Cayo Rômulo Queiroz de França, Fábio Lúcio Rodrigues
{"title":"MODELANDO O PROCESSO GERADOR DA INFLAÇÃO NO BRASIL","authors":"Cayo Rômulo Queiroz de França, Fábio Lúcio Rodrigues","doi":"10.31864/rcc.v10i2.2685","DOIUrl":null,"url":null,"abstract":"O presente trabalho buscou identificar o processo gerador da série temporal do Índice Nacionalde Preços do Consumidor Amplo (IPCA) no Brasil, no período que compreende entre janeirode 1999 a julho de 2018 e posteriormente realizar a previsão dos valores percentuais da inflaçãopara 6 (seis) períodos a frente. A série mostrou possuir características sazonais e, portanto, foiajustado um modelo SARIMA. Após alguns testes foi identificado que a série era estacionária,e, portanto, na checagem de estimação dos modelos, o que mais se ajustou a previsão segundoos testes foi o modelo SARIMA (1,0,0) X (1,0,1).","PeriodicalId":104032,"journal":{"name":"Revista Conhecimento Contábil","volume":"18 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-11-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Conhecimento Contábil","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31864/rcc.v10i2.2685","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
O presente trabalho buscou identificar o processo gerador da série temporal do Índice Nacionalde Preços do Consumidor Amplo (IPCA) no Brasil, no período que compreende entre janeirode 1999 a julho de 2018 e posteriormente realizar a previsão dos valores percentuais da inflaçãopara 6 (seis) períodos a frente. A série mostrou possuir características sazonais e, portanto, foiajustado um modelo SARIMA. Após alguns testes foi identificado que a série era estacionária,e, portanto, na checagem de estimação dos modelos, o que mais se ajustou a previsão segundoos testes foi o modelo SARIMA (1,0,0) X (1,0,1).