[pt] Esta tese apresente duas contribuições para a modelagem e previsão de sinistros já ocorridos e ainda não avisados (Incurred But Not Reported – IBNR), quando organizados numa estrutura de dados conhecida como triângulo de run-off. Ambas as contribuições são baseadas em arcabouços gerais para a construção de modelos para séries temporais com coeficientes variantes no tempo. Em nossa primeira contribuição desenvolvemos a extensão multivariada do modelo em espaço de estado proposto por Atherino em 2008. A partir dessa extensão é possível modelas simultaneamente um ou mais triângulos de run-off associados às diversas coberturas de uma seguradora, levando-se em consideração a dependência entre os distintos triângulos, capturada pela estrutura da matriz variância – covariância do modelo SUTSE e a dependência entre as células de cada triângulo de run-off, capturada pelas componentes de nível e de periodicidade, de acordo com a proposta de atherino et al. (2010). Em nossa segunda contribuição desenvolvemos um arcabouço geral para a modelagem univariada de triângulos de run-off a partir da estruturas dos modelos GAS (Generalized Autoregressive Score) desenvolvidos por Creal at al. (2013). Esse arcabouço, bastante flexível, permite a escolha de qualquer distribuição para as entradas do triângulo run-off, considerando que os seus parâmetros variem ao longo período de origem ou de desenvolvimento. Em particular consideramos as distribuições gama e log-normal. Nossos resultados foram comparados com os obtidos através do método chain ladder (Mack, 1993), utilizado como benchmark na indústria de seguros. O teste Diebold e Mariano (1995) evidenciou que os modelos propostos geram melhores previsões, comparadas as previsões do método chain ladder. / [en] This thesis presents two contributions to the modeling and prediction of a type of claims in the insurance industry known as IBNR (Incurred But Not Reported) when these are organized in a data structure known as the run-off triangle. Both contributions are based on general frameworks for building models for time series with time varying coefficients. In our first contribution we developed the multivariate extension of the state space model proposed by Atherino in 2008. From this extension it is possible to model simultaneously one or more run-off triangles associated with different coverages from an insurer, taking into account the dependence between different triangles, captured by the structure of the variance-covariance matrix of the SUTSE model, while the dependence between the cells of each triangle run-off is captured by the components of level and periodicity according to the model proposed by Atherino (2008). In our second contribution we developed a general framework for univariate modeling of run-off triangles using the structure of GAS models (Generalized Autoregressive Score) developed by Creal et al. (2013). This framework, very flexible, allows one to choose any distribution to the inputs of the triangle run-off, considering that its parameters can vary over the period of origin or period of development. In particular we have considered both gamma and lognormal distributions. Our results were compared with those obtained by the chain ladder method (Mack, 1993) used as a benchmark in the insurance industry. The Diebold and Mariano test (1995) showed that the proposed models produced better predictions compared to the predictions of the chain ladder method.