Um novo modelo híbrido multivariado entre uma rede neuronal artificial e um modelo ARIMA para a previsão de taxas de câmbio

Abstract

Apesar dos muitos modelos propostos, é notória a dificuldade na previsão de taxas de câmbio. Estudos recentes com redes neuronais artificiais (RNA) sugerem que estas podem ser uma alternativa a outros modelos para a realização de previsões, quando existem não lineari-dades nas séries temporais. Este estudo propõe uma abordagem multivariada, aplicando um modelo hibrido entre uma RNA e um ARIMA, de forma a aumentar a capacidade de previsão da RNA, dado que uma série temporal pode possuir componente não linear e linear. Imple-mentando primeiro um algoritmo genético adaptativo para construir a estrutura da RNA, são consideradas duas taxas de câmbio mensais e semanais do Euro e do Yen contra o Dólar, para inferir sobre a qualidade do modelo hibrido multivariado proposto face a outros modelos. Os resultados empíricos das previsões fora da amostra, indicam que para as séries mensais o mo-delo hibrido não é vantajoso, devido à não existência de não linearidades nestas. No entanto para séries semanais, obtêm-se vantagens da utilização do modelo hibrido. Assim uma abor-dagem hibrida multivariada pode ser pertinente para a previsão taxas de câmbio semanais e possivelmente diárias, ao invés da utilização dos modelos individuais ou híbridos univariados.