Uma abordagem em macrofinanças para a previsão dos movimentos da taxa de câmbio do Brasil

Abstract

Este trabalho de pesquisa, baseado em Chen e Tsang (2011), considera a taxa de câmbio como uma variável macroeconômica, responsável por equilibrar os preços relativos de bens e serviços no mercado internacional e, também, como uma variável financeira, incorporando em seu preço expectativas e riscos. Levando isso em conta, um dos principais objetivos é analisar se a abordagem conjunta em macrofinanças pode melhorar a previsão dos movimentos da taxa de câmbio para o caso do Brasil e, ao mesmo tempo, contribuir para a literatura, ao permitir que os coeficientes dos modelos analisados variem no tempo, por meio da especificação econométrica TVP-VAR não estrutural. Com o objetivo de lidar com a "maldição da dimensionalidade", associada à estimação de modelos TVP-VAR e, paralelamente, de modo a evitar a escolha de somente um modelo ao longo do tempo, fatores de esquecimento, juntamente com os algoritmos de Seleção Dinâmica de Modelos (DMS) e de Combinação Dinâmica de Modelos (DMA) são implementados. Diferentes especificações para a estrutura TVP-VAR são comparadas de acordo com os fundamentos para a taxa de câmbio: a macro-only, com as variáveis macro selecionadas a partir do diferencial entre regras de Taylor a yields-only, com os fatores latentes de Nelson-Siegel, que são utilizados como proxies de forma a refletir as expectativas e riscos incorporados na curva de juros relativa; e, por fim, a macro-yields, com os dois tipos de fundamentos. O período considerado se inicia em janeiro de 2015 e termina em junho de 2017. O resultado principal apresenta evidências de que a abordagem conjunta em macrofinanças em uma estrutura TVP-VAR melhora a previsão da taxa de câmbio se comparada com o passeio aleatório, principal benchmark. Em geral, o modelo TVP-VAR-DMA e TVP-VAR-DMS, ambos com a condição de passeio aleatório para o comportamento da matriz de coeficientes, apresentaram as melhores performances dentre os modelos considerados.

This research, based on Chen and Tsang (2011), considers the exchange rate both as a macroeconomic variable, responsible to equilibrate the relative prices of goods and services in the international markets, and as a financial variable, incorporating in its price expectations and risks. Taking this into account, one of the main objectives is to analyze whether the joint macro-finance approach can improve the forecasting of the movements of the Brazilian real. Besides, we contribute to the previous literature by allowing the coefficients to evolve over time using a non-structural Time-Varying Parameter Vector Autoregressive Model (TVP-VAR). In order to overcome the "curse of dimensionality" and to deal with the uncertainty in choosing the best forecasting model, forgetting factors, along with the Dynamic Model Selection (DMS) and the Dynamic Model Averaging (DMA) algorithms are implemented. Different specifications for the TVP-VAR structure are compared according to exchange rate fundamentals: the macro-only, with macroeconomic variables derived from the Taylor-Rule differential between Brazil and the United States; the yields-only, with Nelson-Siegel latent factors, used as proxies to reflect expectations and risks extracted from the relative yield curve; and, lastly, the macro-yields, with both macroeconomic and finance variables. The period covered goes from January 2005 to June 2017. The main result indicates that the macro-finance approach when combined with time varying parameters in a TVP-VAR structure improved exchange rate forecasting, especially when compared to the random walk. Overall, the TVP-VAR-DMA and TVP-VAR-DMS models, along with the simulated random walk condition for the coefficient matrix, had the best performances among the models considered.