Este artigo tem o objetivo de utilizar técnicas de aprendizado de máquina supervisionado recursivamente via Ridge, LASSO e Elastic Net para melhorar a regressão de Kitchen-Sink na previsão da taxa de câmbio entre o Real (BRL) e o dólar (USD). Para verificar a robustez do método foi feito uma combinação com preditores dos fundamentos macroeconômicos entre eles: paridade de juros descoberta, paridade do poder de compra, fundamentos monetários, regra de Taylor e Termos de Troca a fim de verificar seu poder explicativo em relação ao modelo de referência (Passeio Aleatório) no período dentro da amostra de 2002:01 a 2011:12 e fora da amostra de 2012:01 a 2022:12. Os resultados encontrados mostraram que o modelo eficiente de Kitchen-Sink não consegue prever estatisticamente /economicamente a taxa de câmbio. Por outro lado, apenas o preditor UIP apresentou um bom desempenho, superando o benchmark, além de promover ganho de utilidade ao investidor avesso ao risco cambial. Por fim, foi realizada uma análise de robustez em que os modelos foram estimados em subasmostras. Os resultados encontrados com a robustez confirmaram a acurácia da modelagem.
Complete tool for submission, evaluation and publication of proceedings for scientific events.
