[pt] O objetivo da dissertação é apresentar uma nova medida de núcleo de inflação para o Brasil com o intuito de verificar a tendência atual dos preços. Inicialmente são propostos dois núcleos. O primeiro é calculado a partir de métodos tradicionais encontrados na literatura, porém visando a alcançar algumas características desejáveis que um núcleo tenha, algumas alterações são propostas. O segundo método é via Dynamic Conditional Score Models (DCS). Nesse, a inflação é decomposta em componentes não observáveis e o núcleo é definido como a componente de tendência. Fazse uma comparação entre os núcleos propostos e os núcleos divulgados atualmente no Brasil e conclui-se que os núcleos divulgados hoje não contribuem para o entendimento da tendência da inflação e que para isso os dois núcleos propostos são mais indicados. O núcleo via modelo DCS é mais indicado ainda por sua estimação não ser afetada por muita informação defasada como ocorre para o primeiro núcleo. Além disso, algumas análises econômicas sugerem que a utilização do núcleo via modelo DCS pode auxiliar o Banco Central na condução da política monetária, uma vez que este mostra indicativos do desenvolvimento futuro da inflação acumulada no ano (medida alvo para a verificação do controle da meta). As duas metodologias propostas podem ser facilmente recalculadas, uma vez que os códigos de implementação estão disponíveis gratuitamente para qualquer usuário interessado, e também podem ser replicadas para outros índices de inflação. / [en] The objective of this dissertation is to present a new measure of core inflation to brazilian inflation in order to verify the current trend of prices. Initially two core inflation are proposed. The first one is calculated from traditional methods found in the literature with some changes proposed in order to achieve some desirable core inflation characteristics. The second method of estimation is Dynamic Conditional Score Models (DCS), where inflation is decomposed into unobservables components and the core is defined as the trend component. A comparison is made between the proposed cores measures and that ones currently available in Brazil. The conclusion is that the core inflation disclosed today do not contribute to the understanding of the inflation trend. The two proposed core inflation measures are better suited for this purpose. The core by DCS model is further indicated because its estimation is not affected by lagged information as it happens for the first core measure. In addition, some economic analyzes suggest that the use of the core by DCS model can help the Central Bank in the conduct of monetary policy, since this shows indicative of the future development of the accumulated inflation in the year (measure used to verify the inflation target in Brazil). The two proposed methodologies can easily be recalculated, since implementation codes are freely available to any interested user, and it can also be replicated to other inflation indicators.

[pt] Esta tese propõe uma metodologia de estimativa de pressão de poros em rochasreservatório através dos atributos sísmicos velocidade compressional V(p) e velocidade cisalhante V(s). Na metodologia, os atributos são encarados como observações realizadas sobre um sistema físico, cujo comportamento depende de um determinado número de grandezas não observáveis, dentre as quais a pressão de poros é apenas uma delas. Para estimar a pressão de poros, adota-se uma abordagem Bayesiana de inversão. Através de uma função de verossimilhança, estabelecida através de um modelo de física de rochas calibrável para a região, e do teorema de Bayes, combina- se as informações pré-existentes sobre os parâmetros de rocha, fluido e estado de tensões com os atributos sísmicos observados, inferindo probabilisticamente a pressão de poros. Devido a não linearidade do problema e ao interesse de se realizar uma rigorosa análise de incertezas, um algoritmo baseado em simulações de Monte Carlo (um caso especial do algoritmo de Metropolis- Hastings) é utilizado para realizar a inversão. Exemplos de aplicação da metodologia proposta são simulados em reservatórios criados sinteticamente. Através dos exemplos, demonstra-se que o sucesso da previsão de pressão de poros depende da combinação de diferentes fatores, como o grau de conhecimento prévio sobre os parâmetros de rocha e fluido, a sensibilidade da rocha perante a variação de pressões diferenciais e a qualidade dos atributos sísmicos. Visto que os métodos existentes para previsão de pressão de poros utilizam somente o atributo V(p) , a contribuição do atributo V(s) na previsão é avaliada. Em um cenário de rochas pouco consolidadas (ou em areias), demonstra-se que o atributo V(s) pode contribuir significativamente na previsão, mesmo apresentando grandes incertezas associadas. Já para um cenário de rochas consolidadas, demonstra-se que as incertezas associadas às pressões previstas são maiores, e que a contribuição do atributo V(s) na previsão não é tão significativa quanto nos casos de rochas pouco consolidadas. / [en] This work proposes a method for pore pressure prediction in reservoir rocks through compressional- and shear-velocity data (seismic attributes). In the method, the attributes are considered observations of a physic system, which behavior depends on a several not-observable parameters, where the pore pressure is only one of these parameters. To estimate the pore pressure, a Bayesian inversion approach is adopted. Through the use of a likelihood function, settled through a calibrated rock physics model, and through the Bayes theorem, the a priori information about the not-observable parameters (fluid and rock parameters and stress state) is combined with the seismic attributes, inferring probabilistically the pore pressure. Due the non-linearity of the problem, and due the uncertainties analysis demanding, an algorithm based on Monte Carlo simulations (a special case of the Metropolis- Hastings algorithm) is used to solve the inverse problem. The application of the proposed method is simulated through some synthetic examples. It is shown that a successfully pore pressure prediction in reservoir rocks depends on a set of factors, as how sensitive are the rock velocities to pore pressure changes, the a priori information about rock and fluid parameters and the uncertainties associates to the seismic attributes. Since the current methods for pore pressure prediction use exclusively the attribute compressional velocity V(p), the contribution of the attribute shear velocity V(s) on prediction is evaluated. In a poorly consolidated rock scenario (or in sands), the V(s) data, even with great uncertainties associated, can significantly contribute to a better pore pressure prediction. In a consolidated rock scenario, the uncertainties associated to pore pressure estimates are higher, and the s V data does not contribute to pore pressure prediction as it contributes in a poorly consolidated rock scenario.

[pt] Esta dissertação de mestrado analisa os efeitos de previsão de séries temporais com redes neurais em conjunto com a técnica de poda, denominada de Regularização Bayesiana. Utilizam-se diversas séries simuladas cujo processo gerador é de fato linear para comparar as previsões feitas por meio de modelos auto-regressivos lineares e redes neurais. Apresenta-se,ao final, uma comparação entre os modelos citados acima, segundo à eficiência preditiva de cada um. / [en] This paper studies the performance of neural networks estimated with Bayesian regularization to model and forecast time series where the data generations process is in fact linear. A simulation experiment is carried out to compare the forecast made by linear autoregressive models and neural networks.

[pt] Esta dissertação apresenta o estudo de um método para o planejamento operacional da distribuição de granéis líquidos, que visa à otimização dos recursos corporativos e a redução de custos operacionais. Iniciando pelo conceito da gestão do conhecimento, procura-se extrair as melhores práticas da empresa através da experiência dos seus profissionais. Todas as informações obtidas são estruturadas e organizadas em um sistema de apoio a decisão (SAD), a fim de montar uma base de conhecimento para suportar e assistir os processos de negócio relacionados à distribuição: previsão de demanda, programação de abastecimentos e roteirização de veículos. Baseado em pesquisas bibliográficas fundamentadas em disciplinas relacionadas à análise dos processos supra descritos e, principalmente, no conhecimento adquirido na própria empresa, são sugeridas soluções heurísticas para os problemas de planejamento da distribuição. Com o objetivo de validar a utilização deste método, é apresentado um estudo de caso realizado em uma empresa distribuidora de GLP (Gás Liquefeito de Petróleo), comparando os resultados obtidos antes e depois da sua aplicação. Os indicadores de desempenho adotados pela mesma apresentam os benefícios e valores agregados, ratificando a eficiência do referido método. / [en] This dissertation presents the study of a method for the operational distribution planning of liquid bulks, that aims the optimization of the corporate resources and the operational cost reduction. Starting by the concept of the knowledge management, it pursuits to extract the company`s best practices through the experience of its professionals. All the information obtained are structured and organized in a support decision system (SAD), in order to build a knowledge base to support and to assist the business processes related with the distribution: demand forecast, supply programming and vehicle routing. Based on bibliography researches well-founded in disciplines related with the analysis of the processes described above and, specially, from the knowledge gained in the company, heuristics solutions are proposed for the distribution planning problems. With the purpose of validating this method utilization, it is presented a study case in a LPG distribution company (liquid petroleum gas), comparing the results achieved before and after its application. The key performance indicators adopted present benefits and add values, ratifying the efficiency of the method above mentioned.

[pt] Esta dissertação teve como objetivo desenvolver uma metodologia e aplicá-la à uma cadeia de transporte ferroviário de minério de ferro, de forma a mensurar o impacto da oscilação de preços do minério de ferro nos projetos logísticos envolvendo produção, terminais de carga e descarga, transporte ferroviário e infra-estrutura portuária, de maneira a demonstrar a relevância que a previsibilidade do preço possui no planejamento dos investimentos e na viabilização de projetos em cada etapa da cadeia de exportação desta commodity. Para alcançar o objetivo da pesquisa proposta acima, realizou-se uma breve revisão conceitual dos principais métodos de previsão de preços de commodities e uma descrição dos processos logísticos de cada etapa da cadeia em estudo. Na seqüência, foi apresentado o detalhamento da metodologia e sua aplicação utilizando uma base histórica de preços reais de mercado e custos referenciais da cadeia logística. O resultado da pesquisa permitiu identificar melhor os momentos de risco dos projetos de mineração e aperfeiçoar o processo decisório de investimentos em ativos ferroviários. A nova metodologia permitiu aumentar o nível de precisão da previsão do preço da tonelada de minério de ferro e com isso melhorar o nível de informação sobre a demanda que estimula os projetos logísticos da cadeia envolvida. Foi possível identificar melhor o potencial dos projetos apresentados por empresas de mineração e de empresas entrantes em sua área de atuação, aprimorando a seleção de projetos compartilhados e o processo decisório sobre quais investimentos priorizar no médio e longo prazo. / [en] This work aimed to develop a methodology and apply it to a iron ore railway transport chain in order to measure the impact of transoceanic iron ore price fluctuation in logistics projects involving production, loading and unloading terminals, transport rail and port infrastructure trying to demonstrate the relevance of the market price predictability in the planning of investments and the viability of projects in each step of the supply chain process concerning the exportation of this mineral commodity. To achieve the goal of the research presented above, there was a brief conceptual overview of the main methods of forecasting commodity prices and a description of the logistics processes in each stage of the chain under study. Next, the details of the methodology and its application were presented using a historical basis of real market prices and benchmark supply chain costs. The survey results identified the best moments of risk of mining projects and improve the decision making process of investment in railway assets. The new methodology allowed to increase the assessed level of prediction accuracy of the price per ton of iron ore and thereby improve the level of information that stimulates demand chain logistics projects involved. It was possible to identify the potential of the projects presented by mining companies and new players in their area, improving the selection of projects and shared decision making about which investments to prioritize in medium and long term.

[pt] Prever emprego e desemprego é de grande importância para praticamente todos os agentes de uma economia. Emprego é uma das principais variáveis analisadas como indicador econômico, e desemprego serve para os policy makers como uma orientação às suas decisões. Neste trabalho, eu estudo quais características das duas séries podemos usar para auxiliar no tratamento dos dados e métodos empregados para auxiliar no poder preditivo das mesmas. Eu comparo modelos de machine (Random Forest e Lasso Adaptativo) e Deep (Long short Term memory) learning, procurando capturar as não linearidades e dinâmicas de ambas séries. Os resultados encontrados sugerem que o modelo AR com Random Forest aplicado nos resíduos, como uma maneira de separar parte linear e não linear, é o melhor modelo para previsão de emprego, enquanto Random Forest e AdaLasso com Random Forest aplicado nos resíduos são os melhores para o desemprego. / [en] Forecasting employment and unemployment is of great importance for virtually all agents in the economy. Employment is one of the main variables analyzed as an economic indicator, and unemployment serves to policy makers as a guide to their actions. In this essay, I study what features of both series we can use on data treatment and methods used to add to the forecasting predictive power. Using an AR model as a benchmark, I compare machine (Random Forest and Adaptive Lasso) and deep (Long Short Term Memory) learning methods, seeking to capture non-linearities of both series dynamics. The results suggests that an AR model with a Random Forest on residuals (as a way to separate linear and non-linear part) is the best model for employment forecast, while Random Forest and AdaLasso with Random Forest on residuals were the best for unemployment forecast.

[pt] Nós mostramos que um fator político que explora a variação cross-section em retornos individuais de ações pode prever o resultado de eleições nacionais, incluindo o ganho líquido de assentos no congresso e o presidente. Usando eleições presidenciais dos Estados Unidos desde 1928, nós também encontramos que esse portfolio long-short construído ao redor da eleição entrega informação sobre aprovação presidencial por um longo período depois da eleição. / [en] We show that a political factor that exploits cross-sectional variation in individual stock returns can forecast national election results, including net House seat gains and the president. Using US presidential elections since 1928, we also find that this long-short portfolio constructed around the election period delivers information on presidential approval for a long period after the election.

[pt] Este estudo explora fontes de dados não convencionais como dados textuais de jornais e pesquisas de internet do Google Trends em dois problemas empíricos: (i) analisar o impacto da mobilidade sobre o número de casos e mortes por Covid-19; (ii) nowcasting do PIB em alta-frequência. O primeiro artigo usa fontes de dados não estruturados como controle para fatores comportamentais não observados e encontra que um aumento na mobilidade residencial diminui significativamente o número de casos e mortes num horizonte de quatro semanas. O segundo artigo usa fontes de dados não estruturadas para fazer um nowcasting semanal do PIB, mostrando que dados textuais e Google Trends pode aumentar a qualidade das projeções (medido pelo EQM, EAM e outras métricas) comparado com as expectativas de mercado do Focus como base. Em ambos casos, dados não estruturados reveleram-se fontes ricas de informação não codificadas em indicadores estruturados convencionais. / [en] This study exploits non-conventional data sources such as newspaper textual data and internet searches from Google Trends in two empirical problems: (i) analysing the impacts of mobility on cases and deaths due to Covid-19; (ii) nowcasting GDP in high-frequency. The first paper resorts to unstructured data to control for non-observable behavioural effects and finds that an increase in residential mobility significantly reduces Covid-19 cases and deaths over a 4-week horizon. The second paper uses unstructured data sources to nowcast GDP on a weekly basis, showing that textual data and Google Trends can significantly enhance the quality of nowcasts (measured by MSE, MAE and other metrics) compared to Focus s market expectations as a benchmark. In both cases, unstructured data was revealed to be a valuable source of information not encoded in structured indicators.

[pt] O mundo vive hoje uma era de transformação digital resultante da chamada indústria 4.0 ou quarta revolução industrial. Nesta fase, a tecnologia tem exercido um papel cada vez mais estratégico no desempenho das organizações. Estes avanços tecnológicos têm revolucionado o processo de tomada de decisão na gestão e operação de cadeias de suprimentos. Neste contexto, esta dissertação apresenta uma metodologia de apoio à decisão na gestão de estoques, que combina multi-criteria decision making (MCDM) e machine learning (ML). A princípio, é realizada uma revisão sistemática da literatura para analisar como estas duas abordagens são aplicadas na gestão de estoques. Os resultados são complementados com um scoping review abrangendo a previsão de demanda. Inicia-se então um estudo de caso, aplicado em uma ferrovia de transporte de cargas. É aplicado, inicialmente, o método MCDM combinado Fuzzy AHP Vikor para ranquear os stock keeping units (SKUs) em ordem de criticidade. O passo seguinte é a aplicação do método de ML combinado GA-ANN, artificial neural network com genetic algorithm, com o objetivo de realizar a previsão de demanda em um piloto com alguns dos itens mais críticos. A etapa final consiste em estruturar um dashboard gerencial, integrando os resultados das etapas anteriores. Dentre os resultados alcançados, a partir do modelo proposto, observa-se considerável melhora na performance da previsão de demanda dos SKUs selecionados. Além disso, a integração entre as abordagens e implementação em um dashboard gerencial permitiu o desenvolvimento de um modelo semiautomático de tomada de decisão na gestão de estoques. / [en] The world is experiencing an era of digital transformation resulting from the industry 4.0 or fourth industrial revolution. In this period, technology has played an increasingly strategic role in the performance of organizations. These technological advances have revolutionized the decision-making process in the management and operation of supply chains. In this context, this dissertation presents a methodology to support decision-making in inventory management, which combines multi-criteria decision-making (MCDM) and machine learning (ML). At first, there is a systematic literature review in order to analyze how these two approaches are applied in inventory management. The results are complemented with a scoping review that includes the demand forecasting. A case study is then applied to a freight transport railway. Initially, the MCDM combined Fuzzy AHP Vikor method is applied to rank stock keeping units (SKUs) in degrees of criticality. The next step is the application of the ML combined GA-ANN method, artificial neural network with genetic algorithm, for the purpose of demand forecasting in a pilot with some of the most critical items. The final step is to structure a management dashboard, integrating the results of the previous steps. Among the results achieved from the proposed model, there is a considerable improvement in the performance of the demand forecasting for the selected SKUs. In addition, the integration between approaches and implementation in a management dashboard allowed the development of a semiautomatic model for decision-making in inventory management.

[pt] Uma das principais preocupações mundiais atualmente está relacionada às questões ambientais. Essa preocupação é considerada na seleção de projetos de energia e, como resultado, a geração de energia elétrica a partir de fontes renováveis tem experimentado um forte crescimento em todo o mundo, incluindo o Brasil. Em relação às fontes de energia hidrelétrica, as Pequenas Centrais Hidrelétricas (PCHs) são uma alternativa para reduzir o impacto ambiental. Esses projetos produzem entre 5 e 30 megawatts (MW) e sua instalação tem um baixo custo e respeito ao meio ambiente, principalmente por não existir necessidade de reservatórios de regulação, o que não é o caso de grandes usinas hidrelétricas. Nos últimos anos, o número de PCHs tem aumentado bastante, como consequência dos incentivos para geração de eletricidade a partir de fontes renováveis. Como a geração de energia hidrelétrica é fortemente influenciada por regimes hidrológicos, especialmente no caso de usinas a fio d água como as PCHs, melhorar a assertividade das previsões de geração de energia elétrica de maneira estocástica torna-se altamente importante para as distribuidoras. Esta dissertação tem como principal objetivo apresentar o desempenho de um grupo de modelos de previsão aplicados para PCHs de uma distribuidora real de energia elétrica. Para isso foram utilizadas diferentes abordagens, incluindo dados de vazão de usinas hidrelétricas vizinhas como variável explicativa em modelos causais, assim como também modelos univariados. / [en] One of the main world concerns nowadays is related to the environment issues. Such concern is considered in the selection of energy projects and, as a result of that, the generation of electricity from renewable sources has experienced a sharp growth all over the world, Brazil included. Concerning hydropower sources, Small Hydropower Plants (SHPs) are an alternative to reduce environmental impact. These projects produce between 5 and 30 megawatts (MW) and its installation has a low cost and respect to the environment, mainly because there is no need of regulation reservoirs, which is not the case in bigger hydroelectric plants. In recent years the number of SHPs is increasing in a great deal, as a consequence of the incentives to generate electricity from renewable sources. Since hydro power generation is heavily influenced by hydrological regimes, especially in the case of run-of-river plants, as SHPs, improving the assertiveness of electric power generation forecasts in a stochastic way becomes highly important for distributing utilities. This master dissertation has as main objective to present the performance of an arrange of forecasting models applied to SHPs of a real distributing utility. It was used different approaches, including inflow data from neighboring hydro plants as exogenous variable, in causal models and also univariate models.