Neste trabalho estuda-se, por meio de simulação Monte- Carlo, a importância de duas restrições para a estimação e a previsão do Modelo Vetorial Autoregressivo - VAR, quais sejam: cointegração e características cíclicas comuns, relativas ao longo-prazo e ao curto-prazo, respectivamente. Cabe observar que as restrições cíclicas comuns de curto- prazo consideradas neste trabalho estão na forma fraca (Weak Form - WF), como definido por Hecq, Palma e Urbain (2006). Esta tese tem dois objetivos. O primeiro trata da investigação do desempenho de duas classes de critérios de informação para a seleção dos parâmetros do modelo. O primeiro critério, denotado por IC(p), refere-se ao critério tradicional, enquanto o segundo, denotado por IC (p, s), refere-se ao critério de seleção alternativo como proposto por Vahid e Issler (2002). Quanto aos segundo objetivo, a investigação avalia o desempenho da previsão de três modelos: i) modelo que considera as restrições de cointegração e do tipo WF; ii) modelo que apenas considera as restrições de cointegração e iii) modelo sem restrições. Os resultados indicam que o critério de informação alternativo, IC(p, s), apresenta desempenho superior ao modelo escolhido pelos critérios convencionais IC(p). Em relação ao desempenho da previsão, o modelo que considera as restrições de cointegração e do tipo WF apresenta desempenho predicativo superior.