CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / Developing High Performance Computing applications (HPC), which optimally access the available computing resources in a higher level of abstraction, is a challenge for many scientists. To address this problem, we present a proposal of a component computing cloud called HPC Shelf, where HPC applications perform and SAFe framework, a front-end aimed to create applications in HPC Shelf and the author's main contribution. SAFe is based on Scientific Workflows Management Systems (SWMS) projects and it allows the specification of computational solutions formed by components to solve problems specified by the expert user through a high level interface. For that purpose, it implements SAFeSWL, an architectural and orchestration description language for describing scientific worflows. Compared with other SWMS alternatives, besides rid expert users from concerns about the construction of parallel and efficient computational solutions from the components offered by the cloud, SAFe integrates itself to a system of contextual contracts which is aligned to a system of dynamic discovery (resolution) of components. In addition, SAFeSWL allows explicit control of life cycle stages (resolution, deployment, instantiation and execution) of components through embedded operators, aimed at optimizing the use of cloud resources and minimize the overall execution cost of computational solutions (workflows). Montage and Map/Reduce are the case studies that have been applied for demonstration, evaluation and validation of the particular features of SAFe in building HPC applications aimed to the HPC Shelf platform. / Desenvolver aplicaÃÃes de ComputaÃÃo de Alto Desempenho (CAD), que acessem os recursos computacionais disponÃveis de forma otimizada e em um nÃvel maior de abstraÃÃo, à um desafio para cientistas de diversos domÃnios. Esta Tese apresenta a proposta de uma nuvem de componentes chamada HPC Shelf, pano de fundo onde as aplicaÃÃes CAD executam, e o arcabouÃo SAFe, Front-End para criaÃÃo de aplicaÃÃes na HPC Shelf e contribuiÃÃo principal do autor. O SAFe toma como base o projeto de sistemas gerenciadores de workflows cientÃficos (SGWC), permitindo a implementaÃÃo de soluÃÃes computacionais baseadas em componentes para resolver os problemas especificados por meio de uma interface de nÃvel de abstraÃÃo mais alto. Para isso, foi desenvolvido o SAFeSWL, uma linguagem de descriÃÃo arquitetural e orquestraÃÃo de worflows cientÃficos. Comparado com outros SGWC, alÃm de livrar usuÃrios finais de preocupaÃÃes em relaÃÃo à construÃÃo de soluÃÃes computacionais paralelas e eficientes a partir dos componentes oferecidos pela nuvem, o SAFe faz uso de um sistema de contratos contextuais integrado a um sistema de descoberta (resoluÃÃo) dinÃmica de componentes. A linguagem SAFeSWL permite o controle explÃcito das etapas do ciclo de vida de um componente em execuÃÃo (resoluÃÃo, implantaÃÃo, instanciaÃÃo e execuÃÃo), atravÃs de operadores embutidos, a fim de otimizar o uso dos recursos da nuvem e minimizar os custos de sua utilizaÃÃo. Montage e Map/Reduce constituem os estudos de caso aplicados para demonstraÃÃo e avaliaÃÃo das propriedades originais do SAFe e do SAFeSWL na construÃÃo de aplicaÃÃes de CAD.

Given the wide range of macroeconomic, financial and econometric frameworks commonly used to accommodate uncomfortable empirical evidence associated with the Forex market, this article aims to model and predict the monthly variation in American Dollar-Brazilian Real exchange rate, from January 2000 to December 2009, based on asset pricing theory. Wang (2008) and Engel and West (2005) are closer to ours, in terms of fundamentals of finance, while methodologically, we are close to Chong, Chung and Ahmad (2002) and da Costa et al. (2010). Our work is relevant to the empirical literature, since the prediction results are better than the random walk approach ones. The prediction error is about 5% and 14% for the exchange rate variation and in level, respectively. In 57.5% of the changes, our model predicts the correct change direction. The main contribution based on this framework, already used to understand the Forward Premium Puzzle for advancedeconomies, consists in the derivation and the implications of a system of linear relationships characterized by a Bivariate Generalized Autoregressive Conditional Heteroskedasticity-in-Mean (GARCH-M), useful empirically, once we have extracted a time series for a Stochastic Discount Factor (SDF) able to price the covered and the uncovered trading with U.S. Government bonds. The results suggest to the theoretical literature that, at least for monthly frequency, one should not omit the temporal variation of conditional moments of the second order. The hypothesis about the lognormal distribution of discounted returns and a parsimonious specification for conditional Heteroskedastic models can influence the predictive power of SDF, as well as the effects of the inclusion of risk premium. / Diante da vasta gama de arcabouÃos macroeconÃmicos, economÃtricos e financeiros que visam acomodar evidÃncias empÃricas desconfortÃveis associadas ao mercado cambial, este artigo visa modelar e prever a variaÃÃo mensal entre as moedas real brasileiro e dÃlar americano, de janeiro de 2000 a dezembro de 2009, baseado na teoria de apreÃamento de ativos. Este estudo agrega-se à literatura empÃrica, ao obter resultados preditivos superiores a um modelo de passeio aleatÃrio, com erros de previsÃo da ordem de grandeza de 5% e 14% para depreciaÃÃo e para o cÃmbio em nÃvel, respectivamente, e um acerto em 57,5% das vezes com relaÃÃo à direÃÃo da variaÃÃo cambial. Alinhado em fundamentos a Wang (2008) e Engel e West (2005) e metodologicamente a Chong, Chung e Ahmad (2002) e da Costa et al. (2010), a principal contribuiÃÃo no uso deste arcabouÃo, jà utilizado no entendimento do Forward Premium Puzzle para economias avanÃadas, consiste na derivaÃÃo e nas implicaÃÃes de um sistema de relaÃÃes lineares caracterizado por um Generalized Autoregressive Conditional Heteroskedasticity-in- Mean (GARCH-M) bivariado, o qual pode ser testÃvel, a partir da extraÃÃo via componentes principais da sÃrie temporal para um Fator EstocÃstico de Desconto capaz de apreÃar operaÃÃes coberta e descoberta de aquisiÃÃo de tÃtulos do governo americano. Os resultados sugerem, ainda, à literatura teÃrica que, ao menos para frequÃncia mensal, nÃo se deve desprezar a variaÃÃo temporal dos momentos condicionais de segunda ordem. A hipÃtese sobre a distribuiÃÃo lognormal dos retornos descontados e uma especificaÃÃo parcimoniosa para modelos de heterocedasticidade condicional podem prejudicar a capacidade preditiva associada do Fator EstocÃstico de Desconto, assim como os efeitos da incorporaÃÃo do prÃmio de risco.