Notas sobre projeção de contratação de operações de crédito

Abstract

O artigo aplica duas técnicas econométricas de projeção para contratações de operações de crédito do BNDES: suavização exponencial e vetores autorregressivos. Na primeira, o comportamento passado da série é a única referência para a projeção de seus valores futuros. Na segunda, são utilizadas outras informações - taxas e prazos dos financiamentos e variáveis macroeconômicas - na tentativa de obter maior acurácia das projeções. São estudados dois tipos de operação de financiamento: máquinas e equipamentos na modalidade automática e projetos de investimento na modalidade não automática. Conclui-se que os erros de projeção das operações automáticas são menores, independentemente do modelo utilizado, e que a formulação de vetores autorregressivos apresenta, em geral, menores erros de projeção em relação à suavização exponencial. O melhor desempenho relativo dos vetores autorregressivos acontece no horizonte de projeção de seis meses à frente.

The article compares two methods of forecasting - exponential smoothing and vector autoregression - applied to the credit concessions from BNDES. First we used the past behavior of the series as the only reference for the projection of its future values. Then we included other information - terms of financing and macroeconomic variables - in an attempt to obtain more accurate predictions. We discuss two types of financing operations: machinery and equipment (small operations managed by partner banks) and investment projects (mostly large investment projects analised by BNDES itself). The main conclusions are that vector autoregressions are better at forecasting than exponential smoothing and that the projection errors of machinery and equipment operations are smaller, regardless of the model used. The best relative performance of vector autoregressive happens in the forecast horizon of six months forward.