Neste trabalho apresentamos os principais resultados encontrados na literatura, relacionados a processos ARCH, GARCH e EGARCH. Descrevemos os processos FIEGARCH e introduzimos resultados relacionados a estacionariedade e a ergodicidade desses processos. Retomamos os resultados clássicos, relacionados aos métodos de identificação/seleção de modelos para séries temporais, os principais métodos de estimação dos parâmetros e apresentamos vários resultados relacionados a previsão. Apresentamos os principais conceitos relacionados µas medidas de risco e aquelas utilizadas na literatura. Como aplicação, apresentamos a estimação de medidas de risco, tanto para processos FIEGARCH simulados como para séries temporais reais. / In this work we present the main results found in the literature regarding ARCH, GARCH and EGARCH processes. We describe the FIEGARCH processes and introduce results related to stationarity and ergodicity of these processes, among other interesting results. We review the classical results and methods in model identi¯cation/selection for time series, the main methods of parameter estimation and several important results concerning the forecasting. We also present the main concepts related to risk measures and the one considered in the literature. As an application of the whole methodology, we present the estimation of risk measures for both simulated FIEGARCH processes and observed time series.

Resumo não disponível.

Neste trabalho apresentamos os principais resultados encontrados na literatura, relacionados a processos ARCH, GARCH e EGARCH. Descrevemos os processos FIEGARCH e introduzimos resultados relacionados a estacionariedade e a ergodicidade desses processos. Retomamos os resultados clássicos, relacionados aos métodos de identificação/seleção de modelos para séries temporais, os principais métodos de estimação dos parâmetros e apresentamos vários resultados relacionados a previsão. Apresentamos os principais conceitos relacionados µas medidas de risco e aquelas utilizadas na literatura. Como aplicação, apresentamos a estimação de medidas de risco, tanto para processos FIEGARCH simulados como para séries temporais reais. / In this work we present the main results found in the literature regarding ARCH, GARCH and EGARCH processes. We describe the FIEGARCH processes and introduce results related to stationarity and ergodicity of these processes, among other interesting results. We review the classical results and methods in model identi¯cation/selection for time series, the main methods of parameter estimation and several important results concerning the forecasting. We also present the main concepts related to risk measures and the one considered in the literature. As an application of the whole methodology, we present the estimation of risk measures for both simulated FIEGARCH processes and observed time series.

Made available in DSpace on 2014-06-12T16:00:15Z (GMT). No. of bitstreams: 2 arquivo6165_1.pdf: 1230278 bytes, checksum: 064886e8d1500344414739f1068f03b3 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Meta-Aprendizado tem crescido nos últimos anos devido ao desenvolvimento de assistentes para seleção de algoritmos, com o desafio de predizer quando um algoritmo de aprendizagem é mais adequado do que outro a partir das características dos problemas abordados. O meta-aprendizado surge originalmente para auxiliar a seleção de algoritmos em problemas de aprendizagem de máquina e mineração de dados, particularmente em classificação e regressão. Em anos recentes, meta-aprendizado tem sido extrapolado para seleção de algoritmos em outros domínios de aplicações, como sistemas de planejamento, otimização, bioinformática e previsão de séries temporais. Nesse trabalho, focamos particularmente, em meta-aprendizado no contexto de previsão de séries temporais que tem sido usado em diferentes contextos para diminuir riscos na tomada de decisão. Estudos foram realizados para seleção de modelos de previsão aplicados às séries anuais da M3-competition. Nesses estudos, diferentes algoritmos foram utilizados no meta-aprendizado como o algoritmo kNN, árvores de decisão e support vector machines. Os resultados mostraram que os algoritmos de aprendizado de fato são capazes de predizer os melhores modelos de previsão a partir das características das séries temporais

Made available in DSpace on 2018-08-24T22:53:07Z (GMT). No. of bitstreams: 1 tese_3698_dissertacao.pdf: 2194075 bytes, checksum: 94714eb1079616633198a2c0d49ce4b6 (MD5) Previous issue date: 2009-08-28 / Os Modelos Aditivos Generalizados (MAG) tornaram-se refer^encia na analise dos efeitos de curto prazo da poluição atmosferica na saude humana. Ultimamente, t^em-se sido constatado no MAG um efeito chamado concurvidade (analogo a multicolinearidade na modelagem parametrica) que leva a subestimação dos erros padr~oes afetando os intervalos de con-anca assintoticos dos par^ametros do modelo. Alguns estudos propuseram a utilizac~ao de metodos bootstrap condicional para a construção de intervalos de con-anca para os par^ametros do modelo, com o intuito de minimizar os efeitos da concurvidade. Esta dissertação utiliza o MAG e tecnica de bootstrap para explicar a associacão entre o numero de atendimentos hospitalares por causas respiratorias em criancas de 0 a 6 anos de idade e as concentracões diária dos poluentes (PM10, O3 e NO2). Os resultados mostram que, em geral, os procedimentos e os intervalos de con-anca bootstrap condicional apresentam um desempenho satisfatorio quando utilizados na classe MAG, que por sua vez encontrou efeitos male-cos dos poluentes investigados na saude das criancas que apresentaram problemas respiratorios no perodo do estudo.

Orientador : Jose Maria Ferreira Jardim da Silveira / Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Economia / Made available in DSpace on 2018-08-03T19:44:35Z (GMT). No. of bitstreams: 1 Rocha_FabioGuimaraes_M.pdf: 709248 bytes, checksum: 4e933684bf8e7555cc2c47289078f256 (MD5) Previous issue date: 2003 / Mestrado

O objetivo deste artigo é avaliar previsões da inflação brasileira a partir do método não-paramétrico de Análise Espectral Singular (SSA). O exercício de previsão utiliza o esquema de janelas rolantes. Diferentes estratégias de combinação de previsões e procedimentos de seleção de variáveis para métodos multivariados foram contempladas. Para robustez, cinco horizontes de previsão foram utilizados. A avaliação das previsões considera diversos procedimentos e medidas estatísticas para oferecer conclusões confiáveis, incluindo razões de erro quadrático médio de previsão, teste de igualdade condicional de habilidade preditiva, diferenças de erro quadrático médio de previsão cumulativas e Model Confidence Set. Os resultados mostram que o SSA supera consistentemente os métodos competidores. Quase todas as previsões SSA superam os competidores em termos de erro quadrático médio de previsão, e em vários casos, com significância estatística. A análise da porção fora da amostra indica superioridade em performance relativa do SSA, especialmente no período de choque nos preços de energia elétrica. Adicionalmente, métodos SSA sempre foram incluídos no conjunto superior do Model Confidence Set. A falta de estudos relacionados com previsão da inflação brasileira e a relativa escassez de análises de previsões via métodos não-paramétricos ressaltam a relevância deste artigo. Não existem pesquisas na literatura de previsão de inflação brasileira aplicando SSA. Uma das estratégias de combinação de previsões aplicadas neste artigo não é comumente encontrada na literatura, na medida em que envolve combinações de diferentes especificações para cada método de previsão. Adicionalmente, restrições de parâmetros foram impostas nas previsões SSA, uma prática não reportada na literatura. / The purpose of this paper is to evaluate Brazilian inflation forecasts produced by the nonparametric method Singular Spectrum Analysis (SSA). This forecasting exercise employs rolling windows scheme. Different strategies of forecast combinations and variable selection procedures for multivariate methods were contemplated. For robustness, five forecast horizons were used. The forecast evaluation considers several statistical measures and procedures to offer reliable conclusions, including mean squared forecast error ratios, tests of equal conditional predictive ability, cumulative square forecast error difference and Model Confidence Set. The results show that SSA consistently outperforms the competitive methods. Almost all SSA forecasts outperforms the competitors in the mean squared forecast error sense, and several with statistical significance. Analysis of the out-of-sample portion indicates relative superior performance of SSA, especially over the period of electricity shock of prices. SSA methods were always included in the superior set of Model Confidence Set procedures. The lack of studies related to Brazilian inflation forecasting and the relative scarcity of nonparametric methods of forecasting analysis highlights the relevance of this paper. There is no research in Brazilian inflation literature applying SSA. One of the forecast combination strategies applied in this paper is not commonly found in the literature, as it involves combinations of different specifications for each forecast method. Additionally, parameter restrictions on SSA forecasts were imposed, a practice which is not reported in the literature.

O objetivo deste artigo é avaliar previsões da inflação brasileira a partir do método não-paramétrico de Análise Espectral Singular (SSA). O exercício de previsão utiliza o esquema de janelas rolantes. Diferentes estratégias de combinação de previsões e procedimentos de seleção de variáveis para métodos multivariados foram contempladas. Para robustez, cinco horizontes de previsão foram utilizados. A avaliação das previsões considera diversos procedimentos e medidas estatísticas para oferecer conclusões confiáveis, incluindo razões de erro quadrático médio de previsão, teste de igualdade condicional de habilidade preditiva, diferenças de erro quadrático médio de previsão cumulativas e Model Confidence Set. Os resultados mostram que o SSA supera consistentemente os métodos competidores. Quase todas as previsões SSA superam os competidores em termos de erro quadrático médio de previsão, e em vários casos, com significância estatística. A análise da porção fora da amostra indica superioridade em performance relativa do SSA, especialmente no período de choque nos preços de energia elétrica. Adicionalmente, métodos SSA sempre foram incluídos no conjunto superior do Model Confidence Set. A falta de estudos relacionados com previsão da inflação brasileira e a relativa escassez de análises de previsões via métodos não-paramétricos ressaltam a relevância deste artigo. Não existem pesquisas na literatura de previsão de inflação brasileira aplicando SSA. Uma das estratégias de combinação de previsões aplicadas neste artigo não é comumente encontrada na literatura, na medida em que envolve combinações de diferentes especificações para cada método de previsão. Adicionalmente, restrições de parâmetros foram impostas nas previsões SSA, uma prática não reportada na literatura. / The purpose of this paper is to evaluate Brazilian inflation forecasts produced by the nonparametric method Singular Spectrum Analysis (SSA). This forecasting exercise employs rolling windows scheme. Different strategies of forecast combinations and variable selection procedures for multivariate methods were contemplated. For robustness, five forecast horizons were used. The forecast evaluation considers several statistical measures and procedures to offer reliable conclusions, including mean squared forecast error ratios, tests of equal conditional predictive ability, cumulative square forecast error difference and Model Confidence Set. The results show that SSA consistently outperforms the competitive methods. Almost all SSA forecasts outperforms the competitors in the mean squared forecast error sense, and several with statistical significance. Analysis of the out-of-sample portion indicates relative superior performance of SSA, especially over the period of electricity shock of prices. SSA methods were always included in the superior set of Model Confidence Set procedures. The lack of studies related to Brazilian inflation forecasting and the relative scarcity of nonparametric methods of forecasting analysis highlights the relevance of this paper. There is no research in Brazilian inflation literature applying SSA. One of the forecast combination strategies applied in this paper is not commonly found in the literature, as it involves combinations of different specifications for each forecast method. Additionally, parameter restrictions on SSA forecasts were imposed, a practice which is not reported in the literature.

Resumo não disponível

[pt] Este trabalho apresenta um modelo linear por partes chamado de modelo ARN. Trata-se de uma estrutura híbrida que envolve modelos autoregressivos e redes neurais. Este modelo é comparado com o modelo AR de coeficientes fixos e com a rede neural estática aplicada à previsão. Os resultados mostram que o ARN consegue identificar a estrutura não-linear dos dados simulados e que na maioria dos casos ele possui melhor habilidade preditiva do que os modelos supracitados. / [en] In this thesis we develop a piece-wise linear model named ARN model. Our model has a hybrid structure which combines autoregressive models and neural networks. We compare our model to the fixed-coefficient AR model and to the prediction static neural network. Our results show that ARN is able to find the non-linear structure of simulated data and in most cases it performs better than the methods mentioned above.