Modelagem do prêmio a termo brasileiro: comparativo da capacidade preditiva entre técnicas de modelagem

Abstract

Este estudo tem como objetivo analisar a previsão do excesso de retorno da curva de juros brasileira utilizando diferentes técnicas estatísticas e econométricas, com e sem a adição de dados macroeconômicos nas modelagens. As abordagens utilizadas são regressões de componentes principais, a abordagem de Cochrane e Piazzesi (2005) com a variação de Ludvigson e Ng (2009), esta última para o modelo com dados macroeconômicos, regressões de mínimos quadrados parciais e regressões lineares penalizadas, estas sendo Ridge, Lasso e Elastic Net. Os resultados são comparados pela capacidade preditiva, utilizando, especificamente, a razão entre a raiz do erro quadrático médio das previsões fora da amostra e a raiz do erro quadrático médio do random walk, bem como o teste de Diebold-Mariano modificado proposto por Harvey, Leybourne e Newbold (1997). Os resultados indicam que regressões de mínimos quadrados parciais e regressões de componentes principais apresentam os melhores desempenhos, principalmente para as maiores maturidades, e que os melhores resultados são obtidos sem a incorporação de dados macroeconômicos nas modelagens.

Abstract: This study aims to analyze the prediction of excess returns on the Brazilian yield curve using different statistical and econometric techniques, with and without the addition of macroeconomic data in the models. The approaches used include principal component regressions, the Cochrane and Piazzesi (2005) approach with the Ludvigson and Ng (2009) variation, this latter applied to the model with macroeconomic data, partial least squares regressions, and penalized linear regressions, specifically Ridge, Lasso, and Elastic Net. The results are compared in terms of predictive performance, specifically using the ratio between the root mean squared error of out-of-sample forecasts and the root mean squared error of the random walk, as well as the modified Diebold-Mariano test proposed by Harvey, Leybourne, and Newbold (1997). The findings indicate that partial least squares regressions and principal component regressions deliver the best performances, particularly for longer maturities, and that the best outcomes are obtained without incorporating macroeconomic data into the models.