Pular para o conteúdo principal

Cookies no Macro by Mark.Usamos cookies essenciais para login, idioma e segurança. Com sua permissão, também usamos cookies opcionais de preferências, para análise e para medição de anúncios com o Pixel da Meta (Facebook). Leia nossa política de cookies.

Macro by MarkMacro by Mark
  • Início
Carregando…
Carregando…
← Modelos
MacroConceitosPolíticaModelos

Modelo de fatores dinâmicos

Extrai poucos fatores latentes de muitos indicadores macro e usa esses fatores para uma leitura do trimestre corrente.

Visão geralGráficoMatemáticaReferências

Modelo de fatores dinâmicos: que pergunta macro este modelo ajuda a responder?

Contexto

Extrai poucos fatores latentes de muitos indicadores macro e usa esses fatores para uma leitura do trimestre corrente.

Modelo de fatores dinâmicos fica em Nowcasting e modelos de indicadores. Use esta classe quando você precisa de uma leitura do trimestre corrente que se atualiza com cada indicador mensal ou semanal, sem esperar a divulgação do PIB.

A página deve ser lida como uma referência de método: primeiro o objeto empírico, depois o conjunto de informação, os diagnósticos e os limites da inferência.

Conexões para explorar

Matemática ↗A estrutura e suas condições, passo a passo.Fontes ↗Fontes acadêmicas e orientação de uso.

Como as partes se conectam

ft\mathbf{f}_tft​

Vetor de fatores latentes

O vetor r x 1 de fatores comuns não observados no instante t. Eles captam o comovimento entre as n variáveis observadas.

Comece pela série-alvo, frequência, janela da amostra e calendário de revisão. Um modelo empírico perde valor quando a pergunta ignora a safra dos dados.

Nowcasting com um painel amplo de indicadores em que muitas séries trazem sinal parecido sobre o mesmo estado macro.

A leitura útil compara o resultado com um benchmark simples, registra onde o erro de previsão aparece e separa sinal estatístico de interpretação causal.

Os componentes e as hipóteses formais abaixo são os do próprio modelo, com a terminologia em português. A notação matemática e os títulos bibliográficos ficam no original, que é como a literatura os identifica.

Premissas

Testável

Estrutura de fatores aproximada

Conforme n cresce, os r maiores autovalores da matriz de covariância n x n divergem (crescem com n), enquanto todos os demais permanecem limitados. O componente comum explica uma fração não desprezível da variância total no corte transversal.

Se falhar:Se a estrutura de fatores é fraca (autovalores crescem devagar), as estimativas dos fatores por componentes principais são inconsistentes. Um fator fraco carrega em apenas um subconjunto de variáveis e pode passar despercebido por métodos que pressupõem fatores pervasivos.

Testável

Estacionariedade

Todas as variáveis do painel são estacionárias em covariância após as transformações adequadas (diferenciação, transformação logarítmica). A dinâmica dos fatores é estável (autovalores da matriz companheira dentro do círculo unitário).

Se falhar:Variáveis não estacionárias geram estimativas espúrias de fatores: tendências movidas por raízes unitárias dominam o primeiro componente principal, independentemente do conteúdo econômico.

Testável

Dependência transversal limitada nos erros idiossincráticos

Os erros idiossincráticos ei,te_{i,t}ei,t​ são fracamente correlacionados no corte transversal. Agrupamentos fortes (por exemplo, todas as variáveis de energia terem choques idiossincráticos correlacionados) violam as hipóteses do modelo de fatores aproximado.

Se falhar:Correlação idiossincrática forte infla os autovalores da matriz de covariância, levando os critérios de número de fatores (Bai-Ng) a superestimar r.

Testável

Número correto de fatores

O número de fatores comuns r está corretamente especificado. Os critérios de informação de Bai-Ng, o teste de Onatski (2010) ou o teste de razão de autovalores de Ahn-Horenstein (2013) dão orientação baseada em dados.

Se falhar:Fatores de menos: a variância do fator omitido é absorvida pelos erros idiossincráticos, criando resíduos correlacionados e regressões aumentadas por fatores enviesadas. Fatores demais: ruído é elevado à condição de fator, acrescentando variância de estimação sem melhorar o componente comum.

Mantida

Linearidade da estrutura de fatores

Cada variável é função linear dos fatores comuns. Sem efeitos de limiar, sem cargas fatoriais não lineares.

Se falhar:A dependência não linear dos fatores (por exemplo, variáveis financeiras que respondem de forma assimétrica a realizações positivas e negativas dos fatores) não é captada. Modelos de fatores não lineares existem, mas são computacionalmente exigentes e raramente usados na prática macro.

Testável

Painel balanceado ou dados faltantes corretamente tratados

O painel é balanceado (sem observações faltantes) ou os dados faltantes são tratados pelo algoritmo EM / filtro de Kalman. Descartar variáveis com dados faltantes em vez de imputá-los pode enviesar as estimativas dos fatores se a ausência não for aleatória.

Se falhar:A exclusão de variáveis com dados faltantes reduz o corte transversal efetivo e pode eliminar séries informativas. O algoritmo EM imputa iterativamente os valores faltantes usando as estimativas correntes dos fatores e depois reestima os fatores.

Aplicações

Use esta página para escolher o modelo antes de olhar o resultado: o alvo, a frequência, a janela e o benchmark definem o que a saída pode dizer.

Em monitoramento macro, a comparação com alternativas importa tanto quanto o modelo escolhido. Erro fora da amostra, estabilidade e revisão dos dados devem ficar visíveis.

Troque ou complemente o modelo quando a pergunta exigir identificação causal, contrafactual estrutural, distribuição entre agentes ou uma mudança de regime que a amostra histórica não contém.

Extensões e questões em aberto

Variantes

  • Static factor model: factors are extracted from the contemporaneous cross-sectional covariance, with no dynamics specified. Estimated by principal components. The simplest version.
  • Dynamic factor model (state-space): factors follow a VAR in the state equation. Estimated by Kalman filter + EM algorithm or quasi-MLE. Handles missing data and mixed frequencies.
  • FAVAR (factor-augmented VAR): extracted factors plus policy variables in a VAR. Used for structural identification of policy shocks in a data-rich environment.
  • Generalized dynamic factor model (Forni, Hallin, Lippi, Reichlin 2000): uses the spectral density matrix to separate common and idiosyncratic components. More general than the state-space version but harder to implement.
  • Time-varying factor model: factor loadings λi(t)\lambda_i(t)λi​(t) or factor dynamics Aj(t)A_j(t)Aj​(t) change over time. Captures structural breaks and evolving economic relationships at heavy computational cost.

Questões em aberto

  • How many factors drive the macroeconomy? The Bai-Ng criteria typically select 2-6 for large U.S. panels. But the answer depends on the panel composition and variable transformations. There is no consensus on whether 'the' correct number is 2, 4, or 6.
  • Structural identification of factor shocks: the latent factors are identified only up to rotation (PCA identifies them up to an orthogonal rotation). Giving factors economic names (demand shock, supply shock, financial shock) requires additional restrictions. Different rotation schemes produce different structural interpretations.
  • Weak factors: some economically important factors (e.g., a housing-sector factor) load on only a small subset of variables. Standard PCA-based methods estimate them poorly because they do not produce diverging eigenvalues. Targeted-predictor factor estimation (Bai and Ng 2008) addresses this but is not yet standard.

Continue por aqui

Leia a seguir

Continue com um conceito, modelo ou exemplo relacionado.

Modelo empírico

ARDL / Bounds Testing

uma leitura contrastante de Dynamic Factor Model

Contraste →
Modelo empírico

BVAR

uma leitura contrastante de Dynamic Factor Model

Contraste →

Continue aprendendo

Conceitos

  • Produto e renda→
  • Ciclos econômicos→
  • Estrutura do mercado de trabalho→

Política

  • Política monetária→
  • Política fiscal→

Modelos

  • Equações ponte→
  • MIDAS→
  • VAR→
Macro by Mark
Ajuda
Política de PrivacidadeTermos de UsoÉtica e conformidade

© 2026 Mark Jayson Nation LLC