O objetivo principal do presente trabalho é oferecer métodos alternativos de previsão da arrecadação tributária federal, baseados em metodologias de séries temporais, inclusive com a utilização de variáveis explicativas, que reflitam a influência do cenário macroeconômico na arrecadação tributária, com o intuito de melhorar a acurácia da previsão da arrecadação. Para tanto, foram aplicadas as metodologias de modelos dinâmicos univariados, multivariados, quais sejam, Função de Transferência, Auto-regressão Vetorial (VAR), VAR com correção de erro (VEC), Equações Simultâneas, e de modelos Estruturais. O trabalho tem abrangência regional e limita-se à análise de três séries mensais da arrecadação, relativas ao Imposto de Importação, Imposto Sobre a Renda das Pessoas Jurídicas e Contribuição para o Financiamento da Seguridade Social - Cofins, no âmbito da jurisdição do estado de São Paulo, no período de 2000 a 2007. Os resultados das previsões dos modelos acima citados são comparados entre si, com a modelagem ARIMA e com o método dos indicadores, atualmente utilizado pela Secretaria da Receita Federal do Brasil (RFB) para previsão anual da arrecadação tributária, por meio da raiz do erro médio quadrático de previsão (RMSE). A redução média do RMSE foi de 42% em relação ao erro cometido pelo método dos indicadores e de 35% em relação à modelagem ARIMA, além da drástica redução do erro anual de previsão. A utilização de metodologias de séries temporais para a previsão da arrecadação de receitas federais mostrou ser uma alternativa viável ao método dos indicadores, contribuindo para previsões mais precisas, tornando-se ferramenta segura de apoio para a tomada de decisões dos gestores. / The main objective of this work is to offer alternative methods for federal tax revenue forecasting, based on methodologies of time series, inclusively with the use of explanatory variables, which reflect the influence of the macroeconomic scenario in the tax collection, for the purpose of improving the accuracy of revenues forecasting. Therefore, there were applied the methodologies of univariate dynamic models, multivariate, namely, Transfer Function, Vector Autoregression (VAR), VAR with error correction (VEC), Simultaneous Equations, and Structural Models. The work has a regional scope and it is limited to the analysis of three series of monthly tax collection of the Import Duty, the Income Tax Law over Legal Entities Revenue and the Contribution for the Social Security Financing Cofins, under the jurisdiction of the state of São Paulo in the period from 2000 to 2007. The results of the forecasts from the models above were compared with each other, with the ARIMA moulding and with the indicators method, currently used by the Secretaria da Receita Federal do Brasil (RFB) to annual foresee of the tax collection, through the root mean square error of approximation (RMSE). The average reduction of RMSE was 42% compared to the error committed by the method of indicators and 35% of the ARIMA model, besides the drastic reduction in the annual forecast error. The use of time-series methodologies to forecast the collection of federal revenues has proved to be a viable alternative to the method of indicators, contributing for more accurate predictions, becoming a safe support tool for the managers decision making process.

近年來，非線性時間數列分析是一個快速發展的課題，其中最為人所矚目 的是門檻模式。從過去許多文獻得知，一個簡單門檻模式對於某些型態時 間數列的描述，如結構性改變的行為趨勢，比一般線性ARMA模式更能解釋 實際情況。在本篇論文中，我們將討論有關門檻模式及結構性改變分析的 問題。對於模式的建立，我們提出一個轉型期的觀念，替代傳統尋求一個 轉捩點的方法，進而提出一個結構性改變ARIMA模式有效建立的程序。最 後，我們以台灣出生率當作應用分析的範例，並且利用建立的結構性改變 ARIMA模式，及其他傳統門檻TAR模式，傳統線性分析方法等進行預測分析 及比較。 / Non-linear time series analysis is a rapidly developing subject in recent years. One of special families of non-linear models is threshold model. Many literatures have shown that even simple threshold model can describe certain types of time series, such as structural change behavior, more faithful than using linear ARMA models. In this paper, we discuss some problems about the threshold model and structural change analysis. Instead of finding the change point, we present the change period concepts on the model- building. An efficient algorithem on constructing the structure change ARIMA models is proposed. Finally, we demonstrate an example about the birth rate of Taiwan, and the comparison of forecasting performance for the structure change ARIMA model with alternative models are also made.

I denna rapport presenteras ett tillvägagångssätt för att hitta och datera brytpunkter i tidsserier. En brytpunkt definieras av det datum då det skett en stor nivåförändring i tidsserien. Det presenteras även en strategi för att skatta effekten av daterade brytpunkter. Genom att analysera tidsserier över AFA Försäkrings ärendeinflöde visar det sig att brytpunkter i tidsserien sammanfaller med exogena händelser som kan ha orsakat dessa brytpunkter, till exempel villkors- eller lagförändringar inom försäkringsbranschen. Rapporten visar att det genom ett metodiskt angreppssätt går att skatta effekten av en exogen händelse. Dessa skattade effekter kan användas vid framtida prognoser då en liknande förändring förväntas inträffa. Dessutom skapas prognoser över ärendeinflödet två år framåt med olika tidsseriemodeller.

Im Rahmen der Arbeit wurden die minutengenauen Daten des Regelleistungsbedarfs (Summe aus Sekundärregelleistung und Minutenreserve) der Monate April bis Dezember des Jahres 2009 einer Regelzone einer Zeitreihenanalyse unterzogen und in Komponenten gemäß dem klassischen Komponentenmodell zerlegt. Diese sind die Trendkomponente, ermittelt durch einen gleitenden Durchschnitt mit der Länge einer Stunde, weiterhin zwei periodische Komponenten mit der Periodenlänge einer Stunde sowie der Periodenlänge eines Tages und die Restkomponente, welche mit einem ARIMA(2,1,5)-Prozess modelliert wurde. In der Zukunft sollte das erstellte Modell des Regelleistungsbedarfs durch Hinzunahme einer jahreszeitlichen Komponente noch verbessert werden. Dies war im Rahmen der Arbeit nicht möglich, da keine Daten über einen Zeitraum von mehreren Jahren vorhanden waren. Zusätzlich kann geprüft werden, inwiefern mit dem Komponentenmodell Prognosen durchführbar sind. Dafür sollte die Trendkomponente anders gewählt werden, da sich der hier gewählte Weg zu sehr an den Daten orientiert. Der zweite Teil der Aufgabenstellung dieser Arbeit bestand im Identifizieren inhaltlicher Komponenten, also möglicher Zusammenhänge zwischen dem Regelleistungsbedarf und verschiedenen denkbaren Ursachen. Als potentielle Ursachen wurden der Lastverlauf sowie die Windenergieeinspeisung untersucht. Zwischen der Zeitreihe des Lastverlaufs und der des Regelleistungsbedarfs bestand eine leichte positive Korrelation, zwischen der Zeitreihe der Windenergieeinspeisung und der des Regelleistungsbedarfs eine geringe negative Korrelation.

The aim of this study is to get some approach which can help in improving the predictions of daily temperature of Umeå. Weather forecasts are available through various sources nowadays. There are various software and methods available for time series forecasting. Our aim is to investigate the daily maximum temperatures of Umeå, and compare the performance of some methods in forecasting these temperatures. Here we analyse the data of daily maximum temperatures and find the predictions for some local period using methods of autoregressive integrated moving average (ARIMA), exponential smoothing (ETS), and cubic splines.  The forecast package in R is used for this purpose and automatic forecasting methods available in the package are applied for modelling with ARIMA, ETS, and cubic splines. The thesis begins with some initial modelling on univariate time series of daily maximum temperatures. The data of daily maximum temperatures of Umeå from 2008 to 2013 are used to compare the methods using various lengths of training period. On the basis of accuracy measures we try to choose the best method. Keeping in mind the fact that there are various factors which can cause the variability in daily temperature, we try to improve the forecasts in the next part of thesis by using multivariate time series forecasting method on the time series of maximum temperatures together with some other variables. Vector auto regressive (VAR) model from the vars package in R is used to analyse the multivariate time series. Results: ARIMA is selected as the best method in comparison with ETS and cubic smoothing splines to forecast one-step-ahead daily maximum temperature of Umeå, with the training period of one year. It is observed that ARIMA also provides better forecasts of daily temperatures for the next two or three days. On the basis of this study, VAR (for multivariate time series) does not help to improve the forecasts significantly. The proposed ARIMA with one year training period is compatible with the forecasts of daily maximum temperature of Umeå obtained from Swedish Meteorological and Hydrological Institute (SMHI).

Cloud computing has emerged to change the way computing is offered and used. Instead of having all the necessary hardware and software to manipulate and to store their data, users just need a mechanism to access the Internet. So, the efficient provisioning on demand of computational resources is a challenge to comply with the needs of users. Thus, there is a problem related to the lack of an underlying mechanism to assist a cloud management system to maintain acceptable levels of Quality of Service (QoS) pro-actively. In this context, this work makes a comparative analysis of the predictive ability of different statistical models in seeking to define the most suitable for resource provisioning in a cloud environment. In this way, linear time series techniques namely ARIMA and ARMAX and nonlinear ones based on neural networks so-called MLP and NARX were applied on a dataset of a cluster from Google. The prediction results of usage of cpu, disk and memory shown that the NARX neural network can predict with low error the expected values, being feasible for application in a provisioning mechanism of servers in cloud computing environments. / A computação em nuvem surgiu para mudar a forma como a computação é oferecida e utilizada. Ao invés de possuir todo o hardware e software necessários para manipular e armazenar seus dados, os usuários apenas necessitam de um mecanismo que acesse a Internet. Com isso, o provisionamento eficiente de recursos computacionais sob demanda é um desafio para atender as necessidades dos usuários. Dessa forma, percebe-se que existe um problema relacionado à necessidade de mecanismos que auxiliem um sistema de gerenciamento de nuvem a manter níveis adequados de qualidade de serviço (QoS) de forma pro-ativa. Nesse contexto, este trabalho faz uma análise comparativa da capacidade de predição de diferentes modelos estatísticos com vistas a definir o mais adequado ao provisionamento de recursos em um ambiente de nuvem. Para isso, foram aplicadas técnicas de séries temporais lineares ARIMA e ARMAX e não lineares baseadas em redes neurais MLP e NARX em um dataset de um cluster de computadores da Google. Os resultados de predição de uso de cpu, memória e disco demonstraram que a rede neural NARX consegue predizer com baixo erro os valores esperados, sendo viável a sua aplicação em um mecanismo de provisionamento de servidores em ambientes de nuvem computacional

[pt] O setor elétrico brasileiro é fortemente dependente da energia hidrelétrica e a predição acurada das séries de vazões é essencial para o planejamento e gestão de risco. Recentemente, os modelos híbridos, que combinam técnicas de previsão e pré-processamento de dados, têm se destacado. Entretanto, na literatura, não há consenso sobre a superioridade de previsão destes modelos em relação aos tradicionais (puros). Este trabalho visa contribuir para literatura com a avaliação de performance de previsão e a adequabilidade de modelos puros e híbridos para séries mensais estacionárias e não estacionárias de vazões. Para isso, foram construídos modelos usando as técnicas de previsão de Redes Neurais Artificiais e ARIMA acoplados com as técnicas de pré-processamento de dados Singular Spectrum Analysis (SSA) e Seasonal and Trend decomposition based on Loess (STL). Como resultado, este estudo mostra para a série de Belo Monte (estacionária) os modelos puros obtiveram um melhor desempenho, já para a série de Sobradinho (não estacionária) os modelos híbridos foram os melhores. / [en] The Brazilian electricity sector is strongly dependent on hydropower and the accurate prediction of streamflow series is essential for planning and risk management. Recently, hybrid models, which combine prediction and data preprocessing techniques, have stood out. However, in the literature there is no consensus on the predictive superiority of these hybrid models versus their pure version. This paper aims to contribute to the literature with the evaluation of prediction performance suitability of pure and hybrid models for monthly stationary and non - stationary series of streamflow. For this, models were constructed using Artificial Neural Network and ARIMA forecasting techniques coupled with the Singular Spectrum Analysis (SSA) and Seasonal and Trend decomposition based on Loess (STL) data pre-processing techniques. As a result, this study shows that pure models obtained a better performance for the Belo Monte (stationary series), already hybrid models were the best for the Sobradinho (non-stationary series).

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In the current competitive market, a great part of companies has as the main goal the search for continuous improvement of their products and services. Therefore, the application of statistical methods has great relevance in the quality evaluation, helping in the understanding and monitoring of the processes. In such context, the present study concerns to the use of multivariate control charts in the evaluation of the productive processes in the presence of cross-correlation, which the objective is to verify the continuous casting process stability in the production of still billets by means of Hotelling's T2 multivariate control charts applied in the estimated residual mathematical linear models. Initially, the existence of data autocorrelation was verified, it is necessary the ARIMA modeling, because when it happens, it is necessary to determine the residues and apply multivariate control charts to the residues and not on the original variables. The existence of correlation showed to be meaningful among the variables, being one of the assumptions for the statistical application T2. When the T2 chart instability is verified, it was necessary to identify the variable or the set of variables of steel temperatures in the distributor and in the distributor weight, which are responsible for the instability. Later, the estimated residues were decomposed into principal components, and with the help of the correlation of the original variables and the principal components, the variables which most contributed to the formation of each component were identified. Therefore, it was possible to detect the variables which caused the system instability, once for the steel temperature in the distributor were the T4 and T5, followed by T6, T3, T7 and T2 and for the weight of the distributor, PD4, PD5, PD3, PD6 and PD2, respectively. This way, the estimated residues from the mathematical models, the use of multivariate chart control Hotelling's T2 and the decomposition into principal components which were able to represent the productive process. This methodology allowed the understanding of the behavior of the variables and helped the monitoring of this process, as well as, in the determination of the possible variables which caused the instability in the continuous casting process. / No atual mercado competitivo, grande parte das empresas tem como principal objetivo a busca da melhoria contínua dos seus produtos e serviços. Assim, a aplicação de métodos estatísticos apresenta grande relevância na avaliação da qualidade, auxiliando na compreensão e monitoramento de processos. Nesse contexto, o presente estudo aborda a utilização de gráficos de controle multivariados na avaliação do processo produtivo na presença de correlação cruzada, cujo objetivo é verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos de aço por meio do gráfico de controle multivariado T2 de Hotelling aplicado nos resíduos estimados de modelos matemáticos lineares. Inicialmente, foi verificada a existência de autocorrelação nos dados, sendo necessária a utilização da modelagem ARIMA, pois quando isso ocorre, deve-se proceder à determinação dos resíduos e aplicar os gráficos de controle multivariados aos resíduos e não nas variáveis originais. A existência de correlação cruzada mostrou-se significativa entre as variáveis, sendo um dos pressupostos para a aplicação da estatística T2. Verificada a instabilidade no gráfico T2, buscaram-se identificar a variável ou conjunto de variáveis das temperaturas do aço no distribuidor e peso do distribuidor, responsáveis pela instabilidade. Posteriormente, os resíduos estimados foram decompostos em componentes principais, e com o auxílio da correlação entre as variáveis originais e as componentes principais, identificou-se as variáveis que mais contribuíram para a formação de cada componente. Assim, foi possível detectar as variáveis causadoras da instabilidade do sistema, sendo que para às temperaturas do aço no distribuidor foram às temperaturas T4 e T5, seguidas de T6, T3, T7 e T2 e para o peso do distribuidor, PD4, PD5, PD3, PD6 e PD2, respectivamente. Deste modo, os resíduos estimados oriundos dos modelos matemáticos, a aplicação dos gráficos de controle multivariados T2 de Hotelling e a decomposição em componentes principais foram capazes de representar o processo produtivo. Esta metodologia possibilitou a compreensão do comportamento das variáveis e auxiliou no monitoramento do processo, bem como, na determinação das possíveis variáveis causadoras da instabilidade no processo de lingotamento contínuo.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The global and national political and economic situation reflects directly on changes in the labor market. Concern about the employability, generate new jobs, as well as security and formality of these, and, places that no longer exist causing unemployment, it is constantly agenda in the academic literature, the media and at the same time government concern. In this context, the objective in this research was to analyze the absolute indicators of formal employment, initially in the eight sectors of the economy (mineral extraction, manufacturing, industrial and public utility services, construction, trade, services, agriculture and public administration) and, subsequently adjust predictive models in four major economic sectors (construction, trade, manufacturing and services). First, there was a descriptive analysis of dismissals in the state of Rio Grande do Sul between January 2004 and December 2014. Then, the analysis extended to the other states of the South region of Brazil (Santa Catarina and Paraná) jointly between 05/2003 and 12/2014. For this, we used the secondary database of the General Register of Employed and Unemployed, made available by the Ministry of Labor and Employment. For data analysis and model adjustments, we used a methodology developed by Box and Jenkins to time series. Initial results indicated significant growth trend of dismissals in the state of Rio Grande do Sul, in seven of the eight sectors of this economy. Second time, were set twelve statistical models forecast that showed seasonal component. Through the models found, it was possible to determine the forecast of formal employment by sector of economic activity in southern Brazil, based on values outside of the sample. In conclusion, the models found showed satisfactory predictions as accompanied the process of the actual values, indicating low average percentage absolute error. / A situação político-econômica mundial e nacional reflete diretamente nas transformações ocorridas no mercado de trabalho. A preocupação com a empregabilidade, geração de novos empregos, bem como a segurança e formalidade destes, e, as vagas que deixam de existir ocasionando o desemprego, é pauta constantemente na literatura acadêmica, na mídia e ao mesmo tempo preocupação do governo. Neste contexto, o objetivo proposto nesta pesquisa foi analisar os indicadores absolutos do emprego formal, inicialmente nos oito setores da economia (extrativa mineral, indústria de transformação, serviços industriais de utilidade pública, construção civil, comércio, serviços, agropecuária e administração pública) e, posteriormente, ajustar modelos de previsão no quatro maiores setores de atividade econômica (construção civil, comércio, indústria de transformação e serviços). Primeiramente, realizou-se uma análise descritiva dos desligamentos no estado do Rio Grande do Sul entre janeiro de 2004 e dezembro de 2014. Em seguida, a análise estendeu-se aos demais estados da região Sul do Brasil (Santa Catarina e Paraná) de forma conjunta entre 05/2003 e 12/2014. Para isso, utilizou-se a base de dados secundários do Cadastro Geral de Empregados e Desempregados, disponibilizados pelo Ministério do Trabalho e Emprego. Para as análises dos dados e ajustes de modelos, empregou-se a metodologia desenvolvida por Box e Jenkins para séries temporais. Os resultados iniciais indicaram tendência significativa de crescimento dos desligamentos no estado do Rio Grande do Sul, em sete dos oito setores da economia avaliados. Em segundo momento, foram ajustados doze modelos estatísticos de previsão que apresentaram componente sazonal. Por meio dos modelos encontrados, foi possível determinar a previsão do emprego formal por setor de atividade econômica na região Sul do Brasil, com base nos valores fora da amostra. Conclui-se que, os modelos encontrados apresentaram previsões satisfatórias, pois acompanharam o processo dos valores reais, evidenciando baixo erro absoluto percentual médio.

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.