[pt] A energia eólica é uma das alternativas mais promissoras para geração de energia elétrica, pois assegura a diversidade e segurança no fornecimento de energia e atende à necessidade premente de reduzir os níveis de emissão de gases poluentes. Na operação de sistemas elétricos com forte presença de geração eólica é fundamental prever com pelo menos um dia de antecedência os valores futuros (pelo menos horários) da veloci-dade do vento, pois assim pode-se avaliar a disponibilidade de energia para o próximo dia, uma informação útil no despacho das unidades geradoras e no controle do sistema elétrico. A proposta dessa dissertação objetiva especificamente desenvolver modelos de previsão de curto prazo da velocidade do vento, baseado em técnicas de inteligência artificial, modelo da rede neural artificial e neuro-fuzzy adaptativa (ANFIS) e um mode-lo Estatístico composto por um modelo de regressão harmônica e Box-Jenkins. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sis-tema Nacional de Dados Ambientais para o setor de energia). O desempenho dos mode-los rede neural, neuro-fuzzy (ANFIS) e modelo Estatístico são comparados nas previ-sões de 6 horas, 12 horas, 18 h e 24horas a frente. Os resultados obtidos mostram o me-lhor desempenho da modelagem ANFIS e encorajam novos estudos no tema. / [en] Wind power is one of the most promising options for power generation. It ensures the diversity and security of energy supply and meets the pressing need to reduce the levels of emission of polluting gases. In the operation of electrical systems with a strong presence of wind generation, it is essential to provide at least one day in advance the future values (at least hourly) of wind speed, so that we can assess the availability of energy for the next day, a useful information in the order of the generating units and electrical control system. The purpose of this dissertation aims to develop models spe-cifically to develop models to forecast short-term wind speed, based on artificial intelligence techniques, artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statistical model composed of a harmonic regression model and Box-Jenkins. For application of the methodology, the city of São João do Cariri (State of Paraíba), where a reference station of SONDA project (National Environmental Data for the energy sector) is located, was considered.To apply the methodology was consi-dered the city of the ray tracing model (State of Paraíba), which is located a station ref-erence design (National Environmental Data for the energy sector). The performance of artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statis-tical model are compared mixed forecasts of 6 hours, 12 hours, 18hours and 24 hours ahead. The results show the best performance of the ANFIS model and encourage fur-ther studies on the subject.

[pt] A presente dissertação se insere no contexto da energia eólica, que é a fonte de energia que mais cresce na matriz elétrica brasileira, segundo dados da Empresa de Pesquisa de Energia (EPE), com projeções para que esse crescimento se mantenha. Com isso, a principal motivação do presente trabalho é o fato de que desenvolver e aplicar métodos de previsão cada vez mais precisos para as variáveis determinantes na produção de energia eólica em um aerogerador, como a velocidade do vento, é de crucial importância para o planejamento da operação do sistema elétrico nacional. Logo, o objetivo principal do trabalho é adaptar e aplicar uma metodologia de previsão de séries temporais em um banco de dados formado por medições de velocidade de vento. A metodologia se constrói a partir da análise exploratória dos dados, onde pode se observar características importantes, como estacionariedade na média e uma estrutura sazonal complexa, que envolve um ciclo diário e uma sazonalidade mensal. Com isso, foi adaptado um modelo de amortecimento exponencial com múltiplos ciclos que incorpora simulação de Monte Carlo e decomposição da série através do método TBATS, para realizar as previsões. Como resultados e conclusões, é possível observar que modelo adaptado se mostrou adequado para tratar o problema proposto, quando comparado com os modelos de previsão estabelecidos pela literatura, resultando em um aumento na precisão das previsões realizadas. / [en] This work is in the context of wind energy, which is the energy source that grows more in the Brazilian energy matrix, according to the Energy Research Company (EPE), with projections that this growth will continue. Thus, the main motivation of this work is the fact that developing and implementing increasingly precise forecasting methods for the key variables in the production of wind energy in a wind turbine, such as wind speed, is of crucial importance for planning of the national electric system operation. Therefore, the main objective of this work is to adapt and apply a time series forecasting methodology in a database formed by wind speed measurements. The methodology is built from the exploratory analysis of data, which can be observed important features such as stationary mean and a complex seasonal structure, which involves a daily cycle and monthly seasonality. Thus, it was adapted an exponential smoothing model that incorporates multiple cycles, Monte Carlo simulation and decomposition of the series through the TBATS method, to make forecasts. As results and conclusions, it is possible to observe that model adapted was adequate to address the proposed issue, compared with the forecast models established in the literature, resulting in an increase in the accuracy of forecasts made.

[pt] Apesar do reconhecimento amplo da qualidade das previsões obtidas na aplicação de um modelo ARIMA à previsão de séries temporais univariadas, seu uso tem permanecido restrito pela falta de procedimentos automáticos, computadorizados. Neste trabalho este problema é discutido e um algoritmo é proposto. / [en] Inspite of general recognition of the good forecasting ability of ARIMA models in predicting time series, this approach is not widely used because of the lack of automatic, computerized procedures. In this study this problem is discussed, and an algorithm is proposed.

[pt] O Modelo Estrutural, recentemente desenvolvido por Harvey, considera a tradicional idéia de modelar uma série a partir de suas componentes básicas não observadas. Em particular, a componente cíclica, que descreve um movimento senoidal amortecido, pode ser utilizada para explicar um comportamento repetitivo ao longo da série. O uso desta componente é motivado pelo fato de que o seu espectro teórico apresenta um pico de valor finito. O modelo original de Harvey define o ciclo da série a partir de uma única senóide amortecida. Porém, a estimação do espectro de algumas séries reais revelou ser razoável supor que a componente cíclica de tais séries representa uma soma de várias senóides amortecidas em diferentes seqüências. Neste trabalho é proposta uma extensão da componente cíclica para o modelo de Harvey e discute-se, para o modelo estendido, a estrutura ARIMA equivalente. Constrói-se um teste de multiplicadores de Lagrange no domínio da freqüência, com o objetivo de verificar a existência de uma freqüência adicional na estrutura do ciclo. Finalmente, a teoria apresentada na dissertação é aplicada de forma a testar a presença de uma segunda freqüência no ciclo da série de índices pluviométricos de Fortaleza. / [en] The Structural Models, recently suggested by Harvey, uses the classic idea of modelling a time series y its non observed components. The cyclical component of the series, which is defined by a smoothed sine, is a special one that may be used for explaining a repetitive behaviour along the series. The motivation for using this component lies in the finite valued peak presnted by its theoretic spectrum. Harvey´s model stays that the cycle of the series is defined by a single smoothed sine. However, the estimated spectrum of certain series showed that it is reasonable to suppose the cyclical component of those series as being a sum of distinct smoothed sines of different frequencies. This thesis proposses an extension of the cyclical component in Harvey´s model and discusses the equivalent ARIMA structure for this extended component. We develop a Lagrange Multipliers test in the frequence domain for verifying the existence of an extra frequence in the cyclical component. The theory presented in the dissertation is applied with the purpose of testing the presence of a second frequence in the cycle of the series of sunspot numbers and in the series of rainfall in Fotaleza.

[pt] Séries temporais são ferramentas importantes para análise de eventos que ocorrem em diferentes domínios do conhecimento humano, como medicina, física, meteorologia e finanças. Uma tarefa comum na análise de séries temporais é a busca por eventos pouco frequentes que refletem fatos de interesse sobre o domínio de origem da série. Neste trabalho, buscamos desenvolver técnicas para detecção de eventos raros em séries temporais. Formalmente, uma série temporal A igual a (a1, a2,..., an) é uma sequência de valores reais indexados por números inteiros de 1 a n. Dados dois números, um inteiro t e um real d, dizemos que um par de índices i e j formam um evento-(t, d) em A se, e somente se, 0 menor que j - i menor ou igual a t e aj - ai maior ou igual a d. Nesse caso, i é o início do evento e j o fim. Os parâmetros t e d servem para controlar, respectivamente, a janela de tempo em que o evento pode ocorrer e a magnitude da variação na série. Assim, nos concentramos em dois tipos de perguntas relacionadas aos eventos-(t, d), são elas: - Quais são os eventos-(t, d) em uma série A? - Quais são os índices da série A que participam como inícios de ao menos um evento-(t, d)? Ao longo desse trabalho estudamos, do ponto de vista prático e teórico, diversas estruturas de dados e algoritmos para responder às duas perguntas listadas. / [en] Time series are important tools for the anaylsis of events that occur in different fields of human knowledge such as medicine, physics, meteorology and finance. A common task in analysing time series is to try to find events that happen infrequently as these events usually reflect facts of interest about the domain of the series. In this study, we develop techniques for the detection of rare events in time series. Technically, a time series A equal to (a1, a2,..., an) is a sequence of real values indexed by integer numbers from 1 to n. Given an integer t and a real number d, we say that a pair of time indexes i and j is a (t, d)-event in A, if and only if 0 less than j - i less than or equal to t and aj - ai greater than or equal to d. In this case, i is said to be the beginning of the event and j is its end. The parameters t and d control, respectively, the time window in which the event can occur and magnitude of the variation in the series. Thus, we focus on two types of queries related to the (t, d)-events, which are: - What are the (t, d)-events in a series A? - What are the indexes in the series A which are the beginning of at least one (t, d)-event? Throughout this study we discuss, from both theoretical and practical points of view, several data structures and algorithms to answer the two queries mentioned above.

[pt] Um bom gerenciamento logístico otimiza as atividades de transporte aéreo offshore, tornando-as mais eficientes e diminuindo custos para o contratante. Uma série de decisões estratégicas, por exemplo a contratação de helicópteros e os investimentos em infraestrutura aeroportuária, são dependentes da previsão de demanda de passageiros. O presente trabalho analisou a demanda de transporte aéreo offshore da Petrobras para o Estado do Rio de janeiro, à luz das principais teorias de séries temporais hierárquicas, com o objetivo de identificar qual destas é mais adequada para um horizonte de previsão de doze meses à frente. Foram analisadas as estratégias de single-level approach (bottom-up e top-down), de reconciliação ótima (ordinary least squares e weighted least squares) e de minimização de traço (covariância da própria amostra e valendo-se do shrink estimator), todas utilizando como método de previsão base o amortecimento exponencial. Foram utilizados dados dos anos de 2014 até 2019 de todos os aeródromos usados pela Petrobras no Estado do Rio de Janeiro: Farol de São Tomé, Campos dos Goytacazes, Macaé, Cabo Frio e Jacarepaguá. Os resultados foram avaliados em três métricas distintas de acurácia: RMSE (Root Mean Square Error), MAPE (Mean Absolute Percentage Error) e MASE (Mean Absolute Scaled Error), sendo aplicados para os dois níveis existentes de agregação. Os resultados foram ranqueados para cada técnica, nas três métricas citadas anteriormente, sendo, então, consolidados através de uma média aritmética simples. Ao cabo, concluiu-se que o método de minimização de traço sample covariance é o mais preciso em termos globais. / [en] Good logistical management optimizes offshore air transport activities, making them more efficient and reducing costs for the contractor.A series of strategic decisions, such as hiring helicopters and investments in airport infrastructure are dependent on forecasting passenger demand. The present work consisted of analyzing the demand for Petrobras offshore air transport to the State of Rio de Janeiro, based on the main theories of hierarchical time series, with the objective of identifying which of these is more suitable for a twelve-month steps ahead forecast. The strategies of single-level approach (bottom-up and top-down), optimal reconciliation (ordinary least squares and weighted least squares) and trace minimization (sample covariance and shrink estimator) were analyzed, all using exponential smoothing as the basic forecasting method. Data from 2014 to 2019 were gathered for all aerodromes used by Petrobras in the State of Rio de Janeiro: Farol de São Tomé, Campos dos Goytacazes, Macaé, Cabo Frio and Jacarepaguá. The results were evaluated with three different metrics of accuracy: RMSE (Root Mean Square Error), MAPE (Mean Absolute Percentage Error) and MASE (Mean Absolute Scaled Error), applied to the two existing levels of aggregation. The results were ranked for each technique, in the three metrics mentioned above, and then consolidated using a simple arithmetic mean. The overall results indicated that sample covariance trace minimization method provided the most accurate results.

[pt] Após o choque de racionamento de energia elétrica, decorrente do desequilíbrio entre oferta e demanda, os vários setores da sociedade brasileira constataram a real e iminente necessidade de diversificação das fontes de geração de energia elétrica e de seu uso racional. Busca-se hoje novas fontes, entre as quais a energia eólica, uma alternativa nova e promissora. A energia eólica está aumentando no mundo todo e o Brasil tem um enorme potencial devido a sua localização geográfica e o governo tem investido neste tipo de energia. O principal objetivo desta dissertação é estudar e desenvolver modelos de previsão de velocidade de vento, de curto prazo da velocidade do vento. Os métodos de amortecimento exponencial, em particular o método de Holt-Winters e suas variações, são apropriados para este contexto devido à sua alta adaptabilidade e robustez. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sistema Nacional de Dados Ambientais para o setor de energia). Será utilizado o método de Holt-Winters, que será comparado com os modelos: de persistência, neuro-fuzzy (ANFIS) e estatísticos. / [en] After the shock of electricity rationing, due to the imbalance between supply and demand, the various sectors of the Brazilian society found a real and imminent need to diversify sources of electricity generation and its rational use. New sources are searched today, including wind power, a promising new alternative. Wind energy has been increasing worldwide and Brazil has huge potential due to its geographical location and the government has invested in this type of energy. The main objective of this thesis is to study and develop forecasting models, of short-term wind speed. The methods of exponential smoothing, in particular the method Holt-Winters and its variations, are suitable in this context because of its high adaptability and robustness. The city of São João do Cariri (State of Paraíba), where it is located one of the reference stations of project SONDA (National Environmental Data for the energy sector) was chosen in order to apply the methodology. The method that will be used is Holt-Winters, who will be compared with the models: persistence, neuro-fuzzy (ANFIS) and statistics.

[pt] Quando há mudanças no padrão sazonal de uma série temporal, ao longo do tempo, fica caracterizada a presença de sazonalidade móvel. Existem evidências de séries macroeconômicas que apresentam um grau considerável de sazonalidade móvel. Atualmente, para a realização do ajuste sazonal, o programa utilizado pelo IBGE é o X-12-ARIMA, que implementa o método X-11 de ajuste sazonal. O X-11 é um dos métodos mais utilizados no mundo pelos órgãos oficiais de estatística, no entanto, quando existe sazonalidade móvel, ele não consegue tratá-la de forma adequada. Este trabalho propõe dois projetos de filtros de extração da componente sazonal, no domínio da frequência, que são adequados tanto para séries com sazonalidade estável quanto para aquelas que apresentam sazonalidade móvel. O primeiro projeto de filtros, intitulado de filtro sazonal-WLS, utiliza critérios baseados em mínimos quadrados. O desempenho do filtro sazonal-WLS é avaliado com base em sinais sazonais artificiais, para séries mensais e trimestrais, baseados nas características das séries macroeconômicas. Os resultados são comparados com o método X-11 e são identificadas as situações nas quais ele é superior ao X-11. Considerando que o filtro sazonal-WLS é tanto superior ao X-11 quanto maior for a razão entre a variação da sazonalidade e a intensidade da componente irregular, foi desenvolvido o projeto de um segundo filtro. Este novo filtro combina a abordagem de mínimos quadrados ponderados com as características dos filtros de Chebyshev, minimizando simultaneamente o erro na estimativa da sazonalidade e a influência da componente irregular. A ele intitulou-se filtro sazonal-WLS-Chebyshev. Os resultados do filtro sazonal-WLS-Chebyshev são comparados com o filtro sazonal-WLS onde observam-se algumas melhorias. / [en] A time series is said to have moving seasonality when there are changes in the seasonal pattern. There is evidence that macroeconomic series show moving seasonality. Currently, to perform a seasonal adjustment, IBGE uses the program X-12-ARIMA, which implements the seasonal adjustment method X-11. This method is worldwide adopted by official statistical agencies. However, when a time series shows changing seasonal patterns, the X-11 seasonal adjustment method generates unreliable estimates. This thesis proposes two designs of filters to extract seasonal components in the frequency domain, that are suitable for series with stable seasonality and for those with moving seasonality. The first filter, named WLS-seasonal filter, uses criteria based on least squares. The performance of this filter is assessed based on artificial seasonal series for monthly and quarterly data, based on the characteristics of real macroeconomic series. The results are compared with the ones of X-11 method, and the situations in which this filter is superior to X-11 are identified. Taking into account the fact that the performance of the WLS-seasonal filter improves in relation to the one of X-11 the higher the ratio between the variation of seasonality and irregular intensity, the design of a second filter was developed. This new filter combines the approach of weighted least squares with the Chebyshev filters characteristics, simultaneously minimizing the error in estimating the seasonal component and the influence of the irregular component. It was named WLS-Chebyshev-seasonal filter. The performance of this new filter is compared with the one of the WLS-seasonal filter, and some improvements are observed.

[pt] Modelos auto-regressivos (AR(p)) de séries temporais supõem que a dinâmica da série contém uma dependência linear nas observações passadas até uma defasagem p, e um erro aleatório independente e identicamente distribuído (i.i.d). Modelos de auto-regressão quantílica (QAR(p)) são uma generalização dos AR(p) em que os coeficientes auto- regressivos variam com o quantil da distribuição condicional, não sendo necessária, portanto, uma componente explícita de erro aleatório. Esta dissertação estuda a inferência estatística proposta para modelos QAR(p) por Koenker e Xiao (2004), com o auxílio de simulações de Monte Carlo. Enquanto a estimação mostra-se bem precisa, os resultados do teste de hipóteses, onde a hipótese nula supõe um modelo auto-regressivo (AR), não apresentam bons resultados, variando estes com o modelo gerador de dados. / [en] Autoregressive models (AR(p)) for time series assume that the series dynamics has a linear dependence on past observations up to a lag p, plus an independent and identically distributed (i.i.d.) random error. Quantile autoregressive models (QAR(p)) generalize the AR(p) by allowing different autoregressive coefficients for different quantiles of the conditional distribution and so there is no need for an explicit random error component. This dissertation studies the statistical inference proposed by Koenker e Xiao (2004) for QAR(p) models, by means of Monte Carlo simulations. While the estimation tools show themselves very accurate, the hypothesis test which considers an AR model as the null hypothesis yields poor results, and these vary with the data generating process

[pt] A modelagem de dados que qualificam as transações de ativos financeiros, tais como, preço, spread de compra e venda, volume e duração, vem despertando o interesse de pesquisadores na área de finanças, levando a um aumento crescente do número de publicações referentes ao tema. As primeiras propostas se limitaram aos modelos de duração. Mais tarde, o impacto da duração sobre a volatilidade instantânea foi analisado. Recentemente, Manganelli (2002) incluiu dados referentes aos volumes transacionados dentro de um modelo vetorial. Neste estudo, nós estendemos o trabalho de Manganelli através da inclusão do spread de compra e venda num modelo vetorial autoregressivo, onde as médias condicionais do spread, volume, duração e volatilidade instantânea são descritas a partir de uma formulação exponencial chamada Exponential Multivariate Autoregressive Conditional Model (EMACM). Nesta nova proposta, não se fazem necessárias a adoção de quaisquer restrições nos parâmetros do modelo, o que facilita o procedimento de estimação por máxima verossimilhança e permite a utilização de testes de Razão de Verossimilhança na especificação da forma funcional do modelo (estrutura de interdependência). Em paralelo, a questão de antecipar movimentos nos preços de ativos financeiros é analisada mediante a utilização de um procedimento integrado, no qual, além da modelagem de dados financeiros de alta freqüência, faz-se uso de um modelo probit ordenado contemporâneo. O EMACM é empregado com o objetivo de capturar a dinâmica associada às variáveis e sua função de previsão é utilizada como proxy para a informação contemporânea necessária ao modelo de previsão de preços proposto. / [en] The availability of high frequency financial transaction data - price, spread, volume and duration -has contributed to the growing number of scientific articles on this topic. The first proposals were limited to pure duration models. Later, the impact of duration over instantaneous volatility was analyzed. More recently, Manganelli (2002) included volume into a vector model. In this document, we extended his work by including the bid-ask spread into the analysis through a vector autoregressive model. The conditional means of spread, volume and duration along with the volatility of returns evolve through transaction events based on an exponential formulation we called Exponential Multivariate Autoregressive Conditional Model (EMACM). In our proposal, there are no constraints on the parameters of the VAR model. This facilitates the maximum likelihood estimation of the model and allows the use of simple likelihood ratio hypothesis tests to specify the model and obtain some clues about the interdependency structure of the variables. In parallel, the problem of stock price forecasting is faced through an integrated approach in which, besides the modeling of high frequency financial data, a contemporary ordered probit model is used. Here, EMACM captures the dynamic that high frequency variables present, and its forecasting function is taken as a proxy to the contemporaneous information necessary to the pricing model.