[pt] A tese Filtros ótimos que conservam qualquer ordem de tendência aborda os fundamentos dos filtros simétricos de Henderson que estão inseridos no contexto de ajuste sazonal, mais especificamente nos métodos da família X11; desenvolve um filtro ótimo, baseado em técnicas do domínio da freqüência, utilizando hipóteses mais amplas que os filtros de Henderson; compara a performance dos dois filtros e propõe um método de ajuste sazonal baseado no filtro ótimo. / [en] The thesis Filtros ótimos que conservam qualquer ordem de tendência (Optimal Filters that Preserve Trend of Any Order), investigates the principles of the Henderson symmetric filters, which are inserted in the context of seasonal adjustment, specifically in the methods of the X11 family; it also develops optimal filters, based on techniques in the Frequency domain, using more general hypothesis than the ones for the Henderson filters; and compares the performance of the both filters and suggests a method of seasonal adjustment based on the optimal filter.

[pt] Esta tese tem como objetivo a comparação entre procedimentos para dessazonalização de séries temporais. As metodologias usadas serão a de Modelos Estruturais Clássicos e Bayesianos e a metodologia padrão de dessazonalização X11 ARIMA. Os dados utilizados são as 35 séries reais de índice de preços ao consumidor - IPC para a Região Metropolitana do Rio de Janeiro, fornecidas pelo Instituto Brasileiro de Geografia e Pesquisa - IBGE, no período de janeiro de 1991 até dezembro de 1997. Os pacotes computacionais utilizados no decorrer do trabalho são FORECAST PRO (X11 ARIMA0, STAMP (Estruturais Clássicos) e BATS (Estruturais Bayesianos). Além disso, foram também utilizadas séries simuladas com sazonalidade, para melhor analisar os resultados desejados. / [en] The aim of this thesis is a comparisson study among three existing procedures for seasonal adjustment of time series, namely: the tradicional X11 ARIMA and those based on the structural model formulation, i.e., the classical approach of A. Harvey and the Bayesian counterpart of Harrison and Stevens. The data used are 25 real time series of Consumer Price Index for Metropolitan area from Rio de Janeiro from 1991 to 1997, supllied by the Instituto Brasileiro de Geografia e Estatística - IBGE. The computacional packages used during the thesis were SPSS and FORECAST PRO (X11 ARIMA), STAMP (structural classical approach) and BATS (structural bayesian approach). Also, simulated seasonal data were to provide a better understanding of the procedures.