[pt] O universo de hedge funds cresce a taxas aceleradas no Brasil já há alguns anos e vem, à medida que os juros caem, conquistando investidores que restringiam suas aplicações à renda fixa tradicional. Um outro segmento da indústria financeira vem a reboque, são os fundos de fundos. O objetivo deste trabalho é propor uma metodologia quantitativa para auxiliar na construção de portfólios de fundos de fundos que vai além do tradicional modelo de médiavariância. Será incluída uma terceira variável na avaliação dos portfólios, o risco de liquidez. Para isso, será usado como base o estudo Dyanmics of the Hedge Fund Industry do Professor Andrew W. Lo do MIT Sloan School of Management (2005). A indústria de hedge funds será dividida em diversos segmentos em função das estratégias utilizadas e em seguida, avaliaremos quais as combinações de estratégias oferecem a melhor relação Risco, Retorno e Liquidez para o investidor. / [en] During the recent years, hedge funds in Brazil experienced an incredible increase in assets under management. Many investors are changing their asset allocation, migrating from fixed income to hedge funds. With this movement, another segment of the same industry will flourish: Funds of funds. This work main objective is to propose a methodology to help on the portfolio construction of funds of funds based not only on the relationship return and risk, but including a new parameter, liquidity. This work is based on the study Dynamics of the Hedge Fund Industry by Professor Andrew W. Lo from the MIT Sloan School of Management (2005). In order to do so, the Brazilian hedge fund industry will be divided based on the strategies used on their investments, and then an optimization process will sort out the portfolios that offer the best Return, Risk and Liquidity combination for investors.

O objetivo deste estudo é explorar uma metodologia para análises de autocorrelação em redes utilizando um atributo de fenômenos cuja ocorrência esteja de alguma forma vinculada ou que seja dependente de uma rede. Para isso foram utilizados dados de acidentes de trânsito em um estudo de caso para a cidade de São Carlos, referentes aos anos de 2001, 2002 e 2003. Foram considerados inicialmente os dados totais dos acidentes e, em seguida, separados por tipos (atropelamentos, acidentes com danos materiais e acidentes com vítimas). A próxima etapa considerou os valores dos acidentes totais majorados pela UPS (Unidade Padrão de Severidade). A última etapa do estudo levou ainda em consideração a localização dos acidentes nos arcos ou interseções, que permitiu concluir que esta forma de caracterização espacial dos acidentes pode interferir significativamente nos resultados da análise. Outra conclusão relevante foi a identificação de autocorrelação espacial elevada e positiva no caso estudado. Finalmente a comparação com análise semelhante realizada por áreas demonstra vantagens para a análise por redes. / The objective of this study is to explore a methodology for network spatial autocorrelation analysis by applying it to an attribute of phenomena that are somehow connected to or dependent of a network. In other to do so, traffic accident data recorded in the years 2001, 2002, and 2003 in the city of São Carlos were selected for a case study. A first analysis considered all data, followed by analyses per accident type. In another phase of the study, the total accidents were weighted according to their severity. The last part of the study included in the analysis information about the location of each accident, either at a link or at an intersection. A conclusion drawn from the later analysis indicated that the consideration of the accidents locations can produce significant changes in the results. Another relevant conclusion was the identification of high and positive spatial autocorrelation in the case studied. Finally, the comparison with a similar analysis carried out with areas shows advantages for the network analysis.

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

by Ho Wai Wa. / Thesis (M.Phil.)--Chinese University of Hong Kong, 1994. / Includes bibliographical references (leaves 87-92). / TABLE OF CONTENTS --- p.ii / LIST OF TABLES --- p.iii / ACKNOWLEDGMENT --- p.iv / ABSTRACT --- p.v / Chapter / Chapter I. --- INTRODUCTION --- p.1 / Chapter II. --- NOISE TRADING --- p.8 / Chapter III. --- FEEDBACK TRADING FOR ASSET RETURNS --- p.19 / Chapter A. --- The Feedback Trading Model --- p.19 / Chapter B. --- Review of the Models for the Stock Return Distribution --- p.27 / Chapter C. --- A Testable Model --- p.34 / Chapter D. --- other Sources of Serial Correlation --- p.36 / Chapter E. --- Other Sources of ARCH Effect --- p.38 / Chapter IV. --- ESTIMATION OF THE FEEDBACK TRADING MODEL --- p.42 / Chapter A. --- Data Description --- p.42 / Chapter B. --- Estimation --- p.47 / Chapter 1. --- Base Model --- p.47 / Chapter 2. --- The Feeding Trading Model --- p.52 / Chapter C. --- Implications for Feedback Trading --- p.70 / Chapter V. --- MEASURING THE IMPACT OF NOISE TRADING --- p.73 / Chapter VI. --- CONCLUSION --- p.81 / BIBLIOGRAPHY --- p.87

O objetivo deste estudo é explorar uma metodologia para análises de autocorrelação em redes utilizando um atributo de fenômenos cuja ocorrência esteja de alguma forma vinculada ou que seja dependente de uma rede. Para isso foram utilizados dados de acidentes de trânsito em um estudo de caso para a cidade de São Carlos, referentes aos anos de 2001, 2002 e 2003. Foram considerados inicialmente os dados totais dos acidentes e, em seguida, separados por tipos (atropelamentos, acidentes com danos materiais e acidentes com vítimas). A próxima etapa considerou os valores dos acidentes totais majorados pela UPS (Unidade Padrão de Severidade). A última etapa do estudo levou ainda em consideração a localização dos acidentes nos arcos ou interseções, que permitiu concluir que esta forma de caracterização espacial dos acidentes pode interferir significativamente nos resultados da análise. Outra conclusão relevante foi a identificação de autocorrelação espacial elevada e positiva no caso estudado. Finalmente a comparação com análise semelhante realizada por áreas demonstra vantagens para a análise por redes. / The objective of this study is to explore a methodology for network spatial autocorrelation analysis by applying it to an attribute of phenomena that are somehow connected to or dependent of a network. In other to do so, traffic accident data recorded in the years 2001, 2002, and 2003 in the city of São Carlos were selected for a case study. A first analysis considered all data, followed by analyses per accident type. In another phase of the study, the total accidents were weighted according to their severity. The last part of the study included in the analysis information about the location of each accident, either at a link or at an intersection. A conclusion drawn from the later analysis indicated that the consideration of the accidents locations can produce significant changes in the results. Another relevant conclusion was the identification of high and positive spatial autocorrelation in the case studied. Finally, the comparison with a similar analysis carried out with areas shows advantages for the network analysis.

Made available in DSpace on 2017-07-10T19:25:24Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

A dependência espacial para análise de dados de demanda por transportes, que está entre as principais questões analítico-espaciais consideradas na análise de transportes, constituiu o foco deste trabalho. Ignorar questões de análise espacial pode invalidar os resultados da análise, levar a previsões inadequadas e, conseqüentemente, a um planejamento ineficiente. Em virtude disso, admitiu-se que a introdução de indicadores de dependência espacial na modelagem de demanda por transportes deveria produzir resultados mais precisos e, desta forma, mais confiáveis dos que os obtidos com modelos tradicionais. Neste sentido, o principal objetivo deste trabalho foi comparar a projeção de demanda por transportes, especificamente na fase de previsão de viagens produzidas de base domiciliar, realizada através de modelos convencionais e de modelos alternativos, que introduzem indicadores para medir a dependência espacial. O trabalho é todo desenvolvido em ambiente SIG (Sistemas de Informações Geográficas), através de ferramentas de análise e estatística espacial, assim como ferramentas de planejamento de transportes de um SIG-T (SIG para Transportes). As ferramentas de análises espaciais serviram tanto para produzir os indicadores de dependência espacial (variáveis espaciais) como para avaliar os resultados dos modelos. Aplica-se o método, que avalia a introdução de indicadores globais e locais de dependência espacial nos modelos alternativos, através de um estudo de caso na cidade de Porto Alegre - RS, que tem por base dados de pesquisa de origem e destino (O-D) obtidos através de entrevista domiciliar (EDOM) em dois períodos distintos (1974 e 1986). Estas informações correspondem aos dados necessários do ano base, que foram utilizados na calibração dos modelos, e do ano meta, que constituíram as informações necessárias para análise dos resultados de estimativas futuras. Conclui-se que a introdução de variáveis espaciais é importante, uma vez que os melhores resultados foram obtidos com modelos alternativos, tanto na etapa de calibração e diagnóstico dos modelos como na etapa de validação (estimativas futuras). No entanto, a dinâmica apresentada pelo desenvolvimento urbano, como é o caso de Porto Alegre, acarreta alterações nas relações entre as diferentes variáveis com o fenômeno estudado, modificando, inclusive, os padrões espaciais. Esta conclusão é dada pelo fato que, o modelo mais ajustado para os dados do ano base não foi o que apresentou os melhores resultados para estimativas futuras. Isto conduz à hipótese, a ser explorada em trabalhos futuros, de que a análise desta dinâmica e o estudo de formas de considerá-la nos modelos de demanda por transportes pode produzir resultados ainda melhores / The degree of spatial data dependence, which is among the issues of spatial analysis that should be considered in transportation planning, is the focus of this study. Ignoring this particularity of data can: produce wrong estimates; jeopardize the results of analyses; and, as a consequence, lead to unsuccessful planning. Therefore, the basic assumption of this work was that the inclusion of spatial dependence indicators can produce more accurate and reliable estimates than those obtained with traditional model structures. In order to test this hypothesis, the main objective of this study was to compare demand predictions produced by traditional models with those produced by alternative models that include indicators of spatial dependence. The study was limited to home-based production trip models, which are part of the trip generation phase of the traditional four-step modeling approach. All work was conducted in a GIS (Geographic Information System) environment, making use of spatial statistics and analysis tools, as well as transportation planning tools available in a GIS-T (i.e., a dedicated GIS for Transportation). Spatial analyses tools were used to generate the spatial dependence indicators and to evaluate the results of the application. A case study was carried out in the city of Porto Alegre, which is the capital of the brazilian state of Rio Grande do Sul, for evaluating the impacts of the addition of global and local indicators of spatial dependence in the models. Two O-D surveys carried out in the years 1974 and 1986 provided the data needed for calibration and validation. The first one was taken as the base year and the second one as the goal year. The results of the application showed that the performance of the models can be improved in both calibration and validation phases with the insertion of spatial variables. However, the urban growth observed in a very dynamic context, such as in the city studied, may dramatically change the relationships between variables, including their spatial patterns. That aspect was responsible for the fact that the model with the best performance in the calibration phase was not the one producing the most accurate forecasts. It raised the hypothesis, to be explored in future research, that the analysis of those dynamic processes and their consideration into transportation demand models are also needed to improve even further the performance of the models

Made available in DSpace on 2017-05-12T14:48:47Z (GMT). No. of bitstreams: 1 Everton.pdf: 4714140 bytes, checksum: 519aa9b0b92961245b0d80158227dea4 (MD5) Previous issue date: 2012-12-10 / This paper aimed to present methods to be applied in the area of spatial statistics on soybean yield and agrometeorological factors in Western Paraná state. The data used, related to crop years from 2000/2001 to 2007/2008, are the following variables: soybean yield (t ha-1) and agrometeorological factors, such as rainfall (mm), average temperature (oC) and solar global radiation average (W m-2). In the first phase,it was used indices of spatial autocorrelation (Moran Global and Local) and presented multiple spatial regression models, with performance evaluations. The estimation of parameters occurred when using the Maximum Likelihood method and the performance evaluation of the models was based on the coefficient of determination (R2), the maximum value of the function of the logarithm of the maximum value of the likelihood function logarithm and the Bayesian information criterion of Schwarz. In a second step, cluster analysis was performed using spatial statistical multivariate associations, seeking to identify the same set of variables, but with a larger number of crop years. Finally, the data from one crop year were utilized in an approach based on fuzzy clustering, through the Fuzzy C-Means algorithm and the similarity measure by defining an index for this purpose. The first phase of the study showed the correlation between spatial autocorrelation and soybean yield and agrometeorological elements, through the analysis of spatial area, using techniques such as index Global Moran's I and Local univariate and bivariate and significance tests. It was possible to demonstrate, through the performance indicators used, that the SAR and CAR models offered better results than the classical multiple regression model. In the second phase, it was possible to present the formation of groups of cities using the similarities of the variables under analysis. Cluster analysis is a useful tool for better management of production activities in agriculture, since, with the grouping, it was possible to establish similarities parameters that provide better management of production processes that bring quantitative and qualitatively better, results sought by the farmer. In the final step, through the use of Fuzzy C-Means algorithm, it was possible to form groups of cities of similar soybean yield using the method of decision by the Higher Degree of Relevance (MDMGP) and Method of Decision Threshold by β (β CDM). Subsequently, identification of the adequate number of clusters was obtained using modified partition entropy. To measure the degree of similarity of each cluster, a Cluster Similarity Index (ISCl) was designed and used, which considers the degree of relevance of each city within the group to which it belongs. Within the perspective of this study, the method used was adequate, allowing to identify clusters of cities with degrees of similarities in the order of 60 to 78% / Este trabalho apresenta métodos para serem aplicados na estatística espacial de área na produtividade da soja e fatores agrometeorológicos na região oeste do estado do Paraná. Os dados utilizados estão relacionados aos anos-safra de 2000/2001 a 2007/2008, sendo as variáveis: produtividade da soja (t ha-1) e agrometeorológicas, tais como precipitação pluvial (mm), temperatura média (oC) e radiação solar global média (W m-2). Em uma primeira fase foram utilizados índices de autocorrelação espacial (Moran Global e Local) e apresentados modelos de regressão espacial múltipla, com avaliações de desempenho. A estimativa dos parâmetros dos modelos ajustados se deu pelo uso do método de Máxima Verossimilhança e a avaliação do desempenho dos modelos foi realizada com base no coeficiente de determinação (R2), no máximo valor do logaritmo da função do máximo valor do logaritmo da função verossimilhança e no critério de informação bayesiano de Schwarz. Em uma segunda etapa foram realizadas análises de agrupamento espacial por meio da estatística multivariada, buscando identificar associações no mesmo conjunto de variáveis, porém com um número maior de anos-safra. Finalmente, os dados de um ano-safra foram aplicados em uma abordagem baseada em agrupamento difuso, por meio do algoritmo Fuzzy c-Means, tendo a similaridade medida pela definição de um índice com este objetivo. O estudo da primeira fase permitiu verificar a correlação e a autocorrelação espacial entre a produtividade da soja e os elementos agrometeorológicos, por meio da análise espacial de área, usando técnicas como o índice I de Moran Global e Local uni e bivariado e os testes de significância. Foi possível demonstrar que, por meio dos indicadores de desempenho utilizados, os modelos SAR e CAR ofereceram melhores resultados em relação ao modelo de regressão múltipla clássica. Na segunda fase, foi possível apresentar a formação de grupos de municípios utilizando as similaridades das variáveis em análise. A análise de agrupamento foi um instrumento útil para uma melhor gestão das atividades de produção da agricultura, em função de que, com o agrupamento, foi possível se estabelecer similaridades que proporcionem parâmetros para uma melhor gestão dos processos de produção que traga, quantitativa e qualitativamente, resultados almejados pelo agricultor. Na etapa final, por meio do algoritmo Fuzzy c-Means, foi possível a formação de grupos de municípios similares à produtividade de soja, utilizando o Método de Decisão pelo Maior Grau de Pertinência (MDMGP) e o Método de Decisão pelo Limiar β (MDL β). Posteriormente, a identificação do número adequado de agrupamentos foi obtida utilizando a Entropia de Partição Modificada. Para mensurar o nível de similaridade de cada agrupamento, foi criado e utilizado um Índice de Similaridade de Clusters (ISCl), que considera o grau de pertinência de cada município dentro do agrupamento a que pertence. Dentro das perspectivas deste estudo, o método empregado se mostrou adequado, permitindo identificar agrupamentos de municípios com graus de similaridades da ordem de 60 a 78%

Cette thèse utilise des modèles d’économétrie spatiale pour explorer les déterminants de la localisation spatiale de l’IDE au Vietnam. Le premier chapitre présente la littérature théorique relative à la localisation de l’IDE, et les faits stylisés de la localisation de l’IDE au Vietnam. Le deuxième chapitre analyse les déterminants de la localisation spatiale de l’IDE en ASEAN. Les résultats d’estimation indiquent une grande différence de motivation entre la localisation de l’IDE extra-ASEAN et intra-ASEAN. Les flux d’IDE extra-ASEAN sont de forme verticale complexe, alors que les flux d’IDE intra-ASEAN sont de plateforme d’exportation. Le troisième chapitre étudie les déterminants de la localisation spatiale de l’IDE dans les provinces au Vietnam. Les résultats d’estimation indiquent que l’IDE dans une province n’est pas seulement attiré par la taille du marché, la main-D'oeuvre qualifiée, la qualité des infrastructures, et l’agglomération des firmes dans cette province, mais aussi dans ses voisines. En outre, le coût du travail, la productivité du travail, et les politiques nationales et locales jouent également un rôle important. Le quatrième chapitre porte sur le rôle des institutions locales dans la localisation spatiale de l’IDE dans les provinces du Vietnam. Les résultats d’estimation montrent que la qualité des institutions locales mesurées par la transparence, la politique d’appui au secteur privé et la politique sur le travail affectent significativement la localisation spatiale de l’IDE dans les provinces au Vietnam. / This thesis uses spatial econometric models to explore the determinants of spatial location of FDI in Vietnam. The first chapter presents the theoretical literature on FDI location, and the stylized facts of the FDI location in Vietnam. The second chapter analyzes the determinants of the spatial location of FDI in ASEAN. Results indicate a significant difference in motivation between the location of extra-ASEAN FDI and intra- ASEAN FDI. The extra-ASEAN FDI are of the form of complex vertical FDI, while intra- ASEAN FDI are of the form of export platform FDI. The third chapter examines the determinants of the spatial location of FDI in the provinces in Vietnam. Results indicate that FDI in a province is not only attracted by the market size, skilled workforce, quality infrastructure, and agglomeration of firms in this province, but also in its neighbors. In addition, labor costs, labor productivity, and national and local policies also play an important role in the spatial location of FDI. The fourth chapter focuses on the role of local institutions on the spatial location of FDI in the provinces in Vietnam. Results show that the quality of local institutions, measured by transparency, political support to the private sector and labor policy, significantly affects the spatial location of FDI in the provinces in Vietnam.

蔬菜的供給彈性非常小，收成之後，不僅產量會決定售價的高低，同類蔬 菜之間的替代效果，對於價格變化也有很大的影響力。因此若能事先預測 同類蔬菜未來的價格變化，即可計劃各類蔬菜的生產量。在本篇論文中， 我們試著將時空數列應用在非空間系統的經濟領域上。以臺灣地區三種常 見的蔬菜為例，分別以時空數列的 STARMA 模式與單變量 ARIMA 時間數 列，利用蔬菜批發價格建立模式，並比較其短期預測效果。最後，就價格 變動與產銷策略之關係進行討論。 / The supply elasticity of vegetables is so small. Once the production has been known, it would reflect on the price as soon as possible. And at the same time, the substitute effect between the vegetables has also great influence on the change of the price. However, if we could forecast the variation of the vegetables price,then the production-marketing strategy would be planned in advance. In this paper, we apply the spatial time series analysis on the field of economic, which is included in the non-spatial system. An investigate about the price variation for three kinds of vegetables in Taiwan.And the comparison of short-term forecasting performance for the STARMA model and traditional ARIMA model are also made. Finally, we discuss in detail about the relationship between the change of vegetable price and production-marketing strategy.