[pt] Este trabalho tem como objetivo o estudo das séries de energia natural afluente (ENAs) por meio de modelos de memória longa, no intuito de gerar cenários hidrológicos sintéticos. Séries temporais com memória longa são definidas como séries que apresentam persistente dependência entre observações afastadas por um longo período de tempo. Inicialmente procedeu-se uma análise exploratória através da qual foi possível encontrar características de série temporais com longa dependência. Os modelos empregados nesta dissertação foram os SARFIMA (p,d.q)x(P,D.Q)s em que os parâmetros dˆ e Dˆ assumem valores fracionários, para que seja possível a incorporação de efeitos de longa dependência e/ou cíclicos. Também foi utilizada a técnica de computação intensiva bootstrap em diversas etapas, dentre elas a construção de um teste não paramétrico para significância dos parâmetros fracionários, assim como bootstrap nos resíduos do modelo para a geração de séries hidrológicas sintéticas. Para averiguar a adequabilidade dos cenários gerados, foram realizados testes estatísticos de igualdade de médias, igualdade de variâncias, testes de aderência e análise de sequências. Por meio destes, pode-se concluir que os modelos empregados nesta dissertação conseguiram reproduzir de maneira satisfatória o histórico disponível de ENAs. / [en] The aim of this thesis is to study the series of natural energy surging (NES) through long memory models, whose interest is to fit models capable of generating synthetic hydrological series. Time Series with long memory are defined as a series which have persistent dependence between observations separated by a long period of time. Firstly, we proceed to the exploration analysis where we found particulars of long memory time series. The models employed is this work were SARFIMA (p, d, q)x(P, D,Q)s where parameters d and D assume fractional values so as to incorporate long memory and/or cycles effects. It was also used a intensive computational technique called bootstrap in various stages, among them the construction of a non-parametric test for the significant of fractional parameters and the bootstrap in the residual models for generating synthetic hydrological series. In order verify the accuracy of the scenarios generated, statistical tests were performed for equal means, equal variance, adherence test and sequence analysis. Through these, we can conclude that the models used in this thesis could satisfactorily reproduce the history of natural energy surging available.

[pt] A previsão de carga é considerada uma poderosa ferramenta no controle e planejamento de sistemas elétricos. Um grande número de pesquisadores têm sugerido, recentemente, diversas técnicas para previsão de carga a curto prazo. Este trabalho estuda a aplicabilidade de modelos lineares. O trabalho pretende ser uma base para uma aplicação real de previsão. Os modelos foram desenvolvidos e testados com dados reais de carga de uma empresa de eletricidade situada no sudeste de Brasil. Todos os modelos são propostos para dados secionais, isto é, a série de carga de cada hora é estudada separadamte como uma série única. Esta abordagem evita a modelagem de padrões intra-dia (perfil da carga) complexos apresentados pela série de carga, que variam durante os dias da semana e nas estações. Três modelos são estudados, primeiro um modelo um modelo SARIMA ajustado por variáveis binárias DASARIMA, adotado como modelo de referência, o segundo um modelo em duas etapas que considera a existência de componentes determinísticos para modelar a tendência, a sazonalidade e os efeitos do calendário, denominado modelo autorregressivo sazonal em dois níveis - TLSAR; e o último um modelo de de memória longa generalizada ajustado por variáveis binárias - DAGLM. Os resultados dos ensaios mostraram que os modelos horários são bem apropriados para uma aplicação de previsão. Os erros de previsão, das duas últimas abordagens, são menores que os do modelo de referência, DASARIMA. O trabalho sugere que este tipo de modelos horários devem ser testados mais completamente a fim de fornecer uma opinião final sobre sua aplicabilidade. / [en] Load forecasting has been considered a powerful tool in managing and planning power systems. Several tecniques have been recently suggested for short-term load forecasting by a large number of researchers. This work studies the applicability of linear models in the area is intended to be a basis for a real forecasting application. The models were developed and tested on the real load data of a utility company located in the southeast of Brazil. All models are proposed for sectional data, that is, each hour's load is studied separately as a single series. This approach avoids modeling the intricate intra-day pattern (load profile) displayed by the load, wich varies throughout days of the week and seasons. Three models are studied, the first one a Dummy-Adjusted Seasonal Integrated Autoregressive Moving Average model - DASARIMA, acting as a benchmark, the second a two-step modeling that makes use of deterministic components to model trend, seasonality and calendar effects, called Two-Level Seasonal Autoregressive model - TLSAR; and the last one a Dummy-Adjusted Generalized Long Memory model - DAGLM. The test results showed that the hourly models are well suitable for forecasting application. The forecasting errors of the last two approaches were smaller than those of the DASARIMA benchmark. The work suggests that this kind of hourly models should be implemented in a through on-line testing in order to provide a final opinion on its applicability.

[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] volatilidade dos ativos financeiros reflete uma reação prosseguida dos agentes a choques no passado ou alterações nas condições dos mercados determinam mudanças na dinâmica da variável? Enquanto modelos fracionalmente integrados vêm sendo extensamente utilizados como uma descrição adequada do processo gerador de séries de volatilidade, trabalhos teóricos recentes indicaram que mudanças estruturais podem ser uma relevante alternativa empírica para o fato estilizado de memória longa. O presente trabalho investiga o que alterações nos mercados significam nesse contexto, introduzindo variações de preços como uma possível fonte de mudanças no nível da volatilidade durante algum período, com grandes quedas (ascensões) nos preços trazendo regimes persistentes de variância alta (baixa). Uma estratégia de modelagem sistemática e flexível é estabelecida para testar e estimar essa assimetria através da incorporação de retornos acumulados passados num arcabouço não-linear. O principal resultado revela que o efeito é altamente significante - estima-se que níveis de volatilidade 25% e 50% maiores estão associados a quedas nos preços em períodos curtos - e é capaz de explicar altos valores de estimativas do parâmetro de memória longa. Finalmente, mostra-se que a modelagem desse efeito traz ganhos importantes para aplicações fora da amostra em períodos de volatilidade alta. / [en] Does volatility reflect lasting reactions to past shocks or changes in the markets induce shifts in this variable dynamics? In this work, we argue that price variations are an essential source of information about multiple regimes in the realized volatility of stocks, with large falls (rises) in prices bringing persistent regimes of high (low) variance. The study shows that this asymmetric effect is highly significant (we estimate that falls of different magnitudes over less than two months are associated with volatility levels 20% and 60% higher than the average of periods with stable or rising prices) and support large empirical values of long memory parameter estimates. We show that a model based on those findings significantly improves out of sample performance in relation to standard methods {specially in periods of high volatility.

[pt] Nesta tese são desenvolvidos três ensaios que avaliam os riscos relativos a alguns países emergentes. No primeiro ensaio, por meio do uso de modelos da família GARCH, verificou-se que o aumento dos pesos relativos atribuídos às observações mais antigas em função do aumento do horizonte de previsão resulta em melhores estimativas de volatilidade. Por meio da utilização de sete modelos de previsão de volatilidade e séries de retornos de ativos do mercado financeiro brasileiro (ações de Petrobrás e Vale, índice Ibovespa, taxa de câmbio Real/Dólar, taxa de juros de 1 ano e taxa de juros de 3 anos de títulos de dívida do governo brasileiro emitidos em reais) compararam-se as estimativas obtidas na amostra (in-sample) com as observações fora da amostra (out-of-sample). Com base nesta comparação, constatou-se que as melhores estimativas de previsão de volatilidade foram obtidas, predominantemente, por dois modelos que permitem que seus parâmetros variem em função do horizonte de previsão: o modelo modificado EGARCH e o modelo ARLS. Concluiu-se que a utilização de modelos de previsão de volatilidade tradicionais, os quais mantêm inalterados os pesos relativos atribuídos às observações antigas e recentes, independente do horizonte de previsão, mostrou-se inapropriada. No segundo ensaio comparou-se os desempenhos dos modelos de memória longa (FIGARCH) e curta (GARCH) na previsão de value-at-risk (VaR) e expected shortfall (ES) para múltiplos períodos à frente para seis índices de ações de mercados emergentes. Utilizou-se, para dados diários de 1999 a 2014, uma adaptação da simulação de Monte Carlo para estimar previsões de VaR e ES para 1, 10 e 20 dias à frente, usando modelos FIGARCH e GARCH para quatro distribuições de erros. Os resultados sugerem que, em geral, os modelos FIGARCH melhoram a precisão das previsões para horizontes mais longos; que a distribuição dos erros pode influenciar a decisão de escolha do melhor modelo; e que apenas para os modelos FIGARCH houve redução do número de subestimações do VaR verdadeiro com o aumento do horizonte de previsão. Com relação ao terceiro ensaio, percebeu-se que aadministração de riscos é um assunto que há muito tempo já faz parte do dia-adia das instituições financeiras e não financeiras, todavia não é comum a utilização de métricas de risco na Administração Pública. Considerando a existência dessa lacuna e a importância do tema para uma adequada gestão dos recursos públicos, principalmente para países emergentes, esse terceiro ensaio teve como propósitos estimar, em um único valor, o risco de liquidez de um Órgão Público, a Marinha do Brasil, e identificar as fontes desse risco. Para isso, utilizou-se o exposure-based Cash-Flow-at-Risk (CFaR) model, o qual, além de resumir a estimação do risco de liquidez a um único valor, ajuda no gerenciamento desse risco pelo fornecimento de informações adicionais sobre a exposição do fluxo de caixa da organização a diversos fatores de risco. Usando dados trimestrais do período compreendido entre o primeiro trimestre de 1999 ao quarto trimestre de 2013, identificaram-se as taxas de câmbio real/dólar, dólar/libra, a taxa SELIC, a Necessidade de Financiamento do Setor Público e a taxa de inflação dos Estados Unidos como os fatores de risco macroeconômicos e de mercado que impactam o fluxo de caixa da Marinha, bem como se calculou seu CFaR com 95 por cento de nível de confiança para o período de um trimestre à frente. / [en] In this thesis we develop three essays on risk management in some emerging countries. On the first one, using models of the GARCH family, we verified that the increase in relative weights assigned to the earlier observations due to the increase of the forecast horizon results in better estimates of volatility. Through the use of seven forecasting models of volatility and return series of financial markets assets (shares of Petrobras and Vale, Bovespa index, exchange rate Real/Dollar, 1-year and 3 years interest rates of Brazilian Government bonds issued in Reais) the estimates obtained in the sample (in-sample) were compared with observations outside the sample (out-of-sample). Based on this comparison, it was found that the best estimates of expected volatility were obtained predominantly by two models that allow its parameters to vary depending on the forecast horizon: the modified EGARCH model (exponential generalized autoregressive conditional heteroskedastic) and the ARLS model proposed by Ederington and Guan (2005). We conclude that the use of traditional forecasting models of volatility, which keeps unchanged relative weights assigned to both old and new observations, regardless of the forecast horizon, was inappropriate. On the second essay we compared the performance of long-memory models (FIGARCH) with short-memory models (GARCH) in forecasting value-at-risk (VaR) and expected shortfall (ES) for multiple periods ahead for six emerging markets stock índices. We used daily data from 1999 to 2014 and an adaptation of the Monte Carlo simulation to estimate VaR and ES forecasts for multiple steps ahead (1, 10 and 20 days ), using FIGARCH and GARCH models for four errors distributions. The results suggest that, in general, the FIGARCH models improve the accuracy of forecasts for longer horizons; that the error distribution used may influence the decision about the best model; and that only for FIGARCH models the occurrence of underestimation of the true VaR is less frequent with increasing time horizon. Regarding the third essay, we realized that risk management is a subject that has long been part of the day-to-day activities of financial and nonfinancial institutions, yet the use of risk metrics is not common among public agencies. Considering this gap, and the importance of the issue for the proper management of public resources, the purpose of this third essay is to estimate, in a single value, the liquidity risk of a public agency, in this case, the Brazilian Navy, and to identify the sources of risk. To do this, the exposure-based Cash-Flow-at- Risk (CFaR) model has been developed, which, in addition to summarizing the liquidity risk estimation in a single value, helps in managing risk by providing additional information about the exposure of the organization s cash flow to various risk factors. Using quarterly data for the period between the first quarter of 1999 and the fourth quarter of 2013, the macroeconomics and market risk factors that impact the Navy s cash flow were identified. Moreover, the CFaR was calculated at a 95 percent confidence level for a period of one quarter ahead.