Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

A análise fatorial é uma importante ferramenta estatística que tem amplas aplicações práticas e explica a correlação entre um grande número de variáveis observáveis em termos de um pequeno número de variáveis não observáveis, conhecidas como variáveis latentes. A proposta deste trabalho é fazer a análise Bayesiana, que incorpora à análise o conhecimento que se tenha sobre os parâmetros antes da coleta dos dados, do modelo fatorial dinâmico na classe de modelos elípticos multivariados, assumindo que a um vetor de q séries temporais pode-se ajustar um modelo fatorial com k < q fatores mais um ruído branco, e que a parte latente segue um modelo vetorial auto-regressivo. A classe de modelos elípticos citada acima é rica em distribuições simétricas com caudas mais pesadas que as da distribuição normal, característica importante na análise de séries financeiras. Essa classe inclui as distribuições t de Student, exponencial potência, normal contaminada, entre outras. A inferência sobre os parâmetros foi feita utilizando métodos de Monte Carlo via Cadeias de Markov, com os algoritmos Metropolis-Hastings e Griddy-Gibbs, através da obtenção das distribuições a posteriori dos parâmetros e dos fatores. A determinação da convergência do processo foi feita por técnicas gráficas e pelos métodos de Geweke (1992), de Heidelberger e Welch (1983) e Half-Width. O método foi ilustrado usando dados reais e simulados. / The factor analysis is an important statistical tool that has wide practical applications and it explains the correlation among a large number of observable variables in terms of a small number of unobservable variables, known as latent variables. The proposal of this work is the Bayesian analysis, which incorporates the information we have concerning the parameters before collecting data into the analysis of a dynamical factor model in the class of multivariate elliptical models, where the factors follow a multivariate autoregressive model, assuming that a vector of q time series can be adjusted with k < q factors and a white noise. The class of elliptical models is rich in symmetrical distributions with heavier tails than the normal distribution, which is an important characteristic in financial series analysis. This class includes t-Student, power exponential, contaminated normal and other distributions. The parameters inference was made through Monte Carlo Markov Chain methods, with Metropolis-Hastings and Griddy-Gibbs algorithms, by obtaining the parameters and factors posteriori distributions. The convergence process was made through graphical technics and by Geweke (1992) and by Heidelberger and Welch (1983) and Half- Width methods. The method was illustrated using simulated and real data.

O estudo de séries temporais para a geração de conhecimento é uma área que vem crescendo em importância e complexidade ao longo da última década, à medida que a quantidade de dados armazenados cresce exponencialmente. Considerando este cenário, novas técnicas de mineração de dados têm sido constantemente desenvolvidas para lidar com esta situação. Neste trabalho é proposto o estudo de séries temporais baseado em suas características topológicas, observadas em uma rede complexa gerada com os dados da série temporal. Especificamente, o objetivo do modelo proposto é criar um algoritmo de detecção de tendências para séries temporais estocásticas baseado em detecção de comunidades e caminhadas nesta mesma rede. O modelo proposto apresenta algumas vantagens em relação à métodos tradicionais, como o número adaptativo de classes, com força mensurável, e uma melhor absorção de ruídos. Resultados experimentais em bases artificiais e reais mostram que o método proposto é capaz de classificar as séries temporais em padrões locais e globais, melhorando a previsibilidade das séries ao se utilizar métodos de aprendizado de máquina para a previsão das classes / Extracting knowledge from time series analysis has been growing in importance and complexity over the last decade as the amount of stored data has increased exponentially. Considering this scenario, new data mining techniques have continuously developed to deal with such a situation. In this work, we propose to study time series based on its topological characteristics, observed on a complex network generated from the time series data. Specifically, the aim of the proposed model is to create a trend detection algorithm for stochastic time series based on community detection and network metrics. The proposed model presents some advantages over traditional time series analysis, such as adaptive number of classes with measurable strength and better noise absorption. Experimental results on artificial and real datasets shows that the proposed method is able to classify the time series into local and global patterns, improving the predictability of the series when using machine-learning methods

INTRODUÇÃO: Mato Grosso é um dos estados que mais queimam no país e há poucos e recentes estudos que discutem os efeitos adversos da poluição do ar na saúde da população do estado. OBJETIVO: Investigar a relação entre poluição atmosférica e internações por doenças respiratórios e cardiovasculares no estado de Mato Grosso. METODOLOGIA: Uma análise de série temporal foi aplicada para verificar a associação entre queimadas e agravos, com dados semanais. O período estudado foi de primeiro de janeiro de 2008 a 31 de agosto de 2014, foi estudado o estado todo e na análise foi usada Regressão Binomial Negativa, com Modelo Aditivo Generalizado. A única variável que não apresentou relação linear com a variável dependente foi Semana e uma função do tipo Spline foi usada, por este motivo somente ela foi alisada para se controlar este padrão de efeito, com estrutura de defasagem de 1 a 4 semanas. Na segunda análise, outra série temporal, cujo objetivo era investigar os efeitos da variação diária do material particulado e o monóxido de carbono com as internações. O período analisado foi de primeiro de janeiro de 2012 a 30 de junho de 2015, foram estudados quinze municípios e para a análise foram utilizadas Regressões de Poisson e Binomial Negativa, com Modelos Aditivos Generalizados, dependências não lineares entre variáveis explicativas e variáveis resposta foram controladas usando um alisador do tipo Spline, a estrutura de defasagem foi de 1 a 7 dias. A terceira abordagem, foi uma Análise de Autocorrelação Espacial do tipo Moran, onde foi estudado o estado todo em dois períodos: Primeiro de janeiro de 2003 a 31 de dezembro de 2010 e de primeiro de janeiro de 2011 a 31 dezembro de 2016. Foram montados bancos de dados usando incidências e número de focos de queimadas por área para verificar o agrupamento dos municípios de acordo com o Moran Local, foram montados mapas temáticos dos índices univariados e bivariados. RESULTADOS: Na primeira análise, foram encontradas associações significativas entre queimadas e internações por problemas respiratórios em menores de 5 anos: lag 0 (RR = 1,001; IC 95% = 1,00016 - 1,00279), lag 1 (RR = 1,001; IC 95% = 1,00005 - 1,00265) e lag 4 (RR = 1,002; IC 95% = 1,00079 - 1,00342) e associação significativa em maiores de 60 anos somente para lag 0 (RR = 1,001; IC 95% = 1,00013 - 1,00256). Na segunda análise, houveram associações significativas entre todos os agravos e poluentes, exceto para problemas cardiovasculares e monóxido de carbono. Foram encontradas associações com diversas defasagens entre todos os agravos e poluentes. Na análise espacial, para o período entre 2003 e 2010, foram encontrados aglomerados significativos com formato de arco para o Moran univariado de queimadas e bivariado. Para o período de 2011 a 2016, os aglomerados univariado de queimadas e bivariado se concentraram no nordeste do estado. CONCLUSÕES: Nas análises de séries temporais foram encontradas associações entre queimadas e agravos e entre poluentes e agravos (semana e dia), inclusive com defasagens (semana e dia) em ambas as análises. Na análise espacial, a mudança do \"cluster\" entre os períodos estudados mostra a mudança da expansão da fronteira agrícola, antes seguindo o arco de desmatamento e agora abrindo áreas remanescentes no estado, onde o desmatamento é realizado com o uso das queimadas que podem causar doenças respiratórias e cardiovasculares / INTRODUCTION: The State of Mato Grosso is is one of the places in the country and there are few and recent studies discussing the adverse health effects of air pollution on the population in this state. OBJECTIVE: To investigate the relationship between atmospheric pollution and hospitalizations for respiratory and cardiovascular diseases in the state of Mato Grosso. METHODOLOGY: A time series analysis was applied in order to verify the association between number of vegetation burns and diseases. Data were recorded weekly. The period studied was from January 1, 2008 to August 31, 2014, the entire state was studied and it was used Negative Binomial Regression with Generalized Additive Model. The only variable that did not present a linear relationship with the dependent variable was Week and a spline-type function was used to address this pattern of effect, a lag structure up to four weeks was applied. In a second approach, other time series analysis, in order to investigate the effects of daily variations of particulate matter and carbon monoxide on hospitalizations pollutant-specific. The period analyzed was from January 1, 2012 to June 30, 2015, fifteen municipalities were studied and Generalized Additive with Poisson or Negative Binomial Regressions models were used, Non-linear dependencies between the outcomes and covariables was controlled using spline-type smoother. A lag structure up to seven days was applied. To explore spatial patterns of occurrence a Moran Spatial Autocorrelation Analysis was carried out, where the whole state was studied in two periods: January 1, 2003 to December 31, 2010, and from January 1, 2011 to December 31, 2016. Databases were assembled using incidences and number of fires per area, to verify the \"cluster\" formation of municipalities according to Local Moran, thematic maps of the univariate and bivariate indices were set up. RESULTS: In the first analysis, there were significant associations between burns and hospitalizations due to respiratory problems in children under 5 years of age: lag 0 (RR = 1.001, 95% CI = 1.00016 - 1.00279), lags 1 (RR = 1.001, 95% CI = 1.00005 - 1.00265) and lag 4 (RR = 1.002, 95% CI = 1.00079 - 1.00342) and significant association in patients over 60 years only for lag 0 (RR = 1.001, 95% CI = 1.000-13 - 1.00256). For the second analysis, there were significant associations between all the diseases and pollutants, except for cardiovascular problems and carbon monoxide. Associations with different lags between all the diseases and pollutants were found. In the spatial analysis, for the period between 2003 and 2010, significant \"clusters\" with arc shape were found for the univariate \"clusters\" of fires and bivariate. For the period of 2011 and 2016, the univariate \"clusters\" of fires and bivariate were concentrated in the northeast of the state. CONCLUSIONS: In time series analyses, associations between burnings and injuries and between pollutants and injuries were found, at the same period of exposure (week or day) and in subsequent periods (weeks or days). Spatially, the \"cluster\" change between the studied periods shows the change in the expansion of the agricultural frontier, before following the arc of deforestation and now opening remaining areas in the state. Deforestation is carried out with the use of forest fires that can promote respiratory and cardiovascular diseases

Submitted by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:30Z No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) / Approved for entry into archive by Luciclea Silva (luci@ufpa.br) on 2018-11-20T16:16:59Z (GMT) No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) / Made available in DSpace on 2018-11-20T16:16:59Z (GMT). No. of bitstreams: 2 license_rdf: 9 bytes, checksum: 42dd12a06de379d3ffa39b67dc9c7aff (MD5) Tese_Modelohibridobaseado.pdf: 2923843 bytes, checksum: 6646b898a2999050d56c3e291110b46d (MD5) Previous issue date: 2018-08-30 / FAPEAM - Fundação de Amparo à Pesquisa do Estado do Amazonas / A geração de energia elétrica através de turbinas eólicas é uma das alternativas praticamente inesgotáveis de geração de energia elétrica. Ela é considerada uma fonte de energia limpa, porém ainda necessita de muita pesquisa para desenvolvimento de ciência e tecnologias que assegurem uma uniformidade na geração, propiciando uma maior participação desta fonte na matriz energética tanto no Brasil quanto no mundo, pois o vento apresenta bruscas variações na velocidade, densidade e em outras variáveis importantes. Nos sistemas elétricos de base eólica, cada horizonte de previsão é aplicado em um determinado segmento específico, previsão de minutos, horas, semanas, meses e anos futuros do comportamento do vento, desta forma pode-se avaliar a disponibilidade de energia para o próximo período, uma informação relevante no despacho das unidades geradoras e no controle do sistema elétrico. Esta tese teve como proposta, desenvolver modelos de previsão a ultra curto, curto, médio e longo prazo da velocidade do vento, baseado em técnicas de inteligência computacional, usando modelos de Redes Neurais Artificiais, SARIMA e modelos híbridos e prever a capacidade da geração de potência para cada horizonte. Para aplicação da metodologia utilizou-se as variáveis meteorológicas do banco de dados do sistema de organização nacional de dados ambientais SONDA, estação de Petrolina, do período de 01 de janeiro de 2004 à 31 de março de 2017. O desempenho dos modelos foi comparado com 5, 10 e 20 passos para frente, considerando minutos, horas, dias, semanas, meses e anos como horizonte de previsão. O modelo hibrido obteve melhor resposta na previsões dentre as quais destacou-se o horizonte de horas. / The electric power generation through wind turbines is one of the practically inexhaustible alternatives sources of electric power. It is considered a source of clean energy, but still requires a lot of research to develop science and technologies that ensure uniformity in generation, providing a greater participation of this source in the energy matrix in Brazil as in the world, because the wind presents abrupt variations speed, density, and other important variables. In wind-based electrical systems, each forecast horizon is applied to a specific segment, forecast of minutes, hours, weeks, months, and future years of wind behavior, in order to evaluate the availability of energy for the next period, relevant information in the dispatch of the generating units and in the control of the electric system. This thesis aimed to develop ultra-short, short, medium and long-term prediction models of wind speed, based on computational intelligence techniques, using Artificial Neural Networks, SARIMA models and hybrid models and to predict the generation capacity of power for each horizon. For the application of the methodology, the meteorological variables of the database of the national environmental data system SONDA, Petrolina station, were used for the period from January 1st, 2004 to March 31st, 2017. The performance of the models was compared with 5, 10 and 20 steps forward, considering minutes, hours, days, weeks, months and years as the forecast horizon. The hybrid model obtained better response in the forecasts, among which the hour horizon was highlighted.

O estudo de séries temporais para a geração de conhecimento é uma área que vem crescendo em importância e complexidade ao longo da última década, à medida que a quantidade de dados armazenados cresce exponencialmente. Considerando este cenário, novas técnicas de mineração de dados têm sido constantemente desenvolvidas para lidar com esta situação. Neste trabalho é proposto o estudo de séries temporais baseado em suas características topológicas, observadas em uma rede complexa gerada com os dados da série temporal. Especificamente, o objetivo do modelo proposto é criar um algoritmo de detecção de tendências para séries temporais estocásticas baseado em detecção de comunidades e caminhadas nesta mesma rede. O modelo proposto apresenta algumas vantagens em relação à métodos tradicionais, como o número adaptativo de classes, com força mensurável, e uma melhor absorção de ruídos. Resultados experimentais em bases artificiais e reais mostram que o método proposto é capaz de classificar as séries temporais em padrões locais e globais, melhorando a previsibilidade das séries ao se utilizar métodos de aprendizado de máquina para a previsão das classes / Extracting knowledge from time series analysis has been growing in importance and complexity over the last decade as the amount of stored data has increased exponentially. Considering this scenario, new data mining techniques have continuously developed to deal with such a situation. In this work, we propose to study time series based on its topological characteristics, observed on a complex network generated from the time series data. Specifically, the aim of the proposed model is to create a trend detection algorithm for stochastic time series based on community detection and network metrics. The proposed model presents some advantages over traditional time series analysis, such as adaptive number of classes with measurable strength and better noise absorption. Experimental results on artificial and real datasets shows that the proposed method is able to classify the time series into local and global patterns, improving the predictability of the series when using machine-learning methods

Made available in DSpace on 2016-01-26T12:51:30Z (GMT). No. of bitstreams: 1 margaretearticobaptista_tese.pdf: 3014770 bytes, checksum: a4b4de19204259991aae1ec3ae61a0aa (MD5) Previous issue date: 2011-10-07 / In the last 30 years, the increasing health care expenditures resulted in an outburst of studies aimed at new proposals on the methodological evaluation of health services. With the aid of computing, several studies have been developed with the purpose of analyzing nonlinear and complex systems. The most outstanding among those methods was the Recurrence Plot, first described by Erickman et al. (1987).Objectives: To analyze the temporal behavior of the weekly amount of admissions by some nosologic groups (Appendix Diseases, Bacterial Diseases, Neoplastic Disease, and Acute Coronary Syndrome), which has occurred over a decade, through Recurrence Plots and Poincaré Recurrence Plots, as well as checking whether the systems are presenting a periodic, chaotic, or random behavior pattern. Material and Methods: The database containing all hospitalizations recorded at the Hospital de Base Regional Medical School Foundation (FUNFARME) of Sao Jose do Rio Preto, a teaching hospital, from January 1, 1998 to December 31, 2007 was peered into a microscope. As a reference to classify all these admissions, the International Statistical Classification of Diseases and Related Health Problems, 10th Revision (ICD-10) was used. The Microsoft Office Excel 2003® was the software used to arrange the data into columns. The admissions were systematically set to the right array, such as day, month, and year. They were arranged into columns according to the uniform criteria of identification of the epidemiological weeks. The recurrence graphs and the respective quantitative analyses of recurrence were developed with the aid of the Visual Recurrence Analysis (VRA) software, which is freely available on the Internet. To perform the comparison among the behavior patterns, mathematical models of time series for random behavior pattern, series time for chaotic behavior pattern, series times for periodic behavior pattern, and series time for linear behavior pattern were constructed. And it has also been performed a comparison between the Recurrence Plots and the Quantitative Analysis of Recurrence with clinical cases of specific groups (young, adult, child, premature newborn, and brain death).Results: It has become clear that the number of weekly admissions for diseases of the appendix has had a tendency over the years from a random behavior pattern. In hospitalizations due to bacterial diseases, there was a chaotic behavior pattern and the neoplastic diseases showed a chaotic behavior pattern tending to a linear behavior pattern. Hospitalizations because of Acute Coronary Syndrome presented a predominantly linear behavior pattern. Conclusions: The visual aspects of Recurrence Plot and Poincaré Recurrence plot exhibited different patterns when comparing quantities of admissions of certain nosologic groups over a decade. The quantitative analysis of recurrence that was useful in classifying the behavior pattern of the quantities of admissions is likely to constitute a useful tool of evaluation and decision making regarding hospital administration. / Nos últimos trinta anos, o crescimento dos gastos com a atenção médica resultou numa expansão dos estudos voltados para novas propostas metodológicas sobre avaliação dos serviços de saúde. Com a utilização da informática, vários estudos têm sido desenvolvidos para análise de sistemas complexos e não lineares, destacando-se, entre esses métodos, os gráficos de recorrência, descritos pela primeira vez por Erickman et al. (1987). Objetivos: Analisar o comportamento temporal da quantidade semanal de internações por alguns grupos nosológicos (Doenças do Apêndice, Doenças Bacterianas, Doenças Neoplásicas e por Síndrome Coronária Aguda) ocorridas ao longo de uma década, por meio de Gráficos de Recorrência e Gráficos de Poincaré e verificar se são sistemas que apresentam comportamentos periódicos, aleatórios ou caóticos. Material e Método: Foi avaliado o banco de dados contendo todas as internações no Hospital de Base da Fundação Faculdade Regional de Medicina de São José do Rio Preto, no período de 01 de janeiro de 1998 a 31 de dezembro de 2007. Como referência para classificação dessas internações, utilizou-se a Décima Revisão da Classificação Internacional de Doenças e de Problemas Relacionados à Saúde (CID 10). Foi utilizado o programa Microsoft Office Excel 2003 para a tabulação dos dados. As internações foram ordenadas em dia, mês, ano e tabuladas, seguindo o critério uniforme de identificação das semanas epidemiológicas. Os gráficos de recorrência e respectiva análise quantitativa foram construídos com o auxílio do software Visual Recurrence Analysis (VRA), disponível gratuitamente na Internet. Para realizar a comparação de padrões de comportamentos foram construídos modelos matemáticos de séries temporais aleatória, caótica, periódica e linear. E também foi realizada comparação entre Gráficos de Recorrência e Análise Quantitativa da Recorrência com casos clínicos de grupos específicos (jovem adulto, criança, Recém- nascido prematuro e morte cerebral). Resultados: Evidenciou-se que a quantidade de internações semanal por doenças do apêndice tiveram uma tendência ao longo dos anos de comportamento aleatório. Nas internações por doenças bacterianas houve comportamento caótico e as internações por doenças neoplásicas apresentaram um comportamento caótico tendendo a linear. As internações por Síndrome Coronária Aguda apresentaram predominantemente comportamento linear, Conclusões: Os aspectos visuais dos Gráficos de Recorrência e de Poincaré exibiram padrões diferentes na comparação entre quantidades de internações de determinados grupos nosológicos ao longo de uma década. A análise quantitativa da recorrência que auxiliou na classificação do comportamento das quantidades de internações e pode constituir-se em ferramenta útil de avaliação e tomada de decisão em administração hospitalar.

Este trabalho apresenta um método de predição não linear de séries temporais econômicas. O método baseia-se na análise técnica e fundamentalista de cotação de ações, filtragem wavelet, seleção de padrões e redes neurais artificiais. No modelo técnico emprega-se a transformada wavelet para filtrar a série temporal econômica de comportamentos aleatórios ou não econômicos. Após a filtragem dos dados o algoritmo de projeções sucessivas é utilizado para a seleção de padrões de treinamento para a rede neural artificial, com o objetivo de selecionar os padrões de comportamento mais importantes na série. No modelo fundamentalista utiliza-se variáveis econômicas que podem estar correlacionadas com a série, com o objetivo de aprimorar a predição da série na rede neural artificial. Para avaliação do método são utilizados dados de séries temporais econômicas referentes à cotação de preços de ações negociadas na bolsa de valores de São Paulo, onde os resultados da predição do comportamento futuro são comparados com modelos matemáticos clássicos e com o modelo convencional, que se baseia somente na análise técnica. Apresenta-se uma comparação dos resultados entre modelos técnicos, modelos matemáticos e o método proposto. O modelo matemático utilizado (ARIMA) apresentou seu melhor desempenho em séries com pouca variância, porém com desempenho inferior quando comparado com o modelo técnico e com o método proposto. A avaliação do erro de predição em termos de RMSEP evidenciou que o método proposto apresenta os melhores resultados em relação aos demais métodos. / This work presents a method for predicting nonlinear economic time series. The method is based on fundamental and technical analysis of script quotation, a multiscale wavelet filtering, pattern selection and artificial neural networks. In the technical model is used the wavelet transform in order to filter the economic time series from random or not economic behaviors. After the data filtering, the successive projections algorithm was used for the training pattern selection to the artificial neural network. In the fundamentalist model is used financial and macroeconomics variables that is correlated with the time serie in order to improve the network forecasting. For the evaluation of the proposed method are used temporal series data related to scrips prices quotation of São Paulo stock market. It presents a comparison of the results between technical model, mathematical model and proposed method. The mathematical model (ARIMA) presented better results in series with few variance, however have low performance when compared with the technical model and with the proposed method. The prediction error evaluation shows that the proposed method has better results than the other methods.

Processos lineares não capturam a estrutura dos dados em finanças. Há uma variedade muito grande de modelos não lineares disponíveis na literatura. A classe de modelos ARCH (Autoregressive Conditional Heterokedastic) foi introduzida por Engle (1982) com o objetivo de estimar a variância da inflação. A idéia nesta classe é que os retornos sejam não correlacionados serialmente, mas a volatilidade (variância condicional) dependa de retornos passados. A classe de modelos GARCH (Generalized Autoregressive Conditional Heterokedastic) sugerida por Bollerslev (1986, 1987, 1988) pode ser usada para descrever a volatilidade com menos parâmetros que um modelo ARCH. Modelos da classe GARCH são processos estocásticos não lineares, suas distribuições tem cauda pesada com variância condicional dependente do tempo e modelam agrupamento de volatilidade. Apesar da razoável descrição, a forma como os modelos acima foram construídos apresentaram algumas limitações no que se refere ao peso das caudas em suas distribuições não condicionais. Muitos estudos em dados financeiros apontam para caudas com peso considerável. Modelos R-GARCH (Randomized Generalized Autoregressive Conditional Heterokedastic) foram propostos por Nowicka (1998) e incluem os modelos ARCH e GARCH possibilitando o uso de inovações estáveis além da conhecida distribuição normal. Estas permitem captar melhor a propriedade de cauda pesada. Como a função de autocovariância não existe para tais processos introduz-se novas medida de dependência. Métodos de estimação e análises empíricas da classe R-GARCH, assim como de suas medidas de dependência não estão disponíveis na literatura e são o foco deste trabalho. / Linear processes do not capture the structure of financial data. There is a large variety of nonlinear models available in literature. The class of ARCH models (Autoregressive Conditional Heterokedastic) was introduced by Engle (1982) in order to estimate inflation\'s variance. The idea is that, in this class, returns are serially uncorrelated, but the volatility (conditional variance) depends on past returns. The class of GARCH models (Generalized Autoregressive Conditional Heterokedastic) suggested by Bollerslev (1986, 1987, 1988) can be used to describe the volatility with less parameters than ARCH-type models. GARCH-type models are nonlinear stochastic processes, their distribution are heavy-tailed with time-dependent conditional variance model and they model clustering of volatility. Despite the reasonable description, the way that GARCH models are built imposes limits on the heaviness of the tails of their unconditional distribution. Many studies in financial data point to considerable heaviness of the tails. The class of Randomized Generalized Autoregressive Conditional Heterokedastic (R-GARCH) were proposed by Nowicka (1998) and include the ARCH and GARCH models allowing the use of stable innovations in place of normal distribution. This distribution allows to capture the heaviness tail property. As the autocovariance function does not exist for these processes a new measure of dependence was introduced. Estimation methods and empirical analysis of R-GARCH class, as well as their measures of dependence are not available in literature and are the focus of this work.

Os ambientes costeiros podem ser caracterizados por sua grade dinâmica, onde existe o embate entre o continente e o mar. A dinâmica sedimentar da linha de costa constitui conhecimento básico em obras de engenharia e na compreensão do ambiente costeiro. Buscou-se compreender os mecanismos do funcionamento dinâmico da região em torno do Porto de Tubarão, Vitória-ES, através de análises de marés, de clima de ondas, agitação marítima, de correntes induzidas por ondas e transporte sedimentar. Os resultados permitiram algumas interpretações tanto de curtíssimo prazo como de longo prazo. As correntes de marés são particularmente importantes, sobretudo próximo as bocas dos canais de Vitória e da Passagem atingindo valores de até 0,.7m/s. As ondas atingem a área com alturas significativas variadas, dependendo do grau de exposição. Na praia de Camburi as ondas dificilmente ultrapassam 1 metro de altura significativa, enquanto na praia Mole ondas de 2.5m de altura significativa ocorrem com certa freqüência. A direção da corrente na praia Mole está diretamente relacionadas com as direções de incidência das ondas variando de NE até SW, enquanto sua intensidade está relacionada com as alturas e períodos, variando de 0 até 0.44 m/s. A praia de Camburi, por sua vez apresenta correntes rumo ENE independente da direção de propagação das ondas ao largo da Baia do Espírito Santo. As velocidades médias variam entre 0 e 0,3 m/s. O porto de tubarão serve de abrigo às ondas, influenciando na direção média do fluxo de energia nas praias adjacentes. A longo prazo a tendência da praia de Camburi é de sofrer uma rotação acentuando os processos erosivos na porção ocidental. / The coastal zones can be characterized by the huge dynamic battle, continent forces against the ocean forces. The sedimentary dynamic of the coast line is a basic knowledge necessary to carry out engineering features and to understand the natural coastal environment. This work tried to understand the mechanisms that control those dynamics in the region near to the Tubarão Harbour, Vitória- ES. The effects of the tides, wind generated wave clima, wave induced currents and sedimentary transport was analyzed in short and long terms. In short terms, tide currents are specially important near the estuaries mouth (Vitória and Passagem channels), with velocities reaching 0.7m/s. The waves reach the coast line with different significant wave heights, depending on the each site expositions to in coming waves. At Cambury beach the waves hardly gets significant wave height over 1meter, in other hand, at Mole beach, waves with 2,5m significant wave height are quite often. At Mole beach, wave induced currents directions are directly correlated with the wave direction in outside zones, oscillating between NE and SW directions. The current velocities, which depends on wave height and wave period, presents values between 0 and 0,44 m/s. At Cambury beach the currents always goes to ENE, independent of outside wave directions. The velocities varies between 0 and 0,3 m/s. The Tubarão harbour acts like a wall creating shadows for the incident waves in the beaches behind. In long terms, the Mole beach seems to be stable and Cambury Beach seems to rotate some degrees of it mean direction, with the intensifications of the erosional process in the oriental portion of the beach.