Este projeto está em andamento. Descrições, métodos e resultados podem ser atualizados após novas validações.
Pergunta de pesquisa
Modelos globais de previsão, reconciliados de forma coerente na hierarquia município–UF–região–Brasil, preveem a geografia do Pix melhor do que modelos locais — e em quais territórios a previsão é menos confiável?
Motivação
O Pix mudou a economia dos pagamentos no Brasil em poucos anos, mas a adoção não foi uniforme no território. Prever seu volume por município importa para bancos, comércio e políticas de inclusão financeira, e a coerência entre níveis geográficos evita previsões locais que não somam ao total nacional.
Dados
- Estatísticas mensais do Pix por município (dados abertos do Banco Central do Brasil), nov/2020 em diante
- Malha municipal do IBGE e hierarquia município–UF–região–Brasil
Metodologia
- Geografia temporalmente estável e painel município-mês com hashes e metadados do snapshot
- Modelos globais de previsão avaliados por origem móvel (rolling origin) contra baselines
- Reconciliação hierárquica coerente e métricas de erro escaladas (MASE/RMSSE)
- Testes de quebras estruturais e análise de heterogeneidade da confiabilidade preditiva
Limitações
- Estágio inicial — extração, descritivas e quebras estruturais executadas; modelos globais ainda não estimados.
- A disponibilidade e o contrato da API do Banco Central são externos ao projeto; o snapshot usado no artigo será congelado com hash.
Implicações
- Previsões territorialmente coerentes para planejamento de serviços financeiros e políticas de inclusão.
Produtos aplicados previstos (possível extensão, sujeita a registro)
- Painel municipal de difusão do Pix e mapas de confiabilidade preditiva