Florido, Gustavo Porto, Escolas::EESP, Marçal, Emerson Fernandes, Medeiros, Marcelo C., Zilberman, Eduardo, Issler, João Victor, and Fernandes, Marcelo
Esta tese estuda o comportamento da inflação no Brasil e consiste em três ensaios. O primeiro capítulo introduz um arcabouço de projeção de inflação de curto prazo usando um conjunto de 5147 séries relacionadas, principalmente, a índices e subíndices de inflação e a preços. As séries tem frequências diferentes e representam a inflação e os preços em diferentes estágios da cadeia de produção. Usamos várias classes de modelos e métodos, MQO, regularização, fatores e modelos de árvore, para projetar o IPCA e também vários dos seus subitens que são posteriormente agregados. Nossos resultados indicam que as escolhas do melhor modelo e nível de agregação dependem do horizonte de projeção. Em média, os modelos de fatores e os métodos de regularização tem melhor desempenho, bem como níveis de agregação mais granulares. As combinações de projeções são mais precisas que projeções individuais e apresentam bom desempenho relativo em relação aos benchmarks de mercado, principalmente na véspera da divulgação dos dados de inflação. O segundo capítulo corrige o viés de projeções de inflação explorando a estrutura dos erros fora de amostra. O arcabouço introduzido analisa os erros no cross section dos horizontes de projeção e na série temporal para estimar o erro de projeção. Consideramos diferentes modelos de fatores para os erros: Diebold-Li 3 fatores, Componente Principal e Modelo de Fatores Dinâmicos. Estimamos a dinâmica dos fatores usando modelos autorregressivos. Nosso arcabouço melhora a precisão das projeções de inflação. A melhora depende do modelo e da agregação. Os melhores resultados são para os métodos de regularização e para as agregações mais granulares. A combinação de projeções ajustadas pelo erro esperado também apresenta resultados positivos. Em comparação com analistas profissionais, o erro da combinação das projeções originais está entre os menores 20%, enquanto o erro da combinação das projeções ajustadas está entre os menores 12%. O terceiro capítulo analisa as relações entre séries macroeconômicas e expectativas de inflação. O objetivo é avaliar como a estrutura a termo da inflação implícita responde a variações exógenas em variáveis macro. O impacto das inovações estruturais na curva da inflação implícita é determinado em dois estágios. Primeiro, estimamos as relações entre a curva de inflação e as séries macroeconômicas. Na segunda etapa, examinamos os impactos dos choques macroeconômicos usando um SVAR. Em seguida, calculamos o efeito dos choques sobre a inflação implícita combinando as IRFs das variáveis macro e suas relações com os fatores da curva de inflação. Em geral, as respostas seguem o sinal esperado pela teoria econômica: choques positivos na inflação corrente e na taxa de câmbio elevam as expectativas de inflação. Também como esperado, a resposta da parte longa da curva da inflação implícita é mais tímida do que a resposta da parte curta. This thesis studies inflation dynamics in Brazil and consists of three essays. The first chapter proposes a short-term inflation-forecasting framework. The dataset consists of 5,147 series, related mostly to inflation indices and sub-indices, and prices. Series have different frequencies, and represent inflation and prices at different stages of the supply chain. We estimate several classes of models and methods: OLS, regularization, factors, and tree models. We generate forecasts for the headline IPCA index, and for several sub-items that we then aggregate. Our results indicate that the choice of the best model and the best level of aggregation depend on the forecast horizon. On average, factor models and regularization methods perform better, as do more granular levels of aggregation. Projections generated through combinations of individual forecasts are more accurate and perform relatively well against market benchmarks, especially on the eve of the release of inflation data. The second chapter corrects the bias of inflation forecasts by examining the out-of-sample error structure. We introduce a framework to analyze the errors in the cross section of forecast horizons, and in time series to estimate the forecast error. We consider different factor models for the errors: Diebold-Li 3-factor, principal component, and dynamic factor model. We estimate the factor dynamics using autoregressive models to forecast the error. Our framework improves the accuracy of inflation forecasts. This improvement depends on the model and aggregation. Regularization methods and the most granular aggregations give the best results. A combination of adjusted forecasts performs well. Compared to professional analysts, the combination of original forecasts’ error is among the smallest 20%, while the combination of adjusted forecasts’ error is among the smallest 12%. The third chapter analyzes the relationships between macroeconomic series and inflation expectations. Our goal is to assess how the term structure of breakeven inflation responds to exogenous changes in macro variables. We determine the impact of structural macroeconomic innovations on the breakeven inflation curve in two stages. First, we estimate the inflation curve’s relationship to the macroeconomic series. In the second stage, we examine the impacts of macro shocks, using an SVAR. We then calculate the effect of the shocks on breakeven inflation, by combining the IRFs of the macro variables, and their relations with the factors of the inflation curve. In general, responses have the signal expected by economic theory: positive current inflation and exchange rate shocks raise inflation expectations. Also as expected, the response of the long end of the breakeven inflation curve is more muted than that of the short end.