Made available in DSpace on 2010-04-20T20:08:12Z (GMT). No. of bitstreams: 0 Previous issue date: 1993-05-14T00:00:00Z / Este trabalho compara procedimentos de previsão de preços de commodities, utilizados de maneira empírica pelos analistas de mercado, com os procedimentos fornecidos pela Análise de Séries Temporais. Aplicamos os métodos de previsão utilizando as Médias Móveis, os métodos baseados em Alisamentos exponenciais e principalmente os modelos ARIMA de Box-Jenkins. Estes últimos são, em geral, generalizações dos primeiros, com a vantagem de utilizar os instrumentos estatísticos de medidas das incertezas, como o desvio-padrão e os intervalos de confiança para as previsões.

O setor agrícola é, historicamente, um dos pilares da economia brasileira, e apesar de ter sua importância diminuída com o desenvolvimento do setor industrial e de serviços ainda é responsável por dar dinamismo econômico ao país, bem como garantir a segurança alimentar, auxiliar no controle da inflação e na formação de reservas monetárias. Neste contexto as safras agrícolas exercem grande influência no comportamento do setor e equilíbrio no mercado agrícola. Foram desenvolvidas diversas metodologias de previsão de safra, sendo em sua maioria modelos de simulação de crescimento. Entretanto, recentemente os modelos estatísticos vem sendo utilizados mais comumente devido às suas predições mais rápidas em períodos anteriores à colheita. No presente trabalho foram avaliadas duas destas metodologias, os modelos ARIMA e os Modelos Lineares Dinâmicos (MLD), sendo utilizada tanto a inferência clássica quanto a bayesiana. A avaliação das metodologias deu-se por meio da análise das previsões dos modelos, bem como da facilidade de implementação e poder computacional necessário. As metodologias foram aplicadas a dados de produção de soja para o município de Mamborê-PR, no período de 1980 a 2013, sendo área plantada (ha) e precipitação acumulada (mm) variáveis auxiliares nos modelos de regressão dinâmica. Observou-se que o modelo ARIMA (2,1,0) reparametrizado na forma de um MLD e estimado por meio de máxima verossimilhança, gerou melhores previsões do que aquelas obtidas com o modelo ARIMA(2,1,0) não reparametrizado. / The agriculture is, historically, one of Brazil\'s economic pillars, and despite having it\'s importance diminished with the development of the industry and services it still is responsible for giving dynamism to the country inland\'s economy, ensuring food security, controlling inflation and assisting in the formation of monetary reserves. In this context the agricultural crops exercise great influence in the behaviour of the sector and agricultural market balance. Diverse crop forecast methods were developed, most of them being growth simulation models, however, recently the statistical models are being used due to its capability of forecasting early when compared to the other models. In the present thesis two of these methologies were evaluated, ARIMA and Dynamic Linear Models, utilizing both classical and bayesian inference. The forecast accuracy, difficulties in the implementation and computational power were some of the caracteristics utilized to assess model efficiency. The methodologies were applied to Soy production data of Mamborê-PR, in the 1980-2013 period, also noting that planted area (ha) and cumulative precipitation (mm) were auxiliary variables in the dynamic regression. The ARIMA(2,1,0) reparametrized in the DLM form and adjusted through maximum likelihood generated the best forecasts, folowed by the ARIMA(2,1,0) without reparametrization.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-16T19:54:29Z No. of bitstreams: 1 ARELI MESQUITA DA SILVA - DISSERTAÇÃO PPGMAT 2007..pdf: 701919 bytes, checksum: 78ea7b65513f1fe6d83acdb4f3030b43 (MD5) / Made available in DSpace on 2018-07-16T19:54:29Z (GMT). No. of bitstreams: 1 ARELI MESQUITA DA SILVA - DISSERTAÇÃO PPGMAT 2007..pdf: 701919 bytes, checksum: 78ea7b65513f1fe6d83acdb4f3030b43 (MD5) Previous issue date: 2007-07 / Séries temporais envolvendo dados angulares aparecem nas mais diversas áreas do conhecimento. Por exemplo, na perfuração de um poço petrolífero direcional, o deslocamento da broca de perfuração, ao longo da trajetória do poço, pode ser considerado uma realização de uma série temporal de dados angulares. Um dos interesses, neste contexto, consiste em realizar previsões de posicionamentos futuros da broca de perfuração, as quais darão mais apoio ao engenheiro de petróleo na tomada de decisão de quando e como interferir na trajetória de um poço, de modo que este siga o curso planejado. Neste trabalho, estudamos algumas classes de modelos que podem ser utilizados para a modelagem desse tipo de série. / Time series involving angular data appear in many diverse areas of scientific knowledge. For example, in the drilling of a directional oil well, the displacement of the drill, along the path of the well, can be considered as an angular data time series. One of the objectives, in this context, consists in carrying out forecasts of the future positions of the drill, which will give more support to the petroleum engineer in the decision-making of when and how interfere in the path of a well, so that this follows the planned course. In this work, we study some classes of models that can be utilized for the modeling of that kind of series.

Conselho Nacional de Desenvolvimento CientÃfico e TecnolÃgico / O presente trabalho objetiva realizar previsÃes mensais da sÃrie do imposto de renda para o perÃodo de 2002. A metodologia empregada para alcanÃar essa finalidade consiste na utilizaÃÃo da tÃcnica de combinaÃÃo de previsÃes. Especificamente, combinam-se os resultados de previsÃo advindos de trÃs mÃtodos diferentes: tÃcnica do alisamento exponencial, metodologia de Box-Jenkins (modelos ARIMA) e modelos vetoriais de correÃÃo de erro. Obtida a previsÃo final, compara-se este resultado com os valores reais observados da sÃrie do imposto de renda para o ano de 2002 a fim de verificar o desempenho e a acurÃcia do modelo. / The main objective of this work was to generate predictions, at a monthly frequency, from 1990 to 2001, of income tax revenue. The methodology used was the one of forecast combining. Specifically, exponential smoothing, an ARIMA and VAR with error correction models were pooled to obtain final prediction. Ex-post forecast errors were used to test the performance of the model. Results indicated that combining performs better than individual models, and errors are in an acceptable interval for this type of prediction.

O setor agrícola é, historicamente, um dos pilares da economia brasileira, e apesar de ter sua importância diminuída com o desenvolvimento do setor industrial e de serviços ainda é responsável por dar dinamismo econômico ao país, bem como garantir a segurança alimentar, auxiliar no controle da inflação e na formação de reservas monetárias. Neste contexto as safras agrícolas exercem grande influência no comportamento do setor e equilíbrio no mercado agrícola. Foram desenvolvidas diversas metodologias de previsão de safra, sendo em sua maioria modelos de simulação de crescimento. Entretanto, recentemente os modelos estatísticos vem sendo utilizados mais comumente devido às suas predições mais rápidas em períodos anteriores à colheita. No presente trabalho foram avaliadas duas destas metodologias, os modelos ARIMA e os Modelos Lineares Dinâmicos (MLD), sendo utilizada tanto a inferência clássica quanto a bayesiana. A avaliação das metodologias deu-se por meio da análise das previsões dos modelos, bem como da facilidade de implementação e poder computacional necessário. As metodologias foram aplicadas a dados de produção de soja para o município de Mamborê-PR, no período de 1980 a 2013, sendo área plantada (ha) e precipitação acumulada (mm) variáveis auxiliares nos modelos de regressão dinâmica. Observou-se que o modelo ARIMA (2,1,0) reparametrizado na forma de um MLD e estimado por meio de máxima verossimilhança, gerou melhores previsões do que aquelas obtidas com o modelo ARIMA(2,1,0) não reparametrizado. / The agriculture is, historically, one of Brazil\'s economic pillars, and despite having it\'s importance diminished with the development of the industry and services it still is responsible for giving dynamism to the country inland\'s economy, ensuring food security, controlling inflation and assisting in the formation of monetary reserves. In this context the agricultural crops exercise great influence in the behaviour of the sector and agricultural market balance. Diverse crop forecast methods were developed, most of them being growth simulation models, however, recently the statistical models are being used due to its capability of forecasting early when compared to the other models. In the present thesis two of these methologies were evaluated, ARIMA and Dynamic Linear Models, utilizing both classical and bayesian inference. The forecast accuracy, difficulties in the implementation and computational power were some of the caracteristics utilized to assess model efficiency. The methodologies were applied to Soy production data of Mamborê-PR, in the 1980-2013 period, also noting that planted area (ha) and cumulative precipitation (mm) were auxiliary variables in the dynamic regression. The ARIMA(2,1,0) reparametrized in the DLM form and adjusted through maximum likelihood generated the best forecasts, folowed by the ARIMA(2,1,0) without reparametrization.

Submitted by Nathália Faria da Silva (nathaliafsilva.ufv@gmail.com) on 2017-07-04T17:58:58Z No. of bitstreams: 1 texto completo.pdf: 538594 bytes, checksum: 6093b581fc640e6c06d18048d80424f2 (MD5) / Made available in DSpace on 2017-07-04T17:58:58Z (GMT). No. of bitstreams: 1 texto completo.pdf: 538594 bytes, checksum: 6093b581fc640e6c06d18048d80424f2 (MD5) Previous issue date: 2001-02-04 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Esta pesquisa trata da aplicabilidade de modelos de previsão de séries temporais como ferramenta de decisão de compra e venda de contratos futuros da BM&F, em datas próximas ao vencimento. Para fins empíricos, foram consideradas as commodities boi gordo, café e soja. O objetivo geral foi verificar qual modelo fornece as previsões mais precisas para cada série de preços considerada no mercado físico. O objetivo específico foi calcular os retornos médios de cada modelo em operações de compra e venda nos mercados futuros das commodities analisadas, de modo a fornecer um indicativo do potencial ou da limitação de cada um deles. Os modelos estudados foram os de Box & Jenkins (ARIMA), Redes Neurais, Estruturais e Bayesianos. Os dados utilizados corresponderam às cotações semanais de boi gordo, café e soja nos mercados físico e futuro. A discussão se baseou na hipótese de que esses modelos são instrumentos viáveis de auxílio à tomada de decisão por parte de agentes ligados ao agronegócio, reduzindo a incerteza quanto ao comportamento futuro dos preços. A análise foi conduzida, primeiramente, em termos de Erro Percentual de Previsão da série de preços do mercado físico para, em seguida, verificar os retornos em simulações de compra e venda de contratos futuros de cada produto, utilizando-se o Índice Sharpe, além do viés positivo ou negativo dessa média, através da estatística de simetria e do grau de dispersão dos retornos, medido pela curtose da distribuição destes. De modo geral, os resultados indicaram que: a) os modelos de previsão de séries temporais captam, de modo coerente, o padrão de comportamento dos preços analisados; b) há, contudo, diferenças de desempenho preditivo entre os modelos e entre cada mercado; e c) os retornos financeiros se mostraram positivos na maioria dos contratos analisados, indicando o potencial de utilização desses modelos em negociações de contratos para datas próximas ao vencimento, com destaque para operações fundamentadas nas previsões dos Modelos ARIMA e Estruturais. / This research deals with the usefulness of times series forecast models as a tool for buy and sell decisions of the brazilian BM&F future contracts, in dates nearby the expiration. For this purpose, the commodities considered were live cattle, coffee and soybeans. The general objective is to verify which model generates the most accurate forecasts for each price series of the considered commodities in the spot market. The specific objective is to calculate the medium returns of each model in buy and sell operations in each market of the analyzed commodities, in way to provide an indication of the potentials or limitations of each one.The models considered are the Box & Jenkins (ARIMA), Neural Networks, Structural and Bayesians time series models. The data utilized correspond to the weekly quotations of live cattle, coffee and soybeans in the spot and futures markets. The discussion is based on the hypothesis that those models are viable instruments to support decisions of economic agents participating in the agribussiness, reducing the uncertainty related to the future behavior of the spot prices. The analysis is carried out, firstly, in terms of Percentage Forecast Error for the price series in the spot market. Then, it verifies the returns in simulated buy and sell of future contracts of each product, using the Sharpe Index as a tool for comparsion, as well as the symmetry and kurtosis statistics. In general, the results indicate that: a) the time series forecast models capture coherently the pattern of the analyzed prices; b) there is, however, differences of forecast performance among the models and markets; and c) the financial returns are shown positive in most of the analyzed contracts, indicating the potential use of those models in negotiations of contracts for dates close to the expiration, with prominence for operations based in the forecasts of the ARIMA and Structural models.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / In the current competitive market, a great part of companies has as the main goal the search for continuous improvement of their products and services. Therefore, the application of statistical methods has great relevance in the quality evaluation, helping in the understanding and monitoring of the processes. In such context, the present study concerns to the use of multivariate control charts in the evaluation of the productive processes in the presence of cross-correlation, which the objective is to verify the continuous casting process stability in the production of still billets by means of Hotelling's T2 multivariate control charts applied in the estimated residual mathematical linear models. Initially, the existence of data autocorrelation was verified, it is necessary the ARIMA modeling, because when it happens, it is necessary to determine the residues and apply multivariate control charts to the residues and not on the original variables. The existence of correlation showed to be meaningful among the variables, being one of the assumptions for the statistical application T2. When the T2 chart instability is verified, it was necessary to identify the variable or the set of variables of steel temperatures in the distributor and in the distributor weight, which are responsible for the instability. Later, the estimated residues were decomposed into principal components, and with the help of the correlation of the original variables and the principal components, the variables which most contributed to the formation of each component were identified. Therefore, it was possible to detect the variables which caused the system instability, once for the steel temperature in the distributor were the T4 and T5, followed by T6, T3, T7 and T2 and for the weight of the distributor, PD4, PD5, PD3, PD6 and PD2, respectively. This way, the estimated residues from the mathematical models, the use of multivariate chart control Hotelling's T2 and the decomposition into principal components which were able to represent the productive process. This methodology allowed the understanding of the behavior of the variables and helped the monitoring of this process, as well as, in the determination of the possible variables which caused the instability in the continuous casting process. / No atual mercado competitivo, grande parte das empresas tem como principal objetivo a busca da melhoria contínua dos seus produtos e serviços. Assim, a aplicação de métodos estatísticos apresenta grande relevância na avaliação da qualidade, auxiliando na compreensão e monitoramento de processos. Nesse contexto, o presente estudo aborda a utilização de gráficos de controle multivariados na avaliação do processo produtivo na presença de correlação cruzada, cujo objetivo é verificar a estabilidade do processo de lingotamento contínuo na fabricação de tarugos de aço por meio do gráfico de controle multivariado T2 de Hotelling aplicado nos resíduos estimados de modelos matemáticos lineares. Inicialmente, foi verificada a existência de autocorrelação nos dados, sendo necessária a utilização da modelagem ARIMA, pois quando isso ocorre, deve-se proceder à determinação dos resíduos e aplicar os gráficos de controle multivariados aos resíduos e não nas variáveis originais. A existência de correlação cruzada mostrou-se significativa entre as variáveis, sendo um dos pressupostos para a aplicação da estatística T2. Verificada a instabilidade no gráfico T2, buscaram-se identificar a variável ou conjunto de variáveis das temperaturas do aço no distribuidor e peso do distribuidor, responsáveis pela instabilidade. Posteriormente, os resíduos estimados foram decompostos em componentes principais, e com o auxílio da correlação entre as variáveis originais e as componentes principais, identificou-se as variáveis que mais contribuíram para a formação de cada componente. Assim, foi possível detectar as variáveis causadoras da instabilidade do sistema, sendo que para às temperaturas do aço no distribuidor foram às temperaturas T4 e T5, seguidas de T6, T3, T7 e T2 e para o peso do distribuidor, PD4, PD5, PD3, PD6 e PD2, respectivamente. Deste modo, os resíduos estimados oriundos dos modelos matemáticos, a aplicação dos gráficos de controle multivariados T2 de Hotelling e a decomposição em componentes principais foram capazes de representar o processo produtivo. Esta metodologia possibilitou a compreensão do comportamento das variáveis e auxiliou no monitoramento do processo, bem como, na determinação das possíveis variáveis causadoras da instabilidade no processo de lingotamento contínuo.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The global and national political and economic situation reflects directly on changes in the labor market. Concern about the employability, generate new jobs, as well as security and formality of these, and, places that no longer exist causing unemployment, it is constantly agenda in the academic literature, the media and at the same time government concern. In this context, the objective in this research was to analyze the absolute indicators of formal employment, initially in the eight sectors of the economy (mineral extraction, manufacturing, industrial and public utility services, construction, trade, services, agriculture and public administration) and, subsequently adjust predictive models in four major economic sectors (construction, trade, manufacturing and services). First, there was a descriptive analysis of dismissals in the state of Rio Grande do Sul between January 2004 and December 2014. Then, the analysis extended to the other states of the South region of Brazil (Santa Catarina and Paraná) jointly between 05/2003 and 12/2014. For this, we used the secondary database of the General Register of Employed and Unemployed, made available by the Ministry of Labor and Employment. For data analysis and model adjustments, we used a methodology developed by Box and Jenkins to time series. Initial results indicated significant growth trend of dismissals in the state of Rio Grande do Sul, in seven of the eight sectors of this economy. Second time, were set twelve statistical models forecast that showed seasonal component. Through the models found, it was possible to determine the forecast of formal employment by sector of economic activity in southern Brazil, based on values outside of the sample. In conclusion, the models found showed satisfactory predictions as accompanied the process of the actual values, indicating low average percentage absolute error. / A situação político-econômica mundial e nacional reflete diretamente nas transformações ocorridas no mercado de trabalho. A preocupação com a empregabilidade, geração de novos empregos, bem como a segurança e formalidade destes, e, as vagas que deixam de existir ocasionando o desemprego, é pauta constantemente na literatura acadêmica, na mídia e ao mesmo tempo preocupação do governo. Neste contexto, o objetivo proposto nesta pesquisa foi analisar os indicadores absolutos do emprego formal, inicialmente nos oito setores da economia (extrativa mineral, indústria de transformação, serviços industriais de utilidade pública, construção civil, comércio, serviços, agropecuária e administração pública) e, posteriormente, ajustar modelos de previsão no quatro maiores setores de atividade econômica (construção civil, comércio, indústria de transformação e serviços). Primeiramente, realizou-se uma análise descritiva dos desligamentos no estado do Rio Grande do Sul entre janeiro de 2004 e dezembro de 2014. Em seguida, a análise estendeu-se aos demais estados da região Sul do Brasil (Santa Catarina e Paraná) de forma conjunta entre 05/2003 e 12/2014. Para isso, utilizou-se a base de dados secundários do Cadastro Geral de Empregados e Desempregados, disponibilizados pelo Ministério do Trabalho e Emprego. Para as análises dos dados e ajustes de modelos, empregou-se a metodologia desenvolvida por Box e Jenkins para séries temporais. Os resultados iniciais indicaram tendência significativa de crescimento dos desligamentos no estado do Rio Grande do Sul, em sete dos oito setores da economia avaliados. Em segundo momento, foram ajustados doze modelos estatísticos de previsão que apresentaram componente sazonal. Por meio dos modelos encontrados, foi possível determinar a previsão do emprego formal por setor de atividade econômica na região Sul do Brasil, com base nos valores fora da amostra. Conclui-se que, os modelos encontrados apresentaram previsões satisfatórias, pois acompanharam o processo dos valores reais, evidenciando baixo erro absoluto percentual médio.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4757.pdf: 552745 bytes, checksum: 4f9bf1ad04dfca4e80bbfdf36c909f6f (MD5) Previous issue date: 2012-12-06 / Financiadora de Estudos e Projetos / Time series forecasting is probably one of the most primordial interests on economics and econometrics, and the literature on this subject is extremely vast. Due to technological growth in recent decades, large amounts of time series are daily collected; which, in a first moment, it requires forecasts according a fixed horizon; and on the second moment the forecasts must be constantly updated, making it impractical to human interaction. Towards this direction, computational procedures that are able to model and return accurate forecasts are required in several research areas. The search for models with high predictive power is an issue that has resulted in a large number of publications in the area of forecasting models. We propose to do a theorical and applied study of forecasting methods applied to multiple univariate time series. The study was based on exponential smoothing via state space approach, automatic ARIMA methods and the generalized Theta method. Each model and method were applied in large data bases of univariate time series and the forecast errors were evaluated. We also propose an approach to estimate the Theta coefficients, as well as a redefinition of the method regarding the number of decomposition lines, extrapolation methods and a combining approach. / A previsão de séries temporais é provavelmente um dos interesses mais primordiais na área de economia e econometria, e a literatura referente a este assunto é extremamente vasta. Devido ao crescimento tecnológico nas últimas décadas, diariamente são geradas e disponibilizadas grandes quantidades de séries temporais; que em um primeiro momento, requerem previsões de acordo com um horizonte fixado; e no segundo momento as previsões precisam ser constantemente atualizadas, tornando pouco prática a interação humana. Desta forma, procedimentos computacionais que modelem e posteriormente retornem previsões acuradas são exigidos em diversas áreas do conhecimento. A busca por modelos com alto poder de preditivo é uma questão que tem resultado em grande quantidade de publicações na área de modelos para previsão. Neste trabalho, propõe-se um estudo teórico e aplicado de métodos de previsão aplicado à múltiplas séries temporais univariadas. O estudo foi baseado em modelos de alisamento exponencial via espaço de estados, método ARIMA automático e o método Theta generalizado. Cada modelo e método foi aplicado em grandes bases de séries temporais univariadas e avaliado o resultado em relação aos erros de previsão. Também foi proposta uma abordagem para estimação dos coeficientes Theta, assim como redefinição do método em relação a quantidade de linhas para decomposição, métodos de extrapolação e combinação das linhas para previsão.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2016-07-18T14:26:58Z No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2016-07-22T15:03:54Z (GMT) No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) / Made available in DSpace on 2016-07-22T15:03:54Z (GMT). No. of bitstreams: 1 daniellealdepaulaestevesdosreis.pdf: 1239258 bytes, checksum: 75cc07cdf6eba15d62c43b78ac783fbc (MD5) Previous issue date: 2011-12-16 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / Medidas de volatilidade se constituem numa preocupação por parte de estudiosos e profissionais do mercado financeiro. Modelos da família ARCH/GARCH a partir dos retornos diários produzem um indicador de volatilidade, mas, não conferem ao pesquisador uma medida observável do grau de variabilidade dos retornos em torno de seu valor esperado. A recente disponibilidade de dados de frequência inferior a um dia de negociação permitiu a elaboração de indicadores de volatilidade observáveis por meio de uma medida conhecida como volatilidade realizada. A partir de então, é possível elaborar um indicador observável de volatilidade diária com base em dados de natureza intradiária, de modo a representar uma medida mais apropriada do grau de risco de um ativo ou carteira de ativos, e, a partir de então, estimar a volatilidade por meio de processo da família ARIMA. De posse dos dados de alta-frequência de um papel preferencial da Petrobrás S.A., o presente trabalho se propõe, portanto, em construir a medida de volatilidade realizada por meio da soma dos quadrados dos retornos obtidos em intervalos regulares (5, 15 e 30 minutos) durante cada dia de negociação do papel PETR4 durante o período de 02/01/2007 à 29/10/2010. Posteriormente à criação do indicador de volatilidade realizada que se supõe como mais apropriado para se mensurar o grau de risco, pretende-se comparar a qualidade do ajustamento e a capacidade preditiva de cada um dos métodos de modelagem da volatilidade. A comparação dos modelos baseados em dados diários e intradiários dar-se-á por meio do cômputo do erro quadrático médio (EQM) e dos testes de Diebold e Mariano e de Harvey para avaliação da acurácia preditiva dos modelos. Os resultados mostraram que, em geral, os modelos da família ARIMA são mais apropriados para a avaliação do grau de ajustamento, e produz previsões mais satisfatórias que os modelos da família ARCH/GARCH. / Volatility measures constitute a concern among scholars and professionals of the financial market. Models of the ARCH/GARCH class from the daily returns produce an indicator of volatility, but do not give the researcher an observable measure of the degree of variability of returns around their expected value. The recent availability of data at frequencies below a trading day allowed the development of indicators of volatility observable through a measurement known as realized volatility. Since then, they can build an observable indicator of daily volatility based on intraday data, so as to represent a more appropriate measure of the riskiness of an asset, and from then estimate volatility through a process of ARIMA family. Provided with the data of a high frequency preferential role of Petrobrás S. A., the present paper therefore proposes to construct a measure of realized volatility by the sum of the squares of the returns obtained at regular intervals (5, 15 and 30 minutes ) during each trading day for the paper PETR4 during 02/01/2007 to 29/10/2010. After the creation of the realized volatility indicator that is supposed to be more appropriate to measure the degree of risk, the intent is to compare the goodness of fit and predictive ability of each of the methods of volatility’s models. The comparison of models based on daily data and intraday give will be through the calculation of the mean square error (MSE) and tests of Diebold and Mariano and Harvey to evaluate the predictive accuracy of models. The results in general showed that the models of the ARIMA class are more suitable for assessing the degree of adjustment and produces predictions more satisfactory than the models of the ARCH/GARCH class.