Métodos de Processos Gaussianos Não Estacionários para Macroeconomia e Finanças

• Processo: 25/08986-0
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de abril de 2026
• Data de Término da vigência: 30 de junho de 2027
• Área de conhecimento: Ciências Sociais Aplicadas - Economia - Métodos Quantitativos em Economia
• Pesquisador responsável: Hedibert Freitas Lopes
• Beneficiário: Guilherme José Lemos Piantino
• Instituição Sede: Instituto de Ensino e Pesquisa (Insper). São Paulo , SP, Brasil
• Palavra(s)-Chave do Pesquisador: Bayesian Nonparametrics | Dirichlet Process | Gaussian processes | Nonstationarity | Regime switching | Uncertainty Quantification | Econometria Financeira

Resumo

Este projeto desenvolve uma nova metodologia para modelagem e previsão de regimes econômicos utilizando uma Mistura de Processos Gaussianos com Processo de Dirichlet (DPGP, na sigla em inglês). A abordagem é motivada pela necessidade de capturar não linearidades, não estacionaridade e mudanças estruturais comumente observadas em séries temporais macroeconômicas e financeiras.Processos Gaussianos (GPs) oferecem uma estrutura probabilística flexível para modelar funções com quantificação de incerteza. No entanto, GPs padrão dependem de núcleos estacionários, o que limita sua capacidade de representar comportamentos que variam no tempo ou mudanças abruptas de regime.Para lidar com isso, o método proposto combina GPs com agrupamento via Processo de Dirichlet, permitindo que o número e as características dos regimes sejam inferidos a partir dos dados. Cada regime é modelado por um GP separado, com seu próprio núcleo e hiperparâmetros que controlam suavidade, variância e níveis de ruído.O método suporta agrupamento hierárquico, possibilitando a descoberta de sub-regimes dentro de estados macroeconômicos mais amplos. Essa estrutura equilibra complexidade do modelo e interpretabilidade, tornando-a adequada para conjuntos de dados de pequeno a médio porte.O projeto está organizado em três partes, cada uma aplicando o método a um domínio diferente. A primeira foca na detecção de regimes e modelagem de volatilidade para o mercado de ações brasileiro (Ibovespa). A segunda incorpora o DPGP em um modelo Vetorial Autorregressivo (VAR) para capturar dinâmicas de regimes multivariados em dados macroeconômicos dos Estados Unidos. A terceira integra a Teoria do Valor Extremo ao DPGP para prever eventos de risco extremo.