Esta dissertação analisa a questão da seleção de modelos GARCH multivariados em termos da perfomance de previsão da matriz de covariância condicional. A aplicação empírica é realizada com 7 retornos de índices de ações envolvendo um conjunto de 34 especificações de modelos para os quais computamos as previsões da variância condicional um passo a frente para uma amostra com 60 observações para cada especificação dos modelos GARCH multivariados. A comparação entre os modelos é baseada no procedimento Model Confidence Set (MCS) avaliado através de duas funções perdas robustas a proxies de volatilidade imperfeitas. O MCS é um procedimento que permite comparar vários modelos simultaneamente em termos de sua habilidade preditiva e determinar um conjunto de modelos estatisticamente semelhantes em termos de previsão, dado um nível de confiança. / This paper considers the question of the selection of multivariate GARCH models in terms of covariance matrix forecasting. In the empirical application we consider 7 series of returns and compare a set of 34 model specifications based on one-step-ahead conditional variance forecasts over a sample with 60 observations. The comparison between models is performed with the Model Confidence Set (MCS) procedure evaluated using two loss functions that are robust against imperfect volatility proxies. The MCS is a procedure that allows both a multiple model comparison in terms of forecasting accuracy and the determination of a model set composed of statistically equivalent models, under a confidence level.

Submitted by Luciana Sebin (lusebin@ufscar.br) on 2016-09-28T18:40:06Z No. of bitstreams: 1 TeseALAS.pdf: 2684933 bytes, checksum: ca38338bf603ef9390016e59a5ba7e2b (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T18:36:47Z (GMT) No. of bitstreams: 1 TeseALAS.pdf: 2684933 bytes, checksum: ca38338bf603ef9390016e59a5ba7e2b (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-10T18:36:58Z (GMT) No. of bitstreams: 1 TeseALAS.pdf: 2684933 bytes, checksum: ca38338bf603ef9390016e59a5ba7e2b (MD5) / Made available in DSpace on 2016-10-10T18:37:07Z (GMT). No. of bitstreams: 1 TeseALAS.pdf: 2684933 bytes, checksum: ca38338bf603ef9390016e59a5ba7e2b (MD5) Previous issue date: 2016-03-16 / Não recebi financiamento / In this Thesis we expose the proposition of a new class of probability distributions, the so called alpha skew normal multivariate, an extension of the univariate Normal Alpha distribution, introduced by Elal-Olivero (2010). It can accommodates up to two modes and generalizes the distribution proposed by Elal-Olivero in its marginal components. In addition, we apply this new distribution in the construction of two new data mining methods for classi cation. The procedures developed here increment the predictive ability of the classi cation in the presence of asymmetric and / or bimodal data. The results indicate that the new proposal is signi cantly more appropriate than the usual modeling by classical normal distribution, and is also suitable for datasets without the presence of asymmetry. In this thesis it is shown, using real and synthetic data, the procedures of construction, estimation and validation for the new probability distribution and for probabilistic networks for binary classi cations, particularly for the k-dependence probabilistic networks. / Esta Tese expõe a proposição de uma nova classe de distribuições de probabilidade, denominada alfa normal assimetrica multivariada, uma extensão da distribuição alfa normal assimetrica univariada, introduzida por Elal-Olivero (2010). A distribuição proposta e muito flexível, capaz de assumir até duas modas e generaliza a distribuição proposta por Elal-Olivero em suas componentes marginais. Além disso, aplicamos esta nova distribuição na construção de dois novos métodos de data mining para classificação. Os procedimentos aqui desenvolvidos incrementam a capacidade preditiva da classificação na presença de dados assimétricos e/ou bimodais. Os resultados indicam que a nova proposição e significativamente mais apropriada que a modelagem usual por meio da distribuição normal clássica, além de ser igualmente adequada para conjuntos de dados sem a presença de assimetria. Nesta Tese são apresentados, utilizando dados reais e artificiais, os procedimentos de construção, estimação e validação tanto da nova distribuição de probabilidade quanto para as redes para classificações binárias, particularmente para redes probabilísticas de k-dependência.

O aumento dos fluxos globais comerciais e financeiros, a partir da década de 90, e as diversas crises ocorridas até o atual período fizeram da avaliação de contágio um tema extremamente relevante, tanto para investidores quanto para formuladores de política. Nesse sentido, a presente dissertação tem como objetivo testar a hipótese de contágio financeiro para os mercados de Brasil, Inglaterra e Espanha em face à última crise americana de 2008. Para tanto, desenvolveu-se o artigo que integra o Capítulo 2 - a espinha dorsal deste trabalho - com dados diários dos retornos dos índices de Jan/2004 a Jun/2011. No âmbito da metodologia de cópulas, adotou-se uma estratégia empírica com base em duas etapas: i) a estimativa não paramétrica de cópulas, via kernel, utilizando o método desenvolvido em Fermanian et al. (2002) e a avaliação através de uma abordagem de bootstrap, sobre a ocorrência de um aumento significativo nas medidas de dependência delas extraídas; ii) testes sobre a igualdade entre cópulas empíricas, conforme proposto por Remillard e Scaillet (2009), a fim de verificar se houve mudança na estrutura de dependência a partir da crise. Os resultados obtidos nas duas etapas da estratégia empírica são semelhantes e sugerem a existência de contágio financeiro para os países analisados no período estudado. / The increase in global trade and financial flows since the 90’s, and the various crises in the current period until these days made contagion an extremely important issue for both investors and policy makers. Accordingly, this dissertation aims to test the hypothesis of financial contagion between USA and markets in Brazil, England and Spain in the face of the last USA crisis of 2008. To this end, we produce the article in Chapter 2 - the backbone of this work - with daily data of index-returns from Jan/2004 to Jun/2011. Under the scope of copula methodology, we addopt an empirical strategy based on two steps: i) estimating nonparametric copulas via kernel, using the method developed in Fermanian et al. (2002) and assessing through a bootstrap approach whether a significant change in dependence measures extracts thereof, ii) testing whether two empirical estimated copulas are the same, as proposed by Remillard e Scaillet (2009), to check again whether dependence structures change with crisis. The results obtained in these two steps of the empirical strategy are similar and suggest the existence of financial contagion between the countries analysed in the studied period.

Esta dissertação analisa a questão da seleção de modelos GARCH multivariados em termos da perfomance de previsão da matriz de covariância condicional. A aplicação empírica é realizada com 7 retornos de índices de ações envolvendo um conjunto de 34 especificações de modelos para os quais computamos as previsões da variância condicional um passo a frente para uma amostra com 60 observações para cada especificação dos modelos GARCH multivariados. A comparação entre os modelos é baseada no procedimento Model Confidence Set (MCS) avaliado através de duas funções perdas robustas a proxies de volatilidade imperfeitas. O MCS é um procedimento que permite comparar vários modelos simultaneamente em termos de sua habilidade preditiva e determinar um conjunto de modelos estatisticamente semelhantes em termos de previsão, dado um nível de confiança. / This paper considers the question of the selection of multivariate GARCH models in terms of covariance matrix forecasting. In the empirical application we consider 7 series of returns and compare a set of 34 model specifications based on one-step-ahead conditional variance forecasts over a sample with 60 observations. The comparison between models is performed with the Model Confidence Set (MCS) procedure evaluated using two loss functions that are robust against imperfect volatility proxies. The MCS is a procedure that allows both a multiple model comparison in terms of forecasting accuracy and the determination of a model set composed of statistically equivalent models, under a confidence level.

O aumento dos fluxos globais comerciais e financeiros, a partir da década de 90, e as diversas crises ocorridas até o atual período fizeram da avaliação de contágio um tema extremamente relevante, tanto para investidores quanto para formuladores de política. Nesse sentido, a presente dissertação tem como objetivo testar a hipótese de contágio financeiro para os mercados de Brasil, Inglaterra e Espanha em face à última crise americana de 2008. Para tanto, desenvolveu-se o artigo que integra o Capítulo 2 - a espinha dorsal deste trabalho - com dados diários dos retornos dos índices de Jan/2004 a Jun/2011. No âmbito da metodologia de cópulas, adotou-se uma estratégia empírica com base em duas etapas: i) a estimativa não paramétrica de cópulas, via kernel, utilizando o método desenvolvido em Fermanian et al. (2002) e a avaliação através de uma abordagem de bootstrap, sobre a ocorrência de um aumento significativo nas medidas de dependência delas extraídas; ii) testes sobre a igualdade entre cópulas empíricas, conforme proposto por Remillard e Scaillet (2009), a fim de verificar se houve mudança na estrutura de dependência a partir da crise. Os resultados obtidos nas duas etapas da estratégia empírica são semelhantes e sugerem a existência de contágio financeiro para os países analisados no período estudado. / The increase in global trade and financial flows since the 90’s, and the various crises in the current period until these days made contagion an extremely important issue for both investors and policy makers. Accordingly, this dissertation aims to test the hypothesis of financial contagion between USA and markets in Brazil, England and Spain in the face of the last USA crisis of 2008. To this end, we produce the article in Chapter 2 - the backbone of this work - with daily data of index-returns from Jan/2004 to Jun/2011. Under the scope of copula methodology, we addopt an empirical strategy based on two steps: i) estimating nonparametric copulas via kernel, using the method developed in Fermanian et al. (2002) and assessing through a bootstrap approach whether a significant change in dependence measures extracts thereof, ii) testing whether two empirical estimated copulas are the same, as proposed by Remillard e Scaillet (2009), to check again whether dependence structures change with crisis. The results obtained in these two steps of the empirical strategy are similar and suggest the existence of financial contagion between the countries analysed in the studied period.

Esta dissertação analisa a questão da seleção de modelos GARCH multivariados em termos da perfomance de previsão da matriz de covariância condicional. A aplicação empírica é realizada com 7 retornos de índices de ações envolvendo um conjunto de 34 especificações de modelos para os quais computamos as previsões da variância condicional um passo a frente para uma amostra com 60 observações para cada especificação dos modelos GARCH multivariados. A comparação entre os modelos é baseada no procedimento Model Confidence Set (MCS) avaliado através de duas funções perdas robustas a proxies de volatilidade imperfeitas. O MCS é um procedimento que permite comparar vários modelos simultaneamente em termos de sua habilidade preditiva e determinar um conjunto de modelos estatisticamente semelhantes em termos de previsão, dado um nível de confiança. / This paper considers the question of the selection of multivariate GARCH models in terms of covariance matrix forecasting. In the empirical application we consider 7 series of returns and compare a set of 34 model specifications based on one-step-ahead conditional variance forecasts over a sample with 60 observations. The comparison between models is performed with the Model Confidence Set (MCS) procedure evaluated using two loss functions that are robust against imperfect volatility proxies. The MCS is a procedure that allows both a multiple model comparison in terms of forecasting accuracy and the determination of a model set composed of statistically equivalent models, under a confidence level.

A construção dos mapas Genéticos é importante para o melhoramento genético de plantas, pois são através desses mapas que pode se determinar em que pontos dos cromossomos as unidades hereditárias podem estar. Com o objetivo de verificar se o método Bayesiano incluindo a informação a priori pode ou não ser empregado nos estudos de construção de mapas Genéticos, estimativas Bayesianas e de máxima verossimilhança para a freqüência de recombinação foram obtidas, envolvendo espécies de polinização aberta. Para isso, foram considerados diferentes tipos de marcadores: marcadores completamente informativos e marcadores parcialmente informativos. Através de simulações de conjuntos de dados combinando dois marcadores de cada vez, as estimativas da freqüência de recombinação foram obtidas através de um algoritmo baseado na função de verossimilhança para os dois métodos de estimação usados. A caracterização das fases de ligação foi baseada na distribuição da probabilidade a posteriori dos arranjos de alelos alternativos em dados marcadores para dois cromossomos homólogos de cada genitor, condicional aos fenótipos observados dos marcadores. Os resultados obtidos permitem concluir que o método Bayesiano pode ser usado em estudos de ligação Genética com o uso da informação a priori. Quanto a estimação das fases de ligação, os dois métodos levam sempre à mesma conclusão. / The construction of the Genetic maps are essential for the genetic improvement of plants, because through this maps that it can be determined in which spots within the chromosomes the hereditary unities could be. With the aim of checking whether the Bayesian method including the prior information can or not to be used in the studies of Genetic maps construction, Bayesians estimates and of maximum likelihood for the recombination frequency were obtained, outbreeding species. For that, diferent types of markers were considered containing fully informative markers and partially informative markers. Through simulations of groups of data combining two markers one at a time, the estimates of the recombination frequency were obtained through a general maximum-likelihood based algorithm for the two used estimate methods. The characterization of linkage phases was based in the posterior probable distribution of the assignment of alternative alleles at given markers to two homologous chromosomes of each parent, conditional on the observed phenotypes of the markers.The results obtained allows to conclude that the Bayesian method can be used in studies of Genetic linkage with the use of the priori information. As the estimate of the linkage phases, the two methods always get to the same conclusion.

Submitted by Neusa Fagundes (neusa.fagundes@unioeste.br) on 2017-09-20T19:23:51Z No. of bitstreams: 1 Gustavo_Dalposso2017.pdf: 1367696 bytes, checksum: 564cf4753004f95da013e7b93a9767ac (MD5) / Made available in DSpace on 2017-09-20T19:23:51Z (GMT). No. of bitstreams: 1 Gustavo_Dalposso2017.pdf: 1367696 bytes, checksum: 564cf4753004f95da013e7b93a9767ac (MD5) Previous issue date: 2017-02-15 / Fundação Araucária de Apoio ao Desenvolvimento Científico e Tecnológico do Estado do Paraná (FA) / One issue in precision agriculture studies concerns about the statistical methods applied in inferential analysis, since they have required assumptions that, sometimes, cannot be assumed. A possibility to traditional methods is to use the bootstrap method, which consists in resampling and replacing the original data set to carry out inferences. The bootstrap methodology can be applied to independent sample data as well as in cases of dependence, such as in spatial statistics. However, adjustments are required during the resampling process in order to use the bootstrap method in spatial data. Thus, this trial aimed at applying the bootstrap method in precision agriculture studies, whose result was the preparation of three scientific papers. Soybean yield and soil attributes datasets formed with few samples were used in the first paper to determine a multiple linear regression model. Bootstrap methods were chosen to select variables, identify influential points and determine confidence intervals of the model parameters. The results showed that the bootstrap methods allowed selecting significant attributes to design a model, to build confidence intervals of the studied parameters and finally to indentify the influential points on the estimated parameters. Besides, spatial dependence of soybean yield data and soil attributes were studied in the second paper by bootstrap method in geostatistical analysis. The spatial bootstrap method was used to quantify the uncertainties associated with the spatial dependence structure, the fitted model parameter estimators, kriging predicted values and multivariate normality assumption of data. Thus, it was possible to quantify the uncertainties in all phases of geostatistical analysis. A spatial linear model was used to analyze soybean yield considering the soil attributes in the third paper. Spatial bootstrap methods were used to determine point and interval estimators associated with the studied model parameters. Hypothesis tests were carried out on the model parameters and probability plots were developed to identify data normality. These methods allowed to quantify the uncertainties associated to the structure of spatial dependence, as well as to evaluate the individual significance of the parameters associated with the average of the spatial linear model and to verify data multivariate normality assumption. Finally, it is concluded that bootstrap method is an effective alternative to make statistical inferences in precision agriculture studies. / Um problema que ocorre nos estudos vinculados à agricultura de precisão diz respeito aos métodos estatísticos utilizados nas análises inferenciais, pois eles requerem pressupostos que muitas vezes não podem ser assumidos. Uma alternativa aos métodos tradicionais é a utilização do método bootstrap, que utiliza reamostragens com reposição do conjunto de dados originais para realizar inferências. A metodologia bootstrap pode ser aplicada a dados amostrais independentes e também em casos de dependência, como na estatística espacial. No entanto, para se utilizar o método bootstrap em dados espaciais, são necessárias adaptações no processo de reamostragem. Este trabalho teve como objetivo utilizar o método bootstrap em estudos vinculados à agricultura de precisão, cujo resultado é a elaboração de três artigos. No primeiro artigo utilizou-se um conjunto de dados de produtividade de soja e atributos do solo formado com poucas amostras para determinar um modelo de regressão linear múltipla. Foram utilizados métodos bootstrap para a seleção de variáveis, identificação de pontos influentes e determinação de intervalos de confiança dos parâmetros do modelo. Os resultados mostraram que os métodos bootstrap permitiram selecionar os atributos que foram significativos na construção do modelo, construir os intervalos de confiança dos parâmetros e identificar os pontos que tiveram grande influência sobre os parâmetros estimados. No segundo artigo estudou-se a dependência espacial de dados de produtividade de soja e atributos do solo utilizando o método bootstrap na análise geoestatística. Utilizou-se o método bootstrap espacial para quantificar as incertezas associadas à caracterização das estruturas de dependência espacial, aos estimadores dos parâmetros dos modelos ajustados, aos valores preditos por krigagem e ao pressuposto de normalidade multivariada dos dados. Os resultados obtidos possibilitaram quantificar as incertezas em todas as fases da análise geoestatística. No terceiro artigo utilizou-se uma regressão espacial linear para modelar a produtividade de soja em função de atributos do solo. Foram utilizados métodos bootstrap espaciais para determinar estimadores pontuais e por intervalo associados aos parâmetros do modelo. Realizaram-se testes de hipóteses sobre os parâmetros do modelo e foram eleborados gráficos de probabilidade para identificar a normalidade dos dados. Os métodos permitiram quantificar as incertezas associadas à estrutura de dependência espacial, avaliar a significância individual dos parâmetros associados à média do modelo espacial linear e verificar a suposição de normalidade multivariada dos dados. Conclui-se, portanto, que o método bootstrap é uma eficaz alternativa para realizar inferências em estudos vinculados à agricultura de precisão.

Na estatística experimental, especificamente quando se faz análise de variância, os testes de hipóteses têm sido amplamente utilizados para se concluir a respeito das fontes de variação consideradas nos modelos lineares. Para tanto, é comum a utilização de sistemas estatísticos que fornecem análises de variância e a estatística F, entre outras, para a tomada de decisões. Entretanto, o teste F numa análise de variância para tratamentos com mais de um grau de liberdade proporciona informações gerais, relacionadas com o comportamento médio dos tratamentos. Por essa razão, deve-se planejar comparações objetivas, fazendo-se desdobramentos dos graus de liberdade de tratamentos para obter informações mais específicas. Nesse sentido, uma técnica usada para esses desdobramentos baseia-se na utilização de contrastes, sendo necessário que cada componente seja explicado por um contraste, com todos os contrastes sendo ortogonais entre si, para que as comparações sejam independentes. Entretanto, essa técnica torna-se complexa à medida que o número de tratamentos aumenta. Frente a isso, utilizando-se os dados provenientes de um experimento de competição entre dois grupos de variedades de cana-de-açúcar, inteiramente ao acaso com seis tratamentos e cinco repetições, e também nos dados obtidos de um experimento fictício de competição entre híbridos de milho no delineamento blocos casualizados, propôs-se uma técnica, empregando variáveis auxiliares, para facilitar o desdobramento ortogonal dos graus de liberdade de tratamentos, procurando-se evidenciar que essa técnica facilita o desdobramento ortogonal dos graus de liberdade de tratamentos e tem resultados equivalentes aos obtidos utilizando-se a função CONTRAST do PROC GLM do SAS. Outro problema refere-se à análise de experimentos fatoriais com desbalanceamento das amostras, tendo em vista que as técnicas de estimação de parcelas perdidas não resolvem satisfatoriamente o problema, principalmente se existem muitas parcelas perdidas. Quando os dados são desbalanceados, há necessidade de se conhecer que hipóteses estão sendo testadas e se estas são de interesse do pesquisador, devido à complexidade dessas hipóteses, principalmente em presença de caselas vazias. Além disso, muito têm sido escrito sobre os diferentes resultados da análise de variância apresentados por sistemas estatísticos para dados desbalanceados com caselas vazias, o que tem gerado confusão entre os pesquisadores. Com a finalidade de propor um método alternativo para a obtenção de hipóteses de interesse, utilizaram-se os resultados de um experimento fatorial 2x3, inteiramente ao acaso, com quatro repetições, para testar os efeitos de três reguladores de crescimento (hormônios), sobre a propagação "in vitro" de dois porta-enxertos (cultivares) de macieira. Assim, diante do fato que testar uma hipótese é equivalente a impor uma restrição estimável aos parâmetros do modelo, utilizaram-se restrições paramétricas estimáveis como um critério alternativo para realizar testes de hipóteses de interesse em modelos lineares com dados desbalanceados. Os resultados mostram que esse método permite que o pesquisador teste diretamente hipóteses de seu interesse, com resultados equivalentes aos encontrados com a função CONTRAST do PROC GLM do SAS. / For experimental designs, it is usually necessary to do tests of hypotheses to conclude about effects considered in the linear models. In these cases, it is common to use statistical softwares that supply the analyses of variance and F statistics, among others, for taking decisions. However, the test F in an analysis of variance for sources of variation with more than a degree of freedom provides general information, about significant differences of levels of the factor. Therefore, it should be planned objective comparisons, making orthogonal decompositions of the degrees of the effects of interest to get more specific information. One technique used frequently based on the orthogonal contrasts, so that the comparisons are independent. However, this technique becomes complex as the number of levels of the factor increases. To study alternative methods to do these comparisons, we use data from a yield trail experiment considering two groups of varieties of sugarcane, in a complete randomized design with 6 treatments and 5 repetitions. Also, we use data from a fictitious experiment comparing hybrids of maize in the randomized complete block design. The technique of analysis using dummy variables to facilitate the orthogonal decomposition of degrees of freedom of treatments was proposed. This technique facilitates the orthogonal decomposition and has the same results of those obtained the function CONTRAST of PROC GLM of SAS. Another situation considered involves experiments with unbalanced data. In this case, it is possible to suppose that there is the necessity of knowing what hypotheses are being tested and if they are useful. Much has been written on the different results of analysis of variance presented by statistical software for unbalanced data. This can create confusion to the researcher. To illustrate, we used the results of an 2x3 factorial experiment with 4 replicates, to test the effect of 3 hormones, on the propagation of 2 in vitro cultivars of apple trees. Thus, considering that to test a hypotheses is equivalent to impose an estimable restriction to the parameters of the model, we use these restrictions as an alternative criteria to directly carry out tests of hypotheses in linear models with unbalanced data. The results showed that this procedure is equivalent of that used by the function CONTRAST of PROC GLM/SAS.

O objetivo principal desta dissertação é apresentar uma metodologia para modelagem das medidas de pseudo-ranges no sistema GPS, cujos movimentos característicos são descritos pela trajetória de uma partícula material que se move, no decorrer do tempo, sob a influência de forças físicas, e possuem uma estrutura de auto-correlação. O tratamento dado foi de séries temporais, específico do método ARIMA da metodologia de BOX & JENKINS. A aplicação da metodologia proposta foi baseada nos dados recebidos no receptor GPS localizado no ITA, referente ao satélite de número 27. Sua validação foi feita comparando dados reais com os resultados do modelo, onde o modelo proposto mostrou uma boa performance. A principal conclusão foi a constatação da eficácia da metodologia proposta para a modelagem, através de um tratamento estatístico completo validade em caso real.