[pt] A modelagem Box & Jenkins (1970) para previsão de séries temporais univariadas, de acordo com a proposta inicial das autoras, é composta de quatro etapas: Indentificação de Modelos, Estimação dos Parâmetros, Testes Estatísticos para Validação do Modelo e Previsão. Dentre as etapas citadas, a Identificação de Modelos é a de maior dificuldade na utilização prática da metodologia Box & Jenkins, é baseada no uso de estimadores para as funções de autocorrelação parcial da série, não apresenta dificuldades no caso específico de modelos puros. Porém no tratamento de modelos mistos (ARMA), onde há presença das duas componentes (AR e MA), a utilização destes estimadores muitas vezes não leva a conclusões definitivas quanto à estrutura a ser considerada. Numa tentativa de diminuição da dificuldade para indentificar modelos ARMA (p, q), existem na literatura especializada várias propostas alternativas de métodos de identificação. Este trabalho se propõe a uma análise crítica de alguns métodos e dos resultados obtidos a partir destes. A análise foi concentrada nos seguintes métodos: - Função de Autocorrelação Inversa, (Cleveland, 1972) e (Chatfield, 1979); - R & S Arrays (Gray, Kelley e Mc. Intire, 1978); - Corner Method (Béguin, Gourieroux e Monfort, 1980); - Função de Autocorrelação Extendida (Tião e Tsay, 1982); - Função de Autocorrelação Parcial Generalizada (Glasbey, 1982); cujos desempenhos foram comparados entre si e com a metodologia tradicional. Foram consideradas cinco estruturas: AR(1), AR(2), MA(1), MA(2) e ARMA(1,1). Para cada estrutura foram escolhidos três modelos, utilizando como critério sua localização na região de estacionariedade / inversibilidade. Foram simuladas quinze séries para cada modelo, variando-se a semente e o nível da série, totalizando desta forma, 225 séries, que foram submetidas a cada um dos métodos em estudo e cujos resultados foram comparados e analisados. A partir dos resultados obtidos chegou-se a várias conclusões úteis na prática quanto à utilização de cada método, porém estas conclusões são apenas relativas à amostra utilizada, pois para se chegar a conclusões definitivas o tamanho da amostra deveria ser maior e critérios estatísticos de análise poderiam ser utilizadas. Dentre as conclusões obtidas destaca-se a seguinte: embora alguns métodos alternativos de identificação tenham apresentado grande melhoria em relação ao método tradicional, o problema da identificação ainda não se encontra resolvido, assim muitas das tentativas de Box & Jenkins Automáticos tornam-se sensíveis a falhar e a presença do analista torna-se necessária. / [en] The dificulty of the Box and Jenkins approach for univariante time series forecasting lies in the stage of identification. The traditional methodology based on the estimators of the autocorrelation and partial autocorrelation functions, to mixed models(ARMA), usually leads to wrong structural identification. As an attempt to solve this problem, many authors have porposed alternative identification methods. This work intends to make a critical analysis was concentrated on the following methods: - Inverse Autocorrelation Function, (Cleveland, 1972) and (Chatfield, 1979); - R&S Arrays, (Gray, Kelley and Mc. Intire, 1978); - The Corner Method, (Beguin, Gourieroux and Monfort, 1980); - Extended Autocorrelation Function (Tiao and Tsay, 1982); - General Partial Autocorrelation Function (Glasbey, 1982); their performance were compared with each other and with the traditional method. Five structures have been studied: AR(1), AR(2), MA(1), MA(2) and ARMA(1,1). For each of them three models have been chosen /considering their position in the stationary and invertible regions. Fifteen series have been simulated for each model, varying levels and their seeds, adding up to 225 series, which were submitted to each method. The results led to several conclusions, which are restricted to the sample studied; the most important was: Although some of these methods yield to better results than the traditional ones, the problem of identification is still unsolved. So, any kind of Automatic Box and Jenkins can not be recommended.

[pt] Desde de 1970, quando Box e Jenkins introduziram os modelos ARMA para análise e previsão de séries temporais, muitos estudos foram desenvolvidos buscando encontrar um método mais eficiente de identificação de tais modelos. Tal fato se deu porque o método por Box e Jenkins, baseado na função de auto-correlação parcial (FACP) não são eficientes quando os modelos apresentam componentes auto- regressivas (AR) e médias móveis (MA). Estudos comparativos realizados anteriormente mostraram que dentre os métodos de identificação já desenvolvidos, o que se mostrou mais eficiente foi o baseado na função de auto-correlação extendida (FACE) de TIAO e TSAY (1992) Recentemente, Kuldeep Kumar introduziu na literatura um método de identificação baseado na teoria de aproximação de Padé. O objetivo deste trabalho é comparar o método da FACE com o método baseado na teoria de aproximação de Padé. / [en] Since 1970, when Box and Jenkins first introduced the ARMA models to analysis and predict of time series data, a lot of studies have been developed to find an efficient identification method for such models. This was due the fact that the identification method proposed by Box and Jenkins, based on Auto-correlation Function (ACF) and Partial Auto-correlation Function (PACF), are inefficient when the models have auto regressive - AR- and moving average - MA- components. Comparative studies undertaken, have shown that, among the identification methods already developed, the method based on the Extended Auto-correlation Fuction of Tiao and Tsay (1982) is the most efficient. More recently, however, Kuldeep Kumar has introduced in the literature an identification method based on the theory of Padé aproximation. The objective of this paper is to compare the Extended Auto-correlation Function method with the method based on the Theory of Padé approximation.

[pt] O objetivo principal deste trabalho é discutir a implementação de um algoritmo recursivo para a estimação da Função de Auto-Correlação Extendida (FACE) para séries univariadas e da Função de Correlação Cruzada Extendida (FCCE) para vetores de séries temporais. Um programa de computador, escrito na Linguagem PL/I foi desenvolvido, utilizando o algoritmo recursivo mencionado para o cálculo somente da FACE. A utilização deste procedimento permitiu um aumento nas dimensões da matriz FACE e, como conseqüência, a identificação de modelos sazonais via FACE. / [en] In this work we discuss the implementation of a recursive procedure for the estimation of the Extended Sample Autocorrelation Function (FACE) for univariate time series, and the Extended Sample Cross-Correlation Function (FCCE) for multivariate time series. A computer program written in PL/I was developed using the procedure above mentioned for the univariate case only. The use of this procedure allows high dimensions for the required FACE matrix, as a consequence, the identification of seasonal series via FACE is included as particular case.

[pt] A presente dissertação tem por objetivo o estudo quantitativo da previsão da demanda de carga elétrica semanal para a região sudeste e em particular, para os Estados do Rio de Janeiro e São Paulo. Foram estudadas para tanto as séries reais dos últimos 7(sete) anos, ou seja, de janeiro de 1991 a novembro de 1997 das concessionárias LIGHT, CERJ, CESP, CPFL e ELETROPAULO. Para o estudo de previsão foi utilizado o conceito in sample, ou seja, parte real dos dados foram separados e mais tarde comparados com os valores previstos experimentalmente para aquela mesma época dos dados reais separados. Desta forma, permitiu-se averiguar qual seria a precisão da previsão, verificando-se os erros entre os valores experimentais e reais. Para os cálculos das previsões, também foi utilizado o conceito de bayesiano de combinação de previsões (outperformance) das duas técnicas a saber: redes neurais artificiais (software Neunet) e o modelo clássico Box & Jenkins (software Autobox). Para se obter o valor combinado das previsões, foi utilizado software matlab que se comportou de maneira adequada para o estudo em questão. Além disso vale acrescentar que o software Neunet foi utilizado, pois possui em seu ambiente a técnica de eliminação de sinapses enquadra-se dentro do conceito de redes neurais multicamadas com retropropagação dos erros. / [en] The goal of this dissertation is to present a quantitative study in time series of weekly electrical charge demand at the southeast region, particulary at Rio de Janeiro and São Paulo. In this work will be analysed the last 7 years, from january 1991 to november of 1997. The next time series were study: LIGHT, CERJ, CESP, CPFL and ELETROPAULO. Aimming to test the model against real data the concept of sample data was utilized in this dissertation. Another concept used in this work was outperformance. Outperformance is a Bayesian concept that involves the combination of two or more techniques in order to enchance the forecasting results. Artificial neural network and Box and Jenkins method are combined in this work. It is also interesting to notice that weight elimination, which is a new ANN technique, proved to be faster then classical back- propagation and yielded better results.

[pt] A energia eólica é uma das alternativas mais promissoras para geração de energia elétrica, pois assegura a diversidade e segurança no fornecimento de energia e atende à necessidade premente de reduzir os níveis de emissão de gases poluentes. Na operação de sistemas elétricos com forte presença de geração eólica é fundamental prever com pelo menos um dia de antecedência os valores futuros (pelo menos horários) da veloci-dade do vento, pois assim pode-se avaliar a disponibilidade de energia para o próximo dia, uma informação útil no despacho das unidades geradoras e no controle do sistema elétrico. A proposta dessa dissertação objetiva especificamente desenvolver modelos de previsão de curto prazo da velocidade do vento, baseado em técnicas de inteligência artificial, modelo da rede neural artificial e neuro-fuzzy adaptativa (ANFIS) e um mode-lo Estatístico composto por um modelo de regressão harmônica e Box-Jenkins. Para aplicação da metodologia considerou-se o município de São João do Cariri (Estado de Paraíba), onde está localizada uma das estações de referência do projeto SONDA (Sis-tema Nacional de Dados Ambientais para o setor de energia). O desempenho dos mode-los rede neural, neuro-fuzzy (ANFIS) e modelo Estatístico são comparados nas previ-sões de 6 horas, 12 horas, 18 h e 24horas a frente. Os resultados obtidos mostram o me-lhor desempenho da modelagem ANFIS e encorajam novos estudos no tema. / [en] Wind power is one of the most promising options for power generation. It ensures the diversity and security of energy supply and meets the pressing need to reduce the levels of emission of polluting gases. In the operation of electrical systems with a strong presence of wind generation, it is essential to provide at least one day in advance the future values (at least hourly) of wind speed, so that we can assess the availability of energy for the next day, a useful information in the order of the generating units and electrical control system. The purpose of this dissertation aims to develop models spe-cifically to develop models to forecast short-term wind speed, based on artificial intelligence techniques, artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statistical model composed of a harmonic regression model and Box-Jenkins. For application of the methodology, the city of São João do Cariri (State of Paraíba), where a reference station of SONDA project (National Environmental Data for the energy sector) is located, was considered.To apply the methodology was consi-dered the city of the ray tracing model (State of Paraíba), which is located a station ref-erence design (National Environmental Data for the energy sector). The performance of artificial neural network model and adaptive neuro-fuzzy Systems (ANFIS) and a statis-tical model are compared mixed forecasts of 6 hours, 12 hours, 18hours and 24 hours ahead. The results show the best performance of the ANFIS model and encourage fur-ther studies on the subject.

nÃo hà / As unidades hospitalares utilizam diversas ferramentas que auxiliam na gestÃo. Um desses indicadores à a taxa de ocupaÃÃo hospitalar que mede a relaÃÃo entre o nÃmero de pacientesdia e o nÃmero de leitos-dia durante determinado perÃodo. Compreender o comportamento da taxa de ocupaÃÃo hospitalar identificando suas tendÃncias e sazonalidades à o objetivo principal deste trabalho. A instituiÃÃo escolhida para este estudo realiza atendimentos para o SUS, Particular e ConvÃnio. Como cada categoria possui suas peculiaridades, este estudo buscou os modelos que mais se ajustavam Ãs sÃries das taxas de ocupaÃÃo e obteve os seguintes resultados: para a modalidade convÃnio o modelo ARIMA (2,1,2), para particular ARMA (1,1), para o SUS AR (1) e para a taxa de ocupaÃÃo total AR(1). Em todas as modalidades foram identificadas presenÃa de sazonalidade em alguns meses, sendo o modelo da taxa de ocupaÃÃo total o que mais apresentou esta caracterÃstica. TambÃm em todas as sÃries, o mÃs de fevereiro foi o que mostrou menor taxa de ocupaÃÃo. / The hospitals use various tools to assist in management. One of these indicators is the hospital occupancy rate, which measures the relationship between the number of patient-days and the number of bed-days during a given period. Understanding the behavior of the hospital occupancy rate of identifying trends and seasonality is the main objective of this work. The institution selected for this study offer these services to the SUS, private and Covenant. As each category has its peculiarities, this study sought models that best fit the series in occupancy rates and obtained the following results: the agreement to form ARIMA (2,1,2), particularly for ARMA (1,1 ) to SUS AR (1) and the total load factor AR (1). In all modes were identified presence of seasonality in some months, with the model of the total load factor that showed this feature. Also in all series, the month of February was the one that showed a lower occupancy rate.

[pt] Esta dissertação aborda um tema bastante recente e ainda controverso, intitulado Finanças Comportamentais. O estudo se inicia com a apresentação de alguns dos conceitos e estudos já realizados nesta área, onde estão inseridas algumas críticas à hipótese de mercado eficiente e à idéia de caminho aleatório. Estas críticas levam a outros três conceitos, conhecidos como auto-correlação entre os retornos, reversão a média e previsibilidade do retorno de ativos, que são, na verdade, o interesse central do trabalho. Para explorar estes três conceitos será aplicada a metodologia de Box&Jenkins sobre as séries de retornos diários das 50 ações mais líquidas listadas na BOVESPA, sendo que o período analisado vai de 01/01/1994 até 31/12/2005. Ao final, conclui-se que existem evidências de autocorrelação entre os retornos diários das ações, que existe uma possível indicação de que os retornos oscilam em torno de uma média e de que o modelo de previsão baseado em resultados passados tem performance, apenas, razoável. / [en] This dissertation approaches a very recent and controversial issue named Behavioral Finance. So, this work begins presenting some of the concepts and studies carried out in the area, where some criticism of the efficient market hypothesis and the random walk idea is made. This criticism drives to another three concepts: autocorrelation of asset return, mean reversion and predictability of asset return, which, indeed, are the central issues of this work. To explore these three concepts the Box&Jenkins model will be applied on daily return time series of the most 50 liquid stocks listed in the São Paulo Stock Exchange (BOVESPA), between 01/011994 thru 12/31/2005. At the end, the study concludes that exist autocorrelation evidences among daily returns, that there is a possible indication of mean reversion, and that the forecast model based on past results has just a regular performance.

[pt] Apesar do reconhecimento amplo da qualidade das previsões obtidas na aplicação de um modelo ARIMA à previsão de séries temporais univariadas, seu uso tem permanecido restrito pela falta de procedimentos automáticos, computadorizados. Neste trabalho este problema é discutido e um algoritmo é proposto. / [en] Inspite of general recognition of the good forecasting ability of ARIMA models in predicting time series, this approach is not widely used because of the lack of automatic, computerized procedures. In this study this problem is discussed, and an algorithm is proposed.

[pt] Observando a dificuldade de batimento (match) dos padrões de comportamento das funções de autocorrelação e de autocorrelação parcial teóricas com as respectivas funções e as autocorrelação e de autocorrelação parcial estimadas de uma séries temporal, aliada ao fato da dificuldade em definir um número em específico como delimitador inequívoco do que seja um lag significativo, tornam clara a dose de julgamento subjetivo a ser realizado por um especialista de análise de séries temporais na tomada de decisão sobre a estrutura de Box & Jenkins adequada a ser escolhida para modelar o processo estocástico sendo estudado. A matemática nebulosa permite a criação de sistemas de inferências nebulosas (inferência dedutiva) e representa o conhecimento de forma explícita, através de regras nebulosas, possibilitando, facilmente, o entendimento do sistema em estudo. Por outro lado, um modelo de redes neurais representa o conhecimento de forma implícita, adquirido através de exemplos (dados), possuindo excelente capacidade de generalização (inferência indutiva). Esta tese apresenta um sistema especialista composto de cinco redes neurais nebulosas do tipo retropropagação para o auxílio na análise de séries temporais não sazonais. O sistema indica ao usuário a estrutura mais adequada, dentre as estruturas AR(1), MA (1), AR(2), MA(2) e ARMA(1,1), tomando como base a menor distância Euclidiana entre os valores esperados e as saídas das redes neurais nebulosas. / [en] It is well known the difficulties associated with the tradicional procedure for model identification of the Box & Jenkins model through the pattern matching of the theoretical and estimated ACF and PACF. The decision on the acceptance of the null hypothesis of zero ACF (or PACF) for a given lag is based on a strong asymptotic result, particularly for the PACF, leading, sometimes, to wrong decisions on the identified order of the models. The fuzzy logic allows one to infer system governed by incomplete or fuzzy knowledge (deductive inference) using a staighforward formulation of the problem via fuzzy mathematics. On the other hand, the neural network represent the knowledge in a implicit manner and has a great generalization capacity (inductive inference). In this thesis we built a specialist system composed of 5 fuzzy neural networks to help on the automatic identificationof the following Box & Jenkins ARMA structure AR(1), MA(1), AR(2), MA(2) and ARMA (1,1), through the Euclidian distance between the estimated output of the net and the corresponding patterns of each one of the five structures.

[pt] A presente dissertação tem como principal objetivo a conceituação e apresentação das metodologias básicas de previsão de demanda e, a partir de um estudo de caso, a seleção da metodologia mais adequada e sua respectiva implantação. No primeiro capítulo é apresentada, além da importância do referido tema, a empresa selecionada para aplicação dos conceitos levantados, com a descrição de seus principais processos internos. No segundo capítulo foram abordados os conceitos de previsão de demanda e uma revisão dos principais modelos existentes. No capítulo seguinte, o problema que deverá ser tratado com a metodologia proposta é apresentado. Neste momento a metodologia conceituada é aplicada, através da seleção do método de previsão mais adequado ao caso estudado e respectiva modelagem, buscando melhorias em relação aos métodos de previsão existentes na empresa. Neste processo de modelagem utilizou-se o software Forecast Pro, um dos mais conceituados aplicativos de previsão de demanda no mercado. Por fim, na conclusão, avalia-se o impacto das mudanças propostas nos resultados da empresa, principalmente o aumento da precisão da previsão da demanda e, conseqüentemente, redução dos custos de importação e dos índices de stockout. / [en] The main objective of this dissertation is the presentation of basic forecasting methods and their implementation in a case study in supply chain. The first chapter points out the importance of forecasting in this context and describes the company selected for the case study and some of its internal processes that will be under scrutiny in the case study presented in this dissertation. The second chapter discusses the concepts and models of forecasting and reviews some of the major techniques in the field. In chapter three, standard forecasting techniques are apllied to real data (ten time series) from the company and select the most appropriate model in each case. Model adjustment is performed through the Forecast Pro software, one of the best-known products in the market. Chapter four contains the conclusions and the evaluation of the impacts of the proposed methodology on the company s results, especially the increased accuracy of forecasting and, consequently, the reduction in the import costs and stock out index.