Cópulas tem se tornado uma importante ferramenta para descrever e analisar a estrutura de dependência entre variáveis aleatórias e processos estocásticos. Recentemente, surgiram alguns métodos de estimação não paramétricos, utilizando kernels e ondaletas. Neste contexto, sabendo que cópulas podem ser escritas como expansão em ondaletas, foi proposto um estimador não paramétrico via ondaletas para a função cópula para dados independentes e de séries temporais, considerando processos alfa-mixing. Este estimador tem como característica principal estimar diretamente a função cópula, sem fazer suposição alguma sobre a distribuição dos dados e sem ajustes prévios de modelos ARMA - GARCH, como é feito em ajuste paramétrico para cópulas. Foram calculadas taxas de convergência para o estimador proposto em ambos os casos, mostrando sua consistência. Foram feitos também alguns estudos de simulação, além de aplicações a dados reais. / Copulas are important tools for describing the dependence structure between random variables and stochastic processes. Recently some nonparametric estimation procedures have appeared, using kernels and wavelets. In this context, knowing that a copula function can be expanded in a wavelet basis, we have proposed a nonparametric copula estimation procedure through wavelets for independent data and times series under alpha-mixing condition. The main feature of this estimator is the copula function estimation without assumptions about the data distribution and without ARMA - GARCH modeling, like in parametric copula estimation. Convergence rates for the estimator were computed, showing the estimator consistency. Some simulation studies were made, as well as analysis of real data sets.

Made available in DSpace on 2016-12-23T14:04:31Z (GMT). No. of bitstreams: 1 Daniela Bertolini Depizzol parte 1.pdf: 1698172 bytes, checksum: cd09e15817de93c124e9533e9924b4a2 (MD5) Previous issue date: 2008-08-21 / A compreenção das estruturas da turbulência na Camada Limite Superficial (CLS) é de fundamental importância, quando se almeja melhor entender, por exemplo, a dispersão de poluntes em regiões urbanas. No presente estudo, buscou-se entender estas estruturas da turbulência, valendo-se da análise de ondaletas (FARGE, 1992) com o objetivo de observar, dentre outros, o período e o desencadeamento destas estruturas em função do tempo. Foram utilizados dados meteorológicos - temperatura e componentes u, v e w da velocidade do vento - obtidos em experimento de campo realizado em agosto de 1998 na cidade de Utah, nos EUA (SANTOS, 2000). A medição ocorreu a 1,5 m, 3 m e 6 m de altura do solo, à 20 hz, em diferentes horários do dia e da noite, utilizando-se anemômetros ultra-sônicos. Neste estudo, são utilizados os escalogramas e os espectros de ondaletas, para se analisar o comportamento da turbulência na CLS, separando as análises em dois grandes grupos: um que trata dos experimentos obtidos em diferentes dias e horários na mesma altura; e um outro, que fixa dia e hora, e varia a altura (1,5 m e 6 m). Nos escalogramas de todos os experimentos foi observada uma estruturação da energia, em que se pôde notar o desencadeamento das estruturas coerentes no fluxo turbulento. A partir dos períodos predominantes foi feita a estimativa da altura da Camada de Mistura e das Escalas Eulerianas Integrais de Tempo e de Comprimento.

A crescente utilização de novas tecnologias, as quais necessitam de uma fonte de energia menor e mais eficiente, como os microssensores para monitoramento de sistemas e estruturas nas chamadas cidades inteligentes, torna a captura da energia do ambiente uma opção viável para alimentação de tais dispositivos. Como a energia cinética é uma fonte de energia facilmente encontrada no ambiente, os sistemas que a capturam e convertem em eletricidade têm sido amplamente estudados, especialmente os que utilizam transdutores piezoelétricos. Considerando estruturas aporticadas, como prédios, pontes etc., comumente encontradas nas cidades, este trabalho apresenta um novo modelo de sistema de captura de energia piezoelétrico com base em um pórtico não linear, sob uma excitação não ideal, por meio de uma fonte com potência limitada. Para modelar o acoplamento piezoelétrico, foram consideradas as não linearidades do material piezoelétrico. Por meio das simulações numéricas, pode-se verificar a eficiência e a viabilidade do modelo proposto. Devido ao fato de as vibrações do meio ambiente serem senoidais, aleatórias ou transitórias, surge uma dificuldade na captura de energia de forma eficiente e com um nível contínuo. A utilização de controles passivos pode melhorar a energia capturada, removendo o movimento caótico do sistema e mantendo a oscilação em uma órbita periódica estável. Assim, duas estratégias de controle passivo foram empregadas, a primeira utilizando uma subestrutura com características de absorvedor de energia não linear (NES) e a segunda pela introdução de um pêndulo. Em ambos os casos, as simulações demonstraram que o controle passivo foi eficiente em levar o sistema caótico para uma órbita periódica estável, otimizando a captura de energia do sistema. Uma análise considerando incertezas nos parâmetros foi realizada, para verificar a robustez da estratégia de controle, assim como a sensibilidade do sistema de controle a erros paramétricos. Os resultados mostraram a eficiência do controle passivo e o fenômeno do bombeamento de energia na supressão do comportamento caótico. A principal vantagem do controle passivo é não necessitar de componentes eletrônicos para controlar o sistema, sendo apenas um componente mecânico \"massa\", acoplado à estrutura principal. Uma análise wavelet foi realizada sobre o modelo, para identificar o comportamento oscilatório do sistema e permitir a visualização das frequências de vibração que capturam mais energia. / The increasing use of new technologies, which have the need for smaller and more energy efficient sources, such as micro-sensors for monitoring systems and structures of the so-called smart cities, assigns environmental energy harvesting a viable option to power such devices. As kinetic energy is a source easily found in the environment, the systems that harvest and convert this type of energy into electricity have been widely studied, especially those using piezoelectric transducers. Considering framed structures, such as buildings, bridges, etc., which are commonly found in the cities, this paper presents a new model of piezoelectric energy harvesting system based on a nonlinear portal frame, under a non-ideal excitation by a source with limited power. To model Piezoelectric couplings, they were considered nonlinearities of the piezoelectric material. Through numerical simulations, the effciency and viability of the proposed model can be verified. A difficulty arises in harvesting energy in an efficient manner, and with a continuous level, because the vibrations of the environment are sinusoidal, random or transient. However, the use of passive controls can improve the energy harvested by removing the chaotic motion of the system and maintaining the oscillation at a stable periodic orbit. Thus, two passive control strategies were employed, the first using a substructure with characteristics of nonlinear energy sink (NES), and the second by introducing a pendulum. In both cases, the simulations showed that the passive control was efficient in bringing the chaotic system to a stable periodic orbit, optimizing the energy harvest system. An analysis considering the uncertainties in the parameters was performed to verify the robustness of the control strategy, as well as the sensitivity of the control system of parametric errors. The results showed the efficiency of passive control and the energy pumping phenomenon in the suppression of the chaotic behavior. The main advantage of passive control is not to require any electronic components for controlling the system, only a mechanical component _mass_, attached to the main structure. A Wavelet Analysis was conducted on the model to identify the oscillatory behavior of the system and allowed the viewing of the vibration frequencies that harvest more energy.

Neste texto são revisados métodos de reamostragem de séries temporais discretas baseados em wavelets, como alternativas as abordagens clássicas, feitas nos domínios do tempo e da frequência. Tais métodos, conhecidos na literatura como wavestrap e wavestrapping fazem uso, respectivamente, das transformadas wavelet discreta (DWT) e wavelet packet discreta (DWPT). Existem poucos resultados sobre a aplicação da DWPT, de forma que este texto pode ser considerado uma contribuição. Aqui mostra-se também, a superioridade do wavestrapping sobre o wavestrap quando aplicados na estimação da densidade espectral de potência de séries temporais sintéticas geradas a partir de modelos autoregressivos. Tais séries possuem uma particularidade interessante que são picos, geralmente acentuados, em sua reapresentação espectral, de tal forma que grande parte dos métodos clássicos de reamostragem apresentam resultados viesados quando aplicados a estes casos. / This paper reviews resampling methods based on wavelets as an alternative to the classic approaches which are, made in the time and frequency domains. These methods, known in the literature as wavestrap and wavestrapping, make use, respectively, of the discrete wavelet transform (DWT) and of the discrete wavelet packet transform (DWPT). Since only few results are avaliable when the DWPT is applied, this text can be considered a contribution to the subject. Here we, also show the superiority of wavestrapping over wavestrap when they are applied to the estimation of power spectral densities of the synthetic time series generated from autoregressive models. These series have an interesting feature that are sharp peaks in their spectral representation, so that most of the traditional methods of resampling lead to biased results.

A necessidade de antecipar e identificar variações de acontecimentos apontam para uma nova direção nos mercados de bolsa de valores e vem de encontro às análises das oscilações de preços de ativos financeiros. Esta necessidade leva a argumentar sobre novas alternativas na predição de séries temporais financeiras utilizando métodos de aprendizado de máquinas e vários modelos têm sido desenvolvidos para efetuar a análise e a previsão de dados de ativos financeiros. Este trabalho tem por objetivo propor o desenvolvimento de um modelo de previsão adaptativo baseado em um sistema SVR-wavelet híbrido, que integra modelos de wavelets e Support Vector Regression (SVR) na previsão de séries financeiras. O método consiste na utilização da Transformada de Wavelet Discreta (DWT) a fim de decompor dados de séries de ativos financeiros que são utilizados como variáveis de entrada do SVR com o objetivo de prever dados futuros de ativos financeiros. O modelo proposto é aplicado a um conjunto de ativos financeiros do tipo Foreign Exchange Market (FOREX), Mercado Global de Câmbio, obtidos a partir de uma base de conhecimento público. As séries são ajustadas gerando-se novas predições das séries originais, que são comparadas com outros modelos tradicionais tais como o modelo Autorregressivo Integrado de Médias Móveis (ARIMA), o modelo Autorregressivo Fracionário Integrado de Médias Móveis (ARFIMA), o modelo Autorregressivo Condicional com Heterocedasticidade Generalizado (GARCH) e o modelo SVR tradicional com Kernel. Além disso, realizam-se testes de normalidade e de raiz unitária para distribuição não linear, tal como testes de correlação, para constatar que as séries temporais FOREX são adequadas para a comprovação do modelo híbrido SVR-wavelet e posterior comparação com modelos tradicionais. Verifica-se também a aderência ao Expoente de Hurst por meio da estatística de Reescalonamento (R/S). / The necessity to anticipate and identify changes in events points to a new direction in the stock exchange market and reaches the analysis of the oscillations of prices of financial assets. This necessity leads to an argument about new alternatives in the prediction of financial time series using machine learning methods. Several models have been developed to perform the analysis and prediction of financial asset data. This thesis aims to propose the development of SVR-wavelet model, an adaptive and hybrid prediction model, which integrates wavelet models and Support Vector Regression (SVR), for prediction of Financial Time Series, particularly Foreign Exchange Market (FOREX), obtained from a public knowledge base. The method consists of using the Discrete Wavelets Transform (DWT) to decompose data from FOREX time series, that are used as SVR input variables to predict new data. The series are adjusted by generating new predictions of the original series, which are compared with other traditional models such as the Autoregressive Integrated Moving Average model (ARIMA), the Autoregressive Fractionally Integrated Moving Average model (ARFIMA), the Generalized Autoregressive Conditional Heteroskedasticity model (GARCH) and the traditional SVR model with Kernel. In addition, normality and unit root tests for non-linear distribution, and correlation tests, are performed to verify that the FOREX time series are adequate for the verification of SVR-wavelet hybrid model and comparison with traditional models. There is also the adherence to the Hurst Exponent through the statistical Rescaled Range (R/S).

Made available in DSpace on 2014-12-17T15:14:57Z (GMT). No. of bitstreams: 1 MarcosVCH_TESE.pdf: 3967701 bytes, checksum: 441f771d20038217d3d711269b0e3d5f (MD5) Previous issue date: 2012-08-24 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / In this thesis, we study the application of spectral representations to the solution of problems in seismic exploration, the synthesis of fractal surfaces and the identification of correlations between one-dimensional signals. We apply a new approach, called Wavelet Coherency, to the study of stratigraphic correlation in well log signals, as an attempt to identify layers from the same geological formation, showing that the representation in wavelet space, with introduction of scale domain, can facilitate the process of comparing patterns in geophysical signals. We have introduced a new model for the generation of anisotropic fractional brownian surfaces based on curvelet transform, a new multiscale tool which can be seen as a generalization of the wavelet transform to include the direction component in multidimensional spaces. We have tested our model with a modified version of the Directional Average Method (DAM) to evaluate the anisotropy of fractional brownian surfaces. We also used the directional behavior of the curvelets to attack an important problem in seismic exploration: the atenuation of the ground roll, present in seismograms as a result of surface Rayleigh waves. The techniques employed are effective, leading to sparse representation of the signals, and, consequently, to good resolutions / Nesta tese, estudamos as aplica??es de representa??es espectrais para a solu??o de problemas em s?smica de reflex?es, a s?ntese de superf?cies fractais e a identifica??o de correla??es entre sinais unidimensionais. Aplicamos uma novo m?todo conhecido como Coer?ncia em Ondaletas para o estudo da correla??o estratigr?fica em sinais que representam perfis de po?os,como uma tentativa de identificar camadas pertencentes ? mesma forma??o geol?gica, demonstrando que a representa??o no espa?o das ondaletas, com a introdu??o do dom?nio de escala, pode facilitar o processo de comparar padr?es em sinais f?sicos. Introduzimos um novo modelo para a gera??o de superf?cies brownianas fracion?rias anisotr?picas baseada na transformada Curvelet, uma nova ferramenta multiescala que pode ser vista como uma generaliza??o da transformada em ondaletas para incluir a componente de dire??o em espa?os multidimensionais. Testamos nosso modelo com uma vers?o modificada do M?todo da M?dia Direcional (DAM) para a avalia??o de anisotropia de superfic?es brownianas fracion?rias. Tamb?m utilizamos o comportamento direcional das curvelets para atacar um problema importante na s?smica de explora??o: a atenua??o do ru?do de rolamento, presente no sismograma como resultado de ondas de Rayleigh superficiais. As t?cnicas empregadas s?o eficientes, levando a representa??es esparsas dos sinais e, consequentemente, a boas resolu??es

A necessidade de antecipar e identificar variações de acontecimentos apontam para uma nova direção nos mercados de bolsa de valores e vem de encontro às análises das oscilações de preços de ativos financeiros. Esta necessidade leva a argumentar sobre novas alternativas na predição de séries temporais financeiras utilizando métodos de aprendizado de máquinas e vários modelos têm sido desenvolvidos para efetuar a análise e a previsão de dados de ativos financeiros. Este trabalho tem por objetivo propor o desenvolvimento de um modelo de previsão adaptativo baseado em um sistema SVR-wavelet híbrido, que integra modelos de wavelets e Support Vector Regression (SVR) na previsão de séries financeiras. O método consiste na utilização da Transformada de Wavelet Discreta (DWT) a fim de decompor dados de séries de ativos financeiros que são utilizados como variáveis de entrada do SVR com o objetivo de prever dados futuros de ativos financeiros. O modelo proposto é aplicado a um conjunto de ativos financeiros do tipo Foreign Exchange Market (FOREX), Mercado Global de Câmbio, obtidos a partir de uma base de conhecimento público. As séries são ajustadas gerando-se novas predições das séries originais, que são comparadas com outros modelos tradicionais tais como o modelo Autorregressivo Integrado de Médias Móveis (ARIMA), o modelo Autorregressivo Fracionário Integrado de Médias Móveis (ARFIMA), o modelo Autorregressivo Condicional com Heterocedasticidade Generalizado (GARCH) e o modelo SVR tradicional com Kernel. Além disso, realizam-se testes de normalidade e de raiz unitária para distribuição não linear, tal como testes de correlação, para constatar que as séries temporais FOREX são adequadas para a comprovação do modelo híbrido SVR-wavelet e posterior comparação com modelos tradicionais. Verifica-se também a aderência ao Expoente de Hurst por meio da estatística de Reescalonamento (R/S). / The necessity to anticipate and identify changes in events points to a new direction in the stock exchange market and reaches the analysis of the oscillations of prices of financial assets. This necessity leads to an argument about new alternatives in the prediction of financial time series using machine learning methods. Several models have been developed to perform the analysis and prediction of financial asset data. This thesis aims to propose the development of SVR-wavelet model, an adaptive and hybrid prediction model, which integrates wavelet models and Support Vector Regression (SVR), for prediction of Financial Time Series, particularly Foreign Exchange Market (FOREX), obtained from a public knowledge base. The method consists of using the Discrete Wavelets Transform (DWT) to decompose data from FOREX time series, that are used as SVR input variables to predict new data. The series are adjusted by generating new predictions of the original series, which are compared with other traditional models such as the Autoregressive Integrated Moving Average model (ARIMA), the Autoregressive Fractionally Integrated Moving Average model (ARFIMA), the Generalized Autoregressive Conditional Heteroskedasticity model (GARCH) and the traditional SVR model with Kernel. In addition, normality and unit root tests for non-linear distribution, and correlation tests, are performed to verify that the FOREX time series are adequate for the verification of SVR-wavelet hybrid model and comparison with traditional models. There is also the adherence to the Hurst Exponent through the statistical Rescaled Range (R/S).

Cópulas tem se tornado uma importante ferramenta para descrever e analisar a estrutura de dependência entre variáveis aleatórias e processos estocásticos. Recentemente, surgiram alguns métodos de estimação não paramétricos, utilizando kernels e ondaletas. Neste contexto, sabendo que cópulas podem ser escritas como expansão em ondaletas, foi proposto um estimador não paramétrico via ondaletas para a função cópula para dados independentes e de séries temporais, considerando processos alfa-mixing. Este estimador tem como característica principal estimar diretamente a função cópula, sem fazer suposição alguma sobre a distribuição dos dados e sem ajustes prévios de modelos ARMA - GARCH, como é feito em ajuste paramétrico para cópulas. Foram calculadas taxas de convergência para o estimador proposto em ambos os casos, mostrando sua consistência. Foram feitos também alguns estudos de simulação, além de aplicações a dados reais. / Copulas are important tools for describing the dependence structure between random variables and stochastic processes. Recently some nonparametric estimation procedures have appeared, using kernels and wavelets. In this context, knowing that a copula function can be expanded in a wavelet basis, we have proposed a nonparametric copula estimation procedure through wavelets for independent data and times series under alpha-mixing condition. The main feature of this estimator is the copula function estimation without assumptions about the data distribution and without ARMA - GARCH modeling, like in parametric copula estimation. Convergence rates for the estimator were computed, showing the estimator consistency. Some simulation studies were made, as well as analysis of real data sets.

Ecossistemas marinhos de upwelling são muito heterogêneos e apresentam uma intensa atividade de mesoescala de dimensão de dezenas de quilômetros e submesoescala que variam de centenas de metros até quilômetros dos processos físicos. A importância das estruturas dos processos físicos está na estruturação que eles exercem sob a biomassa de zooplâncton. O presente trabalho está relacionado a um estudo realizado a cabo no Norte do Sistema da Corrente de Humboldt (Peru). Utilizou-se duas variáveis, a profundidade do limite superior da zona de mínimo oxigênio (ZMO) e a biomassa de zooplâncton. É desenvolvida uma metodologia de análise baseada no uso de ondaletas para a identicação das estruturas dos processos físicos em suas diferentes escalas. O método foi aplicado aos dados de ZMO. Estudos de simula ção mostraram que o método tem a capacidade de identicar as estruturas de interesse, tendo erro de estimação nas bordas do espectro da potência de ondaleta. A tipologia das estruturas identicadas mostraram que existe três tipos de estruturas, estruturas maiores de mesoescala, duas estruturas pequenas de submesoescala com profundidades diferentes. Outro resultado importante foi que dentro das estruturas pequenas e mais profundas existe maior biomassa de zooplâncton, principalmente nas estruturas de downwelling. / Marine upwelling ecosystems are very heterogeneous and have intense physical processes of mesoscale, of tens of kilometers, and submesoscale, ranging from hundreds of meters to kilometers. The importance of the structures of the physical processes is the rol they play in structuring the biomass of zooplankton. This work was carried out in northern Humboldt Current System (Peru). Two variables were used: the depth of the upper limit of the oxygen minimum zone (ZMO) and biomass of zooplankton. In this work we developed an analysis method based on wavelet analysis for identication and extraction of structures of physical processes at their dierent scales. The method was applied to the ZMO data. Simulation studies showed that the method has the ability to identify the structures of interest with estimation errors in the boundaries of the power spectrum of the wavelet. A typology of the structures give us three large and very energetic structures corresponding to mesoscale processes, and two other small ones of dierent depths corresponding to submesoscale processes. Another important result was that within the smaller and deeper structures there is more biomass of zooplankton, especially in downwelling structures.

O objetivo principal deste trabalho foi o de explorar a possibilidade de usar uma metodologia capaz de decompor uma série temporal via ondaletas, conjuntamente com os modelos econométricos e de redes neurais já existentes de previsão e comparar a qualidade de previsões obtidas para sucessões cronológicas não lineares simuladas. A proposta foi alcançada principalmente pela elaboração de um fluxograma para tratamento das previsões de sucessões cronológicas para colocar um rigor quantitativo mais adequado. O diferencial deste trabalho esteve na realização das previsões dentro das sub-séries decompostas por uma ondaleta em até dois níveis, e obtendo-se a previsão da série original via reconstrução da série para modelos construídos por processos geradores de dados de sucessões cronológicas não-lineares. Foram simulados séries de um processo ARIMA-GARCH, um processo ARIMA, um processo bilinear e uma série de um movimento browniano. O trabalho principal constituiu-se na elaboração da fase de pré-processamento e das previsões estática em separado para cada uma das sub-séries encontradas sendo feitas para 10 e 200 observações futuras. Além das previsões pontuais foi verificada também o envelopamento dos dados, que consiste em comparar o modelo de previsão através de um intervalo de confiança para os valores previstos em mil séries simuladas pela mesma semente. Os resultados apontaram que para um modelo ARIMA(1,0,0)-GARCH(1,1), pode-se observar que o pré-processamento pela ondaleta foi melhor para apenas uma etapa de separação de altas e baixas freqüências tanto pela correlação quanto pelos critérios do TIC sendo este reduzido e pelo MAPE menor para as previsões de curto prazo. Já para os modelos de redes neurais uma diferença importante que deve ser ressaltada entre as redes neurais recorrentes e as redes com algoritmo de retropropagação é a capacidade de previsão das redes recorrentes para dados não-lineares com 2 níveis de pré-processamento e para previsões de curto prazo. Todavia, já para o critério do envelopamento, os melhores resultados foram para as redes recorrentes na previsão do processo ARIMA-GARCH e bilinear e pré-processamento com 1 nível. Todos os dados também foram comparados com as previsões feitas sem pré-processamento, as quais se mostraram impróprias com MAPE perto de 100% para previsões de longo prazo. Também checou-se neste trabalho as alterações que a mudança da escolha de uma ondaleta por outra, poderia impactar nos resultados das previsões futuras. Constatou-se que a troca da forma de onda no pré-processamento que se pareça mais visualmente com a forma dos dados da série, reduz as medidas de acurácia em 48%, deixando evidências que possa haver melhoras nos resultados. Na análise prática para o IBOVESPA, os resultados não foram satisfatórios, visto que os melhores resultados ficam para redes recorrentes com 1 nível de pré-processamento. Outrossim, da análise deste trabalho, emerge a importância dada ao fluxograma implementado para as previsões e o papel das previsões em separado por ondaletas como redutores dos erros nos processos estocásticos, e da implementação das bandas de previsões para redes recorrentes para sucessões cronológicas não-lineares. / The main objective of this work was it of exploring the possibility to use a methodology capable to decompose a temporary series through ondaletas, jointly with the econometrics models and of neural network already existent of forecast and to compare the quality of forecasts obtained for chronological successions no lineal simulated. The proposal was reached mainly by the elaboration of a flowchart for treatment of the forecasts of chronological successions to put a more appropriate quantitative rigidity. The differential of this work was in the accomplishment of the forecasts inside of the sub-series decomposed by an ondaleta in up to two levels, and being obtained the forecast of the original series through reconstruction of the series for models built by generating processes of data of no-lineal chronological successions. They were simulated series of a process ARIMA-GARCH, a process ARIMA, a process bilinear and a series of a movement browniano. The main work was constituted in the elaboration of the pré-processing phase and of the forecasts static in separate for each one of the found sub-series being done for 10 and 200 future observations. Besides the punctual forecasts it was also verified the envelopamento of the data, that it consists of comparing the forecast model through a trust interval for the values foreseen in a thousand simulated series by the same seed. The results appeared that for a model ARIMA(1,0,0)-GARCH(1,1), it can be observed that the pré-processing for the ondaleta went better so much for just a stage of separation of discharges and low frequencies for the correlation as for the criteria of TIC being this reduced and for smaller MAPE for the forecasts of short period. Already for the models of nets neurais an important difference that it should be emphasized between the nets appealing neurais and the nets with retropropagação algorithm is the capacity of forecast of the appealing nets for no-lineal data with 2 pré-processing levels and for forecasts of short period. Though, already for the criterion of the envelopamento, the best results went to the appealing nets in the forecast of the process ARIMA-GARCH and bilinear and pré-processing with 1 level. All the data were also compared with the forecasts done without pré-processing, which were shown inappropriate with MAPE close to 100% for forecasts of long period. It was also checked in this work the alterations that the change of the choice of an ondaleta for other, was able to impactar in the results of the future forecasts. It was verified that the change in the wave way in the pré-processing that if it seems more visually with the form of the data of the series, it reduces the acurácia measures in 48%, leaving evidences that it can have improvements in the results. In the practical analysis for IBOVESPA, the results were not satisfactory, because the best results are for appealing nets with 1 pré-processing level. Likewise, of the analysis of this work, the importance emerges given to the flowchart implemented for the forecasts and the paper of the forecasts in separate for ondaletas as reducers of the mistakes in the processes estocásticos, and of the implementation of the bands of forecasts for appealing nets for no-lineal chronological successions.