Dissertação (mestrado) - Universidade Federal de Santa Catarina. Centro Tecnológico. Programa de Pós-Graduação em Ciência da Computação. / Made available in DSpace on 2012-10-22T02:16:12Z (GMT). No. of bitstreams: 1 204482.pdf: 2490826 bytes, checksum: b50931d189c29c0d5f02c9142349a29c (MD5) / A análise de regressão, introduzida por Galton no final do século XIX, tem se expandido principalmente à forma como ela explicita as relações estatísticas entre

Dissertação (Mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. / Made available in DSpace on 2012-10-19T00:07:40Z (GMT). No. of bitstreams: 0Bitstream added on 2016-01-09T01:47:22Z : No. of bitstreams: 1 142020.pdf: 3482608 bytes, checksum: e2ddc50c54797e11d42cbfdf320f5499 (MD5)

[pt] O presente trabalho tem como objetivo testar empiricamente a eficiência e a aplicabilidade do método dos mínimos quadrados de Monte Carlo (LSM) na avaliação de projetos envolvendo opções reais. Inicialmente, o método passou por uma série de testes de sensibilidade para validação do mesmo. Em seguida,alguns exemplos de projetos de exploração e produção (E e P) de petróleo com opções reais foram elaborados, e seus valores determinados através do LSM.Estes resultados foram comparados aos resultados obtidos com o modelo binomial que, devido a sua simplicidade e ampla utilização, foi escolhido como benchmark para analisar a eficiência do método LSM. Devido às semelhanças entre oportunidades de investimento em ativos financeiros e reais, muitos estudos são realizados no sentido de adaptar instrumentos financeiros para a avaliação econômica de projetos. Muitas pesquisas sobre opções reais foram desenvolvidas em exploração de recursos naturais, em especial de E&P de petróleo. Isso ocorre devido ao porte dos investimentos que são realizados neste setor e as suas características peculiares: o mercado de petróleo é bem desenvolvido (presença de mercado futuro, instrumentos de proteção financeira, derivativos etc); os investimentos ocorrem num ambiente de incertezas econômicas e / ou técnicas; os projetos demandam uma série de flexibilidades gerenciais (prazos alternativos para execução dos investimentos, possibilidade de mudanças na escala do projeto, entre outras). Tais características fazem com que seja necessária uma avaliação mais cautelosa e criteriosa destes ativos reais. Uma nova ferramenta desenvolvida neste sentido é o método LSM, que consiste na avaliação de opções americanas através de simulações e de regressões simples. / [en] The main objective of this work is to test empirically the efficiency and the accuracy of the Least Squares Monte Carlo Approach (LSM) in the valuation of projects involving real options. Initially, a series of sensibility tests will be used for its validation. After this, some examples of projects of petroleum exploration and production (E and P) with real options will be elaborated, and their values determined by LSM. The results will be compared with those obtained using the binomial model. It was chosen as benchmark to analyze the efficiency of the LSM due to its simplicity and wide use. Due to similarities between investments in financial and real assets, many studies made with financial instruments have been adapted for economic valuation of projects. Many researches about real options were developed in exploration of natural resources, especially in petroleum E&P. This happens due to the volume of the investments involved and to its peculiar characteristics: the petroleum market is quite developed (presence of future market, financial instruments of protection, derivatives etc); the investments happen to be in an atmosphere of economical and/or technical uncertainties; the projects demand a series of managerial flexibilities (alternative periods for execution of the investments, possibility of changes in the scale of the project etc). Such characteristics require a more careful evaluation of these real assets. A new tool developed in this sense is the LSM. The method consists of the valuation of american options through simulations and simple regressions.

[pt] Esta dissertação tem por objetivo investigar métodos de estimação da idade a partir de imagens faciais. Avalia-se o impacto de distintos fatores sobre a acurácia da estimativa, especificamente, a acurácia da localização de pontos fiduciais, métodos de extração de atributos, de redução de dimensionalidade, e técnicas de regressão. Adicionalmente, foi estudada a influência da raça e do sexo na acurácia da estimação da idade desenvolvido. Consideraram-se cinco métricas de desempenho do sistema, especificamente, o erro médio absoluto (MAE), o erro médio absoluto por década (MAE/D), o erro médio absoluto por idade (MAE/A), o escore acumulado (CS), e os intervalos de confiança (IC). Os experimentos foram realizados empregando dois bancos de dados públicos, cujas imagens estão rotuladas com a idade da face. Os resultados indicaram que o método automático para detecção de pontos fiduciais da face tem uma repercussão moderada sobre a acurácia das estimativas. Entre as variantes analisadas, a que apresentou a melhor acurácia foi o sistema que emprega os AAMs (Active Appearance Models) como método de extração de atributos, o PCA (Principal Components Analysis) como método para reduzir dimensionalidade, e as SVRs (Support Vector Regression) como técnica para fazer regressão. / [en] This thesis aims to investigate methods for age estimation from facial images. The impact of distinct factors over the estimate’s accuracy is assessed, specifically the accuracy in the location of face fiducial points, feature extraction and dimensionality reduction methods, and regression techniques. Additionally, the dependence on race and gender in the accuracy of age estimation is assessed. Five performance metrics have been considered: the mean absolute error (MAE), the mean absolute error per decade (MAE / D), the mean absolute error for age (MAE / A), the cumulative score (CS) and confidence intervals (CI). The experiments were performed using two public databases, whose images are labeled with the age of the face. The results showed the impact of the automatic method for detection of fiducial points of the face has a moderate impact on the accuracy of the estimates. Among the analyzed variants, the one with the best accuracy was the system that employs the Active Appearance Models (AAMs) as feature extraction method, the Principal Components Analysis (PCA) as dimensionality reduction method, and Support Vector Regression (SVRs) as a technique to do regression.

[pt] Esta dissertação propõe modelos parcimoniosos para tarefas de regressão e classificação em conjuntos de dados exclusivamente seccionais, mantendo-se a hipótese de amostragem aleatória. Os modelos de regressão são lineares, estimados por Mínimos Quadrados Ordinários resolvidos pela Decomposição QR, apresentando solução única sob posto cheio ou não da matriz de regressores. Os modelos de classificação são não lineares, estimados por Máxima Verossimilhança utilizando uma variante do Método de Newton, nem sempre apresentando solução única. A parcimônia dos modelos de regressão é fundamentada na prova matemática de que somente agregará acurácia ao modelo o regressor que apresentar módulo da estatística de teste, em um teste de hipótese bicaudal, superior à unidade. A parcimônia dos modelos de classificação é fundamentada em significância estatística e embasada intuitivamente no resultado teórico da existência de classificadores perfeitos. A Programação Genética (PG) realiza o processo de evolução de modelos, explorando o espaço de busca de possíveis modelos, constituídos de distintos regressores. Os resultados obtidos via Programação Genética Econométrica (PGE) – nome dado ao algoritmo gerador de modelos – foram comparados aos proporcionados por benchmarks em oito distintos conjuntos de dados, mostrando-se competitivos em termos de acurácia na maior parte dos casos. Tanto sob o domínio da PG quanto sob o domínio da econometria, a PGE mostrou benefícios, como o auxílio na identificação de introns, o combate ao bloat por significância estatística e a geração de modelos econométricos de elevada acurácia, entre outros. / [en] This dissertation proposes parsimonious models for regression and classification tasks in cross-sectional datasets under random sample hypothesis. Regression models are linear in parameters, estimated by Ordinary Least Squares solved by QR Decomposition, presenting a unique solution under full rank of the regressor matrix or not. Classification models are nonlinear in parameters, estimated by Maximum Likelihood, not always presenting a unique solution. Parsimony in regression models is based on the mathematical proof that accuracy will be added to models only by the regressor that presents a test statistic module higher than a predefined value in a two-sided hypothesis test. Parsimony in classification models is based on statistical significance and, intuitively, on the theoretical result about the existence of perfect classifiers. Genetic Programming performs the evolution process of models, being responsible for exploring the search space of possible regressors and models. The results obtained with Econometric Genetic Programming – name of the algorithm in this dissertation – was compared with those from benchmarks in eight distinct cross-sectional datasets, showing competitive results in terms of accuracy in most cases. Both in the field of Genetic Programming and in that of econometrics, Econometric Genetic Programming has shown benefits such as help on introns identification, combat to bloat by statistical significance and generation of high level accuracy models, among others.

[pt] O presente trabalho tem como objetivo investigar as contradições e possibilidades clínicas inauguradas pelo conceito de regressão. Partiremos das postulações freudianas, nas quais abordaremos a regressão em seu aspecto intrapsíquico, sendo associada aos processos oníricos e de formação sintomática, para depois seguirmos com autores que consideramos relacionais. Dentre eles, o primeiro a ser abordado é o húngaro Sándor Ferenczi, quem primeiro apresenta a regressão enquanto fenômeno clínico e destaca a importância dos processos internos do analista na relação terapêutica. Em sua esteira, seguiremos com Donald Winnicott e Michael Balint. Veremos nas contribuições dos dois autores uma descrição mais detalhada e assertiva sobre os estados regressivos. Em todos os três autores, na medida em que tratamos do fenômeno da regressão, estaremos cotejando também as ideias de contratransferência e as teorias acerca da constituição subjetiva. Em uma última parte do trabalho faremos uma aproximação da clínica contemporânea em uma tentativa de descrever como o conceito da regressão é um que exprime inovações importantes para se pensar a clínica hoje. Veremos como as discussões acerca do conceito ao longo da história da psicanálise contemplam aspectos essenciais para a clínica como o campo transferencial, o corpo e o manejo. / [en] The present work has as main objective investigate the contradictions as well as clinical possibilities initiated by the notion of regression. We ll start off from the freudian postulations, through which we ll approach the idea of regression in its intrapsychic aspect associating it with the process of dream and symptom formation. We ll then proceed with authors by us considered relational. Among them, the first to be addressed will be the Hungarian Sándor Ferenczi, who is the first to introduce the idea of regression as a clinical phenomena and to highlight the importance of the analyst s internal world in the therapeutic relationship. Following Ferenczi, we ll regard the works of Donald Winnicott e Michael Balint. Through their contributions we ll bring to light a more detailed and assertive description of the regressive states. However, in all threes authors, as we approach the phenomena of regression, we ll be also examining the idea of counter- transference and the theories regarding the constitution of subjectivity. In the last part of the work we ll propose an approximation to contemporary psychoanalysis in an attempt to describe how the concept of regression contains important innovations for clinical references today. We ll progress by presenting how the discussions about such phenomena through history of psychoanalysis contemplate pivotal clinical aspects such as transference, body and clinical handling.

[pt] Na clínica contemporânea, cada vez mais os psicanalistas têm se defrontado com pacientes que apresentam um profundo sentimento de vazio, expresso por meio de sensações de inadequação, não existência e futilidade. A presença desses pacientes que colocam em xeque a primazia da psicanálise clássica não pode mais ser considerada uma exceção à regra. Nesse sentido, o presente trabalho tem como objetivo investigar a noção de clivagem psíquica bem como o manejo clínico da regressão no processo analítico. O escopo deste trabalho baseia-se nas contribuições seminais do campo psicanalítico a partir de Freud, Sándor Ferenczi, D. W. Winnicott, René Roussillon e demais comentadores contemporâneos. Para alcançar os objetivos propostos, a pesquisa foi dividida em dois capítulos teóricos e um teórico-clínico. O primeiro capítulo refere-se à compreensão do impacto da qualidade relacional exercida nos estágios primitivos da constituição subjetiva. No segundo capítulo, é apresentado o desenvolvimento da teoria do trauma privilegiando o mecanismo de clivagem psíquica adotado diante do excesso pulsional no âmbito da virada metapsicológica de 1920. No terceiro capítulo teórico-clínico, é apresentado a regressão no processo analítico que acompanha as tentativas de elaboração de traumas primitivos que se apresentam aquém das capacidades de representação e simbolização. Com o propósito de ilustrar a articulação entre a teoria psicanalítica apresentada e a clínica, foi apresentado um fragmento clínico em que é possível identificar elementos relacionados à discussão proposta. Consideramos que o processo analítico com esses pacientes deve ocorrer pelas vias da regressão e da confiança aos cuidados do analista. / [en] In contemporary clinical practice, psychoanalysts are increasingly encountering patients who exhibit a profound sense of emptiness, expressed through feelings of inadequacy, non-existence, and futility. The presence of these patients, challenging the primacy of classical psychoanalysis, can no longer be considered an exception to the rule. Accordingly, this present work aims to investigate the notion of cleavage as well as the clinical management of regression in the analytic process. This work draws on seminal contributions from the psychoanalytic field, encompassing perspectives from Freud, Sándor Ferenczi, D. W. Winnicott, René Roussillon, and other contemporary commentators. To achieve the proposed objectives, the research was divided into two theoretical chapters and one theoretical-clinical chapter. The first chapter focuses on understanding the impact of relational quality in the primitive stages of subjective constitution. The second chapter presents the development of trauma theory, emphasizing the mechanism of cleavage adopted in response to instinctual excess within the metapychological shift of the 1920s. The third theoretical-clinical chapter explores the regression within the analytic process, accompanying attempts to elaborate on primitive traumas that challenge the capacities for representation and symbolization. To illustrate the connection between the presented psychoanalytic theory and clinical practice, a clinical fragment is provided, wherein elements related to the discussed topics can be identified. We assert that the analytic process with these patients must proceed through paths of regression while fostering trust in the analyst s care.

[pt] Nos últimos anos, vem crescendo o interesse acerca da predição do comportamento do mercado de capitais, tanto por parte dos investidores quanto dos pesquisadores. Apesar do grande número de publicações tratando esse problema, predizer com eficiência futuras tendências e desenvolver estratégias de negociação capazes de traduzir boas predições em lucros são ainda grandes desafios. A dificuldade em realizar tais tarefas se deve tanto à não linearidade e grande volume de ruídos presentes nos dados do mercado, quanto à falta de sistemas que possam avaliar com propriedade a qualidade das predições realizadas. Nesse trabalho, são realizadas predições de séries temporais visando auxiliar o investidor tanto em operações de compra e venda, como em Pairs Trading. Além disso, as predições são feitas considerando duas diferentes periodicidades. Uma predição interday, que considera apenas dados diários e tem como objetivo a predição de valores referentes ao presente dia. E uma predição intraday, que visa predizer valores referentes a cada hora de negociação do dia atual e para isso considera também os dados intraday conhecidos até o momento que se deseja prever. Para ambas as tarefas propostas, foram testadas três ferramentas de predição, quais sejam, Regressão por Mínimos Quadrados Parciais, Regressão por Vetores de Suporte e Redes Neurais Artificiais. Com o intuito de melhor avaliar a qualidade das predições realizadas, é proposto ainda um trading system. Os testes foram realizados considerando ativos das companhias mais negociadas da BM e FBOVESPA, a bolsa de valores oficial do Brasil e terceira maior do mundo. Os resultados dos três preditores são apresentados e comparados a quatro benchmarks, bem como com a solução ótima. A diferença na qualidade de predição, considerando o erro de predição ou as métricas do trading system, são notáveis. Se quando analisado apenas o Erro Percentual Absoluto Médio os preditores propostos não mostram uma melhora significativa, quando as métricas do trading system são consideradas eles apresentam um resultado bem superior. O retorno anual do investimento em alguns casos atinge valor superior a 300 por cento. / [en] The interest of both investors and researchers in stock market behavior forecasting has increased throughout the recent years. Despite the wide number of publications examining this problem, accurately predicting future stock trends and developing business strategies capable of turning good predictions into profits are still great challenges. This is partly due to the nonlinearity and noise inherent to the stock market data source, and partly because benchmarking systems to assess the forecasting quality are not publicly available. Here, we perform time series forecasting aiming to guide the investor both into Pairs Trading and buy and sell operations. Furthermore, we explore two different forecasting periodicities. First, an interday forecast, which considers only daily data and whose goal is predict values referring to the current day. And second, the intraday approach, which aims to predict values referring to each trading hour of the current day and also takes advantage of the intraday data already known at prediction time. In both forecasting schemes, we use three regression tools as predictor algorithms, which are: Partial Least Squares Regression, Support Vector Regression and Artificial Neural Networks. We also propose a trading system as a better way to assess the forecasting quality. In the experiments, we examine assets of the most traded companies in the BM and FBOVESPA Stock Exchange, the world s third largest and official Brazilian Stock Exchange. The results for the three predictors are presented and compared to four benchmarks, as well as to the optimal solution. The difference in the forecasting quality, when considering either the forecasting error metrics or the trading system metrics, is remarkable. If we consider just the mean absolute percentage error, the proposed predictors do not show a significant superiority. Nevertheless, when considering the trading system evaluation, it shows really outstanding results. The yield in some cases amounts to an annual return on investment of more than 300 per cent.

[pt] Esta dissertação tem por objetivo comparar o desempenho de modelos não lineares de previsão de retornos em 10 ativos do mercado acionário brasileiro. Entre os modelos escolhidos, pode-se citar o STAR-Tree, que combina conceitos da metodologia STAR (Smooth Transition AutoRegression) e do algoritmo CART (Classification And Regression Trees), tendo como resultado final uma regressão com transição suave entre múltiplos regimes. A especificação do modelo é feita através de testes de hipótese do tipo Multiplicador de Lagrange que indicam o nó a ser dividido e a variável explicativa correspondente. A estimação dos parâmetros é feita pelo método de Mínimos Quadrados Não Lineares para determinar o valor dos parâmetros lineares e não lineares. Redes Neurais, modelos ARMAX (estes lineares) e ainda o método Naive também foram incluídos na análise. Os resultados das previsões foram avaliados a partir de medidas estatísticas e financeiras e se basearam em um negociador automático que informa o instante correto de assumir uma posição comprada ou vendida em cada ativo. Os melhores desempenhos foram alcançados pelas Redes Neurais, pelos modelos ARMAX e pela forma de previsão ARC (Adaptative Regime Combination) derivada da metodologia STAR-Tree, sendo ambos ainda superiores ao retorno das ações durante o período de teste / [en] The goal of this dissertation is to compare the performance of non linear models to forecast return on 10 equities in the Brazilian Stock Market. Among the chosen ones, it can be cited the STAR-Tree, which matches concepts from the STAR (Smooth Transition AutoRegression) methodology and the CART (Classification And Regression Trees) algorithm, having as the resultant structure a regression with smooth transition among multiple regimes. The model specification is done by Lagrange Multiplier hypothesis tests that indicate the node to be splitted and the corresponding explanatory variable. The parameter estimation is done by the Non Linear Least Squares method that determine the linear and non linear parameters. Neural Netwoks, ARMAX models (these ones linear) and the Naive method were also included in the analysis. The forecasting results were calculated using statistical and financial measures and were based on an automatic negociator that signaled the right instant to take a short or a long position in each stock. The best results were reached by the Neural Networks, ARMAX models and ARC (Adaptative Regime Combination ) forecasting method derived from STAR-Tree, with all of them performing better then the equity return during the test period.

[pt] O objetivo principal desta tese introduzir um modelo estruturado por árvores que combina aspectos de duas metodologias: CART (Classification and Regression Tree) e STR (Smooth Transition Regression). O modelo aqui denominado STR-Tree. A idéia especificar um modelo não-linear paramétrico através da estrutura de uma árvore de decisão binária. O modelo resultante pode ser analisado como uma regressão com transição suave entre múltiplos regimes. As decisões sobre as divisões dos nós são inteiramente baseadas em testes do tipo Multiplicadores de Lagrange. Uma especificação alternativa baseada em validação cruzada também utilizada. Um experimento de Monte Carlo utilizado para avaliar o desempenho da metodologia proposta comparando-a com outras técnicas comumente utilizadas. Como resultado verifica-se que o modelo STR- Tree supera o tradicional CART quando seleciona a arquitetura de árvores simuladas. Além do mais, utilizar testes do tipo Multiplicadores de Lagrange gera resultados melhores do que procedimentos de validação cruzada. Quando foram utilizadas bases de dados reais, o modelo STR-Tree demonstrou habilidade preditiva superior ao CART. Através de uma aplicação, extende-se a metodologia para a análise de séries temporais. Neste caso, o modelo denominado STAR- Tree, sendo obtido através de uma árvore de decisão binária que ajusta modelos autoregressivos de primeira ordem nos regimes. A série de retornos da taxa de câmbio Euro/Dólar foi modelada e a capacidade preditiva e o desempenho financeiro do modelo foi comparado com metodologias padrões como previsões ingênuas e modelos ARMA. Como resultado obtido um modelo parcimonioso que apresenta desempenho estatístico equivalente às estratégias convencionais, porém obtendo resultados financeiros superiores. / [en] He main goal of this Thesis is to introduce a tree- structured model that combines aspects from two methodologies: CART (Classification and Regression Trees) and STR (Smooth Transition Regression). The model is called STR-Tree, The idea is to specify a nonlinear parametric model through the structure of a binary decision tree. The resulting modelo can be analyzed as a smooth transition regression model with multiple regimes. The decisions for splitting the nodes of the tree are entirely based on Lagrange Multipliers tests. An alternative specification that uses cross- validation is also tried. A Monte Carlo Experiment is used to evaluate the performance of the proposed methodology and to compare with other techniques that are commonly used. The results showed that the STRTree model outperformed the traditional CART when specifying the architecture of a simulated tree. Moreover, the use of Lagrange Multipliers tests gave better results than a cross-validation procedure. After applying the model to real datasets, it could be seen that STR-Tree showed superior predictive ability when compared to CART. The idea was extended to time series analysis through an application. In this situation, we call the model as STAR- Tree which is obtained through a binary decision tree that fits first-order autoregressive models for different regimes. The model was fitted to the returns of Euro/Dolar exchange rate time series and then evaluated statistically and financially. Comparing with the naive approach and ARMA methodology, the STAR-Tree was parsimonious and presented statistical performance equivalent to others. The financial results were better than the others.