Submitted by Alberto Quialheiro de Oliveira null (beto.stanley@bol.com.br) on 2016-07-19T15:25:34Z No. of bitstreams: 1 DISSERTACAO_ALBERTO.pdf: 4270530 bytes, checksum: bf6cacf30d20ec8e3d50a33065d262a5 (MD5) / Approved for entry into archive by Ana Paula Grisoto (grisotoana@reitoria.unesp.br) on 2016-07-20T17:41:57Z (GMT) No. of bitstreams: 1 oliveira_aq_me_bauru.pdf: 4270530 bytes, checksum: bf6cacf30d20ec8e3d50a33065d262a5 (MD5) / Made available in DSpace on 2016-07-20T17:41:57Z (GMT). No. of bitstreams: 1 oliveira_aq_me_bauru.pdf: 4270530 bytes, checksum: bf6cacf30d20ec8e3d50a33065d262a5 (MD5) Previous issue date: 2016-06-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Neste trabalho propõe-se um modelo de leilão multiperíodo para um mercado pool do dia seguinte de sistemas hidrotérmicos, que leve em consideração as restrições intertemporais do sistema termelétrico (e.g. potência máxima disponível e limites de rampa e período mínimo de operação e desligamento) e restrições hidráulicas (e.g. defluência, volume e balanço de água, altura de queda, alturas de montante e jusante do reservatório, limites de rampa de vazão defluente e função de produção). Também foram introduzidas no modelo as restrições de rede de transmissão, tais como o balanço e limites de fluxo de potência e representação das perdas. São descritas as técnicas de linearização das funções de altura de queda líquida, função de produção e função de perdas no sistema de transmissão. O modelo proposto é formulado como um problema de programação linear inteiro-misto, tendo sido resolvido utilizando as plataformas GAMS - CPLEX e IBM ILOG CPLEX Optimization Studio. Os resultados apresentados têm como foco principal a análise do impacto das restrições hidráulicas nos preços de equilíbrio de mercado e no despacho de geração de sistemas hidrotérmicos. Mostra-se que a operação de uma cascata hidráulica para o dia seguinte é orientada com base nas ofertas fornecidas pelas companhias geradoras no mercado de energia. / This work presents a brief description of an energy market structure, as well as its agents, economic division and service and time horizon classification. The Brazilian mar-ket, single-period and multiperiod auction are also described, as much as a concise presen-tation of a hydroelectric generation system. It's proposed for a day-ahead pool market, a multiperiod auction for hydrothermal system which takes into account the intertempo-ral constraints from a thermoelectric system (e.g. maximum available power output and ramp rate limits, minimum up and down time) and hydraulic constraints (e.g. defluence, volume and water balance, net head, forebay and tailrace levels of reservoir, water release ramp rate limits and the unit performance curves). It was also associated to the problem the transmission constraints, such as balance and flow power limits and power loss. On account of being a problem with such features, the linearization techniques of the net head, unit performance curves and power loss function are described. The proposed mo-del is based on a mixed integer linear programming problem, which used the GAMS -CPLEX and IBM ILOG CPLEX Optimization Studio to its resolution. Finally there are two reported situations to analyze the impact of the hydraulic constrains on the bidding prices, as well as the in˛uence of the selling prices on the total spillage of the hydroelectric plants. The model is projected for a hydro predominance plant cascade.

Este estudo considera o modelo de controle ótimo estocástico sob um critério de média-variância para sistemas lineares a tempo discreto sujeitos a saltos Markovianos e ruídos multiplicativos sob dois critérios. Inicialmente, consideramos como critério de desempenho a minimização multiperíodo de uma combinação entre a média e a variância da saída do sistema sem restrições. Em seguida, consideramos o critério de minimização multiperíodo da variância da saída do sistema ao longo do tempo com restrições sobre o valor esperado mínimo. Condições necessárias e suficientes explícitas para a existência de um controle ótimo são determinadas generalizando resultados anteriores existentes na literatura. O controle ótimo é escrito como uma realimentação de estado adicionado de um termo constante. Esta solução é obtida através de um conjunto de equações generalizadas a diferenças de Riccati interconectadas com um conjunto de equações lineares recursivas. Como aplicação, apresentamos alguns exemplos numéricos práticos para um problema de seleção de portfólio multiperíodo com mudança de regime, incluindo uma estratégia de ALM (Asset and Liability Management). Neste problema, deseja-se obter a melhor alocação de portfólio de forma a otimizar seu desempenho entre risco e retorno em cada passo de tempo até o nal do horizonte de investimento e sob um dos dois critérios citados acima. / In this work we consider the stochastic optimal control problem of discrete-time linear systems subject to Markov jumps and multiplicative noise under two criterions. First, we consider an unconstrained multiperiod mean-variance trade-off performance criterion. In the sequence, we consider a multiperiod minimum variance criterion subject to constraints on the minimum expected output along the time. We present explicit necessary and sufficient conditions for the existence of an optimal control strategy for the problems, generalizing previous results in the literature. The optimal control law is written as a state feedback added with a deterministic sequence. This solution is derived from a set of coupled generalized Riccati difference equations interconnected with a set of coupled linear recursive equations. As an application, we present some practical numerical examples on a multiperiod portfolio selection problem with regime switching, including an Asset and Liability Management strategy. In this problem it is desired to nd the best portfolio allocation in order to optimize its risk-return performance in every time step along the investment horizon, under one of the two criterions stated above.In this work we consider the stochastic optimal control problem of discrete-time linear systems subject to Markov jumps and multiplicative noise under two criterions. First, we consider an unconstrained multiperiod mean-variance trade-off performance criterion. In the sequence, we consider a multiperiod minimum variance criterion subject to constraints on the minimum expected output along the time. We present explicit necessary and sufficient conditions for the existence of an optimal control strategy for the problems, generalizing previous results in the literature. The optimal control law is written as a state feedback added with a deterministic sequence. This solution is derived from a set of coupled generalized Riccati difference equations interconnected with a set of coupled linear recursive equations. As an application, we present some practical numerical examples on a multiperiod portfolio selection problem with regime switching, including an Asset and Liability Management strategy. In this problem it is desired to nd the best portfolio allocation in order to optimize its risk-return performance in every time step along the investment horizon, under one of the two criterions stated above.

Data envelopment analysis models are common tools to measure efficiency of decision-making unit. This thesis presents several DEA-based approaches and describes data that are collected and closely watched by Czech Tax Offices. Presented methods are used to evaluate Tax Offices. Each Tax Office will be evaluated with efficiency rate by every presented approach. In the last part of this thesis, the Tax Offices will be ordered by achieved results and the methods will be compared.

The master's thesis covers in its first parts origins and consequnces of the switching losses, basic principles of the various resonant tanks and resonant DC/DC converters. Afterwards the innovative approach of the multiperiod modulation is presented. The main advantages of this kind of modulation include very wide zero current switching region and lowering the switching frequency as the output voltage decreases. In the remaining part of the thesis a prototype converter design is described.

資產配置乃是將資金分散投資到主要的資產類別中，諸如股票、債券、現金等。傳統的均數/變異數方法在資產配置上早已被廣泛的運用。但是，現今的金融情勢多變，多期配置的需求提高，傳統均數/變異數方法只處理單一期間的資產配置，且反應未來的能力不佳，顯然已經不適用。 本論文提供一種多期動態的資產配置，可以改良過去單點估計值的缺點，同時能夠將未來情境納入考量，使多期資產配置更富策略性。並實證在兩期的情況下，期中調整資產組合與不調整的差異性。從而瞭解持續的動態規劃，方能提升資產配置的效率性。 / Asset allocation is the process of dividing an investment fund among major asset classes such as equities, bonds, cash, etc. Traditional mean-variance portfolio selection is widely used for asset allocation. However, as time goes by, the financial condition changes rapidly. The method of mean-variance analysis has some limitations. It not only can’t deal with multiperiod asset allocation, but also cannot reflect future economic circumstances, especially for long-term investments. This research tries to use the method of multi-stage dynamic programming for asset allocation. This method can improve the pits of single estimate in using mean-variance analysis, and take future scenarios into account so that the model will become more useful in practice. The two-period empirical results have shown that using continuous dynamic programming to build strategic asset allocation decision can improve the efficiency of asset allocation.

Este trabalho analisa três estratégias de hedge de opção, buscando identificar a importância da escolha da estratégia para a obtenção de um bom desempenho do hedge. O conceito de hedge é analisado de forma retrospectiva e uma teoria geral de hedge é apresentada. Em seguida são descritos alguns estudos comparativos de desempenho de estratégias de hedge de opção e suas metodologias de implementação. Para esta análise comparativa são selecionadas três estratégias de hedge de opção de compra do tipo européia: a primeira utiliza o modelo Black-Scholes-Merton de precificação de opções, a segunda utiliza uma solução de programação dinâmica para hedge dinâmico multiperiódico e a terceira utiliza um modelo GARCH para precificação de opções. As estratégias são comentadas e comparadas do ponto de vista de suas premissas teóricas e por meio de testes comparativos de desempenho. O desempenho das estratégias é comparado sob uma perspectiva dinâmicamente ajustada, multiperiódica e autofinanciável. Os dados para comparação de desempenho são gerados por simulação e o desempenho é avaliado pelos erros absolutos médios e erros quadráticos médios, resultantes na carteira de hedge. São feitas ainda considerações a respeito de alternativas de estimação e suas implicações no desempenho das estratégias. / This work analyzes three option hedging strategies, to identify the importance of choosing a strategy in order to achieve a good hedging performance. A retrospective analysis of the concept of hedging is conducted and a general hedging theory is presented. Following, some comparative papers of hedging performance and their implementation methodologies are described. For the present comparative analysis, three hedging strategies for European options have been selected: the first one based on the Black-Scholes-Merton model for option pricing, the second one based on a dynamic programming solution for dynamic multiperiod hedging and the third one based on a GARCH model for option pricing. The strategies are compared under their theoric premisses and through comparative performance testes. The performances of the strategies are compared under a dynamically adjusted multiperiodic and self-financing perspective. Data for performance comparison are generated by simulation and performance is evaluated by mean absolute errors and mean squared errors resulting on the hedging portfolio. An analysis is also done regarding estimation approaches and their implications over the performance of the strategies.

Este trabalho analisa três estratégias de hedge de opção, buscando identificar a importância da escolha da estratégia para a obtenção de um bom desempenho do hedge. O conceito de hedge é analisado de forma retrospectiva e uma teoria geral de hedge é apresentada. Em seguida são descritos alguns estudos comparativos de desempenho de estratégias de hedge de opção e suas metodologias de implementação. Para esta análise comparativa são selecionadas três estratégias de hedge de opção de compra do tipo européia: a primeira utiliza o modelo Black-Scholes-Merton de precificação de opções, a segunda utiliza uma solução de programação dinâmica para hedge dinâmico multiperiódico e a terceira utiliza um modelo GARCH para precificação de opções. As estratégias são comentadas e comparadas do ponto de vista de suas premissas teóricas e por meio de testes comparativos de desempenho. O desempenho das estratégias é comparado sob uma perspectiva dinâmicamente ajustada, multiperiódica e autofinanciável. Os dados para comparação de desempenho são gerados por simulação e o desempenho é avaliado pelos erros absolutos médios e erros quadráticos médios, resultantes na carteira de hedge. São feitas ainda considerações a respeito de alternativas de estimação e suas implicações no desempenho das estratégias. / This work analyzes three option hedging strategies, to identify the importance of choosing a strategy in order to achieve a good hedging performance. A retrospective analysis of the concept of hedging is conducted and a general hedging theory is presented. Following, some comparative papers of hedging performance and their implementation methodologies are described. For the present comparative analysis, three hedging strategies for European options have been selected: the first one based on the Black-Scholes-Merton model for option pricing, the second one based on a dynamic programming solution for dynamic multiperiod hedging and the third one based on a GARCH model for option pricing. The strategies are compared under their theoric premisses and through comparative performance testes. The performances of the strategies are compared under a dynamically adjusted multiperiodic and self-financing perspective. Data for performance comparison are generated by simulation and performance is evaluated by mean absolute errors and mean squared errors resulting on the hedging portfolio. An analysis is also done regarding estimation approaches and their implications over the performance of the strategies.

Nesta dissertação, o modelo de seleção de carteiras de Markowitz será estendido com uma análise em tempo discreto e hipóteses mais realísticas. Um produto tensorial finito de densidades Erlang será usado para aproximar a densidade de probabilidade multivariada dos retornos discretos uniperiódicos de ativos dependentes. A Erlang é um caso particular da distribuição Gama. Uma mistura finita pode gerar densidades multimodais não-simétricas e o produto tensorial generaliza este conceito para dimensões maiores. Assumindo que a densidade multivariada foi independente e identicamente distribuída (i.i.d.) no passado, a aproximação pode ser calibrada com dados históricos usando o critério da máxima verossimilhança. Este é um problema de otimização em larga escala, mas com uma estrutura especial. Assumindo que esta densidade multivariada será i.i.d. no futuro, então a densidade dos retornos discretos de uma carteira de ativos com pesos não-negativos será uma mistura finita de densidades Erlang. O risco será calculado com a medida Downside Risk, que é convexa para determinados parâmetros, não é baseada em quantis, não causa a subestimação do risco e torna os problemas de otimização uni e multiperiódico convexos. O retorno discreto é uma variável aleatória multiplicativa ao longo do tempo. A distribuição multiperiódica dos retornos discretos de uma seqüência de T carteiras será uma mistura finita de distribuições Meijer G. Após uma mudança na medida de probabilidade para a composta média, é possível calcular o risco e o retorno, que levará à fronteira eficiente multiperiódica, na qual cada ponto representa uma ou mais seqüências ordenadas de T carteiras. As carteiras de cada seqüência devem ser calculadas do futuro para o presente, mantendo o retorno esperado no nível desejado, o qual pode ser função do tempo. Uma estratégia de alocação dinâmica de ativos é refazer os cálculos a cada período, usando as novas informações disponíveis. Se o horizonte de tempo tender a infinito, então a fronteira eficiente, na medida de probabilidade composta média, tenderá a um único ponto, dado pela carteira de Kelly, qualquer que seja a medida de risco. Para selecionar um dentre vários modelos de otimização de carteira, é necessário comparar seus desempenhos relativos. A fronteira eficiente de cada modelo deve ser traçada em seu respectivo gráfico. Como os pesos dos ativos das carteiras sobre estas curvas são conhecidos, é possível traçar todas as curvas em um mesmo gráfico. Para um dado retorno esperado, as carteiras eficientes dos modelos podem ser calculadas, e os retornos realizados e suas diferenças ao longo de um backtest podem ser comparados. / In this thesis, Markowitz’s portfolio selection model will be extended by means of a discrete time analysis and more realistic hypotheses. A finite tensor product of Erlang densities will be used to approximate the multivariate probability density function of the single-period discrete returns of dependent assets. The Erlang is a particular case of the Gamma distribution. A finite mixture can generate multimodal asymmetric densities and the tensor product generalizes this concept to higher dimensions. Assuming that the multivariate density was independent and identically distributed (i.i.d.) in the past, the approximation can be calibrated with historical data using the maximum likelihood criterion. This is a large-scale optimization problem, but with a special structure. Assuming that this multivariate density will be i.i.d. in the future, then the density of the discrete returns of a portfolio of assets with nonnegative weights will be a finite mixture of Erlang densities. The risk will be calculated with the Downside Risk measure, which is convex for certain parameters, is not based on quantiles, does not cause risk underestimation and makes the single and multiperiod optimization problems convex. The discrete return is a multiplicative random variable along the time. The multiperiod distribution of the discrete returns of a sequence of T portfolios will be a finite mixture of Meijer G distributions. After a change of the distribution to the average compound, it is possible to calculate the risk and the return, which will lead to the multiperiod efficient frontier, where each point represents one or more ordered sequences of T portfolios. The portfolios of each sequence must be calculated from the future to the present, keeping the expected return at the desired level, which can be a function of time. A dynamic asset allocation strategy is to redo the calculations at each period, using new available information. If the time horizon tends to infinite, then the efficient frontier, in the average compound probability measure, will tend to only one point, given by the Kelly’s portfolio, whatever the risk measure is. To select one among several portfolio optimization models, it is necessary to compare their relative performances. The efficient frontier of each model must be plotted in its respective graph. As the weights of the assets of the portfolios on these curves are known, it is possible to plot all curves in the same graph. For a given expected return, the efficient portfolios of the models can be calculated, and the realized returns and their differences along a backtest can be compared.

Nesta dissertação, o modelo de seleção de carteiras de Markowitz será estendido com uma análise em tempo discreto e hipóteses mais realísticas. Um produto tensorial finito de densidades Erlang será usado para aproximar a densidade de probabilidade multivariada dos retornos discretos uniperiódicos de ativos dependentes. A Erlang é um caso particular da distribuição Gama. Uma mistura finita pode gerar densidades multimodais não-simétricas e o produto tensorial generaliza este conceito para dimensões maiores. Assumindo que a densidade multivariada foi independente e identicamente distribuída (i.i.d.) no passado, a aproximação pode ser calibrada com dados históricos usando o critério da máxima verossimilhança. Este é um problema de otimização em larga escala, mas com uma estrutura especial. Assumindo que esta densidade multivariada será i.i.d. no futuro, então a densidade dos retornos discretos de uma carteira de ativos com pesos não-negativos será uma mistura finita de densidades Erlang. O risco será calculado com a medida Downside Risk, que é convexa para determinados parâmetros, não é baseada em quantis, não causa a subestimação do risco e torna os problemas de otimização uni e multiperiódico convexos. O retorno discreto é uma variável aleatória multiplicativa ao longo do tempo. A distribuição multiperiódica dos retornos discretos de uma seqüência de T carteiras será uma mistura finita de distribuições Meijer G. Após uma mudança na medida de probabilidade para a composta média, é possível calcular o risco e o retorno, que levará à fronteira eficiente multiperiódica, na qual cada ponto representa uma ou mais seqüências ordenadas de T carteiras. As carteiras de cada seqüência devem ser calculadas do futuro para o presente, mantendo o retorno esperado no nível desejado, o qual pode ser função do tempo. Uma estratégia de alocação dinâmica de ativos é refazer os cálculos a cada período, usando as novas informações disponíveis. Se o horizonte de tempo tender a infinito, então a fronteira eficiente, na medida de probabilidade composta média, tenderá a um único ponto, dado pela carteira de Kelly, qualquer que seja a medida de risco. Para selecionar um dentre vários modelos de otimização de carteira, é necessário comparar seus desempenhos relativos. A fronteira eficiente de cada modelo deve ser traçada em seu respectivo gráfico. Como os pesos dos ativos das carteiras sobre estas curvas são conhecidos, é possível traçar todas as curvas em um mesmo gráfico. Para um dado retorno esperado, as carteiras eficientes dos modelos podem ser calculadas, e os retornos realizados e suas diferenças ao longo de um backtest podem ser comparados. / In this thesis, Markowitz’s portfolio selection model will be extended by means of a discrete time analysis and more realistic hypotheses. A finite tensor product of Erlang densities will be used to approximate the multivariate probability density function of the single-period discrete returns of dependent assets. The Erlang is a particular case of the Gamma distribution. A finite mixture can generate multimodal asymmetric densities and the tensor product generalizes this concept to higher dimensions. Assuming that the multivariate density was independent and identically distributed (i.i.d.) in the past, the approximation can be calibrated with historical data using the maximum likelihood criterion. This is a large-scale optimization problem, but with a special structure. Assuming that this multivariate density will be i.i.d. in the future, then the density of the discrete returns of a portfolio of assets with nonnegative weights will be a finite mixture of Erlang densities. The risk will be calculated with the Downside Risk measure, which is convex for certain parameters, is not based on quantiles, does not cause risk underestimation and makes the single and multiperiod optimization problems convex. The discrete return is a multiplicative random variable along the time. The multiperiod distribution of the discrete returns of a sequence of T portfolios will be a finite mixture of Meijer G distributions. After a change of the distribution to the average compound, it is possible to calculate the risk and the return, which will lead to the multiperiod efficient frontier, where each point represents one or more ordered sequences of T portfolios. The portfolios of each sequence must be calculated from the future to the present, keeping the expected return at the desired level, which can be a function of time. A dynamic asset allocation strategy is to redo the calculations at each period, using new available information. If the time horizon tends to infinite, then the efficient frontier, in the average compound probability measure, will tend to only one point, given by the Kelly’s portfolio, whatever the risk measure is. To select one among several portfolio optimization models, it is necessary to compare their relative performances. The efficient frontier of each model must be plotted in its respective graph. As the weights of the assets of the portfolios on these curves are known, it is possible to plot all curves in the same graph. For a given expected return, the efficient portfolios of the models can be calculated, and the realized returns and their differences along a backtest can be compared.