Made available in DSpace on 2010-04-20T20:58:17Z (GMT). No. of bitstreams: 5 Juliana_Inhazs.pdf.jpg: 19103 bytes, checksum: 3eae73777efe179efa4f61323cb6007a (MD5) Juliana_Inhazs.pdf.txt: 56465 bytes, checksum: 6aa6f5ecdab4f2116adba5b71f4a111d (MD5) license.txt: 4810 bytes, checksum: be830a7f281cc1281c4d014095a9ff87 (MD5) Juliana_Inhazs.pdf: 234479 bytes, checksum: 982e4b9180d265432c016715b7246a7c (MD5) 1_63070100005.pdf: 267678 bytes, checksum: 6e117ca7ccce2de984bce0f4cc915746 (MD5) Previous issue date: 2009-08-18T00:00:00Z / The term structure interest rate determination is one of the main subjects of the financial assets management. Considering the great importance of the financial assets for the economic policies conduction it is basic to understand structure is determined. The main purpose of this study is to estimate the term structure of Brazilian interest rates together with short term interest rate. The term structure will be modeled based on a model with an affine structure. The estimation was made considering the inclusion of three latent factors and two macroeconomic variables, through the Bayesian technique of the Monte Carlo Markov Chain (MCMC). / A determinação da taxa de juros estrutura a termo é um dos temas principais da gestão de ativos financeiros. Considerando a grande importância dos ativos financeiros para a condução das políticas econômicas, é fundamental para compreender a estrutura que é determinado. O principal objetivo deste estudo é estimar a estrutura a termo das taxas de juros brasileiras, juntamente com taxa de juros de curto prazo. A estrutura a termo será modelado com base em um modelo com uma estrutura afim. A estimativa foi feita considerando a inclusão de três fatores latentes e duas variáveis ​​macroeconômicas, através da técnica Bayesiana da Cadeia de Monte Carlo Markov (MCMC).

Les éléments principaux apparaissant dans ce document de synthèse sont les suivants : - La mise en exergue de la pertinence du critère d'information $\phi_\beta$ qui offre la possibilité d'être ``réglé'' par apprentissage de $\beta$ et cela quelque soit le problème de sélection de modèles pour lequel il est possible d'écrire un critère d'information, possibilité qui a été illustrée dans divers contextes applicatifs (supports de prédiction linéaire et dimension du modèle utilisé pour les cinétiques de $\dot VO_2$). - Une méthode d'estimation d'histogrammes pour décrire de manière non-paramé-trique la distribution d'échantillons et son utilisation en reconnaissance de lois supervisée dans un contexte de canaux de transmission. \item Une méthode dite ``comparative descendante'' permettant de trouver la meilleure combinaison des paramètres pour décrire les données étudiées sans avoir à tester toutes les combinaisons, illustrée sur l'obtention de supports de prédiction linéaire 1-d et 2-d. - La mise en place de stratégies de choix de modèles par rapport à des contextes variés comme l'imagerie TEP et les lois de mélange de Gauss et de Poisson ou les espaces couleur et les lois de mélange gaussiennes multidimensionnelles. - L'exploration des modèles de prédiction linéaire vectorielle complexe sur les images représentées dans des espaces couleur séparant l'intensité lumineuse de la partie chromatique et l'usage qui peut en être fait en caractérisation de textures afin de les classifier ou de segmenter les images texturées couleur. \item Des apports en segmentation : optimisation d'une méthode de segmentation non-supervisée d'images texturées en niveaux de gris ; une nouvelle méthode supervisée de segmentation d'images texturées couleur exploitant les espaces couleur psychovisuels et les erreurs de prédiction linéaire vectorielle complexe ; prise en compte dans des distributions de Gibbs d'informations géométriques et topologiques sur le champ des régions afin de réaliser de la segmentation 3-d ``haut-niveau'' exploitant le formalisme des processus ponctuels. - L'illustration des méthodes MCMC dans des contextes divers comme l'estimation de paramètres, l'obtention de segmentations 2-d ou 3-d ou la simulation de processus. Et beaucoup d'autres éléments se révèleront à sa lecture ...