[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.

[pt] O presente trabalho trata da melhoria da estatí­stica-teste Multiplicador de Lagrange com distribuição qui-quadrado até ordem n (-1) , baseando-se na expansão de Harris (1985) e na melhoria obtida para os testes Escore, fornecida por Cordeiro e Ferrari (1991 e 1994), Apresentamos uma abordagem totalmente ambientada aos modelos estruturais de séries temporais, utilizando-se tais testes na detecção de ciclos. O trabalho apresenta também uma série de simulações comparando as performances destes testes aperfeiçoados com os tradicionalmente utilizados. / [en] The presente work discusses the improvement of the statistics-test Lagrange Multipliers with chi-squared distribution to order n (-1) , basing itself in Harris´ (1995) expansion and in the improvement for the score tests, furnished by Cordeiro and Ferrari (1991 and 1994). We present a totally adapted aproach to time series structural models, utilizing these tests in the cycles detection. The work aldo presents a serie simulations comparing the perfomances of these improved tests with the ones traditionally utilized.

[pt] Os métodos clássicos para estudo de valores extremos de séries temporais se apóiam nas chamadas distribuições de extremos. Uma alternativa é o método P.O.T. (Peaks Over Threshold), desenvolvido por hidrologistas, o qual estuda apenas os valores da série que excedem um dado patamar. Esses procedimentos são baseados em hipóteses restritivas. Nesse trabalho desenvolvemos modelos sobre extremos que podem ser utilizados em situações mais gerais. Eles são essencialmente modelos lineares dinâmicos com inferência Bayesiana, nos quais as observações têm um distribuição de extremos. Embora essas distribuições não sejam da famí­lia exponencial, toda a análise é feita explicitamente, sem aproximações numéricas. Tratamos ainda da construção de distribuições a priori não informáticas. Finalmente, a partir desses modelos retomamos problemas clássicos de previsão de extremos. / [en] The classical approaches for extreme values studies make use the so called Extreme Values Distribution. An alternative approach, known as P.O.T. (Peaks Over Threshold) developed by hydrologists considers only excedances over a given threshold value. All the existing approaches are in a sense, based on constrained hupothesis. In this thesis we developed forecasting models for extreme values that are dynamic linear model as the underlying formulation, and the Bayesian inference. Although the process observation follows an extreme values distribution and, therefore not a member of the exponential family, we were able to formulate explicitly the model with no use of numerical approximations throughout, Concerning the parameter priors, we use in the model formulation the Jeffery`s non informative prior.

[pt] Esta tese concentra-se essencialmente em modelos para análise e previsão de séries temporais vetoriais onde o comportamento sazonal é o foco principal, e no procedimento Bayesiano correspondente de estimação seqüencial. A estrutura básica do modelo multivariado proposto, não- linear, de crescimento sazonal multiplicativo para séries temporais, consiste de uma componente de tendência localmente linear para cada série individual e uma única componente sazonal, multiplicativa, compartilhada por todas as séries marginais. O procedimento de estimação seqüencial baseia-se em aproximações analíticas que viabilizam uma análise conjugada, representando uma extensão não-linear do algoritmo apresentado em Barbosa and Harrison (1992) para modelos lineares dinâmicos multivariados. Detalhes do modelo proposto e sua implementação são apresentados, assim como exemplos da aplicação do método, com dados simulados e reais. Para os dados reais, escolheu-se os valores do consumo de energia elétrica no Brasil, cuja metodologia de previsão adotada pelas empresas de energia também faz parte deste trabalho. / [en] This thesis is essentially devoted to models for analysis and forecasting of vector time series, where the seasonal behavior is the main focus, and a Bayesian procedure of sequential estimation is adopted. The basic structure of the non-linear multivariate model, of seasonal growth multiplicative for time series, consists of a locally linear trend component for each individual series and a shared multiplicative seasonal component common to all marginal series. The procedure of sequential estimation is based on analytic transformations to obtain a conjugate analysis, representing a non-linear extension of the algorithm by Barbosa and Harrison (1992) for multivariate dynamic linear models. Details of the proposed procedure and of the implementation are shown, as well examples of the application of the method, with simulated and real data. For real data, the brazilian electricity demand values were chose. The forecasting methodology adopted by the energy companies is also present in this work.

[pt] A vocação natural do Brasil para a hidroeletricidade fez com que o Sistema Interligado Nacional - SIN fosse desenvolvido com forte predominância de geração de origem hidroelétrica. Entretanto, ao se optar por uma base hidroelétrica há de se lidar com as significativas incertezas associadas às afluências futuras aos rios e, por extensão, a todas as bacias hidrográficas do país. Logo, a estrutura de produção de energia hidroelétrica do Brasil foi concebida de forma a minimizar os riscos associados ao comportamento aleatório das afluências. Para contemplar a estocasticidade das afluências no Planejamento da Operação do SIN, o Operador Nacional do Sistema Elétrico - ONS utiliza uma cadeia de modelos dentre os quais estão contidos o modelo de previsões de vazões determinísticas para o curto prazo, e os modelos de geração de cenários de afluências. Estes modelos fornecem insumos para que os modelos de otimização possam estabelecer as Estratégias e Políticas de Operação para o médio e curto prazo, considerando a volatilidade das afluências. Esta dissertação descreve os processos de séries temporais empregados no modelo de previsões determinísticas para o curto prazo e nos modelos de geração de cenários de afluências para o médio e curto prazo. Além disso, é apresentado um estudo de casos do Planejamento da Operação do SIN que avalia o acoplamento feito entre os modelos de otimização de médio e curto prazo através dos cenários hidrológicos de médio e curto prazo. Com esta análise, é possível verificar como o acoplamento entre os modelos de otimização pode impactar as Estratégias e Políticas de Operação para o médio e curto prazo. / [en] The natural vocation of Brazil for the hydroelectricity made the National Interconnected Electric System – NIS to be developed with strong predominance of hydroelectric origin creation. However, choosing for a hydroelectricity base you have to deal with significant uncertainness associated to the rivers inflows and all hydrographical basins of the country. Therefore, the production structure of Brazilian hydroelectric energy was created to minimize the risks associated to the random behavior of inflows. To contemplate the inflows stochasticity in the operation planning of NIS, the National Operator of the Electrical System - ONS uses a chain of models that contains a model of inflows forecasting for the short term, and a model to generate scenarios of inflows. These models provide inputs for the optimizations model can establish the strategies and policies for the operation of medium and short term, contemplating the volatility of inputs. This dissertation describes the time series processes used in the model of inflows forecasting for the short term and in the models to generate scenarios of inflows for the medium and short term. Moreover, this paper presents a study of cases of Operation Planning of the NIS that analyze the coupling made between the models for optimization of medium and short term through the hydrological scenarios for medium and short term. By this analysis, is possible realize how the coupling between the models of optimization can impact the strategies and policies for the operation of medium and short term.

[pt] Esta tese apresenta uma nova classe de modelos não lineares inspirada no modelo ARN, apresentado por Mellem, 1997. Os modelos definidos nesta classe são aditivos com coeficientes variáveis modelados por redes neurais e, tanto a média quanto a variância condicionais, são modeladas explicitamente. Neste trabalho podem ser identificadas quatro partes principais: um estudo sobre os modelos mais comuns encontrados na literatura de séries temporais; um estudo sobre redes neurais, focalizando a rede backpropagation; a definição do modelo proposto e os métodos utilizados na estimação dos parâmetros e o estudo de casos. Modelos aditivos têm sido escolha preferencial na modelagem não linear: paramétrica ou não paramétrica, de média ou de variância condicional. Além disso, tanto a idéia de modelos de coeficientes variáveis quanto a de modelos híbridos. que reúnem paradigmas diferentes, não é novidade. Por esta razão, foi traçado um panorama dos modelos não lineares mais encontrados na literatura de séries temporais, focalizando-se naqueles que tinham relacionamento mais estreito com a classe de modelos proposta neste trabalho. No estudo sobre redes neurais, além da apresentação de seus conceitos básicos, analisou- se a rede backpropagation, ponto de partida para a modelagem dos coeficientes variáveis. Esta escolha deveu- se à constatação da predominância e constância no uso desta rede, ou de suas variantes, nos estudos e aplicações em séries temporais. Demonstrou-se que os modelos propostos são aproximadores universais e podem ser utilizados para modelar a variância condicional de uma série temporal. Foram desenvolvidos algoritmos, a partir dos métodos de mínimos quadrados e de máxima verossimilhança, para a estimação dos pesos, através da adaptação do algoritmo de backpropagation à esta nova classe de modelos. Embora tenham sido sugeridos outros algoritmos de otimização, este mostrou-se suficientemente apropriado para os casos testados neste trabalho. O estudo de casos foi dividido em duas partes: testes com séries sintéticas e testes com séries reais. Estas últimas, normalmente, utilizadas como benchmarking por analistas de séries temporais não lineares. Para auxiliar na identificação das variáveis do modelo, foram utilizadas regressões de lag não paramétricas. Os resultados obtidos foram comparados com outras modelagens e foram superiores ou, no mínimo, equivalentes. Além disso, é mostrado que o modelo híbrido proposto engloba vários destes outros modelos. / [en] A class of nonlinear additive varyng coefficient models is introduced in this thesis, inspired by ARN model, presented by Mellem, 1997. the coefficients are explicitly modelled. This work is divided in four major parts: a study of most common models in the time series literature; a study of neural networks, focused in backpropagation network; the presentation of the proposed models and the methods used for parameter estimation: and the case studies. Additive models has been the preferencial choice in nonlinear modelling: idea of varyng coefficient and of hybrid models, aren`t news. Hence, the models in the time series literature were analysed, assentialy those closely related with the class of models proposed in this work. Sinse the predominance and constancy in the use of backpropagation network, or its variants, in time series studies and applications, was confirmed by this work, this network was analyzed with more details. This work demonstrated that the proposed models are universal aproximators and could model explicity conditional variance. Moreover, gradient calculus and algorithms for the weight estimation were developed based on the main estimation methods: least mean squares and maximum likelihood. Even though other gradient calculus and otimization algorithms have been sugested, this one was sufficiently adequate for the studied cases. The case studies were divided in two parts: tests with synthetic series and for the nonlinear time series analysts. The obtained results were compared with other models and were superior or, at least, equivalent. Also, these results confirmed that the proposed hybrid model encompass several of the others models

[pt] O bootstrap de B. Efron, que não poderia ser imaginado sem os computadores de hoje, pode resolver vários problemas livre da suposição de Gaussianidade para os dados. Este trabalho tem o objetivo de apresentar essa técnica computacionalmente intensiva no contexto de Séries temporais - Metodologia Box and Jenkins. Como se sabe essa Metodologia possui alguns resultados assintóticos. Então, na fase da identificação da estrutura do modelo, pode apresentar problemas em regiões do espaço paramétrico aqui determinadas,. O bootstrap é proposto como opção e um estudo de simulação, comparativo, é apresentado. Constrói- se a distribuição bootstrap da autocorrelação e autocorrelação parcial, amostrais, e ainda a distribuição bootstrap do estimador de MQNL dos coeficientes de modelos ARMA (p, q). consequentemente, fica disponí­vel medida não- paramétrica da precisão da estimativa. O estudo de simulação que aborda o estimador de MQNL dos coeficientes enfoca, basicamente, a região de fronteira da estacionariedade e inversibilidade. / [en] The bootstrap of B. Efron, what should not be imagined without fast andcheaper computation, can solve several problems free from assumption that the data conform to a bell-shaped curve. This work has the aim to present this computer-intensive technics in the context of Time Series - Box and Jenkins´s Methodology. As we know this methodology own some asymptotic results. Then in the identification stage of the structure of the model it may present some troubles on regions of the parametric space, as we show later on the bootstrap is proposed as an aption and a comparative simulation study is pointed out. We build up the bootstrap distribution of the sample autocorrelation and sample partial autocorrelation, and yet a bootstrap distribution to the non-linear LS estimator of the coefficients to the ARMA (p,q) model. As a consequence we get the non- parametric measure of the accuracy of the estimates. The study of simulation wich takes into account the non-linear LS estimato to the coefficients, actually focalize the borden of the stationarity and invertibility region.

[pt] Esta dissertação investiga a utilização de Redes Neurais Artificiais (RNAs) na previsão de séries temporais, em particular de séries financeiras, consideradas uma classe especial de séries temporais, caracteristicamente ruídos e sem periodicidade aparente. O trabalho envolve quatro partes principais: um estudo sobre redes neurais artificiais e séries temporais; a modelagem das RNAs para previsão de séries temporais; o desenvolvimento de um ambiente de simulação; e o estudo de caso. No estudo sobre Redes Neurais Artificiais e séries temporais fez-se um levantamento preliminar das aplicações de RNAs na previsão de séries. Constatou-se a predominância do uso do algoritmos de retropropagação do erro para o treinamento das redes, bem como dos modelos estatísticos de regressão, de médias móveis e de alisamento exponencial nas comparações com os resultados da rede. Na modelagem das RNAs de retropropagação do erro considerou-se três fatores determinantes no desempenho da rede: convergência, generalização e escalabilidade. Para o controle destes fatores usou-se mecanismos como; escolha da função de ativação dos neurônios - sigmóide ou tangente hiperbólica; escolha da função erro - MSE (Mean Square Error) ou MAD (Mean Absolutd Deviation); e escolha dos parâmetros de controle do gradiente descendente e do temapo de treinamento - taxa de aprendizado e termo de momento. Por fim, definiu-se a arquitetura da rede em função da técnica utilizada para a identificação de regularidades na série (windowing) e da otimização dos fatores indicadores de desempenho da rede. O ambiente de simulação foi desenvolvido em linguagem C e contém 3.600 linhas de códigos divididas em três módulos principais: interface com o usuário, simulação e funções secundárias. O módulo de interface com o usuário é responsável pela configuração e parametrização da rede, como também pela visualização gráfica dos resultados; módulo de simulação executa as fases de treinamento e testes das RNAs; o módulo de funções secundárias cuida do pré/pós-processamento dos dados, da manipulação de arquivos e dos cálculos dos métodos de avaliação empregados. No estudo de caso, as RNAs foram modeladas para fazer previsões da série do preço do ouro no mercado internacional. Foram feitas previsões univariadas single e multi-step e previsões multivariadas utilizando taxas de câmbio de moedas estrangeiras. Os métodos utilizandos para a avaliação do desempenho da rede foram: coeficiente U de Theil, MSE (Mean Square Error), NRMSE (Normalized Root Mean Square Error), POCID (Percentage Of Change In Direction), scattergram e comparação gráfica. Os resultados obtidos, além de avaliados com os métodos acima, foram comparados com o modelo de Box-Jenkins e comprovaram a superioridade das RNAs no tratamento de dados não-lineares e altamente ruidosos. / [en] This dissertation investigates the use of Artificial Neural Nerworks (ANNs) in time series forecastig, especially financial time series, which are typically noisy and with no apparent periodicity. The dissertation covers four major parts: the study of Artificial Neural Networks and time series; the desing of ANNs applied to time series forecasting; the development of a simulation enironment; and a case study. The first part of this dissertation involved the study of Artficial Neural Netwrks and time series theory, resulting in an overview of ANNs utilization in time series forecasting. This overview confirmed the predominance of Backpropagations as the training algorithm, as well as the employment of statistical models, such as regression and moving average, for the Neural Network evaluation. In the design of ANNS, three performance measures were considered: covergence, generalization and scalability. To control these parameters, the following methods were applied: choice of activation function - sigmoid or hiperbolic tangent; choice of cost function - MSE (Mean Square Error) or MAD (Mean Absolute Deviation); choise of parameteres for controlling the gradiente descendent and learning times - the learning rate and momentum term; and network architecture. The simulation environment was developed in C language, with 3,600 lines of code distributed in three main modules: the user interface, the simulaton and the support functions modules. The user interface module is responsaible for the network configuration and for the graphical visualization. The simulation module performs the training and testing of ANNs. The support functions module takes care of the pre and pos processin, the files management and the metrics calculation. The case study concerned with the designing of an ANN to forescast the gold price in the international market. Two kinds of prediction were used: univariate - single and multi-step, and multivariate. The metrics used to evaluate the ANN performance were: U of Theil`s coeficient, MSE (Mean Square Error), NRMSE (Normalized Mean Saquare Error), POCID (Percentage Of Cnage In Direction), scattergram and graphical comparison. The results were also comapred with the Box-Jenkins model, confirming the superiority of ANN in handling non-linear and noisy data.

[pt] Este trabalho associa previsão de Séries Temporais a uma nova metodologia de processamento de informação: REDE NEURAL. Usaremos o modelo de Retropropagação, que consiste em uma Rede Neural multicamada com as unidades conectadas apenas com a unidades conectadas apenas com as unidades da camada subseqüente e com a informação passando em uma única direção. Aplicaremos o modelo de retropropagação na análise de quatro séries temporais: uma série ruidosa. Uma série com tendência, uma série sazonal e uma série de Consumo de Energia Elétrica da cidade de Uruguaiana, RS. Os resultados obtidos serão comparados com os modelos ARIMA de Box e Jenkins e um modelo com intervenção / [en] This work join the Times-Séries Forecasting to a new information processing metodoligy: NEURAL NETWORK. We will use the Back-Propagation model, that consist in an arquitecture of a feed-forward network with hidden layers. We will apply the Back-Propagation model in an analysis to four times series: a noisy series, a series with trend, a seasonal series and an electrical energy consuption series of Uruguaiana, RS. The results will be compare with the Box and jenkins´ ARIMA models and a model with intervention.

[pt] Essa dissertação aborda o comportamento da série de preços de uma commodity. Busca-se nessa pesquisa aplicar o modelo Box & Jenkins e verificar se este influencia a série de preços da commodity cobre. O estudo inicia-se com um histórico sobre esse mineral, posteriormente resgata-se a evolução dos trabalhos sobre esse tema e descreve-se detalhadamente esse modelo estatístico. Complementarmente ao estudo teórico, foi analisada uma série histórica de retornos de preços da commodity cobre com 19 anos de observações diárias do período entre 1990 e 2008, aplicando-se a metodologia Box & Jenkins. Foram realizados testes para normalidade, estacionaridade e auto-correlação, escolhendose os melhores modelos a serem utilizados. Ao final, conclui-se que os retornos da série de preços são influenciados pelos seus retornos passados, entretanto, baseando-se apenas nessa variável, o seu modelo de previsão a curto prazo tem performance apenas razoável. / [en] This paper studies the behavior of copper prices following the Box & Jenkins model. The dissertation aims to test the validity of this model in explaining the behavior of this commodity. Copper presents one of the most liquid contract among commodities which may increase the information within its price dynamics. This paper is structured as follows: the first section presents a brief historic evolution of copper prices; the second presents relevant previous papers on this matter; the third presents a deep description of the model used and; the fourth, the conclusion. The data set comprises 19 years of daily prices, between 1990 and 2008. Tests for normality, estacionarity and auto-correlation had been carried through, identifying the best models to be used. The paper concludes that past copper price returns partially explain the series future behavior. However, short term forecasting based only on this variable posts just modest performance.