Resumo: O modelo de vine cópulas consiste em uma abordagem bastante flexível de modelagem da distribuição de dados multivariados. Em geral, as vine cópulas têm sido muito utilizadas em análises de séries temporais multivariadas para capturar a dependência no cross-section (ou seja, entre um conjunto de séries temporais), mas também podem ser utilizadas para modelar a dependência temporal de uma série univariada. Recentemente, foram desenvolvidos modelos baseados em vine cópulas para séries temporais multivariadas estacionárias, que permitem capturar a dependência no cross-section e a dependência serial simultaneamente. Neste projeto de pesquisa, exploramos o modelo de vine cópulas para obter previsões de variáveis macroeconômicas e financeiras. Em particular, no contexto de previsão de variáveis macroeconômicas, propomos estender o modelo de regressão linear MIDAS (Mixed Data Sampling) por meio da construção de um modelo MIDAS baseado em vine cópulas, que permite capturar uma dependência possivelmente não-linear entre as variáveis. Além disso, uma outra vantagem do modelo de vine cópulas é permitir assimetria nas previsões de densidade de variáveis macroeconômicas, o que leva a uma melhora na acurácia preditiva, de acordo com evidências encontradas na literatura. No contexto de previsões de variáveis financeiras, propomos explorar versões não-lineares de modelos de previsão de volatilidade univariados e multivariados por meio das vine cópulas. |