▼ 

[pt] Muito freqüentemente, as técnicas utilizadas na identificação de processos estocásticos conduzem a mais de um modelo passível de ser utilizado na caracterização do processo. O problema de escolher entre estes modelos é formulado como um problema de teste de hipóteses, e o teste de razão de verossimilhança é a ele aplicado. Considera-se então a situação particular onde se quer descrever processos de parâmetro discreto (séries temporais) através de modelos ARIMA (autoregressive Integrated Moving Average). O teste de razão de verossimilhança associado ao problema é então deduzido e implementado através do algoritmo de Kalman-Bucy. Comparações com um outro teste usualmente empregado na escolha de modelos para séries temporais mostram a superioridade do teste de razão de verossimilhança.

[en] Very often random process identification techniques lead to several prospective models to characterize the process. The problem of choosing among these models is cast as a hypothesis testing problem, to which a likelihood ratio test is applied. For the special situation in which a choice between two autoregressive integrated moving average models is to made, likelihood ratio is derived and afterwards implemented through the Kalman-Bucy algorithm. Comparisons with another procedure usually connected to time series model choices show likelihood ratio tests are definetely superior.

Advisors/Committee Members: JOSE PAULO DE ALMEIDA E ALBUQUERQUE.

▼ 

[pt] Este trabalho apresenta um modelo linear por partes chamado de modelo ARN. Trata-se de uma estrutura híbrida que envolve modelos autoregressivos e redes neurais. Este modelo é comparado com o modelo AR de coeficientes fixos e com a rede neural estática aplicada à previsão. Os resultados mostram que o ARN consegue identificar a estrutura não-linear dos dados simulados e que na maioria dos casos ele possui melhor habilidade preditiva do que os modelos supracitados.

[en] In this thesis we develop a piece-wise linear model named ARN model. Our model has a hybrid structure which combines autoregressive models and neural networks. We compare our model to the fixed-coefficient AR model and to the prediction static neural network. Our results show that ARN is able to find the non-linear structure of simulated data and in most cases it performs better than the methods mentioned above.

Advisors/Committee Members: ALVARO DE LIMA VEIGA FILHO.

▼ 

[pt] Esta dissertação apresenta um modelo não linear auto-regressivo com variáveis exógenas (ARX), para análise e previsão de séries temporais. Os coeficientes do modelo são estimados pela saída de uma rede neural feed-forward, treinada por um algoritmo híbrido de otimização. Os resultados obtidos são comparados tanto com modelos lineares, quanto com não lineares.

[en] This thesis presents a non linear autoregressive model with exogeneous variables (ARX), for time series analysis and forecasting. The coefficients of the model are given by the output of a feed-forward neural network. The results are compared with both linear and non linear models.

Advisors/Committee Members: ALVARO DE LIMA VEIGA FILHO.

▼ 

[pt] Essa dissertação aborda o comportamento da série de preços de uma commodity. Busca-se nessa pesquisa aplicar o modelo Box & Jenkins e verificar se este influencia a série de preços da commodity cobre. O estudo inicia-se com um histórico sobre esse mineral, posteriormente resgata-se a evolução dos trabalhos sobre esse tema e descreve-se detalhadamente esse modelo estatístico. Complementarmente ao estudo teórico, foi analisada uma série histórica de retornos de preços da commodity cobre com 19 anos de observações diárias do período entre 1990 e 2008, aplicando-se a metodologia Box & Jenkins. Foram realizados testes para normalidade, estacionaridade e auto-correlação, escolhendose os melhores modelos a serem utilizados. Ao final, conclui-se que os retornos da série de preços são influenciados pelos seus retornos passados, entretanto, baseando-se apenas nessa variável, o seu modelo de previsão a curto prazo tem performance apenas razoável.

[en] This paper studies the behavior of copper prices following the Box & Jenkins model. The dissertation aims to test the validity of this model in explaining the behavior of this commodity. Copper presents one of the most liquid contract among commodities which may increase the information within its price dynamics. This paper is structured as follows: the first section presents a brief historic evolution of copper prices; the second presents relevant previous papers on this matter; the third presents a deep description of the model used and; the fourth, the conclusion. The data set comprises 19 years of daily prices, between 1990 and 2008. Tests for normality, estacionarity and auto-correlation had been carried through, identifying the best models to be used. The paper concludes that past copper price returns partially explain the series future behavior. However, short term forecasting based only on this variable posts just modest performance.

Advisors/Committee Members: MARCELO CABUS KLOTZLE.

▼ 

[pt] Esta tese apresenta uma modelagem para séries temporais que possuem uma estrutura de autocorrelação que depende não somente do intervalo de tempo entre as observações, mas também do período observado. Esta modelagem consiste na combinação entre as metodologias de encolhimento wavelets e modelos auto-regressivos periódicos – PAR(p). As wavelets vêm sendo utilizadas na literatura de séries temporais como um procedimento auxiliar de préprocessamento da série em análise; e o modelo PAR(p) tem sua importância reconhecida devido ao seu emprego em séries hidrológicas mensais. Especificamente, no setor elétrico brasileiro, pode-se observar a predominância da energia de origem hidrelétrica. Uma das principais características das matrizes de energia com esta composição é a forte dependência do padrão de precipitação e das condições hidrológicas futuras, o que torna a série de vazão muito irregular e difícil de ser modelada. Portanto, a geração hidrelétrica pode ser considerada uma variável estocástica e pequenos avanços na modelagem estocástica de vazões permitem um melhor planejamento da operação do sistema. Assim, esta tese teve como objetivos obter melhores previsões e geração de cenários a partir do modelo PAR(p) e avançar na modelagem estocástica de vazões. Os principais resultados obtidos indicaram que a combinação das metodologias obteve melhor desempenho do que apenas a modelagem PAR (p), tanto em casos simulados, quanto no emprego a séries reais.

[en] This thesis presents an approach to modeling time series that have an autocorrelation structure that depends not only on the time interval between the observations, but the observed period. This approach consists of a combination between wavelet shrinkage and periodic autoregressive models – PAR(p). Wavelets have been used in the literature of time series as an auxiliary procedure for preprocessing the series under analysis, and the PAR(p) model has its importance recognized due to its use in hydrological series monthly. Specifically, in the Brazilian electricity sector, it is possible to observe the predominance of hydroelectric energy. One of the main characteristics of energy matrices with this composition is the strong dependence on rainfall patterns and future hydrological conditions, which turn the streamflow series very irregular and difficult to be modeled. Therefore, hydroelectric generation can be considered a stochastic variable and small advances in stochastic modeling of streamflows allow for better planning of the system´s operation. Thus, this thesis aimed to improve forecasting and scenario generation with the PAR(p) model and to contribute to stochastic modeling of flow. The main results indicated that the combination of methodologies achieves better results than only the PAR(p) modeling, both in simulated cases and in real time series.

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] O sistema de geração de energia elétrica do Brasil é hidrotérmico e de grande porte, com predominância de usinas hidrelétricas. O seu tamanho e características peculiares permitem considerá-lo único em todo o mundo. Conseqüentemente a coordenação de todo esse sistema é uma tarefa de extrema complexidade e, portanto, há a necessidade de um correto planejamento e operação para evitar ou amenizar problemas relacionados a segurança de suprimento. Neste contexto, esta dissertação estuda as condições que resultaram no racionamento de energia elétrica no ano de 2001 e no início de 2002, além dos seus efeitos no curto e médio prazo e posteriormente infere sobre um possível novo racionamento. Para isto foram realizadas previsões do consumo de energia, durante o período de crise e foi desenvolvida uma modelagem computacional para simular os seus efeitos. Para obter os indicativos do racionamento passado e inferir sobre um novo, foram realizadas simulações no Modelo Computacional de Otimização Hidrotérmica de Médio Prazo - NEWAVE, desenvolvido pelo CEPEL.

[en] The Brazilian electric energy generation system is a hydrothermal system of great size, with predominance hydroelectric plants. Its peculiar size and characteristics is the only one in the world. Consequently, its coordination is very complex and, therefore, it´s necessary the correct planning and operation to prevent or reduce problems related to supplement security. In this context, this work studies the conditions that resulted in the rationing of electric energy in 2001 and in the beginning of 2002, as well as the effect in the short term and the medium term and infers on a new rationing possible. For this, energy consumption estimations were done, during the period of crisis and was developed a computational modeling to simulate its effect. To get the indicative of the last rationing and to infer on a new one was done simulations in the Computational Model NEWAVE, developed by CEPEL.

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] O presente trabalho é inteiramente baseado na teoria de modelagem de series temporais, proposta por BOX & JENKINS em Time Series Analysis: Forecasting and Control. (1970). E dado ênfase ao problema de transformação e estimação de parâmetros, com vistas a previsão de series temporais. O trabalho apresenta um conjunto de programas para aplicação das técnicas desenvolvidas. Em particular é tratado o caso de uma serie hidrológica de vazões do Rio Grande, Brasil, nos últimos 40 anos.

[en] The present paper is totally based upon the theory of time series modeling, presented by BOX & JENKINS in Time Series Analysis: Forecasting and Control. (1970). Enphasis is given to the problem of tranformation and estimation of parameters, with the objective to forecast time series. This paper presents a set of programs for pratical applications of the techniques developped. The case of a hidrologic time series of inflows of Rio Grande, Brasil is included.

Advisors/Committee Members: JEAN PAUL GRAVIER.

▼ 

[pt] Neste trabalho apresenta-se o estudo de Previsões de demanda de Energia Elétrica utilizando séries temporais, particularmente a teoria devido a Box & Jenkins. Estuda-se um modelo já existente em uma das cidades proporcionando a hipótese de se estender a validade deste modelo, para cidade de mesmas características onde houver falta de dados. Os dados numéricos utilizados neste estudo são relativos à Centrais Elétricas Fluminense, (CELF).

[en] This paper presents a study of load previsions using chronological series, especially the theory of Box and Jenkins. One model is determined for a city and next a trial is made to extend the vality of this model to other cities with the same characteristics when there is a lack of data. The numerical data use in the work are those of CENTRAIS ELETRICAS FLUMINENSE (CELF).

Advisors/Committee Members: JEAN PAUL GRAVIER.

▼ 

[pt] Diversos resultados empíricos na área de séries temporais indicam que combinar previsores (experts) é, em média, melhor que tentar selecionar um único modelo de previsão. Na medida em que se decide por um esquema de combinação linear, há vários métodos disponíveis para determinar o quanto cada previsor deve contribuir para a resposta consensual, ou em outras palavras, quais devem ser os pesos dos previsores envolvidos. Em um primeiro momento, este trabalho explora o uso prático de diversos métodos tradicionais de ponderação para combinação linear de previsores. Em seguida, propõe um novo sistema para geração de pesos, especialmente projetado para a melhoria do desempenho nas previsões múltiplos passos a frente. O sistema, batizado de Ponderação Neural de Experts (NEW – Neural Expert Weighting), gera modelos de ponderação dinâmica baseados em redes neurais. As redes neurais oferecem a robustez necessária para a simulação de funções de ponderação de alto desempenho, derivadas de um ou mais métodos tradicionais de geração de pesos. O sistema NEW foi avaliado em diversos experimentos comparativos, contemplando 13 séries temporais divididas em dois estudos de casos – derivados do petróleo e competição NN3, uma competição entre metodologias de previsão baseadas em inteligência computacional. Os resultados obtidos foram considerados promissores.

[en] Several empirical results on the time series field indicate that combining forecasting models (experts) is, on average, better than selecting a single forecasting model. Once the linear combination framework is chosen, there are many ways to define the amount of contribution of each combining model to the consensual response; in other words, there are many possible weighting methods. At first, the present work explores the usage of traditional weight generation schemes for the linear combination of forecasters. Afterwards, it proposes a new weight generation framework, specially designed to improve multistep ahead forecasting. The framework, called Neural Experts Weighting (NEW), generates dynamic weighting models based on neural networks. The neural networks provide the desired robustness for the simulation of high performance weighting functions, derived from one or more traditional weighting methods. The NEW framework was assessed with several comparative experiments, encompassing 13 time series divided into two case studies – downstream and NN3 competition, a forecasting competition for computational intelligence methodologies. Results were considered to be promising.

Advisors/Committee Members: MARLEY MARIA BERNARDES REBUZZI VELLASCO.

▼ 

[pt] A vocação natural do Brasil para a hidroeletricidade fez com que o Sistema Interligado Nacional - SIN fosse desenvolvido com forte predominância de geração de origem hidroelétrica. Entretanto, ao se optar por uma base hidroelétrica há de se lidar com as significativas incertezas associadas às afluências futuras aos rios e, por extensão, a todas as bacias hidrográficas do país. Logo, a estrutura de produção de energia hidroelétrica do Brasil foi concebida de forma a minimizar os riscos associados ao comportamento aleatório das afluências. Para contemplar a estocasticidade das afluências no Planejamento da Operação do SIN, o Operador Nacional do Sistema Elétrico - ONS utiliza uma cadeia de modelos dentre os quais estão contidos o modelo de previsões de vazões determinísticas para o curto prazo, e os modelos de geração de cenários de afluências. Estes modelos fornecem insumos para que os modelos de otimização possam estabelecer as Estratégias e Políticas de Operação para o médio e curto prazo, considerando a volatilidade das afluências. Esta dissertação descreve os processos de séries temporais empregados no modelo de previsões determinísticas para o curto prazo e nos modelos de geração de cenários de afluências para o médio e curto prazo. Além disso, é apresentado um estudo de casos do Planejamento da Operação do SIN que avalia o acoplamento feito entre os modelos de otimização de médio e curto prazo através dos cenários hidrológicos de médio e curto prazo. Com esta análise, é possível verificar como o acoplamento entre os modelos de otimização pode impactar as Estratégias e Políticas de Operação para o médio e curto prazo.

[en] The natural vocation of Brazil for the hydroelectricity made the National Interconnected Electric System – NIS to be developed with strong predominance of hydroelectric origin creation. However, choosing for a hydroelectricity base you have to deal with significant uncertainness associated to the rivers inflows and all hydrographical basins of the country. Therefore, the production structure of Brazilian hydroelectric energy was created to minimize the risks associated to the random behavior of inflows. To contemplate the inflows stochasticity in the operation planning of NIS, the National Operator of the Electrical System - ONS uses a chain of models that contains a model of inflows forecasting for the short term, and a model to generate scenarios of inflows. These models provide inputs for the optimizations model can establish the strategies and policies for the operation of medium and short term, contemplating the volatility of inputs. This dissertation describes the time series processes used in the model of inflows forecasting for the short term and in the models to generate scenarios of inflows for the medium and short term. Moreover, this paper presents a study of cases of Operation Planning of the NIS that analyze the coupling made between the models for optimization of medium and short term through the hydrological scenarios for medium and short term. By this analysis, is…

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] Atualmente, uma tarefa muito importante na mineração de dados é compreender como extrair os dados mais informativos dentre um número muito grande de dados. Uma vez que todos os campos de conhecimento apresentam uma grande quantidade de dados que precisam ser reduzidas até as informações mais representativas, a abordagem das séries temporais é definitivamente um método muito forte para representar e extrair estas informações. No entanto nós precisamos ter uma ferramenta apropriada para inferir os dados mais significativos destas séries temporais, e para nos ajudar, podemos utilizar alguns métodos de medida de similaridade para saber o grau de igualdade entre duas séries temporais, e nesta pesquisa nós vamos realizar um estudo utilizando alguns métodos de similaridade baseados em medidas de distância e aplicar estes métodos em alguns algoritmos de clusterização para fazer uma avaliação de se existe uma combinação (método de similaridade baseado em distância / algoritmo de clusterização) que apresenta uma performance melhor em relação a todos os outros utilizados neste estudo, ou se existe um método de similaridade baseado em distância que mostra um desempenho melhor que os demais.

[en] Nowadays a very important task in data mining is to understand how to collect the most informative data in a very amount of data. Once every single field of knowledge have lots of data to summarize in the most representative information, the time series approach is definitely a very strong way to represent and collect this information from it (12, 22). On other hand we need to have an appropriate tool to extract the most significant data from this time series. To help us we can use some similarity methods to know how similar is one time series from another In this work we will perform a research using some distance-based similarity methods and apply it in some clustering algorithms to do an assessment to see if there is a combination (distance-based similarity methods / clustering algorithm) that present a better performance in relation with all the others used in this work or if there exists one distancebased similarity method that shows a better performance between the others.

Advisors/Committee Members: EDUARDO SANY LABER.

▼ 

[pt] Esta dissertação tem como objetivo mostrar o potencial da aplicação das ferramentas Previsão de Demanda e Simulação Computacional em uma unidade produtiva com administração de característica familiar, que não adota as modernas técnicas propostas por especialistas para a gestão da cadeia de suprimento. Para isso, foram abordados os conceitos e os aspectos fundamentais, bem como as principais etapas, os benefícios, as limitações e as dificuldades da utilização dessas ferramentas. Além disso, foi proposta uma metodologia que aumentou a precisão da Previsão de Demanda. Com os dados obtidos foi possível analisar o desempenho dos fluxos dos processos simulados, o que permite auxiliar na gestão dos recursos, levando-se em conta principalmente a variabilidade da demanda e as incertezas dos mercados. Nessas análises foram utilizados os softwares Statgraphics Centurion e Arena a fim de elaborar, respectivamente, os modelos de previsão de demanda e de simulação computacional para o estudo de caso proposto.

[en] This thesis aims to show the potential of the Demand Forecast and Computer Simulation techniques carried out in a manufacturing plant with family administration feature that does not use the modern techniques proposed by Supply Chain management experts. In order to study the subject; concepts, fundamental principles, important steps, advantages, limitations as well as the difficulties of using those tools were investigated. In addition, a new method was proposed which resulted in the improvement of the demand forecast accuracy. With the forecasted data, it was possible to analyze the performance of the simulated manufacture flows. Such procedures improved the management of resources while the demand variability and the uncertainties of markets were considered. The Statgraphics Centurion and Arena softwares were used in order to developed, respectively, models for Demand Forecast and Computer Simulation for the study proposed.

Advisors/Committee Members: MADIAGNE DIALLO, MADIAGNE DIALLO.

▼ 

[pt] A atenuação por chuva é a causa principal de indisponibilidade em enlaces terrestres de rádio operando em frequências acima de 10 GHz. Devido às condições adversas de propagação, técnicas de mitigação de desvanecimentos são necessárias. Para desenvolver e otimizar estas técnicas, é preciso conhecer a distribuição cumulativa de atenuação por chuva e o comportamento dinâmico do canal de propagação, em termos das estatísticas de duração de desvanecimentos e de fade-slope. Esta necessidade é preenchida pelo uso de séries temporais que introduzem a deterioração da propagação nos sistemas de simulação. Estas séries podem ser de dados experimentais ou dados sintetizados que considerem as características climatológicas da região do enlace e os parâmetros geométricos e de propagação do mesmo. Três modelos para sintetização de séries temporais de longo prazo de atenuação por chuva são apresentados e testados neste trabalho utilizando dados medidos em cinco enlaces terrestres operando na faixa de frequência de 15 GHz. O primeiro modelo foi originalmente desenvolvido para enlaces satélite em climas temperados enquanto o segundo é uma versão modificada, proposta neste trabalho para enlaces terrestres em áreas tropicais. O terceiro modelo é proposto neste trabalho com base numa modelagem estatística da atenuação por chuva através da distribuição Gamma. Séries temporais foram sintetizadas pelos três modelos e suas estatísticas foram comparadas com as estatísticas dos dados experimentais. Os três modelos apresentam bons resultados em diversas situações analisadas, mas o terceiro modelo proporciona resultados significativamente melhores para distribuições de atenuação e fade-slope.

[en] Rain attenuation is the main cause of unavailability in fixed terrestrial radio systems operating at frequency of above 10 GHz in tropical areas. Propagation impairments are expected to be quite severe in these regions. Due to these adverse propagation conditions, Fade Mitigating Techniques (FMT) are often needed. To design and optimize FMT, the knowledge of the cumulative distribution of rain attenuation and of the dynamic behavior of the propagation channel, as provided by fade durations and fade slope statistics, is required. This need can be fulfilled by the introduction of time series of propagation impairments in system simulation. If real data collected from propagation experiments are not available, typical fading time-series may be generated making use of climatologic characteristics as well as geometrical and radiowave parameters of the link. Three models for long-term rain attenuation time series synthesizers are presented and tested in this work using data measured in five terrestrial radio links operating at 15 GHz. The first one was originally developed for satellite systems in temperate climates whereas the second one is a modified version proposed in this work for terrestrial links in tropical areas. A third model is proposed in this work and is based on a different approach using the Gamma distribution. Time series were…

Advisors/Committee Members: LUIZ ALENCAR REIS DA SILVA MELLO.

▼ 

[pt] A previsão de séries temporais está presente em diversas áreas como os setores elétrico, financeiro, a economia e o industrial. Em todas essas áreas, as previsões são fundamentais para a tomada de decisões no curto, médio e longo prazo. Certamente, as técnicas estatísticas são as mais utilizadas em problemas de previsão de séries, principalmente por apresentarem um maior grau de interpretabilidade, garantido pelos modelos matemáticos gerados. No entanto, técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais no meio acadêmico, com destaque para as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (FIS). Muitos são os casos de sucesso de aplicação de RNAs, porém os sistemas desenvolvidos são do tipo caixa preta, inviabilizando uma melhor compreensão do modelo final de previsão. Já os FIS são interpretáveis, entretanto sua aplicação é comprometida pela dependência de criação de regras por especialistas e pela dificuldade em ajustar os diversos parâmetros como o número e formato de conjuntos e o tamanho da janela. Além disso, a falta de pessoas com o conhecimento necessário para o desenvolvimento e utilização de modelos baseados nessas técnicas também contribui para que estejam pouco presentes na rotina de planejamento e tomada de decisão na maioria das organizações. Este trabalho tem como objetivo desenvolver uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada na teoria de Sistemas de Inferência Fuzzy, em conjunto com a otimização de parâmetros por Algoritmos Genéticos, oferecendo uma interface gráfica intuitiva e amigável.

[en] The time series forecasting is present in several areas such as electrical, financial, economy and industry. In all these areas, the forecasts are critical to decision making in the short, medium and long term. Certainly, statistical techniques are most often used in time series forecasting problems, mainly because of a greater degree of interpretability, guaranteed by the mathematical models generated. However, computational intelligence techniques have been increasingly applied in time series forecasting in academic research, with emphasis on Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). There are many cases of successful application of ANNs, but the systems developed are black box, not allowing a better understanding of the final prediction. On the other hand the FIS are interpretable, but its application is compromised by reliance on rule-making by experts and by the difficulty in adjusting the various parameters as the number and shape of fuzzy sets and the window size. Moreover, the lack of people with the knowledge necessary for the development and use of models based on these techniques also restricts their application in the routine planning and decision making in most organizations. This work aims to develop a computational tool able to make forecasts of time series, based on the theory of Fuzzy Inference Systems, in conjunction with the optimization of…

Advisors/Committee Members: MARLEY MARIA BERNARDES REBUZZI VELLASCO.

▼ 

[pt] A previsão de movimentos futuros para o mercado de ações é conhecidamente uma tarefa difícil de ser satisfatoriamente realizada. Além disso, a própria possibilidade desta previsão é constantemente questionada na literatura. O estudo presente investiga se essa dificuldade poderia ser amenizada escolhendo janelas específicas de tempo, onde uma dinâmica mais evidente prevaleça, e se a identificação desses períodos pode ser aprendida através de dados passados. Um framework é proposto para tratar desses problemas. Esse framework é nomeado de Predictability Crawler (P-Craw). A proposta usa rotinas de otimização como o Particle Swarm Optimization (PSO) e Algorítimos Genéticos (GA) para selecionar sub-conjuntos de dados históricos onde modelos de aprendizado estatístico possam ser treinados de forma mais eficiente. Para validar a acurácia do método, este é testado em dois diferentes conjuntos de dados. Primeiro, simulações com diferentes níveis de ruído são geradas. Nelas, o P-Craw é capaz de identificar os subconjuntos ótimos em cenários com 20 por cento a 100 por cento de amostras previsíveis. Por fim, dados de transações intradiárias da bolsa de valores brasileira (BOVESPA) são agregados e processados uma matrix de variáveis de entrada e um vetor de previsões. Quando o P-Craw é testado contra o método usual de treinar os modelos em todo conjunto histórico disponível nos dados da BOVESPA, o framework é capaz de aumentar significativamente o número de vezes que o modelo acerta a direção do movimento do preço das ações, enquanto consegue chegar a reduzir em até 19 por cento o erro médio absoluto da tarefa.

[en] Predicting stock movements in the market its known to be an extremely difficult task. More than that, the predictability of the series itself is a controversial matter. The present study investigates if this difficulty could be alleviated by choosing specific windows of time where a more structured dynamic prevails, and whether the identification of those moments could be learned from past data. In order to do that, a novel framework is proposed. This framework is called the Predictability Crawler (P-Craw). It uses optimizations routines such as the Particle Swarm Optimization (PSO) or Genetic Algorithms (GA) to select subsets of historical data where statistical learning algorithms can be more efficiently trained. To access the accuracy of the method, it is tested against two different datasets. First, simulated data with varying percentage of noise is generated and used. In the simulations, The P-Craw is able to reliably identify the optimal subsets in scenarios ranging from 20 percent to 100 percent of predictable samples in the data. Second, intraday data from the Brazilian stocks exchange (BOVESPA) is collected and aggregated into feature and target matrices. When benchmarked against training with the whole samples in the BOVESPA data, the framework is able to significantly raise the correct directional changes of the trained models while reducing the Mean Absolute Error in up to 19 percent.

Advisors/Committee Members: MARLEY MARIA BERNARDES REBUZZI VELLASCO.

▼ 

[pt] Uma mudança de paradigma no mundo todo foi ocasionada pelo aumento da preocupação quanto ao uso de combustíveis fósseis usados como principal fonte de geração elétrica, a correspondente mudança climática e os danos ambientais crescentes. Nos últimos anos, a energia eólica apresentou um crescimento incessante como alternativa sustentável para a produção de eletricidade, o que pode ser observado a partir do crescimento de sua capacidade instalada mundialmente. O Brasil está entre os dez países que tem as maiores capacidades instaladas, e apresentou 9,42 por cento de geração de energia elétrica advinda da fonte eólica em 2019. No entanto, a aleatoriedade e a intermitência do vento são os maiores desafios na integração dessa fonte no sistema de energia. Diante deste contexto, esta pesquisa propõe a aplicação da técnica Singular Spectrum Analysis (SSA) como método de previsão para uma série de velocidade eólica no Brasil, fazendo uma análise comparativa de modelos SSA considerando diferentes horizontes de previsão e conjunto de treinamento para diferentes dias de previsão, com diferentes tamanhos de série temporal. Deste modo, é comparada a série temporal do ano todo com somente o último mês desta série para prever os últimos sete dias do mês de dezembro. Os resultados dessa aplicação mostram que para a maioria dos dias a utilização do ano todo como conjunto de treinamento obteve melhor desempenho, indicando que o uso da técnica SSA pode ser uma alternativa para séries temporais com uma grande quantidade de dados.

[en] A paradigm shift around the world was caused by increased concern about the use of fossil fuels used as the main source of electricity generation, the corresponding climate change and increasing environmental damage. In recent years, wind energy has shown steady growth as a sustainable alternative for electricity production, which can be seen from the growth of its installed capacity worldwide. Brazil is among the ten countries that have the largest installed capacities, and presented 9.42 percent of electricity generation from the wind source in the last year. However, wind randomness and intermittency are the biggest challenges in integrating this source into the energy system. In this context, this research proposes the application of the Singular Spectrum Analysis (SSA) technique as a forecast method for a series of wind speed in Brazil, making a comparative analysis of SSA models considering different forecast horizons and training set for different days forecast, with different time series sizes. In this way, the time series of the whole year is compared with only the last month of this series to forecast the last seven days of the month of December. The results of this application show that for most days the use of the whole year as a training set obtained better performance, indicating that the use of the SSA technique can be an alternative for time series with a large amount of data.

Advisors/Committee Members: FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA.

▼ 

[pt] A energia eólica é uma das alternativas mais promissoras para geração de energia elétrica, pois assegura a diversidade e segurança no fornecimento de energia e atende à necessidade premente de reduzir os níveis de emissão de gases poluentes. Na operação de sistemas elétricos com forte presença de geração eólica é fundamental prever com pelo menos um dia de antecedência os valores futuros (pelo menos horários) da veloci-dade do vento, pois assim pode-se avaliar a disponibilidade de energia para o próximo dia, uma informação útil no despacho das unidades geradoras e no controle do sistema elétrico. A proposta dessa dissertação objetiva especificamente desenvolver modelos de previsão de curto prazo da velocidade do vento, baseado em técnicas de inteligência artificial, modelo da rede neural artificial e neuro-fuzzy adaptativa (ANFIS) e um mode-lo Estatístico composto por um modelo de regressão harmônica e Box-Jenkins. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sis-tema Nacional de Dados Ambientais para o setor de energia). O desempenho dos mode-los rede neural, neuro-fuzzy (ANFIS) e modelo Estatístico são comparados nas previ-sões de 6 horas, 12 horas, 18 h e 24horas a frente. Os resultados obtidos mostram o me-lhor desempenho da modelagem ANFIS e encorajam novos estudos no tema.

[en] Wind power is one of the most promising options for power generation. It ensures the diversity and security of energy supply and meets the pressing need to reduce the levels of emission of polluting gases. In the operation of electrical systems with a strong presence of wind generation, it is essential to provide at least one day in advance the future values (at least hourly) of wind speed, so that we can assess the availability of energy for the next day, a useful information in the order of the generating units and electrical control system. The purpose of this dissertation aims to develop models spe-cifically to develop models to forecast short-term wind speed, based on artificial intelligence techniques, artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statistical model composed of a harmonic regression model and Box-Jenkins. For application of the methodology, the city of São João do Cariri (State of Paraíba), where a reference station of SONDA project (National Environmental Data for the energy sector) is located, was considered.To apply the methodology was consi-dered the city of the ray tracing model (State of Paraíba), which is located a station ref-erence design (National Environmental Data for the energy sector). The performance of artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statis-tical model are compared mixed forecasts of 6 hours, 12 hours, 18hours and 24 hours ahead. The results show the best performance of the ANFIS model and encourage fur-ther studies on the subject.

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] O Mercado Futuro adquire cada vez mais importância no cenário das Finanças Corporativas mundiais. O interesse principal das empresas neste segmento das finanças é a necessidade de proteção contra a volatilidade dos mercados financeiros. Neste sentido, uma das commodities mais negociadas é o petróleo. A dificuldade em precificar os contratos futuros do barril faz com que muitos modelos sejam criados para demonstrar a evolução dos preços ao longo do tempo. A utilização de processos estocásticos para representar possíveis trajetórias das séries temporais vem alcançando cada vez mais notoriedade, pois incorpora a aleatoriedade nas análises. O presente trabalho pretende testar a eficácia do modelo proposto na previsão do preço dos contratos futuros um passo à frente, ou seja, em estimar o preço para certa data na data imediatamente anterior. Neste sentido, o objetivo do estudo é coerente com o principal objetivo da análise de séries temporais que é construir modelos capazes de realizar previsões. Além disso, será estimado o preço à vista, variável a qual não é observável no mercado, e posteriormente serão confrontados os valores obtidos com uma proxy. O preço do mercado spot possui utilidade para os traders que necessitam obter o valor de um ativo que não é transacionado desta forma em bolsa. As estimativas dos parâmetros dos processos estocásticos serão feitas através de uma ferramenta estatística que passou a ser muito utilizada em modelos financeiros, o Filtro de Kalman. O procedimento consistirá em adotar um modelo de processo estocástico consagrado para uma série de preços de contratos futuros de uma commodity, estimando seus parâmetros e variáveis de estado com o Filtro, utilizando-o para previsão dos preços dos contratos futuros e para estimar o preço à vista, e posteriormente confrontando as estimativas e os valores reais coletados do mercado. Desta forma, se avaliará a capacidade do modelo em se adequar a novas mudanças estruturais na série. As ferramentas serão sempre explicitadas de maneira acessível, demonstrando cada passo tomado e sempre que possível fazendo paralelo com outros conhecimentos mais básicos.

[en] The Future Market is becoming increasingly important in the global scenario of Corporate Finance. The main interest in this segment of finance is the need of being protected against the volatility of financial markets. Accordingly, one of the most traded commodity is oil. Because of difficulty in determine the value of future contracts on oil barrel, many models were created to demonstrate the evolution of their prices over time. The use of stochastic processes to represent possible trajectories of the time series is reaching more and more notoriety because it incorporates the randomness in the analysis. This study seeks to test the effectiveness of the proposed model in predicting the price of future contracts one step ahead, i.e. to estimate the price for a certain date on the preceding date. Consequently, the objective of the study is consistent with the primary objective of time series…

Advisors/Committee Members: TARA KESHAR NANDA BAIDYA, TARA KESHAR NANDA BAIDYA.

▼ 

[pt] Desde 2001, quando ocorreu uma crise no setor energético brasileiro, o planejamento e, consequentemente, a previsão do consumo de energia a médio e longo prazo do consumo de eletricidade vem sendo prioridade. A Empresa de Pesquisa Energética, por meio do Plano Decenal de Energia e do Plano Nacional de Energia, é a responsável por publicar tais previsões, tendo como versão mais atual os horizontes de 2023 e 2050, respectivamente. Este trabalho tem como objetivo principal modelar e prever as séries de consumo através de duas abordagens, top down e bottom up. Para a primeira utiliza-se os métodos de suavização exponencial de Pegels e para a segunda, aplica-se, o modelo FORECAST-Residential, desenvolvido pelo Fraunhofer Institute. O modelo top down é o responsável por modelar e prever o consumo de energia elétrica do Brasil agregado e desagregado por classes de consumo, enquanto que o bottom up será utilizado somente nas séries do setor residencial, em cada região geográfica. Além da previsão com o melhor modelo dentro do histórico para o primeiro caso, para as técnicas Standard e Damped Pegels otimiza-se os hiperparâmetros a fim de ajustar cada um dos valores projetados com as pesquisas disponibilizadas pela EPE. Os resultados mostraram que com a abordagem top down foi possível prever o consumo de eletricidade até 2050 para todos os setores energéticos e ajustar os parâmetros para cada um dos casos propostos; e, com a abordagem bottom up, chegou-se a valores considerados prováveis para o setor residencial do Brasil. Finalmente, é possível concluir que todos os resultados aqui são muito promissores e dão direções para futuros aperfeiçoamentos.

[en] After the 2001 energy crises in Brazil, the energy sector priority has been the planning and consequently the forecast middle and long term energy consumption. The Energy Research Company (EPE for short) is in charge of publishing two official reports: The Ten Year Energy Planning and The National Energy Planning which contain, among other things, the forecast for longer lead times. In the present formulation these horizons are 2023 and 2050. This work aims to model and predict the consumption series with two approaches, top down and bottom up. The first uses Pegels exponential smoothing methods and for the second is applied the model FORECAST Residential, developed by the Fraunhofer Institute, Germany. The top-down model is responsible for modeling and predicting Brazil energy consumption aggregated and disaggregated by class of consumption, while the bottom up will be used only in the residential sector, but for each geographic region. In addition to the forecast with the best model in sample for the top down case, an optimization of the model hyper parameters is carried out in order to adjust each of the projected values with the figures provided by EPE. The results obtained show that with the top down approach it is possible to predict satisfactorily the electricity consumption up to 2050 for all energy sectors; and the bottom up approach produce forecasts very…

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] Investidores estão sempre à procura de uma vantagem. Porém, tradicionais teorias financeiras nos dizem que tentar predizer tendências na bolsa de valores é um esforço em vão, uma vez que seguem um passeio aleatório, i.e., um processo estocástico ou randômico. Além disso, afirma-se que o mercado é eficiente de maneira que sempre incorpora e reflete toda informação relevante, o que torna impossível bater o mercado. Recentemente, com o crescimento da web e aumento da disponibilidade de dados em conjunto com a evolução dos algoritmos de Aprendizado de Máquina, diversos trabalhos tem aplicado técnicas de Processamento de Linguagem Natural em notícias financeiras e dados de redes sociais para prever variações do preço de ações. Consequentemente, estão surgindo fortes evidências que o mercado pode, em algum grau, ser previsto. Este trabalho descreve o desenvolvimento de uma aplicação baseada em Aprendizado de Máquina para realizar a predição de tendências no mercado de ações, i.e., variações negativas, positivas ou neutras de preços com granularidade de minuto. Avaliamos o sistema usando dados de cotação de ações da B3 (Brasil Bolsa Balcão), antiga BM&FBOVESPA, e um dataset de tópicos mais relevantes buscados no Google Search e seus artigos relacionados, que são disponibilizados pela plataforma Google Trends e coletados, minuto a minuto, de 15/08/2016 até 10/07/2017. Os experimentos mostram que esses dados provêem informação relevante para a tarefa em questão, onde conseguimos uma acurácia de 69.24 porcento para a predição de tendências do ativo PETR4, criando alguma

[en] Investors are always looking for an edge. However, traditional economic theories tell us that trying to predict short-term stock price movements is wasted effort, since it approximate a random walk, i.e., a stochastic or random process. Besides, these theories state that the market is efficient enough to always incorporate and reflect all relevant information, making it impossible to beat the market. In recent years, with the growth of the web and data availability in conjunction with advances in Machine Learning, a number of works are using Natural Language Processing to predict share price variations based on financial news and social networks data. Therefore, strong evidences are surfacing that the market can, in some level, be predicted. This work describes the development of an application based on Machine Learning to predict trends in the stock market, i.e., positive, negative or neutral price variations with minute granularity. We evaluate our system using B3 (Brasil Bolsa Balcão), formerly BM&FBOVESPA, stock quotes data, and a dataset with the most relevant topics of Google Search and its related articles, provided by the Google Trends platform and collected, minute by minute, from 08/15/2016 to 07/10/2017. The experiments show that this data provides useful information to the task at hand, in which we achieve 69.24 per cent accuracy predicting trends for the PETR4 stock, creating some leverage to make profits possible with intraday…

Advisors/Committee Members: RUY LUIZ MILIDIU.

▼ 

[pt] A presente dissertação se insere no contexto da energia eólica, que é a fonte de energia que mais cresce na matriz elétrica brasileira, segundo dados da Empresa de Pesquisa de Energia (EPE), com projeções para que esse crescimento se mantenha. Com isso, a principal motivação do presente trabalho é o fato de que desenvolver e aplicar métodos de previsão cada vez mais precisos para as variáveis determinantes na produção de energia eólica em um aerogerador, como a velocidade do vento, é de crucial importância para o planejamento da operação do sistema elétrico nacional. Logo, o objetivo principal do trabalho é adaptar e aplicar uma metodologia de previsão de séries temporais em um banco de dados formado por medições de velocidade de vento. A metodologia se constrói a partir da análise exploratória dos dados, onde pode se observar características importantes, como estacionariedade na média e uma estrutura sazonal complexa, que envolve um ciclo diário e uma sazonalidade mensal. Com isso, foi adaptado um modelo de amortecimento exponencial com múltiplos ciclos que incorpora simulação de Monte Carlo e decomposição da série através do método TBATS, para realizar as previsões. Como resultados e conclusões, é possível observar que modelo adaptado se mostrou adequado para tratar o problema proposto, quando comparado com os modelos de previsão estabelecidos pela literatura, resultando em um aumento na precisão das previsões realizadas.

[en] This work is in the context of wind energy, which is the energy source that grows more in the Brazilian energy matrix, according to the Energy Research Company (EPE), with projections that this growth will continue. Thus, the main motivation of this work is the fact that developing and implementing increasingly precise forecasting methods for the key variables in the production of wind energy in a wind turbine, such as wind speed, is of crucial importance for planning of the national electric system operation. Therefore, the main objective of this work is to adapt and apply a time series forecasting methodology in a database formed by wind speed measurements. The methodology is built from the exploratory analysis of data, which can be observed important features such as stationary mean and a complex seasonal structure, which involves a daily cycle and monthly seasonality. Thus, it was adapted an exponential smoothing model that incorporates multiple cycles, Monte Carlo simulation and decomposition of the series through the TBATS method, to make forecasts. As results and conclusions, it is possible to observe that model adapted was adequate to address the proposed issue, compared with the forecast models established in the literature, resulting in an increase in the accuracy of forecasts made.

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] Séries temporais são ferramentas importantes para análise de eventos que ocorrem em diferentes domínios do conhecimento humano, como medicina, física, meteorologia e finanças. Uma tarefa comum na análise de séries temporais é a busca por eventos pouco frequentes que refletem fatos de interesse sobre o domínio de origem da série. Neste trabalho, buscamos desenvolver técnicas para detecção de eventos raros em séries temporais. Formalmente, uma série temporal A igual a (a1, a2,..., an) é uma sequência de valores reais indexados por números inteiros de 1 a n. Dados dois números, um inteiro t e um real d, dizemos que um par de índices i e j formam um evento-(t, d) em A se, e somente se, 0 menor que j - i menor ou igual a t e aj - ai maior ou igual a d. Nesse caso, i é o início do evento e j o fim. Os parâmetros t e d servem para controlar, respectivamente, a janela de tempo em que o evento pode ocorrer e a magnitude da variação na série. Assim, nos concentramos em dois tipos de perguntas relacionadas aos eventos-(t, d), são elas: - Quais são os eventos-(t, d) em uma série A? - Quais são os índices da série A que participam como inícios de ao menos um evento-(t, d)? Ao longo desse trabalho estudamos, do ponto de vista prático e teórico, diversas estruturas de dados e algoritmos para responder às duas perguntas listadas.

[en] Time series are important tools for the anaylsis of events that occur in different fields of human knowledge such as medicine, physics, meteorology and finance. A common task in analysing time series is to try to find events that happen infrequently as these events usually reflect facts of interest about the domain of the series. In this study, we develop techniques for the detection of rare events in time series. Technically, a time series A equal to (a1, a2,..., an) is a sequence of real values indexed by integer numbers from 1 to n. Given an integer t and a real number d, we say that a pair of time indexes i and j is a (t, d)-event in A, if and only if 0 less than j - i less than or equal to t and aj - ai greater than or equal to d. In this case, i is said to be the beginning of the event and j is its end. The parameters t and d control, respectively, the time window in which the event can occur and magnitude of the variation in the series. Thus, we focus on two types of queries related to the (t, d)-events, which are: - What are the (t, d)-events in a series A? - What are the indexes in the series A which are the beginning of at least one (t, d)-event? Throughout this study we discuss, from both theoretical and practical points of view, several data structures and algorithms to answer the two queries mentioned above.

Advisors/Committee Members: EDUARDO SANY LABER.

▼ 

[pt] O objetivo do presente trabalho é a geração de uma série mensal de carga elétrica livre das variações de calendário e de temperatura. Para tal, foram comparadas duas abordagens, uma totalmente empírica e outra híbrida com métodos empíricos e modelagens de regressão dinâmica, para identificar a mais adequada para a retirada desses ofensores. Os dados utilizados são provenientes de observações diárias de cada um dos quatro subsistemas que integram o Sistema Interligado Nacional (SIN), porém a ideia é produzir séries mensais do SIN e não apenas de cada um dos subsistemas. A série trimestral do PIB foi utilizada para decidir qual abordagem melhor ajustou os dados de Carga. A série mensal de carga ajustada do SIN será utilizada para subsidiar decisões, de compra e venda de energia nos leilões, das empresas distribuidoras de energia elétrica.

[en] This thesis proposes a method to generate monthly load series free of variations coming from two sources: calendar and temperature. Two approaches were considered, one totally empirical and another one called hybrid, as it use empirical procedure to remove the calendar effect and a dynamic regression type of model to remove the temperature effects. The data set used comes found to daily observations from each one of the four subsystems that form the SIN (Brazilian Integrated Grid). However the final task is to obtain a unique monthly series for the SIN and not only the four subsystems monthly series. The quarterly PIB series was used to check the performance of the two proposed methods. Such adjusted series are quite important tools to hold on the decision of acquisitions and dailes of energy in the energy audits.

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

This dissertation focuses on developing new statistical methods for analyzing and modeling financial time series. The first part of this dissertation discusses modeling of functional and distributional time series, assuming the series are driven by a finite dimensional underlying feature process. Functional time series are commonly observed in finance and difficult to model mainly due to high dimensionality. We instead focus on a low-dimensional latent feature process and connect it with the original functional time series through generalized state-space models. A state-space model assumes that observations are driven by an underlying dynamic state process and is widely used in many fields. We propose a generalized two-stage Sequential Monte Carlo (SMC) joint estimation framework to model functional time series driven by its feature process through state-space models and perform on-line estimations and predictions. In order to improve computation efficiency, we also implement parallel computing and re-design computation algorithms to integrate with non-linear optimization and SMC calculations. Two financial applications are presented to demonstrate the robustness and efficiency of our proposed framework. The first application aims to extract and model the daily implied risk neutral densities from observed call option prices. We view the underlying risk neutral density as a functional time series driven by its feature process and model it with a parametric mixed log-normal distribution through a state-space model. We conduct both simulation and empirical studies and compare prediction performance of our models with that of random walk models. Empirically, the proposed models improves prediction performance significantly. The second financial application studies daily cross-sectional distribution of 1000 largest market capitalization stock returns from year 1991 to year 2002. Similarly we view cross-sectional distribution as a functional time series driven by its feature process and model it with a four-parameter generalized skewed t-distribution. Using proposed two-stage SMC joint estimation framework, we build models separately for different market conditions, including the dot-com crisis. In both bearish and bullish markets, prediction performances of our models gain substantial improvement comparing with random walk models. The second part of dissertation presents a new portfolio optimization strategy for minimum variance portfolios with constraints on short-sale and transaction costs. Unlike traditional mean-variance theory, our method minimizes only the portfolio risk and uses analysts' consensus ratings to pre-screen stocks. An empirical study of S&P 500 stocks from year 1990 to year 2009 is conducted to demonstrate effectiveness. We show that portfolios constructed and optimized using our strategy deliver considerable improvement of performance in terms of Sharpe ratio comparing with benchmark portfolios and portfolios in past literatures.

Advisors/Committee Members: Chen, Rong (chair), Xiao, Han (internal member), Tan, Zhiqiang (internal member), Lin, Ming (outside member), School of Graduate Studies.

▼ In this dissertation work, I develop novel extensions of two classical techniques for the statistical analysis of dependencies in multivariate time series, namely vector autoregressive model (VAR) and coherence analysis. I demonstrate the utility of these methods to brain signals. I generalize the vector autoregressive model by embedding it in a mixed-effects framework to account for variability between subjects. The traditional VAR approach for exploring brain connectivity assumes that brain signals dependencies are identical across all subjects. Thus, it does not provide a proper framework to identify connectivity structures common across a group nor connectivity structures with high variability between subjects. My proposed mixed-effects VAR model overcomes these limitations. To generalize the coherence analysis, I developed the lagged coherence measure. In the signal processing literature, the notion of dual frequency coherence has been developed to explore oscillatory relationships between different frequencies across signals. I extended this concept of dual frequency coherence to lagged coherence. Using lagged coherence, I explored oscillatory relationships between different frequencies, at lagged time intervals between the components of time series. My proposed method can be utilized to investigate how brain oscillatory activity, at certain frequency in the current period of time, may predict brain oscillatory activity at another frequency, in the future period of time. Advisors/Committee Members: Gatsonis, Constantine (Director), Kim, Eunhee (Reader), Dickstein, Daniel (Reader), Ombao, Hernando (Reader).

▼ The focus of paper is to identify determinants of tax revenue in Ethiopia by using a secondary data and multiple variables regression model. The objective of the study was to identify determinants of tax revenue such sectors of economy like agriculture, industry and service, FDI, inflation rate, interest rate, per capita income and trade openness. A study is important to identify significant variables affecting tax revenue. The research approach adopted in this thesis includes series data set that consists of fifteen years. The time period covered was 1999/00 to 2013/14; this is primarily due to unavailability of organized data before the indicated period. Both descriptive statistics and econometric tools were employed to analyze and present the obtained data. The findings from this research provide evidence that, foreign direct investment to GDP percentage regression result shows negative significant, Industry sector in percentage of GDP positive and significant, Inflation negative but not significant, Per capita income has the positive sign which is significant, and saving interest rate have positive insignificant impact on tax revenue. The main conclusions drawn from this study are, foreign direct investment to GDP, Industry sector in percentage of GDP and Per capita income have significant impact on tax revenue. This paper recommends that inflation rate and saving interest rate are in significant variables affecting tax revenue. Advisors/Committee Members: Laxmikantham.p (PhD.) (advisor).

▼ 

[pt] A série temporal é a representação mais comum para a evoluçãao no tempo de uma variável qualquer. Em um problema de previsão de séries temporais, procura-se ajustar um modelo para obter valores futuros da série, supondo que as informações necessárias para tal se encontram no próprio histórico da série. Como os fenômenos representados pelas séries temporais nem sempre existem de maneira isolada, pode-se enriquecer o modelo com os valores históricos de outras séries temporais relacionadas. A estrutura formada por diversas séries de mesmo intervalo e dimensão ocorrendo paralelamente é denominada série temporal multivariada. Esta dissertação propõe uma metodologia de geração de um Sistema de Inferência Fuzzy (SIF) para previsão de séries temporais multivariadas a partir de dados históricos, com o objetivo de obter bom desempenho tanto em termos de acurácia de previsão como no quesito interpretabilidade da base de regras – com o intuito de extrair conhecimento sobre o relacionamento entre as séries. Para tal, são abordados diversos aspectos relativos ao funcionamento e à construção de um SIF, levando em conta a sua complexidade e claridade semântica. O modelo é avaliado por meio de sua aplicação em séries temporais multivariadas da base completa da competição M3, comparandose a sua acurácia com as dos métodos participantes. Além disso, através de dois estudos de caso com dados reais públicos, suas possibilidades de extração de conhecimento são exploradas por meio de dois estudos de caso construídos a partir de dados reais. Os resultados confirmam a capacidade do AutoMFIS de modelar de maneira satisfatória séries temporais multivariadas e de extrair conhecimento da base de dados.

[en] A time series is the most commonly used representation for the evolution of a given variable over time. In a time series forecasting problem, a model aims at predicting the series future values, assuming that all information needed to do so is contained in the series past behavior. Since the phenomena described by the time series does not always exist in isolation, it is possible to enhance the model with historical data from other related time series. The structure formed by several different time series occurring in parallel, each featuring the same interval and dimension, is called a multivariate time series. This dissertation proposes a methodology for the generation of a Fuzzy Inference System (FIS) for multivariate time series forecasting from historical data, aiming at good performance in both forecasting accuracy and rule base interpretability – in order to extract knowledge about the relationship between the modeled time series. Several aspects related to the operation and construction of such a FIS are investigated regarding complexity and semantic clarity. The model is evaluated by applying it to multivariate time series obtained from the complete M3 competition database and by comparing it to other methods in terms of accuracy. In addition knowledge extraction possibilities are explored through two case studies built from…

Advisors/Committee Members: RICARDO TANSCHEIT.

▼ 

[pt] Realizar previsões de preços no mercado de ações é uma tarefa difícil devido ao fato de o mercado financeiro ser um ambiente altamente dinâmico, complexo e caótico. Para algumas teorias financeiras, usar as informações disponíveis para tentar prever o preço de uma ação a curto prazo é um esforço em vão já que ele sofre a influência de diversos fatores externos e, em decorrência, sua variação assemelha-se à de um passeio aleatório. Estudos recentes, como (37) e (51), abordam o problema com modelos de predição específicos para o comportamento do preço de uma ação isolada. Neste trabalho, apresenta-se uma proposta para prever variações de preço tendo como base conjuntos de ações consideradas similares. O objetivo é criar um modelo capaz de prever se o preço de diferentes ações tendem a subir ou não a curto prazo, considerando informações de ações pertencentes a conjuntos similares com base em duas fontes de informações: os dados históricos das ações e as notícias do Google Trends. No estudo proposto, primeiramente é aplicado um método para identificar conjuntos de ações similares para então criar um modelo de predição baseado em redes neurais LSTM (long shortterm memory) para esses conjuntos. Mais especificamente, foram conduzidos dois experimentos: (1) aplicação do algoritmo K-Means para a identificação dos conjuntos de ações similares, seguida da utilização de uma rede neural LSTM para realizar as previsões, e (2) aplicação do algoritmo DBSCAN para a criação dos conjuntos seguida da mesma rede LSTM para prever as variações de preço. O estudo foi realizado em um conjunto com 51 ações do mercado acionário brasileiro, e os experimentos sugeriram que utilizar um método para criar conjuntos de ações similares melhora os resultados em aproximadamente 7 porcento de acurácia e f1-score, e 8 porcento de recall e precision quando comparados a modelos para ações isoladas.

[en] Predicting stock market prices is a hard task. The main reason for that is due to the fact its environment is highly dynamic, intrinsically complex and chaotic. The traditional economic theories tell us that trying to predict short-term stock price movements is a wasted effort because the market is influenced by several external events and its behavior approximates a random walk. Recent studies, such as (37) and (51), address this problem and create specific prediction models for the price behavior of an isolated stock. This work presents a proposal to predict price movements based on stock sets considered similar. Our goal is building a model to identify whether the price tends to bullishness or bearishness in the (near) future, considering stock information from similar sets based on two sources of information: historical stock data and Google Trends news. Firstly, the proposed study applies a method to identify similar stock sets and then creates a predictive model based on LSTM (long short-term memory) for these sets. More specifically, two experiments were conducted: (1) using the K-Means algorithm to identify similar stock sets and then…

Advisors/Committee Members: SERGIO COLCHER.

▼ 

[pt] A previsão de curto prazo, que envolve dados de alta frequência, é essencial para a confiabilidade e eficiência da operação do setor elétrico, fazendo com que a alocação da carga seja feita de forma eficiente, além de indicar possíveis distorções nos próximos períodos (dias, horas, ou frações de hora). A fim de garantir a operação energética, diversas abordagens têm sido empregadas com vistas à previsão de carga de energia a curto prazo. Dentre elas, pode-se citar os modelos híbridos de Séries Temporais, Lógica Fuzzy e Redes Neurais e o Método Holt-Winters com múltiplos ciclos que é a principal ferramenta utilizada atualmente. O HPA (Hierarchical Profiling Approach) é um modelo que decompõe a variabilidade dos dados de séries temporais em três componentes: determinística, estocástica e ruído. A metodologia é capaz de tratar observações únicas, periódicas e aperiódicas, e ao mesmo tempo, serve como uma técnica de pré-branqueamento. Este trabalho tem por objetivo implementar o HPA e aplicá-lo a dados de carga de energia elétrica de 15 em 15 minutos pra um estado da região Sudeste do Brasil. Também serão analisadas as previsões de curto prazo geradas pelo modelo para a série considerada, visto que a habilidade preditiva do HPA ainda é desconhecida para séries brasileiras. As previsões forneceram Coeficiente U de Theil igual a 0,36 e um Erro Percentual Absoluto Médio (MAPE, Mean Absolute Percentage Error) de 5,46%, o qual é bem inferior ao valor fornecido pelo Modelo Ingênuo usado para comparação (15,08%).

[en] Short-term forecast, which involves high frequency data, is essential for a reliable and efficient electricity sector operation, enabling an efficient power load allocation and indicating possible distortions in the coming periods (days, hours, or hour fractions). To ensure the operation efficiency, several approaches have been employed in order to forecast the short-term load. Among them, one can mention the hybrid models of Time Series, Fuzzy Logic and Neural Networks and Holt-Winters Method with multiple cycles, which is the main tool used today. The HPA (Hierarchical Profiling Approach) model decomposes the variability of time series data into three components: deterministic, stochastic and noise. The model is capable of modeling single, periodic and aperiodic observations, and at the same time function as a pre-whitening technique. This work aims to implement the HPA and to apply it in 15 in 15 minutes load data of a Brazil’s southeastern state, since the predictive ability of the HPA is still not known for the Brazilian series. The short-term forecasts estimated for the series considered are analyzed and provided a Theil-U Coefficient equal to 0.36 and a Mean Absolute Percentage Error (MAPE) of 5.46%, which is smaller than the value given by the Naive Model (15.08%).

Advisors/Committee Members: REINALDO CASTRO SOUZA.

▼ 

[pt] Um bom gerenciamento logístico otimiza as atividades de transporte aéreo offshore, tornando-as mais eficientes e diminuindo custos para o contratante. Uma série de decisões estratégicas, por exemplo a contratação de helicópteros e os investimentos em infraestrutura aeroportuária, são dependentes da previsão de demanda de passageiros. O presente trabalho analisou a demanda de transporte aéreo offshore da Petrobras para o Estado do Rio de janeiro, à luz das principais teorias de séries temporais hierárquicas, com o objetivo de identificar qual destas é mais adequada para um horizonte de previsão de doze meses à frente. Foram analisadas as estratégias de single-level approach (bottom-up e top-down), de reconciliação ótima (ordinary least squares e weighted least squares) e de minimização de traço (covariância da própria amostra e valendo-se do shrink estimator), todas utilizando como método de previsão base o amortecimento exponencial. Foram utilizados dados dos anos de 2014 até 2019 de todos os aeródromos usados pela Petrobras no Estado do Rio de Janeiro: Farol de São Tomé, Campos dos Goytacazes, Macaé, Cabo Frio e Jacarepaguá. Os resultados foram avaliados em três métricas distintas de acurácia: RMSE (Root Mean Square Error), MAPE (Mean Absolute Percentage Error) e MASE (Mean Absolute Scaled Error), sendo aplicados para os dois níveis existentes de agregação. Os resultados foram ranqueados para cada técnica, nas três métricas citadas anteriormente, sendo, então, consolidados através de uma média aritmética simples. Ao cabo, concluiu-se que o método de minimização de traço sample covariance é o mais preciso em termos globais.

[en] Good logistical management optimizes offshore air transport activities, making them more efficient and reducing costs for the contractor.A series of strategic decisions, such as hiring helicopters and investments in airport infrastructure are dependent on forecasting passenger demand. The present work consisted of analyzing the demand for Petrobras offshore air transport to the State of Rio de Janeiro, based on the main theories of hierarchical time series, with the objective of identifying which of these is more suitable for a twelve-month steps ahead forecast. The strategies of single-level approach (bottom-up and top-down), optimal reconciliation (ordinary least squares and weighted least squares) and trace minimization (sample covariance and shrink estimator) were analyzed, all using exponential smoothing as the basic forecasting method. Data from 2014 to 2019 were gathered for all aerodromes used by Petrobras in the State of Rio de Janeiro: Farol de São Tomé, Campos dos Goytacazes, Macaé, Cabo Frio and Jacarepaguá. The results were evaluated with three different metrics of accuracy: RMSE (Root Mean Square Error), MAPE (Mean Absolute Percentage Error) and MASE (Mean Absolute Scaled Error), applied to the two existing levels of aggregation. The results were ranked for each technique, in the three metrics mentioned above, and then consolidated using a simple arithmetic mean. The…

Advisors/Committee Members: FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA, FERNANDO LUIZ CYRINO OLIVEIRA.