Submitted by (ana.araujo@ufrpe.br) on 2016-06-28T16:05:18Z No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) / Made available in DSpace on 2016-06-28T16:05:18Z (GMT). No. of bitstreams: 1 David Augusto Silva.pdf: 1453777 bytes, checksum: 4516b869e7e749b770a803eb7e91a084 (MD5) Previous issue date: 2011-07-01 / The techniques for Time Series Analysis and Forecasting have great presence on the literature over the years. The computational resources combined with statistical techniques are improving the predictive results, and these results have been become increasingly accurate. Computational methods base on Artificial Neural Networks (ANN) and Evolutionary Computing (EC) are presenting a new approach to solve the Time Series Analysis and Forecasting problem. These computational methods are contained in the branch of Artificial Intelligence (AI), and they are biologically inspired, where the ANN models are based on the neural structure of intelligent organism, and the EC uses the concept of nature selection of Charles Darwin. Both methods acquire experience from prior knowledge and example of the given problem. In particular, for the Time Series Forecasting Problem, the objective is to find the predictive model with highest forecast perfomance, where the performance measure are statistical errors. However, there is no universal criterion to identify the best performance measure. Since the ANNs are the predictive models, the EC will constantly evaluate the forecast performance of the ANNs, using a fitness functions to guide the predictive model for an optimal solution. The Data Envelopment Analysis (DEA) was employed to predictive determine the best combination of variables based on the relative efficiency of the best models. Therefore, this work to study the optimization Fitness Function process with Data Envelopment Analysis applied the Intelligence Hybrid System for time series forecasting problem. The data analyzed are composed by financial data series, agribusiness and natural phenomena. The C language program was employed for implementation of the hybrid intelligent system and the R Environment version 2.12 for analysis of DEA models. In general, the perspective of using DEA procedure to evaluate the fitness functions were satisfactory and serves as an additional resource in the branch of time series forecasting. Researchers need to compute the results under different perspectives, whether in the matter of the computational cost of implementing a particular function or which function was more efficient in the aspect of assessing which combinations are unwanted saving time and resources. / As técnicas de análise e previsão de séries temporais alcançaram uma posição de distinção na literatura ao longo dos anos. A utilização de recursos computacionais, combinada com técnicas estatísticas, apresenta resultados mais precisos quando comparados com os recursos separadamente. Em particular, técnicas que usam Redes Neurais Artificiais (RNA) e Computação Evolutiva (CE), apresenta uma posição de destaque na resolução de problemas de previsão na análise de séries temporais. Estas técnicas de Inteligência Artificial (AI) são inspiradas biologicamente, no qual o modelo de RNA é baseado na estrutura neural de organismos inteligentes, que adquirem conhecimento através da experiência. Para o problema de previsão em séries temporais, um fator importante para o maior desempenho na previsão é encontrar um método preditivo com a melhor acurácia possível, tanto quanto possível, no qual o desempenho do método pode ser analisado através de erros de previsão. Entretanto, não existe um critério universal para identificar qual a melhor medida de desempenho a ser utilizada para a caracterização da previsão. Uma vez que as RNAs são os modelos de previsão, a CE constantemente avaliará o desempenho de previsão das RNAs, usando uma função de fitness para guiar o modelo preditivo para uma solução ótima. Desejando verificar quais critérios seriam mais eficientes no momento de escolher o melhor modelo preditivo, a Análise Envoltória de Dados (DEA) é aplicada para fornecer a melhor combinação de variáveis visando a otimização do modelo. Portanto, nesta dissertação, foi estudado o processo de otimização de Funções de Fitness através do uso da Análise Envoltória de Dados utilizando-se de técnicas hibridas de Inteligência Artificial aplicadas a área de previsão de séries temporais. O banco de dados utilizado foi obtido de séries históricas econômico- financeiras, fenômenos naturais e agronegócios obtidos em diferentes órgãos específicos de cada área. Quanto à parte operacional, utilizou-se a linguagem de programação C para implementação do sistema híbrido inteligente e o ambiente R versão 2.12 para a análise dos modelos DEA. Em geral, a perspectiva do uso da DEA para avaliar as Funções de Fitness foi satisfatório e serve como recurso adicional na área de previsão de séries temporais. Cabe ao pesquisador, avaliar os resultados sob diferentes óticas, quer seja sob a questão do custo computacional de implementar uma determinada Função que foi mais eficiente ou sob o aspecto de avaliar quais combinações não são desejadas poupando tempo e recursos.

Submitted by Irene Nascimento (irene.kessia@ufpe.br) on 2016-09-27T18:39:30Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) RicardoDeAndradeAraujo.pdf: 2136922 bytes, checksum: 3bf9d638152b4cc1870ed7c533772fae (MD5) / Made available in DSpace on 2016-09-27T18:39:30Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) RicardoDeAndradeAraujo.pdf: 2136922 bytes, checksum: 3bf9d638152b4cc1870ed7c533772fae (MD5) Previous issue date: 2016-01-01 / CNPQ / Este trabalho apresenta um estudo sobre séries temporais financeiras, em alta-frequência, na tentativa de identificar as características do seu fenômeno gerador e, baseado neste estudo, propor um modelo, composto por uma combinação balanceada entre operadores lineares e operadores não-lineares crescentes e decrescentes, capaz de prever este tipo particular de série temporal. Para o processo de aprendizagem, é proposto um método baseado em gradiente descendente, utilizando ideias do algoritmo de retropropagação do erro (back propagation, BP) e uma abordagem alternativa para superar o problema da não-diferenciabilidade dos operadores não-lineares. Uma análise experimental é conduzida com o modelo proposto, utilizando um conjunto de séries temporais financeiras, em alta-frequência, do mercado de ações Brasileiro: Banco do Brasil SA, Banco Bradesco SA, Brasil Foods SA, BR Malls Participações SA e Companhia Energética Minas Gerais. Nestes experimentos, um conjunto relevante de medidas é utilizado para avaliar o desempenho preditivo do modelo proposto, e os resultados alcançados superam aqueles obtidos utilizando técnicas estatísticas, neurais e híbridas apresentadas na literatura. Também, são realizadas simulações com um sistema de apoio à decisão, baseado em previsão, para compra e venda de ações, tendo em vista demonstrar o desempenho econômico expressivo do modelo proposto no mercado de ações, em alta-frequência. / This work presents a study about high-frequency financial time series to identify the characteristics of their generator phenomenon and, based on such study, to propose a model, composed of a balanced combination of linear operators and increasing and decreasing nonlinear operators, able to predict this kind of time series. For the learning process, it is proposed a descent gradient-based method, using ideas from the back propagation (BP) algorithm and a systematic approach to overcome the problem of nondifferentiability of nonlinear operators. An experimental analysis is conducted with the proposed model, using a set of highfrequency financial time series of the Brazilian stock market: Banco do Brasil SA, Banco Bradesco SA, Brasil Foods SA, BR Malls Participações SA and Companhia Energética Minas Gerais. In these experiments, a relevant set of measures are used to assess the prediction performance of the proposed model, and the achieved results overcome those obtained by statistical, neural and hybrid techniques presented in the literature. Also, it is performed simulations with a prediction-based decision support system, for buy and sale of stocks, to demonstrate the significant economic performance of the proposed model in real high-frequency stock market

Orientador: Aluísio de Souza Pinheiro / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática Estatítica e Computação Científica / Made available in DSpace on 2018-08-17T14:57:09Z (GMT). No. of bitstreams: 1 Valk_Marcio_D.pdf: 2306844 bytes, checksum: 31162915c290291a91806cdc6f69f697 (MD5) Previous issue date: 2011 / Resumo: Classificação e agrupamento de séries temporais são problemas bastante explorados na literatura atual. Muitas técnicas são apresentadas para resolver estes problemas. No entanto, as restrições necessárias, em geral, tornam os procedimentos específicos e aplicáveis somente a uma determinada classe de séries temporais. Além disso, muitas dessas abordagens são empíricas. Neste trabalho, propomos métodos para classificação e agrupamento de séries temporais baseados em quase U-estatísticas(Pinheiro et al. (2009) e Pinheiro et al. (2010)). Como núcleos das U-estatísticas são utilizadas métricas baseadas em ferramentas bem conhecidas na literatura de séries temporais, entre as quais o periodograma e a autocorrelação amostral. Três situações principais são consideradas: séries univariadas; séries multivariadas; e séries com valores aberrantes. _E demonstrada a normalidade assintética dos testes propostos para uma ampla classe de métricas e modelos. Os métodos são estudados também por simulação e ilustrados por aplicação em dados reais. / Abstract: Classifcation and clustering of time series are problems widely explored in the current literature. Many techniques are presented to solve these problems. However, the necessary restrictions in general, make the procedures specific and applicable only to a certain class of time series. Moreover, many of these approaches are empirical. We present methods for classi_cation and clustering of time series based on Quasi U-statistics (Pinheiro et al. (2009) and Pinheiro et al. (2010)). As kernel of U-statistics are used metrics based on tools well known in the literature of time series, including the sample autocorrelation and periodogram. Three main situations are considered: univariate time series, multivariate time series, and time series with outliers. It is demonstrated the asymptotic normality of the proposed tests for a wide class of metrics and models. The methods are also studied by simulation and applied in a real data set. / Doutorado / Estatistica / Doutor em Estatística

Orientadores: Takaaki Ohishi, Rosangela Ballini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-15T14:35:54Z (GMT). No. of bitstreams: 1 Salgado_RicardoMenezes_D.pdf: 4205399 bytes, checksum: fdb25cda0f3893f10f87049b9e04a6e7 (MD5) Previous issue date: 2009 / Resumo: Na operação de um sistema elétrico de potência (SEP) existem diversas variáveis que Influenciam as rotinas de planejamento, operação e controle. O monitoramento destas variáveis é Importante para auxiliar os processos responsáveis pela operação segura e confiável no sistema. Dentre estas variáveis pode-se destacar o nível de carga elétrica por barramento como uma variável de grande Impacto na operação do SEP. Informações precisas sobre o nível de carga em cada barramento da rede elétrica proporcionam um melhor controle no fluxo de potência, na analise de estabilidade e segurança, no despacho econômico, no planejamento e na programação da operação. Visando atender estas necessidades, este trabalho apresenta duas contribuições na análise de séries temporais de carga por barramento. A primeira contribuição é o desenvolvimento de uma metodologia de previsão de carga por barramento rápida e efetiva. A segunda contribuição ê um sistema computacional denominado SysPrev - Slsiema de Suporte para Analise e Previsão de Carga por barramento desenvolvido para facilitar o processo de calculo das previsões por barramento. O modelo de previsão de carga por barramento é composto por duas etapas: Na primeira, os barramentos são agrupados de acordo com a similaridade do perfil de carga diária. Na segunda etapa, aplica-se um modelo de previsão de carga em cada grupo, e a partir destas previsões por grupo são obtidas as previsões em cada barramento. O SysPrev é um software composto por um subsistema gerenciador de dados, um subsistema de modelos e um subsistema de interfaces. O subsistema administrador de dados ê composto de um banco de dados que armazena as séries temporais entre outras informações relevantes. O subsistema de modelos é composto por aplicativos que auxiliarão no processo de analise de dados e previsões. Para facilitar a Interação do usuário com o sistema, o subsistema de Interfaces conta com pacotes de janelas gráficas que proporcionam um ambiente computacional amigável e eficiente, facilitando a Interação do SysPrev e seus usuários.Um diferencial do SysPrev é a sua construção modularizada baseada em componentes plug-and-play que possibilita a Inserção de novas funcionalidades. Com esta arquitetura, cada componente e produzido de maneira Independente, podendo ser Inserido no software sem a necessidade de alterações no sistema principal. Este fator é Importante, pois fornece ao usuário a opção de personalizar e criar novas ferramentas de analise, facilitando a atualização e manutenção no sistema. Neste trabalho, o SysPrev foi utilizado para analisar um conjunto de dados formado por 73 barramentos. A praticidade e facilidade em criar múltiplos cenários possibilitou o rápido entendimento dos dados gerando bons resultados nas previsões, possibilitando maior precisão na etapa de operação do sistema em geral / Abstract: In a power operation system there are many variables that can Influence the execution of t ho control routines. The attendance of these variables is very important to aid the processes in the safe operation of the system. In the electric system the bus load level is an important variable in operation planning step. Accurate Information on the load level In each bus provide a better control In the power flow, safe and security analysis, operation programming, planning and others. Thus, this work presents two contributions to the bus load forecasting area. The first contribution is the development of a bus load forecast methodology that executes and provides the forecast results for several buses in an aggregate way. The second contribution is a computational system for bus load forecasting named SysPrev - Support System for Bus Load Analysis and Forecasting- developed to facilitate the bus load forecasting process. The aggregate bus load forecasting model is composed by two steps: In the first phase a clustering algorithm is used to Identify buses clusters with similar dally load profile and In the second phase Is proposed an aggregate structure for to foresee each bus using a conventional prediction model The SysPrev is a software composed of a data manager subsystem, a model subsystem and graphical interfaces subsystem.The data manager subsystem is composed of a database that contains bus load time series and other relevant Information. The model subsystem is composed of forecasting and clustering techniques. To facilitate the user's interaction, the graphical interface has packages of graphic windows that provide a friendly environment facilitating the Integration of tlie SysPrev and their users. An excellent characteristic of the SysPrev is its construction based on components plug-and-play that allows the Insert of new functionalities With this architecture, each component Is produced on an independent way. could be Inserted In the software without alterations in the main system This factor Is Important, because It supplies the user with the option of customizing and creatlng new analysis tools, facilitating the updating and the maintenance of the system. The SysPrev was applied to a real power system data composed of 73 buses. The easiness of creating multiple sceneries made possiblethe fast understanding of the data providing good results In the forecasts, making possible larger precision on the power system operation step / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientadores: Secundino Soares Filho, Rosangela Ballini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-11T11:20:51Z (GMT). No. of bitstreams: 1 LunaHuamani_IvetteRaymunda_D.pdf: 1516017 bytes, checksum: 0b1789c54ac07dc411d69c82d77f8ac3 (MD5) Previous issue date: 2007 / Resumo: Este trabalho propõe uma metodologia baseada em regras nebulosas para a modelagem e previsão de séries temporais. Inicialmente, os dados são pré-processados para, a seguir, ocorrer a seleção de variáveis que serão utilizadas pelos modelos de série temporal. Para essa finalidade, nesta tese propõe-se um conjunto de aproximações necessárias para o cálculo do critério de informação mútua parcial, o qual é a base para o algoritmo de seleção de entradas utilizado. A próxima etapa corresponde à determinação da estrutura do modelo e ajuste dos parâmetros. Com o intuito de definir de forma automática a estrutura do modelo, de forma simultânea ao ajuste dos parâmetros, dois algoritmos de aprendizado construtivo - offiine e online são propostos. Ambos os algoritmos utilizam como base para o seu desenvolvimento o algoritmo da maximização da verossimilhança, assim como critérios de geração e punição (ou poda) de regras nebulosas. Finalmente, o modelo obtido é validado e aplicado .na previsão de um e vários passos à frente. Análises comparativas são apresentadas utilizando séries temporais sintéticas e de problemas reais. Os resultados mostram que as propostas deste trabalho são uma alternativa eficiente para a modelagem e previsão de séries temporais / Abstract: This work presents a methodology for time series modeling and forecasting. First, the methodology considers the data pre-processing and the system identification, which implies on the selection of a suitable set of input variables for modeling the time series. In order to achieve this task, this work proposes an algorithm for input selection and a set of approximations that are necessary for estimating the partia! mutual information criterion, which is the base of the algorithm used at this stage. Then, the mo deI is built and adjusted. With the aim of performing an automatic structure selection and parameters adjustment simultaneously, this thesis proposes two constructive learning algorithms, namely ofRine and online. These algorithms are based on the Expectation Maximization optimization technique, as well as on adding and pruning operators of fuzzy rules that are also proposed in this work. Finally, models are validated and applied to one-step ahead and multi-step ahead forecasting. Comparative analysis using synthetic and real time series are detailed. The results show the adequate performance of the proposed approach and presents it as a promising alternative for time series modeling and forecasting / Doutorado / Energia Eletrica / Doutor em Engenharia Elétrica

Variações climáticas podem resultar na entrada insuficiente de água no balanço hídrico de uma região, acarretando em inconsistências relacionadas à outorga de água superficial. O sistema de outorga de água superficial utiliza as vazões percentis (Q7,10, Q90, Q95) para definir a vazão máxima outorgável. No entanto, em períodos de estiagem tais vazões de referência podem não ser suficientes para atender a demanda outorgada, demandando a captação de águas subterrâneas para contrabalançar essa insuficiência hídrica do manancial superficial. Portanto, a outorga dos recursos hídricos deve ocorrer de forma integrada e sustentável, considerando a alteração da descarga do aquífero para o rio devido à captação subterrânea. O objetivo deste trabalho é estimar a disponibilidade hídrica integrada (superficial e subterrânea), por meio de um modelo empírico linear, proposto como função da média móvel da precipitação de períodos anteriores relacionados ao tempo de regulação do aquífero. Técnicas de correlação e espectrais foram empregadas na análise de séries temporais de precipitação (P) e vazão (Q) da bacia hidrográfica do Ribeirão da Onça, com o objetivo de determinar os tempos de resposta de Q em relação a P. A metodologia proposta foi verificada para precipitação e vazões observadas na bacia com área de 65 km2 no período de 2003 a 2014. Os resultados indicam que o aquífero armazena uma parcela de água precipitada e controla o fluxo para o rio, com tempos de regulação de aproximadamente 60 dias para o escoamento subsuperficial e de aproximadamente 2 anos para o escoamento de base. A metodologia também foi testada para duas sub-bacias hidrográficas do Rio Jacaré-Guaçu, com áreas de 1867 e 3519 km2. A adoção da metodologia proposta permite calcular uma vazão de referência sustentável, possibilitando prever a variação da vazão de base nos períodos de recessão, por estar definida em função de precipitações passadas. Portanto, tal vazão seria mais condizente com as observadas no meio ambiente, proporcionando um adequado funcionamento do ecossistema, garantindo assim a sua preservação. / Climatic variation may result in insufficient input of water in the water balance in a region, resulting in inconsistencies in the water rights permits. Brazilian water allocation system uses the flow duration curves (Q7,10, Q90, Q95) to establish the maximum allowable discharge. However, during droughts such reference discharges may not reach the water rights permits, requiring groundwater extraction to compensate this deficiency in surface water bodies. Hence, the water right permits must be integral, considering the base flow variation due to the groundwater extraction. The aim of this study is to determine the integrated water availability (surface and groundwater), using an empirical linear model, proposed as a function of the average rainfall of previous periods related to the aquifer regulation time. Correlation and spectral techniques were employed for time-series analysis of precipitation (P) and discharge (Q) in the Ribeirão da Onça watershed, to determine response times of Q as a function of P. The proposed methodology was developed for precipitation and discharge observed from 2003 to 2014 in a watershed with an area of 65 km2. The obtained results indicate that the aquifer stores the rainfall water with regulation times of approximately 60 days for the subsurface flow, ans approximately 2 years for the base flow. The methodology was also tested for two sub-basins of the Jacaré-Guaçú River watershed, with areas of 1867 and 3519 km2.The proposed methodology allows the estimation of a sustainable reference discharge making it possible to predict the base flow variation during recession periods, since it is defined as a function of past rainfall. Therefore, this discharge is more consistent with the values observed in the environment, allowing a proper functioning of the ecosystem, thereby ensuring their preservation.

Made available in DSpace on 2017-07-10T18:33:44Z (GMT). No. of bitstreams: 1 Mariza Zeni de C Tomasetto.pdf: 302316 bytes, checksum: 302bec452cda6f5bdbe9370321ba8e74 (MD5) Previous issue date: 2010-03-05 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The aim of this study was to analyze the spatial price transmission between the sugarcane markets of Sao Paulo and Paraná, from January 1995 to February 2009. The study adopted the Box-Jenkins method for models of Auto Regressive Moving Average (ARIMA) applied to time series, the unit root Augmented Dickey-Fuller test (ADF), an Engle-Granger cointegration test, a transfer function model and the Error Correction Model (MCE). The results indicated that the series are co-integrated, that is, there is long-term relationship. The elasticity of price transmission, both the long-term and the short-term, presented itself inelastic. Furthermore, it is observed, in the short-term, an unanticipated shock in the price of the sugarcane in Sao Paulo in the magnitude of 41.19% to the price of the sugarcane in Paraná. In the long term, unanticipated shocks in the price of sugarcane in São Paulo are transmitted with a magnitude equal to 99.84%. This relationship is inelastic, though very close to a unitary elasticity. Therefore, it can be concluded that even though the Law of One Price is not validated, this result shows a high degree of spatial integration of prices between the two markets, as expected. / Neste trabalho, analisou-se a transmissão espacial de preços entre os mercados de cana-de-açúcar de São Paulo e Paraná, no período de janeiro de 1995 a fevereiro de 2009. A metodologia de análise foi por meio do método Box-Jenkins para modelos Auto Regressivos de Médias Móveis (ARIMA) aplicados a séries temporais, teste de raiz unitária Dickey-Fuller Aumentado (ADF), teste de co-integração de Engle-Granger, modelo de função de transferência e Modelo de Correção de Erro (MCE). Os resultados indicaram que as séries são co-integradas, ou seja, há relação de longo prazo. As elasticidades de transmissão de preços tanto de curto quanto de longo prazo apresentaram-se inelásticas. Constatou-se também que um choque não antecipado no preço da cana-de-açúcar em São Paulo é transmitido na magnitude de 41,19% para os preços da cana-de-açúcar no Paraná no curto prazo. No longo prazo, choques não antecipados no preço da cana em São Paulo são transmitidos com magnitude igual a 99,84%. Essa relação é inelástica, mas muito próxima de uma relação com elasticidade unitária. Por conseguinte, pode-se concluir que, apesar de não validar a Lei do Preço Único, esse resultado mostra o elevado grau de integração espacial de preços entre os dois mercados, como era esperado.

Made available in DSpace on 2016-08-17T14:53:15Z (GMT). No. of bitstreams: 1 Marcelo Lobato.pdf: 458668 bytes, checksum: 75a9d282a32041701f8142bf12ebb12c (MD5) Previous issue date: 2006-11-29 / In this work, a generic user model, obtained from historical data from actions of the users and inference functions of belief is proposed. The functions of belief are obtained through forecasting techniques. This model was tested with its utilization in taxpayers. Two forecasting techniques had been used: statistical Holt model and neural networks. The results obtained from tests in Government of Maranhão, in Brazil, are also reported. / Neste trabalho, um modelo genérico utilizador, obtido a partir de dados históricos e a partir de ações dos usuários, com suas inferências e funções de crença é proposto. As funções de crença são obtidas através de Previsão técnicas. Este modelo foi testado com a sua utilização nos contribuintes. Duas Previsão técnicas tinham sido utilizados: Holt modelo estatística e redes neurais. O Resultados obtidos a partir de testes de Governo do Maranhão, no Brasil, também são relatados.

Made available in DSpace on 2016-08-17T14:53:24Z (GMT). No. of bitstreams: 1 Dissertacao Manoel Marcondes.pdf: 1698331 bytes, checksum: 909b7996d9dd24d74cb26a7889774905 (MD5) Previous issue date: 2013-06-12 / The stock market is a highly complex market and an important way to raise funds for investors. Investors aim to achieve maximum profit. Thus, the purchase or sale of shares must be made on time. To achieve this goal, prediction techniques can be applied to the stock market in order to predict their behavior. There are several techniques that show promising results for prediction on the stock market, but each one has particular advantages and limitations. Thus, these techniques require a large number of variables and a complex architecture. This paper describes a proposal of a prediction approach model designed to raise the return's chances on investments in shares. It uses a hybrid approach based on the definition from a committee of learning machines which combines the advantages of three techniques (statistical, neural network and technical indicators) in order to overcome their respective limitations. The proposed approach is examined through a comparison with their individual forecasters according to the perspective of two metrics, which ones demonstrate significant gains in terms of profitability and precision when used with a committee prediction approach involving weights in the solution of individual forecasters. / O mercado acionário é uma importante forma para captação de recursos para investidores. Entretanto, é um mercado altamente complexo. Os investidores têm como objetivo atingir o máximo de lucro. Assim, a compra ou venda de ações deve ser feita no momento certo. Para atingir esse objetivo, técnicas de predição podem ser aplicadas em mercado acionário a fim de antever seu comportamento. Para predição em mercado acionário, existem várias técnicas que apresentam resultados promissores, mas cada uma tem suas vantagens e limitações particulares. No entanto, essas técnicas exigem um grande número de variáveis e uma arquitetura complexa. O presente trabalho descreve uma proposta de um modelo de predição objetivando elevar as chances de rentabilidade em investimentos com ações. O modelo proposto utiliza uma abordagem híbrida por meio da definição de um comitê de máquinas de aprendizado que combinam vantagens das três técnicas (estatística, rede neural e indicadores técnicos) a fim de superar as suas respectivas limitações. A abordagem proposta é analisada através de uma comparação com seus previsores individuais sob a perspectiva de duas métricas, o que demonstrou ganhos significativos em termos de rentabilidade e precisão quando utilizado um comitê com abordagem de predição envolvendo pesos nas soluções dos previsores individuais.

O presente trabalho teve por objetivo estudar o efeito do campo de ventos e do meandramento da Corrente do Brasil nas variabilidades hidrográfica e bioquímica ao largo da costa norte do Estado de São Paulo. Foram utilizados dados de temperatura, nutrientes e clorofila-a obtidos in situ mensalmente ao largo de Ubatuba entre dezembro de 2004 a abril de 2014, dados do campo de ventos do pacote Blended Sea Winds (NCDC/NOAA), além de Temperatura da Superfície do Mar e Clorofila-a da Superfície do Mar do sensor MODIS/AQUA. Os dados obtidos mostraram que na primavera o vento paralelo teve forte correlação com a temperatura em toda coluna de água, evidenciando a importância da intrusão remota nesta estação. No verão as altas correlações com o nitrato indicam a dominância de intrusão local. A correlação com a distância da Corrente do Brasil foi significativa com a clorofila-a, o nitrato e fosfato. Os resultados permitem inferir que o vento é o principal fator que determina a variabilidade hidrográfica e bioquímica na área de estudo, e que o meandramento da Corrente do Brasil teria papel secundário na dinâmica da plataforma continental interna. / The main goal of this work is to evaluate the effect of the wind field and Brazil Current meandering on hydrographic and biochemical variability off northern coast of Sao Paulo, Brazil. The dataset used were comprised of monthly samples of temperature, chlorophyll-a and nutrients acquired in situ in Ubatuba from December 2004 to April 2014, wind field derived from NCDC/NOAA Blended Sea Winds package, as well as sea surface temperature and sea surface chlorophyll remotely sensed by MODIS aboard Acqua satellite. Data analysis reveal a strong correlation of along-shore wind component with the water temperature in all depths at spring, pointing out the importance of remote intrusion and advection of South Atlantic Central Water at the sampling site. During summer, however, high correlation of said wind component with nitrate concentration show dominance of local intrusion processes. The distance between the sampling station and the Brazil Current front correlated significantly with chlorophyll-a, nitrate and phosphate. These results suggest that the wind is the main driver of biochemical and hydrographic variability at the study area, while the Brazil Current front meandering plays a secondary role in the internal shelf dynamics.