modelo polinomial de 1° ordem (MP), caracterizado pela evolução temporal do nível ser modelada como um passeio aleatório simples, ou média localmente constante e o Modelo polinomial de 1° ordem com sazonalidade (MPS) que adiciona a equação de observação um termo de sazonalidade e a equação de evolução uma matriz que descreve a evolução dos parâmetros de estado no tempo. Os resultados dos ajustes destes modelos foram bem satisfatórios com desvio absoluto médio (MAD) e erro percentual absoluto médio (MAPE) baixos, principalmente os do MPS. A previsão obtida pelo MPS foi bem melhor que no modelo polinomial de 1° ordem, tendo em vista que, além de possuir o menor EQM entre os modelos, o intervalo de credibilidade (IC) da previsão cobria boa parte dos valores da série original e não ocorreu um aumento da incerteza, como no MP. Foi realizada uma previsão do IPCA para o ano de 2022 usando o modelo MPS.","abstract_html":"Com o surgimento da pandemia causada pelo vírus Sars-CoV-2, as economias mundiais foram afetadas com quedas nas suas produções, impactando preços de diversos produtos e serviços. Estes aumentos englobaram os preços dos alimentos, eletrodomésticos, serviços, energia elétrica, água e esgoto entre outros. Para avaliar esse aumento, é necessário entender a dinâmica temporal dos índices de preços. No Brasil, o índice oficial da inflação adotado pelo governo federal é o Índice Nacional de Preços ao Consumidor Amplo (IPCA), que por sua vez, aponta a variação do custo de vida médio de famílias com renda mensal de 1 e 40 salários mínimos. Além disso, serve de referência para as metas de inflação do país e para as alterações na taxa de juros. Com isso, a previsão desse índice pode antecipar os movimentos da economia nacional, podendo eliminar ou suavizar possíveis choques econômicos futuros. Nesse trabalho, serão utilizados os Modelos Lineares Dinâmicos (MLD) sob a perspectiva bayesiana, com o propósito de modelar e prever a série temporal do IPCA. Os modelos analisados neste trabalho são: o Modelo polinomial de 1° ordem (MP), caracterizado pela evolução temporal do nível ser modelada como um passeio aleatório simples, ou média localmente constante e o Modelo polinomial de 1° ordem com sazonalidade (MPS) que adiciona a equação de observação um termo de sazonalidade e a equação de evolução uma matriz que descreve a evolução dos parâmetros de estado no tempo. Os resultados dos ajustes destes modelos foram bem satisfatórios com desvio absoluto médio (MAD) e erro percentual absoluto médio (MAPE) baixos, principalmente os do MPS. A previsão obtida pelo MPS foi bem melhor que no modelo polinomial de 1° ordem, tendo em vista que, além de possuir o menor EQM entre os modelos, o intervalo de credibilidade (IC) da previsão cobria boa parte dos valores da série original e não ocorreu um aumento da incerteza, como no MP. Foi realizada uma previsão do IPCA para o ano de 2022 usando o modelo MPS.","abstract_has_math":false,"creators":["Silva, Pedro Maur´ıcio Ximenez da"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2022,"date_issued":"2022","date_published":"2022","updated_at":"2026-07-27T19:00:24Z","subjects":[],"languages":["pt_BR"],"rights":["Open Access"],"rights_urls":[],"identifier_entries":[]},"links":{"outbound_url":"http://app.uff.br/riuff/handle/1/28414","outbound_label":"Repository record","outbound_source":"dc:identifier.uri"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Silva, Pedro Maur´ıcio Ximenez da"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.accessioned","label":"Dc Date Accessioned","values":["2023-03-30T17:07:31Z"]},{"key":"dc:date.available","label":"Dc Date Available","values":["2023-03-30T17:07:31Z"]},{"key":"dc:date.issued","label":"Date","values":["2022"]},{"key":"dc:type","label":"Dc Type","values":["Trabalho de conclusão de curso"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language.iso","label":"Language (ISO)","values":["pt_BR"]},{"key":"dc:rights","label":"Dc Rights","values":["Open Access"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier.uri","label":"Identifier URI","values":["http://app.uff.br/riuff/handle/1/28414"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.abstract","label":"Abstract","values":["Com o surgimento da pandemia causada pelo vírus Sars-CoV-2, as economias mundiais foram afetadas com quedas nas suas produções, impactando preços de diversos produtos e serviços. Estes aumentos englobaram os preços dos alimentos, eletrodomésticos, serviços, energia elétrica, água e esgoto entre outros. Para avaliar esse aumento, é necessário entender a dinâmica temporal dos índices de preços. No Brasil, o índice oficial da inflação adotado pelo governo federal é o Índice Nacional de Preços ao Consumidor Amplo (IPCA), que por sua vez, aponta a variação do custo de vida médio de famílias com renda mensal de 1 e 40 salários mínimos. Além disso, serve de referência para as metas de inflação do país e para as alterações na taxa de juros. Com isso, a previsão desse índice pode antecipar os movimentos da economia nacional, podendo eliminar ou suavizar possíveis choques econômicos futuros. Nesse trabalho, serão utilizados os Modelos Lineares Dinâmicos (MLD) sob a perspectiva bayesiana, com o propósito de modelar e prever a série temporal do IPCA. Os modelos analisados neste trabalho são: o Modelo polinomial de 1° ordem (MP), caracterizado pela evolução temporal do nível ser modelada como um passeio aleatório simples, ou média localmente constante e o Modelo polinomial de 1° ordem com sazonalidade (MPS) que adiciona a equação de observação um termo de sazonalidade e a equação de evolução uma matriz que descreve a evolução dos parâmetros de estado no tempo. Os resultados dos ajustes destes modelos foram bem satisfatórios com desvio absoluto médio (MAD) e erro percentual absoluto médio (MAPE) baixos, principalmente os do MPS. A previsão obtida pelo MPS foi bem melhor que no modelo polinomial de 1° ordem, tendo em vista que, além de possuir o menor EQM entre os modelos, o intervalo de credibilidade (IC) da previsão cobria boa parte dos valores da série original e não ocorreu um aumento da incerteza, como no MP. Foi realizada uma previsão do IPCA para o ano de 2022 usando o modelo MPS."]},{"key":"dc:title","label":"Title","values":["Previsão do índice de preços ao consumidor: uma abordagem via modelos dinâmicos"]}]}],"canonical_facts":{"dc:creator":["Silva, Pedro Maur´ıcio Ximenez da"],"dc:date.accessioned":["2023-03-30T17:07:31Z"],"dc:date.available":["2023-03-30T17:07:31Z"],"dc:date.issued":["2022"],"dc:description.abstract":["Com o surgimento da pandemia causada pelo vírus Sars-CoV-2, as economias mundiais foram afetadas com quedas nas suas produções, impactando preços de diversos produtos e serviços. Estes aumentos englobaram os preços dos alimentos, eletrodomésticos, serviços, energia elétrica, água e esgoto entre outros. Para avaliar esse aumento, é necessário entender a dinâmica temporal dos índices de preços. No Brasil, o índice oficial da inflação adotado pelo governo federal é o Índice Nacional de Preços ao Consumidor Amplo (IPCA), que por sua vez, aponta a variação do custo de vida médio de famílias com renda mensal de 1 e 40 salários mínimos. Além disso, serve de referência para as metas de inflação do país e para as alterações na taxa de juros. Com isso, a previsão desse índice pode antecipar os movimentos da economia nacional, podendo eliminar ou suavizar possíveis choques econômicos futuros. Nesse trabalho, serão utilizados os Modelos Lineares Dinâmicos (MLD) sob a perspectiva bayesiana, com o propósito de modelar e prever a série temporal do IPCA. Os modelos analisados neste trabalho são: o Modelo polinomial de 1° ordem (MP), caracterizado pela evolução temporal do nível ser modelada como um passeio aleatório simples, ou média localmente constante e o Modelo polinomial de 1° ordem com sazonalidade (MPS) que adiciona a equação de observação um termo de sazonalidade e a equação de evolução uma matriz que descreve a evolução dos parâmetros de estado no tempo. Os resultados dos ajustes destes modelos foram bem satisfatórios com desvio absoluto médio (MAD) e erro percentual absoluto médio (MAPE) baixos, principalmente os do MPS. A previsão obtida pelo MPS foi bem melhor que no modelo polinomial de 1° ordem, tendo em vista que, além de possuir o menor EQM entre os modelos, o intervalo de credibilidade (IC) da previsão cobria boa parte dos valores da série original e não ocorreu um aumento da incerteza, como no MP. Foi realizada uma previsão do IPCA para o ano de 2022 usando o modelo MPS."],"dc:identifier.uri":["http://app.uff.br/riuff/handle/1/28414"],"dc:language.iso":["pt_BR"],"dc:rights":["Open Access"],"dc:title":["Previsão do índice de preços ao consumidor: uma abordagem via modelos dinâmicos"],"dc:type":["Trabalho de conclusão de curso"]},"updated_at":"2026-07-27T19:00:24Z"}