[pt] Adequação e validação de métodos econométricos para quantificar o impacto da padronização (normalização) de produtos no consumo e no bem estar dos consumidores. Três são os objetivos centrais da presente pesquisa: (i) caracterização do impacto da implementação da padronização na produção de açúcar, (ii) desenvolvimento de metodologia para a quantificação do impacto da implementação da padronização (normalização de pré-medidos) sobre o nível de produção e, portanto, sobre o bem-estar dos consumidores e (iii) análise do acervo de normas e regulamentação técnica aplicável ao setor açucareiro. Como motivação o trabalho mostra que funções da tecnologia industrial básica constituem de fato instrumentos de redução da assimetria da informação. O trabalho se desenvolveu no recente contexto de implementação de políticas públicas sociais que visam à melhoria do bem-estar de consumidores de baixa renda. O trabalho se desenvolveu em conformidade aos seguintes preceitos metodológicos: (i) revisão da literatura relacionada à assimetria da informação com o propósito de comprovar a hipótese de que a padronização de produtos pode de fato reduzir a assimetria informação; (ii) análise econométrica das sérias históricas da produção brasileira de açúcar. Os resultados do trabalho mostraram que a padronização do açúcar (normalização de pré-medidos), se devidamente implementada, pode implicar na melhoria no bem estar dos consumidores. Uma análise contra-factual clássica dos resultados consolidados mostrou que a padronização brasileira do açúcar reduziu a assimetria da informação presenciada nesse mercado, impactando num aumento de cerca de 8 porcento na produção de açúcar em 2006 devido `a padronização do produto implementada em 1992. Como conclusão a análise econométrica permitiu mostrar que a padronização de produtos constitui-se numa ferramenta estratégica a serviço do Estado promover a competitividade e como instrumento de redução de assimetria da informação em benefício do consumidor e de redução de distorções de mercados. / [en] There are two objetives in this Master dissertation in Metrology: (i) characterization of the impact of the implementation of the standardization in the production of sugar and (ii) development of methodology for quantifying the impact of the implementation of the standardization on the production level and, therefore, on the welfare of consumers. The work was motivated by the use of functions of basic industrial technology to reduce the asymmetric information as market failure is able to generate deficiencies. The investigation was developed in the recent context characterized by the implementation of social public policies aimed to improve the low income consumer s welfare. The work was developed in accordance to the following methodological precepts: (i) review of the literature on asymmetric information in order to verify the hypothesis that the products standardization can reduce the asymmetric information, generating an improvement in the consumer s welfare; (ii) econometric analysis of the Brazilian sugar production time series. As a result, the research shows that the sugar standardization, if correctly implemented, induces consumer s welfare. A contra-factual analysis of the consolidated results has shown that the Brazilian sugar standardization reduced the asymmetric information in this market. The impact of this policy was an increase in roughly 8 percent in the sugar production in 2006 due to the product standardization implemented in 1992. As a conclusion, the econometric analysis developed show that the standardization of products can be considered a powerful strategic tool. Not only to promote specific sector competitiveness, but also as an instrument to reduce the asymmetric information to the benefit of consumers.

[pt] Esta dissertação tem como objetivo mostrar o potencial da aplicação das ferramentas Previsão de Demanda e Simulação Computacional em uma unidade produtiva com administração de característica familiar, que não adota as modernas técnicas propostas por especialistas para a gestão da cadeia de suprimento. Para isso, foram abordados os conceitos e os aspectos fundamentais, bem como as principais etapas, os benefícios, as limitações e as dificuldades da utilização dessas ferramentas. Além disso, foi proposta uma metodologia que aumentou a precisão da Previsão de Demanda. Com os dados obtidos foi possível analisar o desempenho dos fluxos dos processos simulados, o que permite auxiliar na gestão dos recursos, levando-se em conta principalmente a variabilidade da demanda e as incertezas dos mercados. Nessas análises foram utilizados os softwares Statgraphics Centurion e Arena a fim de elaborar, respectivamente, os modelos de previsão de demanda e de simulação computacional para o estudo de caso proposto. / [en] This thesis aims to show the potential of the Demand Forecast and Computer Simulation techniques carried out in a manufacturing plant with family administration feature that does not use the modern techniques proposed by Supply Chain management experts. In order to study the subject; concepts, fundamental principles, important steps, advantages, limitations as well as the difficulties of using those tools were investigated. In addition, a new method was proposed which resulted in the improvement of the demand forecast accuracy. With the forecasted data, it was possible to analyze the performance of the simulated manufacture flows. Such procedures improved the management of resources while the demand variability and the uncertainties of markets were considered. The Statgraphics Centurion and Arena softwares were used in order to developed, respectively, models for Demand Forecast and Computer Simulation for the study proposed.

[pt] Neste trabalho, apresentamos uma metodologia para obter probabilidades de classificação e rebaixamento de equipes em campeonatos de futebol. A metodologia consiste basicamente em quatro etapas. Na primeira etapa, ajustamos modelos de séries temporais para dados de contagem a séries de gols a favor e sofridos pelas equipes em partidas sucessivas do campeonato, utilizando variáveis explicativas para considerar o efeito do mando de campo, da participação de determinados jogadores e de mudanças de técnico. Alguns problemas referentes à construção de intervalos de confiança e testes de hipóteses para os hiperparâmetros dos modelos foram solucionados via bootstrap. Na segunda etapa, obtivemos as distribuições de probabilidade associadas aos resultados das partidas futuras do campeonato, utilizando o Princípio da Máxima Entropia para combinar as distribuições preditivas dos modelos ajustados. Na terceira etapa, utilizamos as distribuições dos resultados das partidas futuras para simular cenários para o campeonato e, na quarta e última etapa, estimamos as probabilidades de classificação e rebaixamento das equipes, pela freqüência relativa da ocorrência destes eventos em um grande número de cenários gerados. A metodologia foi aplicada no Campeonato Brasileiro/1999 e na Copa João Havelange/2000. / [en] In this thesis, we develop a methodology to obtain the probabilities of qualifying and relegating of teams, in soccer championships. The methodology consists of four steps. In the first step, we fit time series models to the series of number of goals scored in soccer matches. We account for the effects of playing at home, soccer players and changes of coaches, by introducing explanatory variables. Confidence intervals and hipothesis tests are obtained by bootstrap. In the second step, we get probability distributions of the future matches results, by combining preditive distributions of the fitted models via the Maximum Entropy Principle. In the third step, we use the distributions of the matches results to generate simulation sceneries for the champhionship. In the forth and last step, we finally estimate the probabilities of qualifying and relegating of the teams, through the relative frequencies of these events, in a great number of sceneries generated. The empirical work was carried out using data from Brazilian Champhionship/1999 and João Havelange Cup/2000.

[pt] A previsão de séries temporais é fundamental na tomada de decisões de curto, médio e longo prazo, em diversas áreas como o setor elétrico, a bolsa de valores, a meteorologia, entre outros. Tem-se na atualidade uma diversidade de técnicas e modelos para realizar essas previsões, mas as ferramentas estatísticas são as mais utilizadas principalmente por apresentarem um maior grau de interpretabilidade. No entanto, as técnicas de inteligência computacional têm sido cada vez mais aplicadas em previsão de séries temporais, destacando-se as Redes Neurais Artificiais (RNA) e os Sistemas de Inferência Fuzzy (SIF). Recentemente foi criado um novo tipo de RNA, denominada Echo State Networks (ESN), as quais diferem das RNA clássicas por apresentarem uma camada escondida com conexões aleatórias, denominada de Reservoir (Reservatório). Este Reservoir é ativado pelas entradas da rede e pelos seus estados anteriores, gerando o efeito de Echo State (Eco), fornecendo assim um dinamismo e um desempenho melhor para tarefas de natureza temporal. Uma dificuldade dessas redes ESN é a presença de diversos parâmetros, tais como Raio Espectral, Tamanho do Reservoir e a Percentual de Conexão, que precisam ser calibrados para que a ESN forneça bons resultados. Portanto, este trabalho tem como principal objetivo o desenvolvimento de uma ferramenta computacional capaz de realizar previsões de séries temporais, baseada nas ESN, com ajuste automático de seus parâmetros por Particle Swarm Optimization (PSO) e Algoritmos Genéticos (GA), facilitando a sua utilização pelo usuário. A ferramenta computacional desenvolvida oferece uma interface gráfica intuitiva e amigável, tanto em termos da modelagem da ESN, quanto em termos de realização de eventuais pré-processamentos na série a ser prevista. / [en] The time series forecasting is critical to decision making in the short, medium and long term in several areas such as electrical, stock market, weather and industry. Today exist different techniques to model this forecast, but statistics are more used, because they have a bigger interpretability, due by the mathematic models created. However, intelligent techniques are being more applied in time series forecasting, where the principal models are the Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS). A new type of ANN called Echo State Networks (ESN) was created recently, which differs from the classic ANN in a randomly connected hidden layer called Reservoir. This Reservoir is activated by the network inputs, and the historic of the reservoir activations generating so, the Echo State and giving to the network more dynamism and a better performance in temporal nature tasks. One problem with these networks is the presence of some parameters as, Spectral Radius, Reservoir Size and Connection Percent, which require calibration to make the network provide positive results. Therefore the aim of this work is to develop a computational application capable to do time series forecasting, based on ESN, with automatic parameters adjustment by Particle Swarm Optimization (PSO) and Genetic Algorithms (GA), facilitating its use by the user. The developed computational tool offers an intuitive and friendly interface, both in terms of modeling the ESN, and in terms of achievement of possible pre-process on the series to be forecasted.

Orientadores: Marcio Luiz de Andrade Netto, Jose Roberto Securato , Alessandra de Avila Montini / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-09T14:31:10Z (GMT). No. of bitstreams: 1 Freitas_AntonioAirtonCarneirode_D.pdf: 2395437 bytes, checksum: 02e1418421c18b7b627cbfe5f41ed90a (MD5) Previous issue date: 2007 / Resumo: A inferência sobre a previsibilidade de sistemas dinâmicos não lineares multivariados tem sido freqüentemente realizada a partir de testes que podem induzir à conclusões equivocadas. Isto porque em muitas pesquisas realizadas os testes utilizados são o de autocorrelação, o da razão de variância e do espectro, que só verificam a existência ou não da correlação serial de componentes lineares. Neste trabalho, também são utilizados testes para avaliar a correlação serial de componentes não lineares. Busca-se provar empiricamente se as classes de modelos ARMA-GARCH e neurais, bem como a combinação deles, tem qualidade de previsão superior ao modelo diferença Martingale em previsões na média condicional dos retornos da taxa de câmbio brasileira e da umidade em microclima. Um método de seleção de variáveis é proposto para melhorar os resultados obtidos com modelos de previsão multivariados não baseados em teoria. As não linearidades negligenciadas durante o ajuste dos modelos neurais são avaliadas por meio do teste de Blake and Kapetanios (2003). O teste de White (2000) é utilizado para comparar os modelos de previsão propostos em conjunto com o modelo benchmark. Foi constatado empiricamente que os dois processos analisados não são do tipo diferença Martingale / Abstract: The inference on predictability of nonlinear multivariate systems has been done with some possible misleading conclusions when the test statistics are insignificant because autocorrelation, variance ratio and spectrum tests check only serial uncorrelatedness (linear components). This work empirically explores the non linear components and if the ARMA-GARCH, neural network models, as well as their combination, outperform a Martingale model in the conditional mean out-of-sample forecasts. It is proposed a variable selection method to improve the results obtained with multivariate models without a priori knowledge. The neglected nonlinearities and data snooping bias were avoided applying respectively the Blake and Kapetanios (2003) and the White (2000) reality check tests. The empirical results indicate that the Brazilian exchange rates and the microclimate humidity are not Martingale differences / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Orientador: Jurandir Zullo Junior / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Agricola / Made available in DSpace on 2018-08-11T15:26:15Z (GMT). No. of bitstreams: 1 Goncalves_RenataRibeirodoValle_M.pdf: 10756803 bytes, checksum: 9486cabb4eecf44b43d00069814c7126 (MD5) Previous issue date: 2008 / Resumo: O Brasil, maior produtor de cana-de-açúcar do mundo, conta com uma posição privilegiada para atender as necessidades mundiais de açúcar e álcool anidro. O país possui regiões produtoras, sendo o estado de São Paulo a maior delas, com safras alternadas que podem garantir a presença do produto nos mercados local e mundial. Isto requer, cada vez mais, a existência de sistemas operacionais que permitam acompanhar o desenvolvimento da cultura ao longo da safra em escala regional. Por outro lado, há um aumento crescente na disponibilidade de dados de sensores remoto que podem ser aplicados no monitoramento da vegetação agrícola, especialmente das que ocupam áreas mais extensas, como é o caso da cana-de-açúcar. Dentro deste contexto, o trabalho teve o objetivo principal de avaliar a correlação existente entre um índice agroclimático (ISNA) e a resposta espectral (NDVI) da cana-de-açúcar registrada nas imagens do satélite AVHRR/NOAA, em regiões produtoras do estado de São Paulo, de 2001 a 2008. As imagens utilizadas foram processadas automaticamente pelo Sistema NAVPRO que gerou imagens corrigidas radiométrica e geometricamente. Com as imagens corrigidas, gerou-se imagens composições de valor máximo de NDVI mensais e perfis temporais de NDVI mensais. As condições agroclimáticas, ao longo do período de análise, foram descritas pelo índice ISNA (Índice de Satisfação das Necessidades de Água). Para calculá-lo, fez-se o balanço hídrico e calculou-se as evapotranspirações real e máxima, em períodos decendiais, quinzenais e mensais. A análise de correlação cruzada entre os dados procurou identificar como as variações climáticas ocorridas de 2001 a 2007 influenciaram a resposta espectral da cana-de-açúcar registrada nas imagens do AVHRR/NOAA. Estas análises identificaram correlações significativas entre o ISNA e o NDVI. Os modelos gerados pelas análises de séries temporais multivariadas foram bem ajustados. Para todos os modelos, o ISNA antecede o NDVI, isto é, o NDVI depende do ISNA em todos os municípios e as previsões feitas ficaram dentro do intervalo de confiança, tornando, assim, os resultados satisfatórios. Os modelos de previsão desenvolvidos permitem utilizar os resultados de safras passadas como base para a estimativa dos parâmetros espectral e agroclimático de safras futuras / Abstract: O Brasil, maior produtor de cana-de-açúcar do mundo, conta com uma posição privilegiada para atender as necessidades mundiais de açúcar e álcool anidro. O país possui regiões produtoras, sendo o estado de São Paulo a maior delas, com safras alternadas que podem garantir a presença do produto nos mercados local e mundial. Isto requer, cada vez mais, a existência de sistemas operacionais que permitam acompanhar o desenvolvimento da cultura ao longo da safra em escala regional. Por outro lado, há um aumento crescente na disponibilidade de dados de sensores remoto que podem ser aplicados no monitoramento da vegetação agrícola, especialmente das que ocupam áreas mais extensas, como é o caso da cana-de-açúcar. Dentro deste contexto, o trabalho teve o objetivo principal de avaliar a correlação existente entre um índice agroclimático (ISNA) e a resposta espectral (NDVI) da cana-de-açúcar registrada nas imagens do satélite AVHRR/NOAA, em regiões produtoras do estado de São Paulo, de 2001 a 2008. As imagens utilizadas foram processadas automaticamente pelo Sistema NAVPRO que gerou imagens corrigidas radiométrica e geometricamente. Com as imagens corrigidas, gerou-se imagens composições de valor máximo de NDVI mensais e perfis temporais de NDVI mensais. As condições agroclimáticas, ao longo do período de análise, foram descritas pelo índice ISNA (Índice de Satisfação das Necessidades de Água). Para calculá-lo, fez-se o balanço hídrico e calculou-se as evapotranspirações real e máxima, em períodos decendiais, quinzenais e mensais. A análise de correlação cruzada entre os dados procurou identificar como as variações climáticas ocorridas de 2001 a 2007 influenciaram a resposta espectral da cana-de-açúcar registrada nas imagens do AVHRR/NOAA. Estas análises identificaram correlações significativas entre o ISNA e o NDVI. Os modelos gerados pelas análises de séries temporais multivariadas foram bem ajustados. Para todos os modelos, o ISNA antecede o NDVI, isto é, o NDVI depende do ISNA em todos os municípios e as previsões feitas ficaram dentro do intervalo de confiança, tornando, assim, os resultados satisfatórios. Os modelos de previsão desenvolvidos permitem utilizar os resultados de safras passadas como base para a estimativa dos parâmetros espectral e agroclimático de safras futuras / Mestrado / Planejamento e Desenvolvimento Rural Sustentável / Mestre em Engenharia Agrícola

Orientadores: Fernando Antonio Campos Gomide, Rosangela Ballini / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-12T14:32:10Z (GMT). No. of bitstreams: 1 Lima_EltonMariode_M.pdf: 1259231 bytes, checksum: 7a910e84bfb43d6c13b2deb8b6f511c2 (MD5) Previous issue date: 2008 / Resumo: Este trabalho propõe um modelo fuzzy funcional evolutivo que utiliza uma aplicação do aprendizado participativo para a construção de uma base de regras. O aprendizado participativo é um modelo de aprendizado baseado na noção de compatibilidade para a atualização do conhecimento do sistema. O aprendizado participativo pode ser traduzido em um algoritmo de agrupamento não supervisionado conhecido como agrupamento participativo. O algoritmo intitulado Aprendizado Participativo Evolutivo é proposto para construir um modelo fuzzy funcional evolutivo no qual as regras são obtidas a partir de um algoritmo de agrupamento não supervisionado. O algoritmo utiliza uma versão do agrupamento participativo para a determinação de uma base de regras correspondente ao modelo funcional do tipo Takagi-Sugeno evolutivo. A partir de uma noção generalizada, o modelo proposto é aplicado em problemas de previsão de séries temporais e os resultados são obtidos para a conhecida série Box-Jenkis, além da previsão de uma série de carga horária de energia elétrica. Os resultados são comparados com o modelo Takagi-Sugeno evolutivo que utiliza a noção de função potencial para agrupar os dados dinâmicamente e com duas abordagens baseadas em redes neurais. Os resultados mostram que o modelo proposto é eficiente e parcimonioso, abrindo potencial para aplicações e estudos futuros. / Abstract: This work introduces an approach to develop evolving fuzzy rule-based models using participatory learning. Participatory learning assumes that learning and beliefs about a system depend on what the learning mechanism knows about the system itself. Participatory learning naturally augments clustering and yields an e_ective unsupervised fuzzy clustering algorithms for on-line, real time domains and applications. Clustering is an essential step to construct evolving fuzzy models and plays a key role in modeling performance and model quality. A least squares recursive approach to estimate the consequent parameters of the fuzzy rules for on-line modeling is emphasized. Experiments with the classic Box-Jenkins benchmark are conducted to compare the performance of the evolving participatory learning with the evolving fuzzy system modeling approach and alternative fuzzy modeling and neural methods. The experiments show the e_ciency of evolving participatory learning to handle the benchmark problem. The evolving participatory learning method is also used to forecast the average hourly load of an electric generation plant and compared against the evolving fuzzy system modeling using actual data. The results confirm the potential of the evolving fuzzy participatory method to solve real world modeling problems. / Mestrado / Automação Industrial / Mestre em Engenharia Elétrica

Orientadores: Takaaki Ohishi, Ricardo Menezes Salgado / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-23T18:34:18Z (GMT). No. of bitstreams: 1 FrancoJunior_EdgarFonseca_M.pdf: 7364704 bytes, checksum: be747ce93528de5661be3b2b3bf77cbc (MD5) Previous issue date: 2013 / Resumo: Em um sistema de energia elétrica em corrente alternada, a geração, a transmissão e o consumo de energia elétrica são divididos em potência ativa e reativa. O planejamento, a operação e análise destes sistemas são baseados em estimativas futuras do consumo de energia, e neste contexto são importantes os modelos de previsão de carga ativa e reativa. Nesta dissertação são testados modelos de previsão de curto prazo para carga ativa e reativa utilizando modelos de redes neurais artificiais. Em particular, são implementados e testados várias metodologias de seleção de entradas. A seleção de um subconjunto apropriado de variáveis para a inclusão em um sistema é um passo vital no desenvolvimento de qualquer modelo. Isto é particularmente importante nos modelos de previsão como redes neurais artificiais, pois o desempenho do modelo final é fortemente dependente das variáveis de entrada utilizadas. Esta dissertação desenvolveu um modelo que dá suporte à integração de algumas técnicas de seleção (informação mútua e informação mútua parcial) tendo o intuito de facilitar a utilização destas, assim como a sua comparação quando aplicada a determinados problemas de previsão. Para os experimentos, foram trabalhados 3 barramentos (com faixas de demanda diferentes), sendo que para cada um utilizou-se da carga de potência ativa e reativa. Os resultados alcançados são dados em função do erro médio absoluto e do erro percentual médio absoluto; além dessas medidas, foi realizada uma análise sobre o fator de potência para os valores reais e previstos / Abstract: In a system of alternating current electricity, generation, transmission and consumption of electricity are divided into active and reactive power. The planning, operation and analysis of these systems are based on estimates of future energy consumption, and in this context are important predictive models of active and reactive load. This dissertation tested forecasting models for short-term active and reactive load models using artificial neural networks. In particular, are implemented and tested many methods of selection enters. The selection of an appropriate subset of variables for inclusion in a system is a vital step in the development of any model. This is particularly important in forecasting models such as artificial neural networks, due to the performance of the final model is strongly dependent on the input variables used. This dissertation developed a model that supports the integration of some techniques for selection (mutual information and partial mutual information) with the aim to facilitate the use of these, as well as, its comparison when applied to certain prediction problems. For the experiments have been worked 3 buses (with different ranges of demand), and for each one used the load active and reactive power. The results obtained are given in function of the mean absolute error and mean absolute percentage error; in addition to these measures, an analysis was made of the power factor for the actual and target values / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica

Orientador: Fernando José Von Zuben / Tese (doutorado) - Universidade Estadual de Campinas, Faculdade de Engenharia Elétrica e de Computação / Made available in DSpace on 2018-08-19T17:59:57Z (GMT). No. of bitstreams: 1 PumaVillanueva_WilfredoJaime_D.pdf: 4821342 bytes, checksum: 521a056fca2c42985a2fad34069b7255 (MD5) Previous issue date: 2011 / Resumo: Esta tese apresenta duas metodologias de síntese automática de redes neurais artificiais com conexões à frente arbitrárias, com a proposição da arquitetura via computação evolutiva ou via um método construtivo, enquanto que os pesos sinápticos são definidos por técnicas de otimização não-linear. O processo de treinamento supervisionado visa parcimônia do modelo e máxima capacidade de generalização. Quando comparada a iniciativas similares encontradas na literatura, a versão construtiva da metodologia, denominada CoACFNNA, inova também ao permitir a síntese de arquiteturas mais flexíveis, com capacidade de mapeamento linear e não-linear, e ao promover baixo custo computacional. Este algoritmo construtivo parte de uma rede neural mínima, toma decisões de inserção/poda baseadas em análise de sensibilidade e em índices de informação mútua, relaxa o erro de treinamento para evitar convergência prematura e ajusta os pesos sinápticos via um método quasi- Newton com escalonamento automático. Estudos comparativos envolvendo abordagens alternativas baseadas em redes neurais, tais como MLPs, mistura heterogênea de especialistas, Cascade Correlation e a EPNet, baseada em programação evolutiva, indicam que a metodologia é promissora, tendo sido aplicada junto a problemas artificiais e reais, de classificação e de regressão / Abstract: This thesis presents two methodologies for the automatic synthesis of artificial neural networks with arbitrary feed-forward connections, with the proposition of the architecture based on evolutionary computation and on a constructive method, whereas the synaptic weights are defined by nonlinear optimization techniques. The supervised learning process aims at parsimony of the model and maximum generalization capability. When compared to similar approaches in the literature, the constructive version of the methodology, denoted CoACFNNA, innovates also by allowing the synthesis of more flexible architectures, with linear and nonlinear mapping capability, and by promoting low computational cost. This constructive algorithm starts with a minimum neural network, takes decisions of insertion/pruning based on sensitivity analysis and also mutual information indices, relaxes the training error to avoid premature convergence, and adjusts the synaptic weights by means of a quasi-Newton method with automatic scaling. Comparative studies involving alternative approaches based on neural networks, such as MLPs, mixture of heterogeneous experts, cascade correlation and the EPNet, based on evolutionary programming, indicate that the proposal is promising, being applied to artificial and real problems, for classification and regression / Doutorado / Engenharia de Computação / Doutor em Engenharia Elétrica

Neste trabalho estudamos diferentes variantes dos modelos GARCH quando consideramos a chegada da informação heterogênea sob a forma de dados de alta freqüência. Este tipo de modelos, conhecidos como HARCH(n), foram introduzidos por Muller et al. (1997). Para entender a necessidade de incorporar esta característica da heterogeneidade da informação, estudamos o problema da agregação temporal para processos GARCH e a modelagem destes em dados de alta freqüência e veremos quais são as desvantagens destes modelos e o porquê da necessidade de corrigi-lo. Propusemos um novo modelo que leva em conta a heterogeneidade da informação do mercado financeiro e a memória longa da volatilidade, generalizando assim o modelo proposto por Müller et al.(1997), e estudamos algumas das propriedades teóricas do modelo proposto. Utilizamos estimação via máxima verossimilhança e amostrador de Griddy-Gibbs, e para avaliar o desempenho destes métodos realizamos diversas simulações. Também fizemos aplicações a duas séries de alta freqüência, a taxa de câmbio Euro- Dólar e o índice Ibovespa. Uma modificação ao algoritmo de Griddy-Gibbs foi proposta, para ter uma janela móvel de pontos, para a estimação das distribuições condicionais, a cada iteração. Este procedimento foi validado pela proximidade das estimações com a técnica de máxima verossimilhança. Disponibilizaremos algumas bibliotecas para o pacote S-Plus em que as análises descritas neste trabalho poderão ser reproduzidas. Informações relativas a tais bibliotecas estarão disponíveis na página Web http://www.ime.usp.br/~ruilova. / In this work we study different variants of GARCH models to analyze the arrival of heterogeneous information in high frequency data. These models, known as HARCH(*n*) models, were introduced by Müller et al.(1997). To understand the necessity to incorporate this characteristic, heterogeneous information, we study temporal aggregation on GARCH processes for high frequency data, and show some problems in the application of these models and the reason why it is necessary to develop new models. We propose a new model, that incorporates the heterogeneous information present in the financial market and the long memory of the volatility, generalizing the model considered by Müller et al.(1997). We propose to estimate the model via maximum likelihood and Griddy-Gibbs sampler. To assess the performance of the suggested estimation procedures we perform some simulations and apply the methodology to two time series, namely the foreign exchange rate Euro-Dollar and the series of the Ibovespa index. A modification of the algorithm of Griddy-Gibbs sampler was proposed to have a grid of points in a mobile window, to estimate the condicional distributions, in each iteration. This was validated by the similar results between maximum likelihood and Griddy-Gibbs sampler estimates obtained. We implemented the methods described in this work creating some libraries for the SPlus package. Information concerning these libraries is available in the Web page http://www.ime.usp.br/~ruilova.