[pt] O objetivo principal do trabalho é o estudo dos resultados obtidos com a aplicação de diferentes modelos para estimar a volatilidade das ações brasileiras. Foram analisadas as séries de retornos diários de seis ações, num período de 1200 dias de pregão. Inicialmente, as séries foram estudadas quanto a suas propriedades estatísticas: estacionariedade, distribuição incondicional e independência. Concluiu-se que as séries são estacionárias na média, mas não houve conclusão quanto à variância, nesta análise inicial. A distribuição dos retornos não é normal, por apresentar leptocurtose. Os retornos mostraram dependência no tempo, linear e, principalmente, não linear. Modelada a dependência linear, foram aplicados dez modelos diferentes para tentar capturar a dependência não linear através da modelagem da volatilidade: os modelos foram avaliados, dentro e fora da amostra, pelos seus resíduos e pelos erros de previsão. Os resultados indicaram que os modelos menos elaborados tendem a representar pior o processo gerador dos dados, mas que os modelos pouco parcimoniosos são de difícil estimação e seus resultados não correspondem ao que seria esperado em função de sua sofisticação. As volatilidades estimadas pelos dez modelos foram utilizadas para prever valor em risco (VaR), usando- se dois processos para determinar os quantis das distribuições dos resíduos: distribuição empírica e teoria de valores extremos. Os resultados indicaram que os modelos menos elaborados prevêem melhor o VaR. Isto se deve à não estacionariedade das séries na variância, que fica evidente ao longo do trabalho. / [en] This thesis aims to study the results of applying different models to estimate Brazilian stock volatilities. The models are applied to six series of daily returns, and each series has 1200 days. We studied first the series` main statistical features: Stationarity, unconditional distribution and independence. We concluded that the series are mean stationary, but there was no conclusion on variance stationarity, in this first analysis. Return distribution is not normal, because of the high kurtosis. Returns showed time dependence, linear and, mainly, not linear. We modeled the linear dependence, and then applied ten different volatility models, in order to try to capture the non linear dependence. We evaluated the different models, in sample and out of sample, by analyzing their residuals and their forecast errors. The results showed that the less sophisticated models tend to give a worst representation of the data generating process; they also showed that the less parsimonious models are difficult to estimate, and their results are not as good as we could expect from their sophistication. We used the ten models` volatility forecasts to estimate value-at-risk (VaR) and two methods to estimate the residual distribution quantiles: empirical distribution and extreme value theory. The results showed that the less sophisticated models give better VaR estimates. This is a consequence of the variance non stationarity, that became apparent along the thesis. / [es] EL objetivo principal del trabajo es el estudio de los resultados obtenidos con la aplicación dediferentes modelos para estimar la volatilidad de las acciones brasileras. Fueron analizadas series de retornos diários de seis acciones, en un período de 1200 días de pregón. Inicialmente, las series fueron estudiadas con respecto a sus propriedades estadísticas: estacionalidad, distribucción incondicional e independencia. Se concluye que las series son estacionarias en la media, pero no se llega a ninguna conclusión respecto a la varianza, en este análisis inicial. La distribucción de los retornos no es normal, ya que presenta leptocurtosis. Los retornos muestran dependencia en el tempo, lineal y, principalmente, no lineal. Después de modelar la dependencia lineal, se aplicaron diez modelos diferentes para intentar capturar la dependencia no lineal modelando la volatilidad: los modelos fueron evaluados, dentro y fuera de la amostra, por sus residuos y por los errores de previsión. Los resultados indicaran que los modelos menos elaborados tienden a representar peor el proceso generador de los datos, mientras que los modelos poco parcimoniosos son de difícil estimación y sus resultados no corresponden al que sería esperado en función de su sofisticación. Las volatilidades estimadas por los diez modelos se utilizaron para prever valor en riesgo (VaR), usando dos procesos para determinar los quantis de las distribuciones de los residuos: distribucción empírica y teoría de valores extremos. Los resultados indicaran que los modelos menos elaborados preveen mejor el VaR. Esto se debe a la no estacionalidad de las series en la varianza, que resulta evidente a lo largo del trabajo.

[pt] Esta tese de doutorado relaciona a estimação da diferenciação fracionária, como medida de memória longa, com o intervalo de tempo entre observações contíguas de uma série temporal. Em teoria, o grau de diferenciação é constante em relação à diminuição da freqüência de observação, não importando se para diminuir a freqüência de observação ignore-se as observações intermediárias ou agregue-se as observações temporalmente. Entretanto, para o caso de se obter séries amostradas a uma freqüência mais baixa através de se ignorar observações intermediárias, observamos nesta tese, através de simulações Monte Carlo, um corportamento diverso. Quando se amostra toda n-ésima observação de uma série, n>1, nota-se um considerável vício de estimação do grau de diferenciação (ou parâmetro de memória longa). O viés é em direção de zero, sendo positivo para valores negativos do parâmetro de memória longa e negativo para valores positivos do parâmetro de memória longa, d. Para valores positivos de d, o viés tem natureza aproximadamente quadrática, diminuindo para valores de d próximos de zero ou 0,5 e sendo mais intenso para valores em torno de 0,25. Para valores negativos de d, o viés é tal que a estimativa fica sempre bem próxima de zero, ou seja, é da magnitude de d. Ao considerarmos o efeito de aliasing (em que componentes de período menor que o intervalo de observação são observados como se tivessem freqüências mais baixas) conseguimos fórmulas heurísticas que explicam satisfatoriamente esse vício, produzindo resultados bastante semelhantes ao verificado nas simulações Monte Carlo. Por outro lado, se a diminuição na freqüência de observação é induzida por agregação temporal, não há vício considerável na estimação, como também mostramos atrvés de simulações Monte Carlo. Propõe-se nesta tese ainda uma maneira de melhorar a estimação da memória longa através da combinação de estimativas da série amostrada a diferentes freqüências. Em alguns casos, consegue-se reduções de até 30% no desvio-padrão da estimativa combinada em relação à original, sem causar viés significativo. / [en] This thesis investigates the relationship between the estimation of the fractional integration, as a measure of long memory, and the time interval between observations of a time series. In theory, the fractional integration is invariant to the frequency of observation. However, skip- sampling induces a considerable bias in the estimation, as shown by Monte Carlo simulations. The aliasing effect explains the bias and suggests formulas for it, which yield results very close to the simulated ones. On the other hand, temporal aggregation does not induce relevant bias to the long memory estimation. In addition, a combination of estimates from the same data sampled at different rates is proposed, achieving in some cases reduction of 30% in the root mean squared estimation error. / [es] Esta tesis de doctorado relaciona la estimación de la diferenciación fraccionaria, como medida de memoria prolongada, con el intervalo de tiempo entre observaciones contíguas de una serie de tiempo. En teoría, el grado de diferenciación es constante en relación a la disminución de la frecuencia de observación, sin importar que para disminuir la frecuencia de observación se ignoren las observaciones intermedias o se agreguen observaciones temporalmente. Sin embargo, en esta tesis se observa, a través de simulaciones Monte Carlo, un comportamiento diverso en el caso de obtener series muestreadas a una frecuencia más baja ignorando observaciones intermedias. Cuando se muestrea la n-ésima observación de una serie, n>1, se nota un considerable sesgo de estimación del grado de diferenciación (o parámetro de memoria longa). El sesgo está en dirección de cero, siendo positivo para valores negativos del parámetro de memoria prolongada y negativo para valores positivos del parámetro de memoria prolongada, d. Para valores positivos de d, el sesgo tiene una naturaleza aproximadamente cuadrática, disminuyendo para valores de d próximos de cero o 0,5 y siendo más intenso para valores en torno de 0,25. Para valores negativos de d, el sesgo es tal que la estimativa está siempre bien próxima de cero, o sea, es de la magnitude de d. Al considerar el efecto de aliasing (en que componentes de período menor que el intervalo de observación son observados como se tuvieran frecuencias más bajas) conseguimos fórmulas heurísticas que explican satisfactoriamente ese sesgo, produciendo resultados bastante semejantes a los obtenidos en las simulaciones Monte Carlo. Por otro lado, si la disminución en la frecuencia de observación se induce por agregación temporal, no hay sesgo considerable en la estimación, como también mostramos a través de simulaciones Monte Carlo. Se propone en esta tesis una forma de mejorar la estimación de la memoria prolongada a través de la combinación de estimativas de la serie amostrada a diferentes frecuencias. En algunos casos, se consiguen reducciones de hasta 30% en la desviación estándar de la estimativa combinada en relación a la original, sin causar sesgo significativo.

[pt] Segundo o INEP/MEC, nos últimos 20 anos, o número de matrículas da educação superior de graduação no Brasil cresceu mais de duas vezes, com uma taxa de crescimento anual verificada a partir de 2001 em torno de 5,7 por cento ao ano. Ainda segundo esta instituição, em 2008 houve o ingresso de 1.505.819 novos estudantes nos cursos presenciais, ao mesmo tempo em que 1.479.318 vagas não foram ocupadas, sendo que 54,6 por cento do total de vagas ofertadas pelo setor privado. Tendo em conta que São Paulo é o maior estado do Brasil, é muito importante que o Ministério da Educação tome conhecimento de como se dará a dinâmica da oferta de educação superior nos próximos 20 anos para que suas ações (políticas públicas, sobretudo) possam ser realizadas com êxito. O objetivo deste trabalho é aplicar modelagem estatística para estimar a oferta do ensino superior do Estado de São Paulo no período de 2015 a 2035, considerando dados da INEP de educação superior. A motivação para este trabalho é melhorar o planejamento da oferta de curso superior e fazer a replicação do modelo preditivo para outros estados do Brasil. A metodologia usada é modelagem estatística (modelos de regressão linear) e séries temporais (Holt). Como resultado, têm-se as áreas e/os cursos onde o governo federal deve investir no futuro aprimorando seu planejamento. / [en] According to INEP/MEC, in the last 20 years, the number of undergraduate higher education enrollments in Brazil has grown more than twice, with an annual growth rate of 5,7 percent per year since 2001. According to this institution, in 2008 there were 1.505.819 new students enrolled in presential courses, while 1.479.318 vacancies were not filled, with 54.6 percent of the total number of vacancies offered by the private sector. Given that São Paulo is the largest state in Brazil, it is very important that the Ministry of Education becomes aware of the dynamics of the offer of higher education in the next 20 years so that its actions (mainly public policies) can be successfully executed. The objective of this study is to apply statistical modeling to estimate the offer of higher education in the State of São Paulo in the period from 2015 to 2035, considering data from INEP about higher education. The motivation for this work is to improve the planning of the offer of higher education and to replicate the predictive model for other Brazilian states. The methodology used concerns statistical modeling (linear regression models) and time series (Holt). As a result, it is obtained the areas and/or courses where the federal government should invest in the future, improving its planning. / [es] Según el INEP/MEC, en los últimos 20 años, el número de matrículas de educación superior en Brasil creció más de dos veces, con una tasa de crecimiento anual verificada a partir de 2001 en torno al 5,7 por ciento por año. Según esta institución, en 2008 hubo un ingreso de 1.505.819 nuevos estudiantes en los cursos presenciales, al mismo tiempo que 1.479.318 vacantes no fueron ocupadas, siendo el 54,6 por ciento del total de vacantes ofrecidas por el sector privado. Dado que São Paulo es el mayor estado de Brasil, es muy importante que el Ministerio de Educación tome conocimiento de cómo se dará la dinámica de la oferta de educación superior en los próximos 20 años para que sus acciones (políticas públicas, sobre todo) puedan realizarse con éxito. El objetivo de este trabajo es aplicar modelos estadísticos para estimar la oferta de educación superior del Estado de São Paulo en el período de 2015 a 2035, considerando datos de INEP de educación superior. La motivación para este trabajo es mejorar la planificación de la oferta de curso superior y hacer replicación del modelo predictivo para otros estados de Brasil. La metodología utilizada es modelos estadístico (modelos de regresión lineal) y series tiempo (Holt). Como resultado, se tienen las áreas y/o cursos donde el gobierno federal debe invertir en el futuro mejorando su planificación.