A busca da correta modelagem e previsão de volatilidade em séries financeiras é o que motiva grande parte dos analistas e gestores de carteiras. Esta dissertação buscou, portanto comparar dois tipos de modelos de volatilidade - determinística e estocástica - para as três principais séries de retornos de ações do setor siderúrgico brasileiro, quais sejam: Gerdau PN (GGBR4), Usiminas PN (USIM5) e CSN ON (CSNA3). Os três ativos apresentaram estruturas semelhantes para suas volatilidades. Para as três séries foram encontradas especificações determinísticas do tipo AR (1) - EGARCH (1,1) e AR (1) - TGARCH (0,1), ambas com volatilidades estimadas muito próximas. No caso estocástico optou-se por um modelo AR (1) - SV Estacionário para as três séries de retornos. A maior persistência foi observada no ativo da Gerdau, mostrando que um choque sobre o ativo da Gerdau demora mais a se dissipar do que um choque de mesma magnitude sobre os ativos de Usiminas e CSN. Quanto ao efeito alavancagem, a ação da Usiminas apresentou o maior resultado estimado, mostrando que retornos negativos em um dado instante t geram maior volatilidade no período seguinte (t+1) sobre o ativo da Usiminas. Por último comparou-se a qualidade preditiva das duas classes de modelos de volatilidade por meio de previsões um passo à frente durante 21 dias utilizando-se três estatísticas de previsão - erro médio (ME), raiz do erro quadrático médio (RMSE) e erro absoluto médio (MAE). Para o ativo USIM5 as três estatísticas sugerem que o modelo escolhido deve ser o estocástico. Para o ativo GGBR4 e CSNA3 o ME sugere que o modelo escolhido deve ser o determinístico e o RMSE e o MAE sugerem que o modelo escolhido deve ser o estocástico. / The accurate modeling and forecasting of volatility in financial series is what motivates most analysts and portfolio managers. This dissertation sought therefore to compare two types of volatility models - deterministic and stochastic - for three major series of stock returns of the Brazilian steel industry, namely: Gerdau PN (GGBR4), Usiminas PN (USIM5) and CSN ON (CSNA3). The three assets had similar structures to their volatilities. For all the series we found deterministic specifications of the type AR (1) - EGARCH (1,1) and AR (1) - TGARCH (0.1), both with very close volatility estimates. In the stochastic case we chose a model AR (1) - SV Stationary for the three sets of returns. The highest persistence was observed in the asset of Gerdau, showing that a shock on this asset takes longer to dissipate than a clash of the same magnitude on the assets of Usiminas and CSN. For the leverage effect, the series of Usiminas had the highest estimated results, showing that negative returns in a given time t generate greater volatility in period (t +1) on the asset of Usiminas. Finally we compared the predictive quality of the two classes of volatility models through a one step ahead forecast for 21 days using three statistics for forecasting - mean error (ME), mean squared error (RMSEA) and mean absolute error (MAE). For the asset USIM5 the three statistics suggest that the chosen model should be the stochastic. For the assets GGBR4 and CSNA3 the ME suggests that the chosen model should be the deterministic and the RMSE and MAE suggest that the chosen model should be the stochastic.

Made available in DSpace on 2015-03-26T13:28:13Z (GMT). No. of bitstreams: 1 texto completo.pdf: 1839882 bytes, checksum: 7b04313dfd0b066f5ee10b45f9495ac7 (MD5) Previous issue date: 2013-02-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Airports present large water consumption and a great potential for the implementation of measures for its rational and efficient use. Knowing the future water demand is essential for assessing investments destined to increase capacity and the potential benefit from adopting such measures. However, for such environments, there is a lack of studies on water consumption profiles, factors which affect water demand and forecast models. Thus the objectives of this study were to assess the influence of airport movement variables on water consumption and develop multiple regression models to predict it. The database was provided by Infraero and consisted of the annual number of passengers and flights, the annual amounts of cargo and mail, and the annual water consumption for the most important airports in Brazil. The models were developed considering airports grouped in terms of passenger capacity and category (domestic or international flights), and the performance was assessed by the determination (R2) and the Nash-Sutcliffe (NSE) coefficients. The model developed for airports with capacity to transport at least 10 million passengers a year were able to explain 81% of water consumption variation, whereas the model for airports with inferior capacity explained 62% of the variation. The models developed for international and domestic airports presented R2 of 90% and 89%, respectively. The NSE coefficients were 0.93 and 0.88 for the models considering capacity and category, respectively. The model developed specifically for the Airport of Confins-MG showed good performance (NSE = 0.98) and presented great potential to enable the inclusion of other variables that can reflect characteristics of each airport which are not considered by movement variables. / Aeroportos consomem grandes volumes de água e possuem grande potencial para a implementação de medidas de uso racional. Conhecer a demanda futura é essencial para avaliar investimentos destinados à ampliação de capacidade e o potencial benefício advindo da adoção dessas medidas. Para esses ambientes, no entanto, são poucos os estudos sobre o perfil de consumo de água, fatores que o influenciam e modelos para sua previsão. Portanto, os objetivos deste estudo foram avaliar a influência das variáveis de movimentação aeroportuária sobre o consumo de água e utilizá-las na obtenção de modelos de regressão linear múltipla para estimar este consumo. A base de dados disponibilizada pela Infraero contém informações sobre a movimentação anual de passageiros, voos, carga e mala postal, além do consumo anual de água para os principais aeroportos do Brasil. Os modelos foram desenvolvidos considerando a distinção dos aeroportos em termos de porte e categoria, e os coeficientes de determinação (R2) e de Nash-Sutcliffe (NSE) foram utilizados para avaliação do desempenho. Os modelos desenvolvidos considerando o porte apresentaram R² iguais a 0,81, para aeroportos de grande porte, e 0,62, para aeroportos de médio e pequeno porte. Para aeroportos que operam apenas voos domésticos, foi obtido um modelo linear simples com r² igual a 0,89; para aeroportos que operam voos internacionais e domésticos, o modelo apresentou R² igual a 0,90. Os coeficientes NSE foram 0,93 e 0,88 para os modelos considerando o porte e a categoria, respectivamente. O modelo desenvolvido especificamente para o Aeroporto de Confins-MG apresentou melhor desempenho (NSE = 0,98) e o potencial para viabilizar a inclusão de outras variáveis capazes de refletir características específicas de cada aeroporto não consideradas pelas variáveis de movimentação.

Avaliamos as previsões fora da amostra da curva de juros geradas por modelos de redes neurais artificiais e as comparamos com os modelos tradicionalmente usados para este fim. A curva de juros foi segmentada em três regiões distintas e para cada uma dessas regiões e horizontes de previsão, foram estimados duas classes de modelos de redes neurais (modelos dinâmicos e modelos estáticos), totalizando 198 modelos estimados. Afim de verificar a significância estatística das previsões dos modelos de RNA em relação aos outros modelos, foi realizado o teste Diebold-Mariano. Os resultados mostram que em média, os modelos estimados através de RNA conseguiram superar as previsões realizadas pelo random walk em todos os horizontes de previsão, sendo essas previsões em torno de 2% e 5% melhores para os horizontes de 1 dia e 1 semana a frente, e de 12% e 7% melhores para os horizontes mais longos, de 1 mês e 3 meses. Além disso, apresentou previsões em torno de 15% e 10% melhores que o modelo de NS para os horizontes de 1 mês e 3 meses a frente. Concluimos que os modelos de redes neurais são capazes de realizar previsões superiores para todos os horizontes testados, principalmente para região de curto prazo da curva, com destaque especial para as previsões com horizontes de 1 dia e 1 semana a frente. / We evaluate the out of sample forecasts of the yield curve generated by artificial neural network models and compare them with the models traditionally used for this purpose. The yield curve was segmented into three distinct regions and for each region and forecast horizons, we estimated two classes of neural network models (dynamic models and static models), totaling 198 models estimated. In order to check the statistical significance of the model predictions of RNA compared to other models, was performed the Diebold-Mariano’s test. The results show that on average, the models estimated using RNA overcame the predictions made by the random walk at all forecast horizons, and these forecasts around 2% and 5% better for horizons of 1 day and 1 week forward and 12% and 7% better for longer horizons, 1 month and 3 months. Moreover, forecasts showed around 15% and 10% better than the NS model for horizons of 1 month and 3 months ahead. We conclude that the neural network models are capable of superior forecasts for all horizons tested, especially for short-term region of the curve, with particular attention to the forecasts with horizons of 1 day and 1 week ahead.

nÃo hà / O presente trabalho tem como objetivo principal realizar um estudo sobre o spread bancÃrio no Brasil durante o perÃodo de 2011 a 2014, analisando os seus principais determinantes e construindo um modelo de previsÃo. Foi utilizado o modelo economÃtrico dos MÃnimos Quadrados OrdinÃrios (MQO) e, adicionalmente, foi feito um modelo de previsÃo do spread. A base de dados utilizada foi extraÃda do Banco Central do Brasil (BCB): spread mÃdio das operaÃÃes de crÃdito, InadimplÃncia da carteira de crÃdito (pessoa fÃsica e jurÃdica), recolhimentos obrigatÃrios de instituiÃÃes financeiras e o endividamento das famÃlias com o Sistema Financeiro Nacional. Dentre outros resultados obtidos, verificou-se que caso ocorra um aumento de 1% da inadimplÃncia do crÃdito de pessoas fÃsicas haverà um aumento de 0,38% do Spread mÃdio no Brasil. Por outro lado, uma elevaÃÃo de 1% da inadimplÃncia de crÃdito de pessoa jurÃdica elevarà o spread mÃdio em 0,63%. Sem dÃvida, isso mostra a importÃncia dessas duas variÃveis na determinaÃÃo do spread mÃdio pelos bancos brasileiros. Por outro lado, o modelo de previsÃo utilizado permitiu concluir que do perÃodo de dezembro de 2014 a junho de 2015 o Spread mÃdio serà de aproximadamente 13% em Janeiro; 12,66% em Fevereiro; 12,63% em marÃo; 12,74% em Abril e 12,87% em Maio e 13,14% em junho de 2015. / This paper aims to conduct a study on the banking spread in Brazil during the period from 2011 to 2014, analyzing its main determinants and building a predictive model. We used the econometric model of Ordinary Least Squares (OLS) and additionally was done a spread prediction model. The database used was taken from the Central Bank of Brazil (BCB): average spread of loans, Bad debt loan portfolio (individual and corporate), reserve requirements of financial institutions and the household debt to the National Financial System. Among other results, it was found that if an increase of 1% of physical persons of credit default there will be an increase of 0.38% of the average spread in Brazil. On the other hand, an increase of 1% of corporate credit default raise the average spread 0.63%. No doubt, this shows the importance of these two variables in determining the average spread for Brazilian banks. On the other hand the forecasting model concluded that the period December 2014 to June 2015, it was found that during this period the average Spread will be approximately 13% in January; 12.66% in February; 12.63% in March; 12.74% in April and 12.87% in May to 13.14% in June 2015.

O objetivo deste trabalho é apresentar o Modelo Vetorial Autorregressivo (VAR) e uma das suas variações, o Modelo Vetorial de Correções de Erros (VEC), segundo uma abordagem Bayesiana, considerando componentes regionais, que serão inseridos nos modelos apresentados através de informações a priori que levam em consideração a localização dos dados. Para formar tais informações a priori são utilizados conceitos referentes à econometria espacial, como por exemplo, as relações de contigüidade e as implicações que estas trazem. Como exemplo ilustrativo, o modelo em questão será aplicado a um conjunto de dados regionais, coletados por estados brasileiros. Este conjunto de dados consiste em observações da variável produção industrial para oito estados, no período de janeiro de 1991 a setembro de 2006. Em função da escolha do modelo adequado, a questão central foi descobrir em que medida a incorporação destas informações a priori no modelo VEC Bayesiano é coerente quando estimamos modelos que consideram informações localizacionais. / The main goal of this work is to present the Vector Autoregressive Model (VAR) and one of its variations, the Vector Error Correction Model (VEC), according to a Bayesian variant, considering regional components that will be inserted in the models presented through prior information, which takes in consideration the data localization. To form such prior information, spatial econometrics is used, as for example the contiguity relations and the implications that these bring to the modeling. As illustrative example, the model in question will be applied to a regional data set, collected for Brazilian states. This data set consists of industrial production for eight states, in the period between January 1991 and September 2006. The central question is to uncover whether the incorporation of these prior informations in the Bayesian VEC Model is coherent when we use models that consider contiguity information.

A estimação e previsão da volatilidade de ativos são de suma importância para os mercados financeiros. Temas como risco e incerteza na teoria econômica moderna incentivaram a procura por métodos capazes de modelar uma variância condicional que evolui ao longo do tempo. O objetivo principal desta dissertação é comparar alguns métodos de regressão global e local quanto à extração da volatilidade dos índices Ibovespa e Standard and Poor´s 500. Para isto, são realizadas estimações e previsões com os modelos GARCH paramétricos e com os modelos aditivos semi-paramétricos. Os primeiros, tradicionalmente utilizados na estimação de segundos momentos condicionais, têm sua capacidade sugerida em diversos artigos. Os segundos provêm alta flexibilidade e descrições visualmente informativas das relações entre as variáveis, tais como assimetrias e não linearidades. Sendo assim, testar o desempenho dos últimos frente às estruturas paramétricas consagradas apresenta-se como uma investigação apropriada. A realização das comparações ocorre em períodos selecionados de alta volatilidade no mercado financeiro internacional (crises), sendo a performance dos modelos medida dentro e fora da amostra. Os resultados encontrados sugerem a capacidade dos modelos semi-paramétricos em estimar e prever a volatilidade dos retornos dos índices nos momentos analisados. / Volatility estimation and forecasting are very important matters for the financial markets. Themes like risk and uncertainty in modern economic theory have encouraged the search for methods that allow for the modeling of time varying variances. The main objective of this dissertation is to compare global and local regressions in terms of their capacity to extract the volatility of Ibovespa and Standard and Poor 500 indexes. To achieve this aim, parametric GARCH and semiparametric additive models estimation and forecasting are performed. The first ones, traditionally applied in the estimation of conditional second moments, have their capacity suggested in many papers. The second ones provide high flexibility and visually informative descriptions of the relationships between the variables, like asymmetries and nonlinearities. Therefore, testing the last ones´ performance against the acknowledged parametric structures is an appropriate investigation. Comparisons are made in selected periods of high volatility in the international financial market (crisis), measuring the models´ performance inside and outside sample. The results that were found suggest the capacity of semiparametric models to estimate and forecast the Indexes returns´ volatility at the analyzed moments.

A busca da correta modelagem e previsão de volatilidade em séries financeiras é o que motiva grande parte dos analistas e gestores de carteiras. Esta dissertação buscou, portanto comparar dois tipos de modelos de volatilidade - determinística e estocástica - para as três principais séries de retornos de ações do setor siderúrgico brasileiro, quais sejam: Gerdau PN (GGBR4), Usiminas PN (USIM5) e CSN ON (CSNA3). Os três ativos apresentaram estruturas semelhantes para suas volatilidades. Para as três séries foram encontradas especificações determinísticas do tipo AR (1) - EGARCH (1,1) e AR (1) - TGARCH (0,1), ambas com volatilidades estimadas muito próximas. No caso estocástico optou-se por um modelo AR (1) - SV Estacionário para as três séries de retornos. A maior persistência foi observada no ativo da Gerdau, mostrando que um choque sobre o ativo da Gerdau demora mais a se dissipar do que um choque de mesma magnitude sobre os ativos de Usiminas e CSN. Quanto ao efeito alavancagem, a ação da Usiminas apresentou o maior resultado estimado, mostrando que retornos negativos em um dado instante t geram maior volatilidade no período seguinte (t+1) sobre o ativo da Usiminas. Por último comparou-se a qualidade preditiva das duas classes de modelos de volatilidade por meio de previsões um passo à frente durante 21 dias utilizando-se três estatísticas de previsão - erro médio (ME), raiz do erro quadrático médio (RMSE) e erro absoluto médio (MAE). Para o ativo USIM5 as três estatísticas sugerem que o modelo escolhido deve ser o estocástico. Para o ativo GGBR4 e CSNA3 o ME sugere que o modelo escolhido deve ser o determinístico e o RMSE e o MAE sugerem que o modelo escolhido deve ser o estocástico. / The accurate modeling and forecasting of volatility in financial series is what motivates most analysts and portfolio managers. This dissertation sought therefore to compare two types of volatility models - deterministic and stochastic - for three major series of stock returns of the Brazilian steel industry, namely: Gerdau PN (GGBR4), Usiminas PN (USIM5) and CSN ON (CSNA3). The three assets had similar structures to their volatilities. For all the series we found deterministic specifications of the type AR (1) - EGARCH (1,1) and AR (1) - TGARCH (0.1), both with very close volatility estimates. In the stochastic case we chose a model AR (1) - SV Stationary for the three sets of returns. The highest persistence was observed in the asset of Gerdau, showing that a shock on this asset takes longer to dissipate than a clash of the same magnitude on the assets of Usiminas and CSN. For the leverage effect, the series of Usiminas had the highest estimated results, showing that negative returns in a given time t generate greater volatility in period (t +1) on the asset of Usiminas. Finally we compared the predictive quality of the two classes of volatility models through a one step ahead forecast for 21 days using three statistics for forecasting - mean error (ME), mean squared error (RMSEA) and mean absolute error (MAE). For the asset USIM5 the three statistics suggest that the chosen model should be the stochastic. For the assets GGBR4 and CSNA3 the ME suggests that the chosen model should be the deterministic and the RMSE and MAE suggest that the chosen model should be the stochastic.

Avaliamos as previsões fora da amostra da curva de juros geradas por modelos de redes neurais artificiais e as comparamos com os modelos tradicionalmente usados para este fim. A curva de juros foi segmentada em três regiões distintas e para cada uma dessas regiões e horizontes de previsão, foram estimados duas classes de modelos de redes neurais (modelos dinâmicos e modelos estáticos), totalizando 198 modelos estimados. Afim de verificar a significância estatística das previsões dos modelos de RNA em relação aos outros modelos, foi realizado o teste Diebold-Mariano. Os resultados mostram que em média, os modelos estimados através de RNA conseguiram superar as previsões realizadas pelo random walk em todos os horizontes de previsão, sendo essas previsões em torno de 2% e 5% melhores para os horizontes de 1 dia e 1 semana a frente, e de 12% e 7% melhores para os horizontes mais longos, de 1 mês e 3 meses. Além disso, apresentou previsões em torno de 15% e 10% melhores que o modelo de NS para os horizontes de 1 mês e 3 meses a frente. Concluimos que os modelos de redes neurais são capazes de realizar previsões superiores para todos os horizontes testados, principalmente para região de curto prazo da curva, com destaque especial para as previsões com horizontes de 1 dia e 1 semana a frente. / We evaluate the out of sample forecasts of the yield curve generated by artificial neural network models and compare them with the models traditionally used for this purpose. The yield curve was segmented into three distinct regions and for each region and forecast horizons, we estimated two classes of neural network models (dynamic models and static models), totaling 198 models estimated. In order to check the statistical significance of the model predictions of RNA compared to other models, was performed the Diebold-Mariano’s test. The results show that on average, the models estimated using RNA overcame the predictions made by the random walk at all forecast horizons, and these forecasts around 2% and 5% better for horizons of 1 day and 1 week forward and 12% and 7% better for longer horizons, 1 month and 3 months. Moreover, forecasts showed around 15% and 10% better than the NS model for horizons of 1 month and 3 months ahead. We conclude that the neural network models are capable of superior forecasts for all horizons tested, especially for short-term region of the curve, with particular attention to the forecasts with horizons of 1 day and 1 week ahead.

Submitted by (edna.saturno@ufrpe.br) on 2017-03-30T14:18:20Z No. of bitstreams: 1 Ricardo Tavares Antunes de Oliveira.pdf: 797561 bytes, checksum: ec9749d5a2c4b94162d3aa69821c19b0 (MD5) / Made available in DSpace on 2017-03-30T14:18:20Z (GMT). No. of bitstreams: 1 Ricardo Tavares Antunes de Oliveira.pdf: 797561 bytes, checksum: ec9749d5a2c4b94162d3aa69821c19b0 (MD5) Previous issue date: 2015-02-26 / This dissertation disusses the problem of combining models for time series forecasting. In this context, the main characteristics and basic properties of combined models are presented. Some of the main methods of time series forecasting present in the literature are described. Computational experiments compare diverse copulas-based combined models. First of all, an algorithm is presented to combine predictions of the predictive models via Gumbel-Hougaard copula. In the second case, it is proposed a combined estimator constructed via non parametric Cacoullos multivariate functions. In the third and nal case of study, the main results of this dissertation are presented, in which an experiment that compares combined estimators constructed taking into account thousands of time series and numerous forecasting models were simulated. Thus, computational experiments show that the combined estimator constructed via copula obtained better results compared with the individual models and the linear combination method. / Sob o prisma da Estatí stica-Computacional, esta disserta ção trata do problema de combinação não linear de modelos de previsão de s éries temporais. Neste contexto, suas principais caracterí sticas e propriedades b ásicas são apresentadas. Alguns dos principais m étodos de previsão de s éries temporais presentes na literatura são descritos. As propostas apresentadas nesta disserta ção são mostradas por meio de três casos de estudo utilizando um formalismo matem ático conhecido como c ópulas pela sua capacidade de poder medir dependência e combinar modelos de predi ção sem perca de informa ção. A combina ção dos modelos de previsão ocorre por meio do formalismo matem ático de c ópulas que apresenta resultados convincentes e motivadores atrav és de três casos de estudo presentes nesta disserta ção. No primeiro é apresentado um pequeno caso para combinar as previsões dos modelos de previsão via c ópula de Gumbel-Hougaard. No segundo caso de estudo e proposto um estimador combinado constru ído atrav és da fun ção multivariada não-param étrica de Cacoullos para um caso simples de combina ção. No terceiro e último caso de estudo são apresentados os principais resultados desta disserta ção, em que, é realizado um experimento que compara estimadores combinados construí dos levando em considera ção v árias s éries temporais e in úmeros modelos de previsão, tal que, são simuladas diversas situa ções. Nesse sentido, experimentos computacionais realizados demostram que o estimador combinado construí do via c ópula obteve melhores resultados quando comparado com os modelos individuais e o m étodo de combina ção linear.

Usar ativos financeiros para extrair as expectativas de mercado para algumas variáveis macroeconômicas é uma prática comum na literatura de Macro-Finanças. Nessa dissertação utilizamos títulos brasileiros para extrairmos as expectativas tanto do câmbio quanto da inflação com o uso de fatores latentes do tipo Nelson-Siegel. No primeiro capítulo desenvolvemos um modelo que tenta incorporar expectativas do mercado financeiro com os fundamentos macroeconômicos dessa variável. O modelo desenvolvido aqui difere dos modelos anteriores ao permitir volatilidades condicionais que parecem ser muito importantes no mercado cambial. Os resultados encontrados aqui indicam que os modelos com os fatores latentes e as variáveis macroeconômicas tem um poder de previsão melhor do que os modelos puramente macroeconômicos. Além disso, parece haver uma relação entre as variáveis macroeconômicas e a curva de diferencial de juros entre os países. Já no segundo capítulo utilizamos o diferencial entre rendimentos dos títulos reais e nominais usadas como preditores da inflação. O modelo aqui apresentado faz uma decomposição desse diferencial de juros, em prêmios de risco e inflação implícita usando um modelo paramétrico baseado em condições de não-arbitragem. As estimações da de inflação implícita do modelo se mostram estimadores não viesados da inflação futura para horizontes mais curtos e carregam informação para horizontes mais longos. Além disso, mostram resultados superiores que o uso somente do diferencial / Use financial assets to extract market expectations for some macroeconomic variables is a common practice in Macro-Finance literature. In this dissertation we use Brazilian securities to extract the expectations of both the exchange rate as inflation using Nelson- Siegel factors. In the first chapter we developed a model that incorporates these financial market expectations with macroeconomic variables, which are the foundations of this variable. The model developed here differs from previous models by allowing conditional volatilities that seem to be very important in the foreign exchange market. The study findings indicate that the models with latent factors and macroeconomic variables has better preditive power than purely macroeconomic models. In addition,indicates that there is a relationship between macroeconomic variables and the interest rate differential curve between countries. In the second chapter we use the spread between real and nominal bonds used as predictors of inflation. The model presented here is a decomposition of this interest differential in risk premiums and implied inflation using a parametric model based on no-arbitrage conditions. Estimates of implied inflation are non biased estimators of future inflation for shorter horizons and carry information over longer horizons. In addition, the implied inflation has superior results than that only using the differential