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

Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-03-02T22:51:53Z No. of bitstreams: 1 TiagoDosSantosBezerra_DISSERT.pdf: 2629795 bytes, checksum: 9ffd5ffe3a05204b53801a61891c5393 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-03-04T00:16:01Z (GMT) No. of bitstreams: 1 TiagoDosSantosBezerra_DISSERT.pdf: 2629795 bytes, checksum: 9ffd5ffe3a05204b53801a61891c5393 (MD5) / Made available in DSpace on 2016-03-04T00:16:01Z (GMT). No. of bitstreams: 1 TiagoDosSantosBezerra_DISSERT.pdf: 2629795 bytes, checksum: 9ffd5ffe3a05204b53801a61891c5393 (MD5) Previous issue date: 2014-06-10 / Com o crescimento da demanda de tr?fego de dados nas redes de terceira gera??o (3G), as operadoras de telefonia m?vel t?m atentado para o direcionamento dos recursos em infraestrutura nos locais onde se identifica maior necessidade. O direcionamento desses investimentos tem o objetivo de manter a qualidade do servi?o prestada principalmente em regi?es urbanas densas. Neste trabalho ? realizada a predi??o de s?ries temporais em rede WCDMA - HSPA dos par?metros Rx Power, RSCP (Received Signal Code Power), Ec/Io (Energy per chip/Interference) e taxa de transmiss?o (throughput) na camada f?sica. A coleta dos valores dos par?metros foi realizada numa rede em pleno funcionamento atrav?s de um drive test na cidade de Natal ? RN, uma capital do nordeste brasileiro. Os modelos utilizados para predi??es das s?ries temporais foram os de Alisamento Exponencial Simples, Holt, Holt-Winters Aditivo e Holt-Winters Multiplicativo. O objetivo das predi??es das s?ries temporais ? verificar qual modelo ir? gerar as melhores predi??es dos par?metros da rede WCDMA - HSPA. / With the growing demand of data traffic in the networks of third generation (3G), the mobile operators have attempted to focus resources on infrastructure in places where it identifies a greater need. The channeling investments aim to maintain the quality of service especially in dense urban areas. WCDMA - HSPA parameters Rx Power, RSCP (Received Signal Code Power), Ec/Io (Energy per chip/Interference) and transmission rate (throughput) at the physical layer are analyzed. In this work the prediction of time series on HSPA network is performed. The collection of values of the parameters was performed on a fully operational network through a drive test in Natal - RN, a capital city of Brazil northeastern. The models used for prediction of time series were the Simple Exponential Smoothing, Holt, Holt Winters Additive and Holt Winters Multiplicative. The objective of the predictions of the series is to check which model will generate the best predictions of network parameters WCDMA - HSPA.

Made available in DSpace on 2014-06-12T15:52:00Z (GMT). No. of bitstreams: 2 arquivo3072_1.pdf: 2151220 bytes, checksum: b28a86f3cf1758147db2ac214690331d (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Os dados simbólicos apresentam, em sua estrutura, formas interessantes para se transformar grandes bases de dados clássicos em novos conjuntos de dados de tamanho reduzido, facilitando a manipulação e proporcionando novas técnicas de análise dos mesmos. No entanto, mesmo com os recentes avanços promovidos por pesquisadores nesta área, o volume de técnicas de manipulação e, consequentemente, de análise de dados simbólicos (ADS) ainda é incipiente. Uma série temporal do tipo intervalo (STI), no campo de dados simbólicos, pode ser definida como um conjunto de intervalos observados sequencialmente no tempo, em que cada intervalo é descrito por um vetor bidimensional com elementos em IR representados pelo limite superior e pelo limite inferior. O desenvolvimento de técnicas para previsão de STI é uma área de pesquisa muito promissora e os poucos resultados relatados na literatura surgiram muito recentemente. Nesta tese, estendemos técnicas clássicas de análise de séries temporais para descrição, modelagem e previsão de STI no domínio de ADS. Neste contexto, nós apresentamos técnicas para descrição de uma STI, envolvendo cálculo de estatísticas sumárias e representação gráfica dos dados. Na modelagem, apresentamos métodos que consistem na explicação do processo gerador da STI a partir de certo modelo, bem como métodos de estimação de parâmetros e métodos para avaliação da qualidade do modelo, em termos do ajuste

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / O presente trabalho objetiva realizar previsÃes mensais da sÃrie do imposto de renda para o perÃodo de 2002. A metodologia empregada para alcanÃar essa finalidade consiste na utilizaÃÃo da tÃcnica de combinaÃÃo de previsÃes. Especificamente, combinam-se os resultados de previsÃo advindos de trÃs mÃtodos diferentes: tÃcnica do alisamento exponencial, metodologia de Box-Jenkins (modelos ARIMA) e modelos vetoriais de correÃÃo de erro. Obtida a previsÃo final, compara-se este resultado com os valores reais observados da sÃrie do imposto de renda para o ano de 2002 a fim de verificar o desempenho e a acurÃcia do modelo. / The main objective of this work was to generate predictions, at a monthly frequency, from 1990 to 2001, of income tax revenue. The methodology used was the one of forecast combining. Specifically, exponential smoothing, an ARIMA and VAR with error correction models were pooled to obtain final prediction. Ex-post forecast errors were used to test the performance of the model. Results indicated that combining performs better than individual models, and errors are in an acceptable interval for this type of prediction.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4757.pdf: 552745 bytes, checksum: 4f9bf1ad04dfca4e80bbfdf36c909f6f (MD5) Previous issue date: 2012-12-06 / Financiadora de Estudos e Projetos / Time series forecasting is probably one of the most primordial interests on economics and econometrics, and the literature on this subject is extremely vast. Due to technological growth in recent decades, large amounts of time series are daily collected; which, in a first moment, it requires forecasts according a fixed horizon; and on the second moment the forecasts must be constantly updated, making it impractical to human interaction. Towards this direction, computational procedures that are able to model and return accurate forecasts are required in several research areas. The search for models with high predictive power is an issue that has resulted in a large number of publications in the area of forecasting models. We propose to do a theorical and applied study of forecasting methods applied to multiple univariate time series. The study was based on exponential smoothing via state space approach, automatic ARIMA methods and the generalized Theta method. Each model and method were applied in large data bases of univariate time series and the forecast errors were evaluated. We also propose an approach to estimate the Theta coefficients, as well as a redefinition of the method regarding the number of decomposition lines, extrapolation methods and a combining approach. / A previsão de séries temporais é provavelmente um dos interesses mais primordiais na área de economia e econometria, e a literatura referente a este assunto é extremamente vasta. Devido ao crescimento tecnológico nas últimas décadas, diariamente são geradas e disponibilizadas grandes quantidades de séries temporais; que em um primeiro momento, requerem previsões de acordo com um horizonte fixado; e no segundo momento as previsões precisam ser constantemente atualizadas, tornando pouco prática a interação humana. Desta forma, procedimentos computacionais que modelem e posteriormente retornem previsões acuradas são exigidos em diversas áreas do conhecimento. A busca por modelos com alto poder de preditivo é uma questão que tem resultado em grande quantidade de publicações na área de modelos para previsão. Neste trabalho, propõe-se um estudo teórico e aplicado de métodos de previsão aplicado à múltiplas séries temporais univariadas. O estudo foi baseado em modelos de alisamento exponencial via espaço de estados, método ARIMA automático e o método Theta generalizado. Cada modelo e método foi aplicado em grandes bases de séries temporais univariadas e avaliado o resultado em relação aos erros de previsão. Também foi proposta uma abordagem para estimação dos coeficientes Theta, assim como redefinição do método em relação a quantidade de linhas para decomposição, métodos de extrapolação e combinação das linhas para previsão.

Time series model have been used in many areas of knowledge and have become a current necessity for companies to survive in a globalized and competitive market, as well as climatic factors that have always been a concern because of the different ways they interfere in human life. In this context, this work aims to present a comparison among the performances by the following models of time series: ARIMA, ARMAX and Exponential Smoothing, adjusted to air relative humidity (UR) and also to verify the volatility present in the series through non-linear models ARCH/GARCH, adjusted to residues of the ARIMA and ARMAX models. The data were collected from INMET from October, 1st to January, 22nd, 2014. In the comparison of the results and the selection of the best model, the criteria MAPE, EQM, MAD and SSE were used. The results showed that the model ARMAX(3,0), with the inclusion of exogenous variables produced better forecast results, compared to the other models SARMA(3,0)(1,1)12 and the Holt-Winters multiplicative. In the volatility study of the series via non-linear ARCH(1), adjusted to the quadrants of SARMA(3,0)(1,1)12 and ARMAX(3,0) residues, it was observed that the volatility does not tend to influence the future long-term observations. It was then concluded that the classes of models used and compared in this study, for data of a climatologic variable, showed a good performance and adjustment. We highlight the broad usage possibility in the techniques of temporal series when it is necessary to make forecasts and also to describe a temporal process, being able to be used as an efficient support tool in decision making. / Modelos de séries temporais vêm sendo empregados em diversas áreas do conhecimento e têm surgido como necessidade atual para empresas sobreviverem em um mercado globalizado e competitivo, bem como fatores climáticos sempre foram motivo de preocupação pelas diferentes formas que interferem na vida humana. Nesse contexto, o presente trabalho tem por objetivo apresentar uma comparação do desempenho das classes de modelos de séries temporais ARIMA, ARMAX e Alisamento Exponencial, ajustados a dados de umidade relativa do ar (UR) e verificar a volatilidade presente na série por meio de modelos não-lineares ARCH/GARCH ajustados aos resíduos dos modelos ARIMA e ARMAX. Os dados foram coletados junto ao INMET no período de 01 de outubro de 2001 a 22 de janeiro de 2014. Na comparação dos resultados e na seleção do melhor modelo foram utilizados os critérios MAPE, EQM, MAD e SSE. Os resultados mostraram que o modelo ARMAX(3,0) com a inclusão de variáveis exógenas produziu melhores resultados de previsão em relação aos seus concorrentes SARMA(3,0)(1,1)12 e o Holt-Winters multiplicativo. No estudo da volatilidade da série via modelo não-linear ARCH(1), ajustado aos quadrados dos resíduos dos modelos SARMA(3,0)(1,1)12 e ARMAX(3,0), observou-se que a volatilidade não tende a influenciar as observações futuras em longo prazo. Conclui-se que as classes de modelos utilizadas e comparadas neste estudo, para dados de uma variável climatológica, demonstraram bom desempenho e ajuste. Destaca-se a ampla possibilidade de utilização das técnicas de séries temporais quando se deseja fazer previsões e descrever um processo temporal, podendo ser utilizadas como ferramenta eficiente de apoio nas tomadas de decisão.