[pt] Este trabalho versa sobre previsão de reservas do tipo IBNR levando-se em conta uma ordenação diferente do triângulo de runoff incremental. Esta se dá por linhas empilhadas, originando, assim, uma série temporal univariada repleta de valores faltantes, cuja soma desses valores constitui o IBNR a ser estimado. Duas abordagens de estimação, inteiramente baseadas na teoria dos modelos em Espaço de Estado e do filtro de Kalman, são desenvolvidas, implementadas com dados reais de empresas seguradoras, e comparadas entre si e a outros métodos de estimação já consagrados na literatura atuarial. A primeira abordagem pauta-se no cálculo da matriz de covariâncias condicionais das componentes do IBNR, e a segunda é um processo de obtenção do IBNR por acumulação. Os resultados obtidos revelam, para as abordagens propostas, os seguintes pontos sumários: (i) plena eficiência e viabilidade computacional; (ii) sistemático ganho em termos de acurácia do IBNR estimado; e (iii) abrangência no que diz respeito às possibilidades de modelagem estatística dos dados de IBNR. / [en] This work deals with prediction of IBNR reserves under a different ordering of the non-cumulative runoff triangle. This is accomplished by stacking the rows, which results in a univariate time series with several missing values, whose corresponding sum is in fact the IBNR. Two estimation approaches, entirely based on state space methods and Kalman filtering, are developed, implemented with real data, and compared with some well established estimation methods for IBNR. The first approach consists in obtaining the conditional covariance matrix of the IBNR components, and the second tackles the IBNR estimation under an accumulation process. Three remarks emerge from the empirical results: (i)computational feasibility and efficiency; (ii)precision improvement for IBNR estimation; and (iii)flexibility in which concerns the IBNR modelling framework.

[pt] Os métodos de análise de séries temporais têm se revelado uma importante ferramenta de apoio à tomada de decisões, com importância crescente em um mundo cada vez mais globalizado. Esse fato pode ser ilustrado, entre muitos outros, através de um convênio firmado entre o CEPEL, o Núcleo de Estatística Computacional da PUC/RJ e a Eletrobrás, para se avaliar a utilidade dessas ferramentas nas etapas do planejamento do setor elétrico brasileiro. A metodologia em Espaço de Estado proporcionou o surgimento de duas importantes classes de modelos de previsão e análise de séries temporais completamente alternativas (os modelos estruturais e os modelos de inovações em espaço de estado), e, por isso, podem por vezes, causar dúvidas quando se fala em métodos de previsão em espaço de estado sem se especificar sobre qual das duas se está falando. Foi escolhido uma técnica específica e facilmente executável em softwares comerciais para cada classe de modelos: O desenvolvimento clássico de Harvey implementado no software STAMP, representando os modelos estruturais; e o desenvolvimento de Goodrich implementado no software FMP, representando os modelos de inovações. Essas técnicas estão tratadas de uma forma aprofundada, para proporcionar um melhor entendimento teórico das diferenças existentes entre ambas. Com o intuito de se avaliar a performance frente às outras técnicas existentes, são comparados os resultados das previsões entre as metodologias a partir de um sistema de comparação baseado nas estatísticas MAPE (Mean Absolute Percentage Error), RMSE (Root Mean Squared Error) e U-Theil. Para tanto são vistos sucintamente as técnicas: Alisamento Exponencial (Holt-Winters), Box & Jenkins e Redes Neurais. Todas as técnicas foram aplicadas aos dados de consumo de energia elétrica das 32 empresas concessionárias do setor no Brasil, além de comparadas com as previsões realizadas por essas concessionárias. A novidade deste trabalho para o projeto em andamento está na aplicação multivariada possível através da metodologia de Goodrich. / [en] The analysis of time series is, nowadays one of the most important tools in the decision making process, due mainly to the globalization of the world. As an illustration of that we can mention the recent contract signed between NEC/PUC-Rio and CEPEL/Eletrobrás, where time series techniques are to be used in the planning process of the brazilian sector. The state-space approach forms the basis of two important forecasting models to time series analysis the structural model and the state space innovation model. Because of that one finds it difficult to have a clear cut definition of either one of them. These two models formulation were implemented in comercial softwares: the structural model of A. Harvey in STAMP and the state space innovation of R. Goodrich in FMP. In order to check the perfomance of these state space approaches vis-à-vis the traditional forecasting techniques, it was used the following statistics: MAPE (Mean Absolute Percentage Error), RMSE (Root Mean Squared Error) and U-Theil. The traditional approaches used in the comparison were: Holt-Winters, Box & Jenkins and Backpropagation Neural Network. All the methods, included the state space ones were applied to the demand series of 32 electrical utilities which form the brazilian electrical distribution system. If was also attempted the multivariate state-space formulation of R. Goodrich which is included in FMP software.

[pt] Este trabalho consiste em se determinar técnicas de modelagem de bacias hidráulicas utilizando o conceito de espaço de estado, e escolha de um dos métodos que seja mais objetivo e prático para aplicação generalizando o estudo de Mendonza [1]. São estudados quatro métodos de obtenção do sistema em espaço de estado que são, método de expansão em frações parciais, programação interativa, modelo controlável e modelo observável. Pela característica de simplicidade de obtenção do modelo, foi escolhido este último que simplifica bastante a aplicação em bacias hidráulicas. Esta teoria é aplicada em seguida a duas bacias hidráulicas para obtenção dos modelos de sistema discretos em espaço de estado e são feitas simulações para as bacias do Rio Peixe e do Rio Grande. Os dados numéricos utilizados neste trabalho são hipotéticos. / [en] This thesis consists in determine moulding techiques of hydraulics basin using the state space representation, and choicing one of the most objective and practical methods for application, generalizing the study of Mendonza [1]. Are studied four methods for obtaining the system in state space which are, partial-fraction expansion method, interative programming, controllable model and observable model. By the simplicity characteristic to obtain the model, was chosen the last one to simplify enough the application in hydraulics basins. This theory is applied in sequence to two hydraulics basins for the obtaining of the models of discrete systems in state space and the simulations were done for the Rio do Peixe and Rio Grande basins. The numerical data used in this thesis are hypothetic.

[pt] No presente trabalho, é estudado por simulação o comportamento de um sistema de potência, constituído por duas áreas interligadas, diante da perda de geração em uma das áreas, utilizando-se técnicas de variáveis de estado, e considerando-se algumas não linearidades do mesmo. A partir do modelo representativo do sistema, [2], sob tratamento não linear, obtém-se um conjunto de equações, que representadas no espaço de estado, permitem a análise do comportamento do mesmo. O modelo que inclui o controlador do tipo integral, cujo objetivo é manter a freqüência gerada em 60 Hz, é de ordem doze, que após considerações de natureza simplificadora, se reduz à ordem seis. Determinam-se a seguir, os pontos de equilíbrio do sistema e, através do teorema de Liapunov, da estabilidade local, analisa-se a natureza dos mesmos. Como última etapa do trabalho, foi feita a simulação do modelo global do sistema, em computador digital, considerando-se diversas situações de perda de geração, caracterizando-se as áreas, por parâmetros diferentes, apresentando-se os resultados graficamente. / [en] In the present work, it is studied by simulation the dinamic behavior of a power system,constituted by two interconnected areas, in case of getting lost the power generation in one of two areas, by the use of technics in state variables and considering some non linearity of the system. Starting in the system representative model, [2], under non linear treatment, we can get a collection of equations that, if represented in the state space, will allow the analyse of its behavior. The model that include the controller of the integral type, which objective is to keep the generated frequency in 60 Hz, is of the order 12, that, after considerations of simplifyting nature, is reduced to the order six. The next step is to determine the balanced points of the system and by using the Liapunov`s theorem of the local stability, will be analysed the nature (Kind) of them. As the last step of the work, was made the simulation of the system global model using a digital computer and considering some types of generation lost situations, defining the areas by the use of different parameters and the results are shown graphically.

[pt] O presente trabalho tem como objetivo principal investigar por meio de simulação Monte Carlo algumas propriedades estatísticas dos modelos GARMA (Generalized Autoregressive Moving Average) para séries temporais de dados de contagem. Os modelos GARMA são uma extensão dos Modelos Lineares Generalizados de McCullagh e Nelder para situações de dados dependentes, caracterizando-se pela adição de um termo extra ao preditor linear, o qual passa a incorporar termos autoregressivos (AR) e de médias móveis (MA). As propriedades estatísticas investigadas foram às condições de estacionariedade dos modelos GARMA e os critérios de identificação da ordem (p,q) dos polinômios AR e MA que definem o modelo. Os resultados encontrados indicam que os critérios AIC BIC e Hannan-Quin utilizados foram razoavelmente eficazes na identificação da ordem dos modelos e que as condições de estacionariedade estabelecidas empiricamente em termo de restrições no espaço paramétrico são bastante complexas exigindo um estudo mais detalhado. Como objetivo secundário testamos os modelo GARMA em séries reais, ajustando os modelos GARMA- Poissson e GARMA-Binomial Negativa ao número de caso de poliomielite nos EUA e ao número de infartos do miocárdio no município do Rio de Janeiro. Os resultados indicam que os modelos foram capazes de explicar, de forma econômica, a variação destas séries. / [en] The main objective of this dissertation is to investigate, using Monte Carlo simulations, some statistical properties of GARMA (Generalized Autoregressive Moving Average ) models for time series of count data. GARMA models are extensions of the Generalized Linear Models to dependent data, in which autoregressive (AR) and/or moving average (MA) terms are incorporated into the linear predictor. The statistical properties targeted in our investigation were the model stationarity conditions and the identification criteria for selection of model orders, the lag structure (p,q) associated with the AR and MA terms. Our results suggest that AIC, BIC and Hann-Quinn criteria worked relatively well in identifying the model order, and that the conditions for stationarity established empirically in terms of parameter space restrictions were not totally conclusive, requiring further investigation. As a secondary objective we tested the model against real data, by fitting both a GARMA-Poisson and a GARMA-Negative Binomial to the series of number of cases of poliomyelitis on the US and the number of heart-attacks in Rio de Janeiro city. The results we found indicate that these models were able to explain, in a parsimonious way, the variation of both series.

[pt] Nesta Tese, eu me concentro em desenvolvimentos sobre o filtro de Kalman sujeito a restrições lineares gerais. Há essencialmente três tipos de contribuições: (i) provas alternativas para resultados previamente estabelecidos na literatura sobre o filtro de Kalman com restrições; (ii) resultados que presumidamente destacam aspectos teóricos e metodológicos para modelagens em espaço de estado sob restrições; e (iii) aplicações que parecem ser inéditas até então em finanças (análise de investimentos) e em macroeconomia, nas quais os métodos propostos são ilustrados e avaliados. No final, eu sugiro algumas extensões adicionais sobre o tema, as quais, novamente, dividem-se em teoria, métodos e aplicações. / [en] In this Thesis, I bring the attention to developments on Kalman filtering subject to general linear constraints. There are essentially three kinds of contributions: (i) new proofs for already established results within the restricted Kalman filtering literature; (ii) new results which are supposed to shed light on theoretical and methodological frameworks for linear state space modeling under linear restrictions; and (iii) applications that seem to be new in investment analysis and in macroeconomics, where the proposed methods are illustrated and evaluated. At the end, I suggest some further extensions in the subject, which, again, step into theory, methods and applications.

[pt] Esta dissertação discute o modelo de Volatilidade Estocástica (SV) estimado via metodologia Durbin & Koopman, chamada Verossimilhança de Monte Carlo( MCL). Comparou-se a cobertura condicional do valor em risco (VaR), deste modelo, com as do modelo GARCH(1,1) e SV estimado via Quasi Máxima Verossimilhança (QML). Os modelos foram estendindos a distúrbios Gaussiano e t-Student na equação da média. O desempenho dos modelos foi avaliado fora da amostra para retornos diários dos índices Ibovespa, S&P500, Nasdaq e Dow Jones. Para o critério de avaliação foi utilizado o teste de Christoffersen. Foram econtradas evidências empíricas de que o modelo SV estimado via MCL é tão eficiente quanto o modelo GARCH(1,1), em termos da cobertura condicional do VaR. / [en] This dissertation discusses the estimation of the Stochastic Volatility (SV)model using a Durbin and Koopman methodology called Monte Carlo Like-lihood (MCL). The conditional coverage of value at risk (VaR) of SV via MCL model was compared to the GARCH (1,1) model and to the SV model via Quasi Maximum Likelihood (QML) estimation. The models were extended to Gaussian and Student-t isturbances in the mean equation. The performances of the models were evaluated out-of-sample for daily returns on the Ibovespa, S&P500, Nasdaq and Dow Jones indexes. Christoffersen test were applied for the evaluation criteria. In terms of the VaR conditional coverage, empirical evidences indicate that the SV model via MCL estimation is as efficient as the GARCH (1,1) model.

[pt] Diferentes procedimentos têm sido propostos para a modelagem e previsão de séries temporais sendo que nos anos recentes muitos dos métodos mais importantes têm sido formulados na representação espaço de estado. A principal vantagem de tal abordagem é que se pode usar o Filtro de Kalman diretamente para, seqüencialmente, atualizar o vetor de estado. Apresentamos de forma sistemática a abordagem para a previsão de Séries Temporais não- Estacionárias formulada na representação de espaço de estado desenvolvida por P.Young. A novidade desta abordagem não está na natureza dos algoritmos recursivos, e sim na maneira como os hiperparâmetros são obtidos. Modelling and forecasting of Time Series have been approached in many different ways. Lately, the most important approaches have been formulated in a state space framework. The state space representation enables the state vector to be sequentially updated in time via the Kalman filter. In this dissertation, we present in a systematic way an approach to modelling and forecasting of non-stationary time series, formulated in state space terms, and due to P. Young. The novelty of this methodology is neither the nature fo the time series models nor the recursive algorithms, but on how the hyperparameters are estimated / [en] Modelling and forecasting of times Series have been approached in many different ways. Lately, the most important approaches have been formulated in a space framework. The state space representation enables the state vector to be sequencially updated in time via the Kalman filter. In this dissertation, we present in a systematic way an approach to modelling and forecasting of non-stationary time series, formulated in state space terms, and due to P. Young. The novelty of this methodology is neither the nature of the time series models nor the recursive algorithms, but on how the hyperparameteres are estimated