O alcance de altas produtividades em milho (Zea mays L.) depende do desenvolvimento de híbridos, o principal produto explorado nos programas de melhoramento. O sucesso na obtenção deste tipo de cultivar é conseguido com extensivo cruzamento de linhagens, seguido de avaliações para identificação das combinações de maior potencial. Geralmente, o melhorista tem à sua disponibilidade grande número de linhagens, possibilitando a realização de centenas a milhares de cruzamentos distintos, dos quais apenas uma pequena quantidade pode ser avaliada experimentalmente devido a limitação de tempo e recursos. Com o advento da Seleção Genômica (GS) tornou-se possível predizer o comportamento destes indivíduos não avaliados com base em seu genoma. No decorrer do processo de consolidação da GS várias metodologias foram propostas. A aptidão destas em predizer desempenhos fenotípicos é dependente da sua capacidade de acomodar a arquitetura genética das características e lidar com a multicolinearidade das matrizes genômicas. Neste sentido, métodos baseados em modelos mistos podem apresentar menor eficiência na predição de características oligogênicas devido à não capacidade de representar a distribuição real do efeito dos QTL. Além disso, a regularização das predições na presença de multicolinearidade é realizada por meio de um parâmetro de penalização (λ), o qual pode ser estimado de várias formas e consequentemente modificar a acurácia dos modelos. Além do aprimoramento dos métodos, outro aspecto importante é o procedimento de correção dos dados fenotípicos previamente à GS, o qual não é consenso na comunidade científica. Diante do exposto, este trabalho objetivou: verificar o efeito das formas de obtenção do λ (via REML na GS e pela herdabilidade da característica) e da correção do fenótipo (valor genotípico e média ajustada) na GS e avaliar a eficiência da modelagem diferencial de QTL de maior efeito na capacidade preditiva da metodologia G-BLUP, comparando-a ao LASSO Bayesiano, BayesB e G-BLUP convencional. Para isso foram utilizadas informações de híbridos simples de milho tropical avaliados em cinco locais para produtividade de grãos, altura de planta e espiga no ano de 2015. Os dados genômicos foram obtidos com a plataforma Affymetrix® Axiom® Maize Genotyping Array de 616.201 SNPs. Foram estudados diferentes cenários de GS considerando os fatores supracitados, sendo estes comparados entre si por suas capacidades preditivas e seletivas. Os resultados obtidos indicam que a correção do fenótipo e a forma de estimação de λ afetam a capacidade preditiva. O uso de valores genotípicos como correção dos fenótipos e estimação de λ via REML apresentaram os melhores resultados. Foi também observado que a modelagem de SNPs de maior efeito como fator fixo aumenta discretamente a capacidade preditiva da metodologia G-BLUP para as características oligogênicas avaliadas (altura de planta e espiga), sendo indicado o uso do G-BLUP convencional. Complementarmente, observou-se que a GS apresentou modesta eficiência na seleção de híbridos superiores sob intensidades moderadas. Entretanto, a sua alta capacidade de selecionar sob baixa intensidade pode ser amplamente explorada nos programas de melhoramento de milho visando a seleção precoce direta. / The achievement of high yield in maize (Zea mays L.) relies on the development of hybrids, which is the main product of breeding programs. The success in obtaining this kind of cultivar is achieved through extensive crossing of inbred lines followed by field trials to identify the combinations with greatest potential. Generally, breeders have a large number of inbred lines on their hands, being able to perform hundreds to thousands of different crosses, of which only a small portion can be experimentally evaluated due to time and resource limitations. Genomic Selection (GS) has made it possible to predict phenotypes of unevaluated individuals based on their genome. Throughout the establishment process of GS many approaches have been proposed. The ability of these approaches at predicting phenotypic performance depends on their capacity of accommodating the genetic architecture of the traits and dealing with the multicollinearity of the genomic matrices. Hence, methods based on mixed model equations may present lower prediction efficiency for oligogenic traits due to their inability of depicting the real distribution of the QTL effects. Moreover, the prediction regularization in the presence of multicollinearity is done by a shrinkage factor (λ), which can be estimated in a number of ways and may affect the accuracy of the models. In addition to the improvement of the models, the correction of the phenotype utilized in the predictions is also important, which is not a consensus among researchers. Based on these facts, this study aimed to assess the effect of estimation of λ (by REML in the GS model and by the heritability of the traits) and the correction of the phenotype (genotypic value and adjusted mean) on the GS. It also targeted to evaluate the effect of differential modeling of major makers on the prediction accuracy of G-BLUP, comparing it to Bayesian LASSO, BayesB and ordinary G-BLUP. To those ends, tropical maize single-crosses evaluated at five sites for grain yield, plant and ear height in 2015 were utilized. The genomic data was obtained with the Affymetrix® Axiom® Maize Genotyping Array of 616,201 SNPs. Distinct GS scenarios were studied considering the aforementioned factors which were compared by their prediction and selection accuracy. The results suggest that the correction of the phenotype and the way of estimation of λ do affect prediction accuracies. The use of genotypic values as the correction of phenotypes and the estimation of λ by REML showed best results. It was also observed that modeling major SNPs as fixed effect factors had little improvement on the prediction accuracy of G-BLUP for the oligogenic traits evaluated (plant and ear height). Thereby, ordinary G-BLUP should be the method of choice to predict these traits. Additionally, it was observed that GS presented modest efficiency for selecting superior hybrids under moderate intensities. However, its high effectiveness at selecting under low intensities might be exploited on maize breeding programs for early direct selection.

Submitted by Daniela Ribeiro (daniela.ribeiro@mackenzie.br) on 2016-10-01T16:48:19Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Patricia Botelho da Silva.pdf: 1154151 bytes, checksum: e817360a453aac2617d0945d66fe293d (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2016-10-03T13:42:19Z (GMT) No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Patricia Botelho da Silva.pdf: 1154151 bytes, checksum: e817360a453aac2617d0945d66fe293d (MD5) / Made available in DSpace on 2016-10-03T13:42:19Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Patricia Botelho da Silva.pdf: 1154151 bytes, checksum: e817360a453aac2617d0945d66fe293d (MD5) Previous issue date: 2015-12-10 / The reading learning depends on precursor skills such as phonological awareness and rapid automatized naming. Rapid automatic naming of evidence are tied to reading fluency. The aim of the study were to verify evidence of validity based on external criteria from the development trends based on the age criterion of the Rapid Automatic Naming Test (RAN) in a sample of children from the school elementary; correlating the test with attention tasks, bucofacial articulation, phonological awareness and reading and writing in Portuguese; verify the predictive effect of NAR and analysis test precision aspects through test-retest analysis. The study included 494 children 3-9 years of age in the states of São Paulo and Maranhão. Reading and writing test were applied; phonological awareness; articulatory precision; attention and intelligence. To check evidence of instrument validity, variance analyzes were conducted with age, gender and type of school as independent variables. There was no gender difference. Multivariate ANOVA revealed that RAN develops with age, with both speed and number of errors decreases with age. In addition, ANOVA repeated measures revealed that naming colors and objects presents naming speed greater than naming letters and numbers. This data shows that the semantic set depends on longer appointment than the phonological set. Also, correlations between the tests and NAR correlated with all tests were performed. Linear regression analysis showed that NAR has predictive power for both preschool and for the elementary school I also found higher predictive effect of NAR with regard to accuracy of data and precision in reading and writing than in relation to speed. Furthermore, the NAR test was reliable. / O aprendizado da leitura depende de habilidades precursoras como a nomeação automática rápida. As provas de nomeação rápida predizem aspectos ligados à fluência de leitura. Os objetivos do estudo são: verificar evidências de validade baseadas no critério externo a partir de tendências do desenvolvimento em função do critério idade do Teste de Nomeação Automática Rápida (NAR) em uma amostra de crianças pertencentes ao Ensino Infantil e ao Ensino Fundamental I; correlacionar o teste com tarefas de atenção, articulação bucofacial, consciência fonológica e leitura e escrita em português; verificar o efeito preditivo da NAR; e verificar aspectos de precisão do teste através de analise teste-reteste. Participaram do estudo 494 crianças de 3 a 9 anos de idade dos Estados de São Paulo e Maranhão. Para verificar evidências de validade do instrumento, foram conduzidas análises de variância tendo idade, gênero e tipo de escola como variáveis independentes. Não houve diferença de gênero. Anova multivariada revelou que NAR se desenvolve com a idade, sendo tanto velocidade quanto número de erros diminui conforme a idade. Além disso, Anova de medidas repetidas revelou que nomeação de cores e objetos apresenta velocidade de nomeação maior do que nomeação de letras e números. Esse dado mostra que o conjunto semântico depende de maior tempo de nomeação do que o conjunto fonológico. Além disso, foram realizadas correlações entre os testes e NAR correlacionou-se com todos os testes aplicados. Análises de Regressão Linear mostrou que NAR apresenta capacidade preditiva tanto para pré-escolares quanto para o ensino fundamental I. Além disso, foi encontrado efeito preditivo maior de NAR em relação aos dados de acurácia e precisão em leitura e escrita, do que em relação à velocidade. Além disso, o teste NAR mostrou-se fidedigno.

O alcance de altas produtividades em milho (Zea mays L.) depende do desenvolvimento de híbridos, o principal produto explorado nos programas de melhoramento. O sucesso na obtenção deste tipo de cultivar é conseguido com extensivo cruzamento de linhagens, seguido de avaliações para identificação das combinações de maior potencial. Geralmente, o melhorista tem à sua disponibilidade grande número de linhagens, possibilitando a realização de centenas a milhares de cruzamentos distintos, dos quais apenas uma pequena quantidade pode ser avaliada experimentalmente devido a limitação de tempo e recursos. Com o advento da Seleção Genômica (GS) tornou-se possível predizer o comportamento destes indivíduos não avaliados com base em seu genoma. No decorrer do processo de consolidação da GS várias metodologias foram propostas. A aptidão destas em predizer desempenhos fenotípicos é dependente da sua capacidade de acomodar a arquitetura genética das características e lidar com a multicolinearidade das matrizes genômicas. Neste sentido, métodos baseados em modelos mistos podem apresentar menor eficiência na predição de características oligogênicas devido à não capacidade de representar a distribuição real do efeito dos QTL. Além disso, a regularização das predições na presença de multicolinearidade é realizada por meio de um parâmetro de penalização (λ), o qual pode ser estimado de várias formas e consequentemente modificar a acurácia dos modelos. Além do aprimoramento dos métodos, outro aspecto importante é o procedimento de correção dos dados fenotípicos previamente à GS, o qual não é consenso na comunidade científica. Diante do exposto, este trabalho objetivou: verificar o efeito das formas de obtenção do λ (via REML na GS e pela herdabilidade da característica) e da correção do fenótipo (valor genotípico e média ajustada) na GS e avaliar a eficiência da modelagem diferencial de QTL de maior efeito na capacidade preditiva da metodologia G-BLUP, comparando-a ao LASSO Bayesiano, BayesB e G-BLUP convencional. Para isso foram utilizadas informações de híbridos simples de milho tropical avaliados em cinco locais para produtividade de grãos, altura de planta e espiga no ano de 2015. Os dados genômicos foram obtidos com a plataforma Affymetrix® Axiom® Maize Genotyping Array de 616.201 SNPs. Foram estudados diferentes cenários de GS considerando os fatores supracitados, sendo estes comparados entre si por suas capacidades preditivas e seletivas. Os resultados obtidos indicam que a correção do fenótipo e a forma de estimação de λ afetam a capacidade preditiva. O uso de valores genotípicos como correção dos fenótipos e estimação de λ via REML apresentaram os melhores resultados. Foi também observado que a modelagem de SNPs de maior efeito como fator fixo aumenta discretamente a capacidade preditiva da metodologia G-BLUP para as características oligogênicas avaliadas (altura de planta e espiga), sendo indicado o uso do G-BLUP convencional. Complementarmente, observou-se que a GS apresentou modesta eficiência na seleção de híbridos superiores sob intensidades moderadas. Entretanto, a sua alta capacidade de selecionar sob baixa intensidade pode ser amplamente explorada nos programas de melhoramento de milho visando a seleção precoce direta. / The achievement of high yield in maize (Zea mays L.) relies on the development of hybrids, which is the main product of breeding programs. The success in obtaining this kind of cultivar is achieved through extensive crossing of inbred lines followed by field trials to identify the combinations with greatest potential. Generally, breeders have a large number of inbred lines on their hands, being able to perform hundreds to thousands of different crosses, of which only a small portion can be experimentally evaluated due to time and resource limitations. Genomic Selection (GS) has made it possible to predict phenotypes of unevaluated individuals based on their genome. Throughout the establishment process of GS many approaches have been proposed. The ability of these approaches at predicting phenotypic performance depends on their capacity of accommodating the genetic architecture of the traits and dealing with the multicollinearity of the genomic matrices. Hence, methods based on mixed model equations may present lower prediction efficiency for oligogenic traits due to their inability of depicting the real distribution of the QTL effects. Moreover, the prediction regularization in the presence of multicollinearity is done by a shrinkage factor (λ), which can be estimated in a number of ways and may affect the accuracy of the models. In addition to the improvement of the models, the correction of the phenotype utilized in the predictions is also important, which is not a consensus among researchers. Based on these facts, this study aimed to assess the effect of estimation of λ (by REML in the GS model and by the heritability of the traits) and the correction of the phenotype (genotypic value and adjusted mean) on the GS. It also targeted to evaluate the effect of differential modeling of major makers on the prediction accuracy of G-BLUP, comparing it to Bayesian LASSO, BayesB and ordinary G-BLUP. To those ends, tropical maize single-crosses evaluated at five sites for grain yield, plant and ear height in 2015 were utilized. The genomic data was obtained with the Affymetrix® Axiom® Maize Genotyping Array of 616,201 SNPs. Distinct GS scenarios were studied considering the aforementioned factors which were compared by their prediction and selection accuracy. The results suggest that the correction of the phenotype and the way of estimation of λ do affect prediction accuracies. The use of genotypic values as the correction of phenotypes and the estimation of λ by REML showed best results. It was also observed that modeling major SNPs as fixed effect factors had little improvement on the prediction accuracy of G-BLUP for the oligogenic traits evaluated (plant and ear height). Thereby, ordinary G-BLUP should be the method of choice to predict these traits. Additionally, it was observed that GS presented modest efficiency for selecting superior hybrids under moderate intensities. However, its high effectiveness at selecting under low intensities might be exploited on maize breeding programs for early direct selection.

O grande potencial da genômica em benefício do melhoramento genético aplicado é a utilização direta das informações de marcadores de DNA na seleção, de forma a permitir igual ou maior eficiência seletiva, maior rapidez na obtenção de ganhos genéticos e redução de custos de fenotipagem, em comparação com a seleção tradicional. Esta era genômica está trazendo novas oportunidades para os melhoristas florestais, porém desafios ainda existem para o uso operacional da Seleção Genômica Ampla. Sendo assim, este trabalho teve por objetivo avaliar a capacidade preditiva de características de crescimento volumétrico de modelos de SGA previamente construídos para características de crescimento volumétrico e qualidade da madeira com uma população elite de melhoramento genético da International Paper do Brasil que atuou como população de treinamento. Os modelos preditivos foram aplicados em quatro populações de candidatos à seleção constituídos por testes de progênies e teste clonal de Eucalyptus com características contrastantes do ponto de vista de relacionamento genético com a população na qual os modelos foram desenvolvidos: (1) três populações compostas por indivíduos geneticamente relacionados com a população de descoberta e (2) uma população composta por indivíduos geneticamente não relacionados com a população de descoberta. Posteriormente, as quatro populações de avaliação, compostas por 100 indivíduos genotipados em cada uma, foram utilizadas para construir novos modelos preditivos e validações cruzadas realizadas entre estas populações. Foram utilizados para as análises SNPs com frequência de declaração de genótipo (call rate) ≥ 0.90 e MAF (menor frequência alélica) ≥ 0.01, totalizando 29.090 marcadores. O modelo preditivo previamente elaborado para população elite da International Paper apresentou capacidades preditivas que variaram de -0,296 para o caráter Altura em população geneticamente não relacionada até 0,440 para o caráter DAP em uma população geneticamente relacionada. Com os modelos desenvolvidos com as quatro populações genotipadas, e realizando seleção de marcas com base nos seus efeitos, as maiores capacidades preditivas foram obtidas por um número de SNPs médio que variou de 1371 para volume e IMA a 1467 para DAP. Usando esta abordagem, a capacidade preditiva maximizada para DAP foi de 0,744, 0,727 para altura, 0,751 para volume e 0,752 para IMA. Acurácias preditivas maximizadas, foram em seguida estimadas ao utilizar o menor número de SNPs selecionados. Com 237 SNPs acurácias da ordem de 0,660 para DAP, 0,555 para altura, 0,743 para volume e 0,743 para IMA foram obtidas. Embora estes resultados sugerem que a SGA teria bom resultado somente entre indivíduos geneticamente relacionados, uma análise conjunta dos dados utilizados para o desenvolvimento dos modelos preditivos anteriormente gerados com os dados das quarto populações aqui avaliadas, se faz necessária para alcançar resultados mais conclusivos. Adicionalmente, a abordagem de seleção de marcas para maximizar a capacidade preditiva ou acurácia deverá ser melhor avaliada à luz do seu impacto na medida que a SGA venha a ser praticada em futuras gerações de seleção. / The potential of genomics to the benefit of applied breeding is the direct use of DNA markers information for selection, allowing equal or higher selection efficiency, higher genetic gains per unit time and cost reduction in phenotyping, when compared with traditional selection based on phenotypic data. Researchers have proposed a new selection method called genome-wide selection (GWS), which has been successfully applied in livestock genetics and promises to revolutionize the improvement of perennial species with long life cycles. This genomic era is bringing new opportunities to forest breeders, but major challenges still need to be overcome for the operational use of GWS. Thus, this study aimed to assess the predictive ability of GWS models previously built for volume growth and wood quality traits based on an elite breeding population of International Paper in Brazil who served as discovery or training population. Predictive models were applied to four populations composed by progeny and clonal trials with contrasting characteristics from the standpoint of relatedness to the training population: (1) a population of individuals genetically related to the training population and (2) a population of individuals genetically unrelated to the training population. Subsequently, the four populations evaluated, with 100 genotyped individuals each, were used to build new models which were cross validated among them. Only SNPs with call rate ≥ 0.90 and MAF (minor allele frequency) ≥ 0.01 were used totaling 29,090 markers. Model previously developed yielded predictive abilities ranging from a lower -0.296 for height growth in genetically unrelated population to 0.440 for DBH and 0.219 for height in a genetically related population. With the GWS models built with the four genotyped populations and applying SNP marker selection based on their estimated effect the highest predictive capabilities were obtained when using an average number of SNPs ranging from 1371 for volume and MAI, to 1467 for DBH. The average predictive ability was maximized at 0.744 for DBH, 0.727 for height growth, 0.751 for volume and 0.752 for MAI. Maximized accuracies were obtained using the smallest number of SNPs with highest effects. With 237 selected SNPs accuracies around 0.660 for DBH, 0.555 for height, 0.743 for volume and 0.743 for MAI were obtained. While these results suggest that GWS should work well only across related individuals, a combined analysis of the data from the previous models with those of the four tested populations is necessary to reach more conclusive results. Furthermore, the approach of SNP marker selection to maximize predictive ability or accuracy is one that is still controversial and should be better evaluated in light of its impact as GWS is practiced in further generations of selection.

O grande potencial da genômica em benefício do melhoramento genético aplicado é a utilização direta das informações de marcadores de DNA na seleção, de forma a permitir igual ou maior eficiência seletiva, maior rapidez na obtenção de ganhos genéticos e redução de custos de fenotipagem, em comparação com a seleção tradicional. Esta era genômica está trazendo novas oportunidades para os melhoristas florestais, porém desafios ainda existem para o uso operacional da Seleção Genômica Ampla. Sendo assim, este trabalho teve por objetivo avaliar a capacidade preditiva de características de crescimento volumétrico de modelos de SGA previamente construídos para características de crescimento volumétrico e qualidade da madeira com uma população elite de melhoramento genético da International Paper do Brasil que atuou como população de treinamento. Os modelos preditivos foram aplicados em quatro populações de candidatos à seleção constituídos por testes de progênies e teste clonal de Eucalyptus com características contrastantes do ponto de vista de relacionamento genético com a população na qual os modelos foram desenvolvidos: (1) três populações compostas por indivíduos geneticamente relacionados com a população de descoberta e (2) uma população composta por indivíduos geneticamente não relacionados com a população de descoberta. Posteriormente, as quatro populações de avaliação, compostas por 100 indivíduos genotipados em cada uma, foram utilizadas para construir novos modelos preditivos e validações cruzadas realizadas entre estas populações. Foram utilizados para as análises SNPs com frequência de declaração de genótipo (call rate) ≥ 0.90 e MAF (menor frequência alélica) ≥ 0.01, totalizando 29.090 marcadores. O modelo preditivo previamente elaborado para população elite da International Paper apresentou capacidades preditivas que variaram de -0,296 para o caráter Altura em população geneticamente não relacionada até 0,440 para o caráter DAP em uma população geneticamente relacionada. Com os modelos desenvolvidos com as quatro populações genotipadas, e realizando seleção de marcas com base nos seus efeitos, as maiores capacidades preditivas foram obtidas por um número de SNPs médio que variou de 1371 para volume e IMA a 1467 para DAP. Usando esta abordagem, a capacidade preditiva maximizada para DAP foi de 0,744, 0,727 para altura, 0,751 para volume e 0,752 para IMA. Acurácias preditivas maximizadas, foram em seguida estimadas ao utilizar o menor número de SNPs selecionados. Com 237 SNPs acurácias da ordem de 0,660 para DAP, 0,555 para altura, 0,743 para volume e 0,743 para IMA foram obtidas. Embora estes resultados sugerem que a SGA teria bom resultado somente entre indivíduos geneticamente relacionados, uma análise conjunta dos dados utilizados para o desenvolvimento dos modelos preditivos anteriormente gerados com os dados das quarto populações aqui avaliadas, se faz necessária para alcançar resultados mais conclusivos. Adicionalmente, a abordagem de seleção de marcas para maximizar a capacidade preditiva ou acurácia deverá ser melhor avaliada à luz do seu impacto na medida que a SGA venha a ser praticada em futuras gerações de seleção. / The potential of genomics to the benefit of applied breeding is the direct use of DNA markers information for selection, allowing equal or higher selection efficiency, higher genetic gains per unit time and cost reduction in phenotyping, when compared with traditional selection based on phenotypic data. Researchers have proposed a new selection method called genome-wide selection (GWS), which has been successfully applied in livestock genetics and promises to revolutionize the improvement of perennial species with long life cycles. This genomic era is bringing new opportunities to forest breeders, but major challenges still need to be overcome for the operational use of GWS. Thus, this study aimed to assess the predictive ability of GWS models previously built for volume growth and wood quality traits based on an elite breeding population of International Paper in Brazil who served as discovery or training population. Predictive models were applied to four populations composed by progeny and clonal trials with contrasting characteristics from the standpoint of relatedness to the training population: (1) a population of individuals genetically related to the training population and (2) a population of individuals genetically unrelated to the training population. Subsequently, the four populations evaluated, with 100 genotyped individuals each, were used to build new models which were cross validated among them. Only SNPs with call rate ≥ 0.90 and MAF (minor allele frequency) ≥ 0.01 were used totaling 29,090 markers. Model previously developed yielded predictive abilities ranging from a lower -0.296 for height growth in genetically unrelated population to 0.440 for DBH and 0.219 for height in a genetically related population. With the GWS models built with the four genotyped populations and applying SNP marker selection based on their estimated effect the highest predictive capabilities were obtained when using an average number of SNPs ranging from 1371 for volume and MAI, to 1467 for DBH. The average predictive ability was maximized at 0.744 for DBH, 0.727 for height growth, 0.751 for volume and 0.752 for MAI. Maximized accuracies were obtained using the smallest number of SNPs with highest effects. With 237 selected SNPs accuracies around 0.660 for DBH, 0.555 for height, 0.743 for volume and 0.743 for MAI were obtained. While these results suggest that GWS should work well only across related individuals, a combined analysis of the data from the previous models with those of the four tested populations is necessary to reach more conclusive results. Furthermore, the approach of SNP marker selection to maximize predictive ability or accuracy is one that is still controversial and should be better evaluated in light of its impact as GWS is practiced in further generations of selection.

In an increasingly competitive economic environment, as in the current global context, risk management becomes essential for the survival of companies and investment portfolio managers. Both companies and managers need to have a model that can be able to quantify the risks inherent in their investments in the best possible way in order to guide them in making decisions to get the highest expected return on their investments. Currently, there are several heterogeneous models which seek to quantify risk, making the choice of a particular model very complex. In order to confront and find models that can serve, efficiently, to the quantification of risk, the objective of this research is to compare the predictive ability of five models of conditional heteroskedasticity by estimating the Value-at-Risk, assuming eight different statistical probability distributions, for the series of financial ratios of the capital market of the five largest emerging countries: Brazil, Russia, India, China and South Africa, in the period between February 26, 2001 and December 31, 2015. For this goal was achieved, were held predictions of Value-at-Risk for 50 steps ahead, for all competing models in the study, with adjustment of parameters at every step. Since all the forecasts have been computed for every steps forward, it was possible to compare predictive ability of competing models studied by means of some loss functions. The evidences suggests that heterocedastic Component GARCH is preferable, to make predictions of Value-at-Risk, to all other competing models, however the distribution of statistical probability that this model uses interferes too much in the results of forecasts obtained by it. The data for each financial index studied showed to adapt themselves to a particular different type of probability density function, not reflecting a distribution which can be considered superior to all other. Thus, the results do not provide a single and ideal tool for use in the risk measurement, of generalized form, for all capital markets of emerging countries studied, only provide specific tools to be used in each financial index individually. The results found can be used for the purposes previously described or to elaborate statistical formulas that combine different models estimated in order to get better volatilities forecast measures so that it can measure, more precisely, the market risks. / Em um ambiente econômico cada vez mais competitivo, como é no atual contexto mundial, a gestão de risco torna-se indispensável para a sobrevivência de empresas e de gestores de carteiras de investimento. Tanto as empresas quanto os gestores precisam de um modelo que seja capaz de quantificar os riscos inerentes aos seus investimentos financeiros da melhor maneira possível, de forma a orientá-los na tomada de decisões para que obtenham o maior retorno esperado de seus investimentos. Atualmente, existem inúmeros modelos heterogêneos que buscam quantificar riscos, tornando a escolha de um determinado modelo bastante complexa. Com o intuito de confrontar e encontrar modelos que possam servir, de forma eficiente, à quantificação de riscos, o objetivo desta pesquisa é o de comparar a capacidade preditiva de cinco modelos de heterocedasticidade condicional através da estimação do Value-at-Risk, levando em consideração oito distribuições de probabilidade estatística diferentes, para as séries de índices financeiros do mercado de capitais dos cinco maiores países emergentes: Brasil, Rússia, Índia, China e África do Sul, no período compreendido entre 26 de fevereiro de 2001 e 31 de dezembro de 2015. Para alcançar tal objetivo, realizaram-se previsões do Value-at-Risk para 50 passos à frente, em todos os modelos concorrentes em estudo, com reajuste dos parâmetros a cada passo. Uma vez que todas as previsões foram computadas para todos os passos à frente, foi possível realizar a comparação da capacidade preditiva dos modelos concorrentes estudados por meio de determinadas funções de perda específicas. As evidências encontradas sugerem que o modelo heterocedástico Component GARCH é preferível, para realizar previsões do Value-at-Risk, a todos os outros modelos concorrentes, porém a distribuição de probabilidade estatística que este modelo utiliza interfere demasiadamente nos resultados das previsões obtidas por ele. Os dados de cada índice financeiro estudado mostraram-se adequar-se a um determinado tipo de função de densidade de probabilidade diferente, não refletindo uma distribuição que possa ser considerada superior a todas as outras. Deste modo, os resultados encontrados não oferecem uma ferramenta única e ideal para ser utilizada na mensuração de risco, de forma generalizada, para todos os mercados de capitais dos países emergentes estudados, apenas fornecem ferramentas pontuais para serem utilizadas em cada índice financeiro de forma individual. Os resultados obtidos podem servir para os fins descritos anteriormente ou para elaborar fórmulas estatísticas que combinem diferentes modelos estimados com a finalidade de obter melhores medidas de previsão de volatilidades para que se possa mensurar, de forma mais precisa, os riscos de mercado.

Submitted by Mario BC (mario@bc.ufrpe.br) on 2016-08-15T12:27:23Z No. of bitstreams: 1 Diogenes Virginio do Nascimento.pdf: 1474487 bytes, checksum: 048118961940a4468c5c60cb32deca19 (MD5) / Made available in DSpace on 2016-08-15T12:27:23Z (GMT). No. of bitstreams: 1 Diogenes Virginio do Nascimento.pdf: 1474487 bytes, checksum: 048118961940a4468c5c60cb32deca19 (MD5) Previous issue date: 2015-07-28 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / This work is related to knowledge of Pedotransfer functions (PTF), enabling an understanding about water soil content influenced by soil properties and analyzes to generate PTFs. This study aimed was proposed pedotransfer functions (PTF) based on hydro-physical soil properties and organic carbon to estimate soil moisture. The study was conducted in the area owned by Santa Teresa Plant in Goiana City, PE (7º36'56 "S 34º59'19" W) with sugarcane crop (Saccharum spp) irrigated by Lateral Move System. Field capacity (θfc) and wilting point (θwp) were assumed by dependent variables. Sand, silt, clay, soil bulk density and organic carbon were adopted as independent variables. Pedotransfer functions generated in this study estimate soil moisture to matric potential at -10 kPa, equivalent to θfc, in sandy soils and at -33 kPa to clay soils and matric potential at -1.500 kPa to θwp in 0-20; 20-40 e 40-60cm soil depth. These functions were classified as “Point PTF”, since estimated specific points to matric potential to soil water retention. Statistical indices and graphic analyses (1:1 ratio) between model-predicted and observed data were used to evaluate PTFs performance. The following statistical indices were used: Correlation coefficient (r), Concordance index (d), Maximum error (ME), Square root mean squared error normalized (RMSE), Coefficient of residual mass (CRM), Mean absolute error (MAE), Performance Index (c) and Determination coefficient (R²). Statistical indices that evaluate generated models to estimate soil water content indicated high performance for most of PTFs and good correlation between observed and estimated values at matric potential studied in all soil layers analyzed. Thus, retention water estimated by PTFs can be an interesting alternative to support irrigation management at sugarcane. / Esta dissertação é referente aos conhecimentos sobre Funções de Pedotransferência (FPT), possibilitando um entendimento relacionado ao conteúdo de água no solo a partir das influências nas propriedades do solo e nas análises estabelecidas para gerar as FPTs. O objetivo deste trabalho foi gerar funções de pedotransferência com base em atributos físico-hídricos do solo e a relação do carbono orgânico para estimar a umidade do solo. O trabalho foi realizado na área pertencente à Usina Santa Teresa localizada no município de Goiana, PE (7º36’56”S 34º59’19”W), em área cultivada com cana-de-açúcar (Saccharum spp) irrigada por sistema Lateral Móvel Linear. As variáveis adotadas como dependentes foram umidade na capacidade de campo (θcc) e umidade no ponto de murcha permanente (θpmp) e as variáveis independentes foram areia, silte, argila, densidade do solo e carbono orgânico. As funções de pedotransferência foram geradas a partir do método de regressão linear múltipla aplicando a técnica de stepwise backward elimination para seleção das variáveis candidatas ao modelo. Assim, as FPT geradas estimam o conteúdo de água no solo equilibrada nos potenciais mátricos equivalentes à umidade na capacidade de campo de -10kPa para solos arenosos, -33kPa para solos argilosos e ao ponto de murcha permanente de -1500kPa, nas camadas de 0-20; 20-40 e 40-60cm, totalizando 99 amostras. Essas funções foram classificadas como FPT pontuais, uma vez que, estima pontos específicos aplicados nas tensões de interesse para retenção de água no solo. O desempenho das Funções de pedotransferência foram analisadas graficamente pela relação 1:1, entre os dados estimados versus dados observados e por meio dos seguintes indicadores estatísticos: Coeficiente de correlação (r), Índice de concordância (d), Erro máximo (ME), Raiz quadrada do erro médio quadrático normalizado (RMSE), Coeficiente de massa residual (CRM), Erro absoluto médio (EAM), Índice de desempenho (c) e coeficiente de determinação (R²). Os índices estatísticos, que avaliam os modelos gerados para estimar a umidade volumétrica no solo estudado, apresentaram valores que indicam elevado desempenho para a maioria das FPTs e boa correlação entre os valores observados e estimados nas tensões estudadas e em todas as camadas de solo analisadas. Assim, a estimativa da retenção de água no solo por meio da FPTs apresenta-se como uma alternativa para auxiliar as técnicas adotadas no manejo de irrigação da cana-de-açúcar.