This project aimed to evaluate the effectiveness of the Auto Regressive Exogenous(ARX) model in forecasting stock prices and contribute to research on statisticalmodels in predicting stock prices. An ARX model is a type of linear regression modelused in time series analysis to forecast future values based on past values and externalinput signals. In this study, the ARX model was used to forecast the closing pricesof stocks listed on the OMX Stockholm 30 (OMXS30*) excluding Essity, Evolution,and Sinch, using historical data from 2016-01-01 to 2020-01-01 obtained from YahooFinance. The model was trained using the least squares approach with a control signal that filtersoutliers in the data. This was done by modeling the ARX model using optimizationtheory and then solving that optimization problem using Gurobi OptimizationSoftware. Subsequently, the accuracy of the model was tested by predicting prices in aperiod based on past values and the exogenous input variable. The results indicated that the ARX model was not suitable for predicting stock priceswhile considering short time periods.

Made available in DSpace on 2016-08-17T14:53:10Z (GMT). No. of bitstreams: 1 Bernardo Nogueira Neto.pdf: 936161 bytes, checksum: 8cae25f84e9e07f78244f10040d97213 (MD5) Previous issue date: 2010-06-04 / In this dissertation, we explore the application of the Theory of System Identification to develop a mathematical model that represents the behavior of the electrical current rectifier used to power the traction motors of a locomotive diesel-electric, based on mathematical manipulation of its temperature data. It was developed an ARX model and, using the aid of the computational system identification toolbox of MATLAB ®, simulations were made for estimation and validation of the order of the model that best describes the dynamic response of the physical system. The input and output data of the rectifier are obtained from the direct measurement of the output current of main generator, which is the input, and from the measurement of the temperature on the rectifier, which corresponds to the output. These data are used in developing the mathematical model of the system under study. The goal is to obtain a model that best represents the behavior of the main engine rectifier, allowing control actions to optimize the relation between supplied and required power of locomotive, so that downtime events resulting from self-protection mechanisms against high temperatures during operation of the rectifier in severe operations are minimized. As a result, we have a more advanced and efficient model that allows a strategy to monitoring the equipment at the various points of operation, considering their variation and ensuring a stable and safety locomotive's operation. / Nesta dissertação, aborda-se a aplicação da Teoria de Identificação de Sistemas para escolha de um modelo polinomial, que represente o comportamento do retificador de corrente elétrica, utilizado para suprimento dos motores de tração de uma locomotiva dieselelétrica, a partir da manipulação matemática de seus dados de temperatura. Desenvolve-se um modelo ARX e, com auxílio da ferramenta computacional do toolbox de identificação do MATLAB®, são feitas simulações para estimação e validação da ordem do modelo que melhor descreva a resposta dinâmica do sistema físico. Os dados de entrada e saída do retificador são obtidos a partir da medição direta da corrente de saída do gerador principal, que corresponde à entrada, e da medição da temperatura na bancada retificadora, que corresponde à saída. Estes dados são utilizados na elaboração do modelo matemático do sistema em estudo. Busca-se obter um modelo matemático que represente o comportamento do retificador principal da locomotiva, possibilitando ações de controle para uma melhor otimização entre a potência fornecida e a requerida para tração, de tal forma que os eventos de downtime, decorrentes da atuação da proteção contra altas temperaturas do retificador durante operações em regimes severos, sejam minimizados. Como resultado, tem-se um método mais avançado, eficaz e que possibilita uma estratégia de monitoramento nos diversos pontos de operação do equipamento, considerando suas variações e garantindo uma operação estável e segura do sistema.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-09-06T13:31:47Z No. of bitstreams: 1 Antonio_José_da_Silva2.pdf: 2564341 bytes, checksum: ff7454362aecf3bf6afd177edfd5c821 (MD5) / Made available in DSpace on 2017-09-06T13:31:47Z (GMT). No. of bitstreams: 1 Antonio_José_da_Silva2.pdf: 2564341 bytes, checksum: ff7454362aecf3bf6afd177edfd5c821 (MD5) Previous issue date: 2009-06-05 / FAPEMA / The Anode effect that occurs in electrolytic smelter pot is responsible for gases such as PFC s. These gases contribute to the greenhouse effect, and in addition jeopardizes its productive capacity. From the voltage (output) and current (input) are estimate ARX and OE models of the electrolytic smelter pot using the Systems Identification Theory, the ARX and OE models of the electrolytic smelter pot are built to represent the steady state operation and the anode effect occurrence. After the simulation are chosen the models with better adjustment to the measure exit. For the selection are used established criteria along the research, the ARX and OE models of electrolytic smelter pot, are built to represent the full state operation of the electrolytic smelter pot. Based on real data and via algebraic properties, the models generate the functions of specific transfer of each model that are validated with real data obtained in the industry, the answer in time, in the convergence frequency and speed are analyzed. From the transfer function is made the representation of the normal stage of operation of the electrolytic smelter pot, and by the properties of the estimate model is made the prediction the anode effect identifying the increase of the voltage in the validation stage. Therefore, this work introduces the investigation of ARX and OE parametric models how better represent the operation of the electrolytic smelter pot to can enable the prediction of the anode effect in the productive process of the aluminum. In this dissertation, we propose the models development in the domain of the continuous and discreet time with a study of her transitory answers and of steady state as well as your answer in frequency of your normal operation and in the phase that precedes the anode effect. / O efeito anódico que ocorre nas cubas eletrolíticas é responsável pela emissão de gases como os PFC s, gases esses, que contribuem para o efeito estufa, além de comprometer sua capacidade produtiva. A partir dos sinais de tensão (saída) e corrente (entrada) são estimados modelos ARX e OE da cuba eletrolítica utilizando a Teoria de Identificação de Sistemas. Após a simulação são escolhidos os modelos com melhor ajuste à saída medida. Para a seleção são utilizados critérios estabelecidos ao longo da pesquisa. Os modelos ARX e OE das cubas eletrolítica, são construídos para representar o pleno estado de funcionamento da cuba. Baseados em dados reais e via propriedades algébricas, os modelos geram as funções de transferência específicas de cada modelo que são validadas com dados reais obtidos na indústria, a resposta no tempo, na freqüência e velocidade de convergência são analisadas. A partir da função de transferência é feita a representação da fase normal de funcionamento da cuba eletrolítica, e pelas propriedades do modelo é feita a predição do efeito anódico identificando o aumento da tensão na fase de validação. Portanto, este trabalho apresenta a investigação de modelos paramétricos ARX e OE que melhor representam o funcionamento da cuba eletrolítica para possibilitar a predição do efeito anódico no processo produtivo do alumínio. Nesta dissertação propomos o desenvolvimento de modelos no domínio do tempo contínuo e discreto com um estudo das suas respostas transitória e de regime permanente assim como sua resposta em freqüência de seu funcionamento normal e na fase que antecede o efeito anódico.