Modelação e previsão da taxa de inflação de Angola

• Author(s): Pereira, Vera Margarida Vieira Palma
• Date: 2015
• Persistent ID: http://hdl.handle.net/10400.5/10436
• Origin: Repositório da UTL
• Subject(s): Taxa de inflação; IPC; ARIMA; VAR; VEC; Previsão; Modelação; Inflation rate; CPI; Forecast; Modeling
• Document Type: Master thesis
• Language: Portuguese
• Advisor(s): Caiado, Aníbal Cristóvão
• Contributor(s): Repositório da Universidade de Lisboa

Description

Mestrado em Econometria Aplicada e Previsão

O objectivo deste trabalho consiste em comparar os resultados obtidos da previsão das taxas de inflação mensal e homóloga de Angola, usando diferentes modelos (univariados e multivariados) e estratégias. Nos modelos univariados (ARIMA) adoptaram-se quatro estratégias em que a modelação e previsão foram realizadas sobre: os preços das 12 classes que compõem o IPC, na primeira; as variações mensal e homóloga dos preços das 12 classes que compõem o IPC, na segunda; o IPC, na terceira; as variações mensal e homóloga do IPC, na quarta. Nos modelos multivariados (VAR/VEC) utilizaram-se duas estratégias em que a modelação e previsão foram executadas sobre: o IPC, na primeira e as variações mensal e homóloga do IPC, na segunda. Em ambos os casos, foram incluídas variáveis endógenas (oferta de moeda e taxa de câmbio) e exógenas (preço do petróleo, taxa de juro e dummy sazonal) e criados cenários preditivos para a taxa de inflação de Angola. Com a análise realizada, conclui-se que os modelos ARIMA (estratégia 4) apresentaram melhor ajustamento para a previsão da taxa de inflação mensal, em comparação com a taxa de inflação homóloga cujos melhores resultados foram obtidos com os modelos VAR/VEC (estratégia 1)

The main purpose of this document is to compare the predictions obtained on Angola's monthly and homologous (annual) inflation rate, using univariate and multivariate models and strategies. For the univariate models (ARIMA) four strategies were used in which modeling and forecasting were performed on: for the first one, 12 price classes that compose the CPI; for the second one, the monthly and annual price variations of the 12 CPI's classes; for the third one, the CPI; and for the fourth one, the monthly and annual CPI variations. For the multivariate models (VAR/VEC) two strategies were used in which modeling and forecasting were performed on:for the first one, the CPI; and for the second one monthly and annual CPI variations. Both cases included endogenous (money supply and exchange rate) and exogenous variables (oil prices, interest rate) and created predictive scenarios for Angola's inflation rate. As conclusion, ARIMA models (strategy 4) are better tailored to forecast the monthly inflation rate, while VAR/VEC models (strategy 1) gave better results in predicting the annual inflation rate.