Este artigo compara as habilidades preditivas de modelos lineares e não-lineares, com quebras estruturais, nas previsões da taxa de crescimento do PIB real do Brasil. Os modelos com mudanças de regime markovianas, propostos por Hamilton (1989) e generalizados por Lam (1990), são estimados para dados trimestrais de 1975:1 a 2000:2. Os modelos são estimados permitindo quebras estruturais durante os planos Collor. As probabilidades de recessão dos modelos são utilizadas para analisar o ciclo de negócios brasileiro. A capacidade de previsão da taxa de crescimento do PIB fora e dentro da amostra desses modelos é comparada com modelos lineares e com uma regra não-parametrizada. Os resultados indicam que os modelos não-lineares são os que apresentam o melhor desempenho preditivo quando comparados com modelos lineares. A inclusão de quebras estruturais é importante para a representação do ciclo de negócios no Brasil, além de levar a um desempenho de previsão consideravelmente melhor do que os modelos sem intervenção, dentro e fora de amostra.

This paper compares the forecasting performance of linear and nonlinear models under the presence of structural breaks for the Brazilian real GDP growth. The Markov switching models proposed by Hamilton (1989) and its generalized version by Lam (1990) are applied to quarterly GDP from 1975:1 to 2000:2 allowing for breaks at the Collor Plans. The probabilities of recessions are used to analyze the Brazilian business cycle. The in-sample and out-of-sample forecasting ability of growth rates of GDP of each model is compared with linear specifications and with a non-parametric rule. We find that the nonlinear models display a better forecasting performance than linear models. The specifications with the presence of structural breaks are important in obtaining a representation of the Brazilian business cycle and their inclusion improves considerably the models forecasting performance within and out-of-sample.

Este artigo utiliza vários métodos para datar e analisar ciclos de negócios e de crescimento no Brasil. Em particular, um modelo de mudanças de Markov é aplicado a dados de produção trimestrais e anuais. As probabilidades suavizadas dos estado markovianos são utilizadas como regras de previsão para definir as diferentes fases de flutuações cíclicas na produção real brasileira. Os resultados são comparados com diferentes regras não-paramétricas. Todos os métodos implementados geram uma cronologia similar e revelam assimetrias nas diferentes fases dos ciclos de negócio e crescimento do Brasil, nos quais os estados de baixo crescimento e recessão são de curta duração e mais abruptos, enquanto os estados de crescimento acelerado e expansão são mais longos e graduais. As datas dos ciclos obtidas podem ser utilizadas como pontos de referência para a construção e avaliação do poder de previsão de indicadores coincidentes, antecedentes e defasados da atividade econômica. Além disso, as probabilidades filtradas obtidas do modelo de mudança de estado de Markov permitem um reconhecimento tempestivo da transição da economia para uma nova fase econômica, o que pode ser utilizado, por exemplo, na avaliação da medida adequada de políticas contracíclicas, na reavaliação de vendas e lucros projetados por firmas e investidores, ou no monitoramento de pressões inflacionárias.

This paper uses several produceres to date and analyse the Brazilian business and growth cycles. In particular, a Markov switching model is fitted to quarterly and annual real production data. The smoothed probabilities of the Markov states are used as predictive rules to define different phases of cyclical fluctuations of real Brazilian production. The results are compared with different non-parametric rules. All methods implemented yield similar dating and reveal asymmetries across the different states of the Brazilian business and growth cycles, in which slowdowns and recessions are short and abrupt, while high growth phases and expansions are longer and less steep. The resulting dating of the Brazilian economic cycles can be used as a reference point for construction and evaluation of the predictive performance of coincident, leading, or lagging indicators of economic activity. In addition, the filtered probabilities obtained from the Markov switching model allow early recognition of the transition to a new business cycle phase, wich can be used, for example, for evaluation of the adequate strength and timing of countercyclical policies, for reassessment of projected sales or profits by businesses and investors, or for monitoring of inflation pressures.