Made available in DSpace on 2014-06-12T18:04:49Z (GMT). No. of bitstreams: 2 arquivo7222_1.pdf: 572353 bytes, checksum: 730990cd6cb0804047e2c63d61353169 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2003 / O objetivo central da presente dissertação é avaliar estratégias univariadas de modelagem e previsão da arrecadação do imposto de renda no Brasil. Ao longo desta dissertação, empregaremos o algoritmo de alisamento exponencial de Holt-Winters, usaremos a metodologia de Box-Jenkins com os modelos sazonais auto-regressivos integrados de médias móveis, SARIMA, e aplicaremos também o modelo SARMAX. Nesse último modelo usamos como variável explicativa duas especificações diferentes da tendência da série. Finalmente, consideramos as combinações de previsões obtidas de diferentes estratégias de previsão. Combinações de previsões individuais obtidas através das quatro diferentes estratégias de previsão geraram boas previsões, contudo os resultados sugerem que o método SARMAX com tendência não-linear (estimada não-parametricamente) possui a melhor capacidada preditiva dentre todos os procedimentos considerados

No description available.

No description available.

Muitos negócios possuem exposição às variações climáticas e com poucas alternativas para mitigar este tipo de risco. Nos últimos 20 anos o mercado de derivativos climáticos se desenvolveu principalmente em locais como Canadá, EUA e Europa para transferir os riscos relacionados às variações climáticas para investidores com maior capacidade de absorção, tais como seguradoras, resseguradoras e fundos de investimentos. Este trabalho implementou uma metodologia de precificação destes contratos para a variável temperatura média diária no Brasil. Foram utilizados os dados de 265 estações meteorológicas cadastras no site do BDMEP/INMET, utilizando-se observações diárias durante o período 1970-2012. Enquanto a maior parte dos trabalhos de precificação fora desenvolvida para um local específico, neste estudo buscou-se uma solução mais generalizada e que permitisse aos participantes deste novo mercado balizar suas expectativas de preço para qualquer ponto com uma estação meteorológica no país. O principal desafio para esta abordagem foram as falhas nas séries temporais e para isto desenvolveu-se uma metodologia de preenchimento utilizando as informações do projeto NCEP/NCAR. Cada estação foi submetida ao algoritmo de análise e modelagem das séries de temperatura. Considerou-se \"Sucesso\" (36.2% dos casos) as estações cujo processo de modelagem culminou em um resíduo ruído branco, estacionário e homoscedástico. Por \"Fracasso\" (63.8% das estações) entendem-se os casos que violaram pelo menos uma destas condições. Para a incorporação da tendência nos dados utilizou-se a Regressão Polinomial Local (LOESS). Para a estimação da sazonalidade foi empregada análise espectral e utilizada a série de Fourier. Para o tratamento da autocorrelação serial nos resíduos utilizou-se modelos ARFIMA, que contempla um parâmetro para memória longa do processo. A análise espacial dos resultados sugere uma maior taxa de \"Sucesso\" para a precificação de contratos na região Centro-Sul do país e piores para Norte e Nordeste. O método de preenchimento das falhas não deve ser utilizado indiscriminadamente por todo o país, uma vez que a correlação entre as séries do BDMEP/INMET e NCEP/NCAR não é constante, além de apresentar um claro padrão na dispersão espacial. A precificação dos contratos foi feita pelos métodos de \"Burning cost\", \"Modelagem do Índice\" e \"Modelagem da temperatura média diária\". Para este último caso as temperaturas simuladas apresentaram um viés ligeiramente acima dos dados históricos, podendo causar grandes distorções na precificação dos contratos. Deve-se realizar uma correção dos valores simulados antes da precificação dos contratos. A qualidade e consistência dos dados climáticos representam a maior ameaça para a utilização de derivativos climáticos no país, principalmente na região Cento-Oeste, aonde existem poucas estações meteorológicas, e Nordeste, com baixíssima taxa de \"Sucesso\", mesmo com um razoável número de estações. / Many business are exposed to weather variations and managers did not use to have a tool to avoid it. In the last twenty years, weather derivative markets has developed mainly in Canada, USA and Europe, transferring these risks to investors who are willing and able to assume it and receive a financial compensation for that, such as investment funds, insurance and reinsurance companies. This study developed a methodology to price weather contracts with daily average temperature as underlying. It was used 265 public weather stations from BDMEP/ INMET and data was collected from 1970 up to 2012. While the most part of studies in this area have focused in one or few stations, the goal of this study was to develop a more general pricing tool which would allow assessing weather risk and quoting it at any place in Brazil with an available weather station. The main issue was the gaps that occur so frequently in weather time series data and a methodology using interpolated data from NCEP/NCAR was proposed to deal with it. At the bottom of modelling process, weather stations were classified as \"Success\" (36.2%) or \"Failure\" (63.8%) according to the analysis of residuals. To be considered \"Success\", residuals of a time series must be stationary, homoscedastic and white-noise, i.e., free of autocorrelation. If at least one of these was not reached, the modelling process of this weather station was considered \"Failure\". Detrend data was done using Local Polynomial Regression (LOESS). Seasonality was estimated using spectral analysis and Fourier analysis. Autocorrelation of residuals was incorporated into the model using ARFIMA models, which have a parameter to deal with long memory process. Spatial analysis of results suggests a higher \"Success\" rate for contracts priced in the Center south region and worst results were obtained in North and Northeast. Methodology to fill the gaps should not be used in all situations, once correlation is not constant through the country and has a strong spatial pattern (clustering). Pricing was done using \"Burning cost\", \"Index modelling\" and \"Daily modelling of average temperature\". In this former case, simulated temperature has shown a slightly positive bias, which could create huge differences in prices compared with other models. A correction should be done to these values, to use it for pricing purposes. The quality and consistency of weather data is the main issue to develop a weather market in Brazil, mainly in Center-West region, where there is a small number of weather stations and Northeast with the lowest \"Success\" rate, even with a not so small number of weather stations.

This note analyzes the empirical size of the augmented Dickey and Fuller (ADF) statistic proposedby Perron and Rodríguez (2003) when the errors are fractional. This ADF is based on a searching procedure for additive outliers based on first-differences of the data named td. Simulations show that empirical size of the ADF is not affected by fractional errors confirming the claim of Perron and Rodríguez (2003) that the procedure td is robust to departures of the unit root framework. In particular the results show low sensitivity of the size of the ADF statistic respect to the fractional parameter (d). However, as expected, when there is strong negative moving average autocorrelation or negative autoregressive autocorrelation, the ADF statistic is oversized. These difficulties are fixed when sample increases (from T = 100 to T = 200). Empirical application to eight quarterly Latin American inflation series is also provided showing the importance of taking into account dummy variables for the detected additive outliers. / En esta nota se analiza el tamaño empírico del estadístico Dickey y Fuller aumentado (ADF), propuesto por Perron y Rodríguez (2003), cuando los errores son fraccionales. Este estadístico se basa en un procedimiento de búsqueda de valores atípicos aditivos basado en las primeras diferencias de los datos denominado td. Las simulaciones muestran que el tamaño empírico del estadístico ADF no es afectado por los errores fraccionales confirmando el argumento de Perron y Rodríguez (2003) que el procedimiento td es robusto a las desviaciones del marco de raíz unitaria. En particular, los resultados muestran una baja sensibilidad del tamaño del estadístico ADF respecto al parámetro fraccional (d). Sin embargo, como es de esperar, cuando hay una fuerte autocorrelación negativa de tipo promedio móvil o autocorrelación autorregresiva negativa, el estadístico ADF tiene un tamaño exacto mayor que el nominal. Estas dificultades desaparecen cuando aumenta la muestra (a partir de T = 100 a T = 200). La aplicación empírica a ocho series de inflación latinoamericana trimestral proporciona evidencia de la importancia de tener en cuenta las variables ficticias para controlar por los outliers aditivos detectados.

Muitos negócios possuem exposição às variações climáticas e com poucas alternativas para mitigar este tipo de risco. Nos últimos 20 anos o mercado de derivativos climáticos se desenvolveu principalmente em locais como Canadá, EUA e Europa para transferir os riscos relacionados às variações climáticas para investidores com maior capacidade de absorção, tais como seguradoras, resseguradoras e fundos de investimentos. Este trabalho implementou uma metodologia de precificação destes contratos para a variável temperatura média diária no Brasil. Foram utilizados os dados de 265 estações meteorológicas cadastras no site do BDMEP/INMET, utilizando-se observações diárias durante o período 1970-2012. Enquanto a maior parte dos trabalhos de precificação fora desenvolvida para um local específico, neste estudo buscou-se uma solução mais generalizada e que permitisse aos participantes deste novo mercado balizar suas expectativas de preço para qualquer ponto com uma estação meteorológica no país. O principal desafio para esta abordagem foram as falhas nas séries temporais e para isto desenvolveu-se uma metodologia de preenchimento utilizando as informações do projeto NCEP/NCAR. Cada estação foi submetida ao algoritmo de análise e modelagem das séries de temperatura. Considerou-se \"Sucesso\" (36.2% dos casos) as estações cujo processo de modelagem culminou em um resíduo ruído branco, estacionário e homoscedástico. Por \"Fracasso\" (63.8% das estações) entendem-se os casos que violaram pelo menos uma destas condições. Para a incorporação da tendência nos dados utilizou-se a Regressão Polinomial Local (LOESS). Para a estimação da sazonalidade foi empregada análise espectral e utilizada a série de Fourier. Para o tratamento da autocorrelação serial nos resíduos utilizou-se modelos ARFIMA, que contempla um parâmetro para memória longa do processo. A análise espacial dos resultados sugere uma maior taxa de \"Sucesso\" para a precificação de contratos na região Centro-Sul do país e piores para Norte e Nordeste. O método de preenchimento das falhas não deve ser utilizado indiscriminadamente por todo o país, uma vez que a correlação entre as séries do BDMEP/INMET e NCEP/NCAR não é constante, além de apresentar um claro padrão na dispersão espacial. A precificação dos contratos foi feita pelos métodos de \"Burning cost\", \"Modelagem do Índice\" e \"Modelagem da temperatura média diária\". Para este último caso as temperaturas simuladas apresentaram um viés ligeiramente acima dos dados históricos, podendo causar grandes distorções na precificação dos contratos. Deve-se realizar uma correção dos valores simulados antes da precificação dos contratos. A qualidade e consistência dos dados climáticos representam a maior ameaça para a utilização de derivativos climáticos no país, principalmente na região Cento-Oeste, aonde existem poucas estações meteorológicas, e Nordeste, com baixíssima taxa de \"Sucesso\", mesmo com um razoável número de estações. / Many business are exposed to weather variations and managers did not use to have a tool to avoid it. In the last twenty years, weather derivative markets has developed mainly in Canada, USA and Europe, transferring these risks to investors who are willing and able to assume it and receive a financial compensation for that, such as investment funds, insurance and reinsurance companies. This study developed a methodology to price weather contracts with daily average temperature as underlying. It was used 265 public weather stations from BDMEP/ INMET and data was collected from 1970 up to 2012. While the most part of studies in this area have focused in one or few stations, the goal of this study was to develop a more general pricing tool which would allow assessing weather risk and quoting it at any place in Brazil with an available weather station. The main issue was the gaps that occur so frequently in weather time series data and a methodology using interpolated data from NCEP/NCAR was proposed to deal with it. At the bottom of modelling process, weather stations were classified as \"Success\" (36.2%) or \"Failure\" (63.8%) according to the analysis of residuals. To be considered \"Success\", residuals of a time series must be stationary, homoscedastic and white-noise, i.e., free of autocorrelation. If at least one of these was not reached, the modelling process of this weather station was considered \"Failure\". Detrend data was done using Local Polynomial Regression (LOESS). Seasonality was estimated using spectral analysis and Fourier analysis. Autocorrelation of residuals was incorporated into the model using ARFIMA models, which have a parameter to deal with long memory process. Spatial analysis of results suggests a higher \"Success\" rate for contracts priced in the Center south region and worst results were obtained in North and Northeast. Methodology to fill the gaps should not be used in all situations, once correlation is not constant through the country and has a strong spatial pattern (clustering). Pricing was done using \"Burning cost\", \"Index modelling\" and \"Daily modelling of average temperature\". In this former case, simulated temperature has shown a slightly positive bias, which could create huge differences in prices compared with other models. A correction should be done to these values, to use it for pricing purposes. The quality and consistency of weather data is the main issue to develop a weather market in Brazil, mainly in Center-West region, where there is a small number of weather stations and Northeast with the lowest \"Success\" rate, even with a not so small number of weather stations.

Das Ziel der Arbeit ist eine Zusammenfassung über den Stand der Forschung über das Thema der fraktionalen Integration und Kointegration sowie Weiterentwicklungen der aktuellen Methoden im Hinblick darauf, dass sie robuster auf eine Reihe von empirischen Gegebenheiten anwendbar sind. Hierzu wurden insbesondere die Möglichkeiten von Strukturbrüchen in deterministischen Prozessanteilen vorgeschlagen sowie deren Auswirkungen auf Schätzeigenschaften analysiert. Mit diesem Wissen können Schätzstrategien entwickelt werden, die auch im empirischen Teil der Arbeit angewandt wurden. Der Aufbau der Arbeit gestaltet sich so, dass nach der Einleitung und Problemstellung im zweiten Kapitel der Arbeit zunächst in die Zeitreihenanalyse eingeführt wird. Hierbei wird auch eine intuitive Motivation für die Betrachtung von Long-Memory-Prozessen gegeben. Diese gestaltet sich so, dass der klassischerweise als ganzzahlig angenommene Integrationsgrad eines Prozesses nun jede beliebige Zahl, also auch Brüche, annehmen kann. Diese Annahme führt wiederum dazu, dass hiermit sehr langfristige Abhängigkeiten von Zeitreihen effizient beschrieben werden können, da diese lediglich von einem einzigen Parameter abhängen. Die Schätzung dieses nunmehr fraktionalen Integrationsgrads wird im dritten Kapitel ausführlich beschrieben und in mehreren Simulationsstudien ausgiebig analysiert. Hierzu werden neben parametrischen Schätzmethoden, die einer genauen Spezifizierung der Korrelationsstruktur von Zeitreihen bedürfen, auch semiparametrische Methoden angeführt, die in der Praxis robuster einsetzbar sind, da ihre Schätzgenauigkeit und Effizienz nicht von einer korrekten Klassifizierung von sog. Short-Memory-Komponenten beeinflusst werden. Die Analyse dieser Methode erfolgt in erster Linie im Hinblick auf eine empirische Anwendbarkeit und bietet auch als Ergebnis Empfehlungen für eine optimale Schätzstrategie. Das vierte Kapitel beschäftigt sich in erster Linie mit Integrationstests wie z.B. Einheitswurzeltests und deren Anwendbarkeit bei Existenz von Long-Memory-Prozessbestandteilen. Darüber hinaus werden auch Schätz- und Testmethoden für das Vorliegen von deterministischen Trends thematisiert, die wiederum auch die Möglichkeit von Strukturbrüchen zulassen. Eine multivariate Betrachtungsweise ermöglicht das fünfte Kapitel mit der Einführung der fraktionalen Kointegration. Auch liegt der Fokus der Arbeit darin, die empirische Anwendbarkeit zu verbessern, indem in Simulationsstudien Effekte von empirischen Gegebenheiten - wie Strukturbrüche - analysiert und optimale Schätzstrategien entwickelt werden. Im sechsten Kapitel der Arbeit wird im Rahmen der ökonomischen Theorie der Markterwartungshypothese die Verzinsung deutscher im Zeitraum Oktober 1998 bis November 2011 untersucht. Diese Hypothese impliziert, dass zwischen den einzelnen Zinssätzen eine multivariate Beziehung in Form von Kointegrationsbeziehungen bestehen sollte, da die Zinssatzdifferenzen einer Liquiditätsprämie entsprechen. Von dieser wurde in bisherigen Studien angenommen, dass sie stationär ist, d.h. dass sie allenfalls eine Short-Memory-Eigenschaft aufweist, welche nur relativ kurzfristige Abhängigkeit impliziert. Von dieser Sichtweise löst sich die Arbeit, indem sie die Möglichkeit von fraktionalen Kointegrationsbeziehungen ermöglicht, die eine Aussage über die Persistenz der Liquiditätsprämie ermöglicht. Im Rahmen dieser Analyse konnten eine Reihe interessanter Erkenntnisse gewonnen werden, wie z.B. dass das Ausmaß der Persistenz (d.h. die Trägheit der Anpassung auf ökonomische Schocks) mit ansteigender Laufzeitdifferenz sukzessive größer wird und auch nicht mehr durch klassisch angenommene Prozessstrukturen erklärt werden kann. Nichtsdestotrotz können die Ergebnisse der empirischen Analyse die Annahmen der Markterwartungshypothese nicht bestätigen, da insbesondere der Integrationsgrad für sehr lange Laufzeitdifferenzen so groß ausfällt, dass selbst eine relativ schwache fraktionale Kointegrationsbeziehung abgelehnt werden muss. / Fractional integration and cointegration in theory and praxis

Long range dependent processes occur in many fields, it is important to monitor these processes to early detect their shifts. This paper considers the problem of detecting changes in an I(d) process or an ARFIMA(p,d,q) process by statistical control charts. The control limits of EWMA and EWRMS control charts of I(d) processes are established and analytic forms are derived. The average run lengths of these control charts are estimated by Monte Carlo simulations. In addition, we illustrate the performance of the control charts by empirical examples of I(d) processes and ARFIMA(1,d,1) processes.

Konstanz, Univ., Diss., 2008.

O objetivo deste trabalho foi estudar o comportamento da volatilidade do preço da soja negociada em contratos futuros na BM&FBOVESPA (série SFI). O estudo foi realizado por meio da comparação entre duas abordagens: na primeira, foi utilizada a série de retornos absolutos da série em questão para representar a volatilidade da mesma, que se mostrou persistente ao longo do tempo, comprovando o fato de que a série possui o comportamento de memória longa. Por ter apresentado tal comportamento, fez-se necessária a utilização de modelos ARFIMA (\"Autorregressivos Fracionários Integrados de Médias Móveis\") estes, que são capazes de capturar de maneira efetiva tal comportamento. Ainda dentro desta abordagem, os modelos foram estimados de duas maneiras distintas: a primeira, em que todos os parâmetros foram estimados simultaneamente e a segunda, em que primeiramente foi estimado o parâmetro de memória longa, diferenciada a série e, posteriormente, foram ajustados os modelos ARIMA nos dados diferenciados. Por fim, a segunda abordagem utilizada no trabalho é a mais comum em pesquisas acadêmicas: foi realizada a estimação dos modelos GARCH (\"Autorregressivos Generalizados de Heteroscedasticidade Condicional\") diretamente na série de retornos. Neste estudo, concluímos que a primeira abordagem se mostrou mais eficiente, dados os critérios de comparação utilizados. / The purpose of this article was to study the volatility of the soybean price traded in futures contracts on the BM&FBOVESPA (SFI series). The study was conduct by comparison between two approaches: first, was use the series of absolute returns of the respective series, to represent its volatility, which was persistent over time, proving the fact that the series has a long memory behavior. Because of such behavior, it was necessary to use ARFIMA models (\"Autoregressive Fractional Integrated Moving Average\"), which are able to capture effectively such behavior. Still using this approach, the models were estimate in two different ways: first, which all parameters were estimate simultaneously, and the second one, that was first estimated the long memory parameter, differentiated the series and, later, adjusted the ARIMA models in differentiated data. Finally, the second approach used in this work is the most common in academic research: the estimation of GARCH models (\"Generalized Autoregressive Conditional Heretoscskedasticity\") directly in the returns series of the studied series. In this study, we conclude that the first approach was more effective, given the comparison criteria used.