IPCA Desagregado — Ensemble de Modelos de Fundação para Previsão da Inflação no Brasil
- Dashboard: analisemacro.shinyapps.io/ipca-desagregado
- Paper (PDF): Ensemble de Modelos de Fundação para Previsão da Inflação no Brasil
- Código em repositório privado da Análise Macro.
A pergunta
O IPCA é a média ponderada de centenas de variações de preço. Prever o índice pelos componentes é natural, mas exige modelar centenas de séries curtas e heterogêneas, e a literatura brasileira registra ganhos modestos da desagregação. Os modelos de fundação de séries temporais, redes pré-treinadas aplicadas sem estimação, mudam esse custo: prever os 377 subitens passa a ser uma única chamada por mês.
O projeto testa se essa previsão desagregada, agregada com os pesos do IBGE, compete com a mediana do Boletim Focus em horizontes de 1 a 12 meses, num desenho em que cada previsão usa apenas a informação disponível na data.
Como foi feito
| Etapa | O que entra |
|---|---|
| Dados | IPCA por subitem (SIDRA/IBGE, tabela 7060, POF 2017-18, desde jan/2020); IPCA em 12 meses (SGS 13522); expectativas Focus da API Olinda, do relatório publicado logo após cada IPCA, com datas de publicação auditadas |
| Modelos | Chronos-2 (com e sem aprendizado entre séries), TimesFM 2.5 e 3, TiRex, Moirai 2.0, Toto, Granite TTM e TimeGPT-1, todos zero-shot, um ambiente Python por família |
| Ajustes | Combustíveis pelo levantamento semanal da ANP; energia elétrica pela bandeira tarifária e pelos créditos de Itaipu, só depois de anunciados; mistura com a média sazonal; parâmetros escolhidos apenas com 2023 |
| Combinação | Ensemble ponderado pelo inverso do RMSE dos erros já conhecidos, por horizonte; Top3 recursivo do Banco Central como alternativa testada |
| Avaliação | Walk-forward com janela expansiva, alvos de jan/2024 a set/2026; Diebold-Mariano com correção HLN contra o Focus |
| Incerteza | Intervalos gaussianos com a dispersão dos erros passados, crescente no horizonte (WP 561 do BCB), calibrados no backtest; quantis nativos dos modelos avaliados por CRPS |
O que se encontrou
- IPCA do mês: o ensemble empata com o Focus no mês seguinte e erra até 9% menos de 2 a 12 meses à frente, sem diferença estatisticamente significativa.
- Onde o erro sobra: poucos preços explicam a maior parte — passagem aérea, gasolina e alimentos in natura no mês seguinte; energia elétrica a 3 meses. De 4 meses em diante, os preços administrados respondem por cerca de 60% do erro.
- Incerteza: os intervalos construídos com os erros passados ficam perto da cobertura nominal e superam as distribuições nativas dos modelos, que são largas demais. A correção de viés estimada em tempo real piorou a previsão.
Previsão atual e operação
A cada divulgação do IPCA, um único script refaz a coleta, roda os nove modelos só na origem nova, aplica os ajustes, recalcula o ensemble e os intervalos, atualiza o paper (com todos os números gerados a partir das saídas) e publica o dashboard. Cada rodada é gravada num registro que só recebe acréscimos: o histórico das previsões feitas em tempo real, separado do backtest.
O dashboard tem menus para a previsão atual (o IPCA do próximo mês e a trajetória do IPCA em 12 meses), o desempenho contra o Focus, a calibração da incerteza, a decomposição do erro por subitem e segmento, o registro das rodadas e a metodologia.
Ferramentas
Python (pandas, PyTorch e as bibliotecas de cada modelo), Quarto e LaTeX para o paper, Shiny for Python com plotnine no dashboard (shinyapps.io), e Claude Code como agente de desenvolvimento, com regras de projeto que proíbem número sem fonte e informação do futuro.
Pesquisa exploratória: amostra curta, parte do desenho definida depois de observar 2024–26. Não é recomendação de investimento.