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.

O objetivo principal do presente trabalho é oferecer métodos alternativos de previsão da arrecadação tributária federal, baseados em metodologias de séries temporais, inclusive com a utilização de variáveis explicativas, que reflitam a influência do cenário macroeconômico na arrecadação tributária, com o intuito de melhorar a acurácia da previsão da arrecadação. Para tanto, foram aplicadas as metodologias de modelos dinâmicos univariados, multivariados, quais sejam, Função de Transferência, Auto-regressão Vetorial (VAR), VAR com correção de erro (VEC), Equações Simultâneas, e de modelos Estruturais. O trabalho tem abrangência regional e limita-se à análise de três séries mensais da arrecadação, relativas ao Imposto de Importação, Imposto Sobre a Renda das Pessoas Jurídicas e Contribuição para o Financiamento da Seguridade Social - Cofins, no âmbito da jurisdição do estado de São Paulo, no período de 2000 a 2007. Os resultados das previsões dos modelos acima citados são comparados entre si, com a modelagem ARIMA e com o método dos indicadores, atualmente utilizado pela Secretaria da Receita Federal do Brasil (RFB) para previsão anual da arrecadação tributária, por meio da raiz do erro médio quadrático de previsão (RMSE). A redução média do RMSE foi de 42% em relação ao erro cometido pelo método dos indicadores e de 35% em relação à modelagem ARIMA, além da drástica redução do erro anual de previsão. A utilização de metodologias de séries temporais para a previsão da arrecadação de receitas federais mostrou ser uma alternativa viável ao método dos indicadores, contribuindo para previsões mais precisas, tornando-se ferramenta segura de apoio para a tomada de decisões dos gestores. / The main objective of this work is to offer alternative methods for federal tax revenue forecasting, based on methodologies of time series, inclusively with the use of explanatory variables, which reflect the influence of the macroeconomic scenario in the tax collection, for the purpose of improving the accuracy of revenues forecasting. Therefore, there were applied the methodologies of univariate dynamic models, multivariate, namely, Transfer Function, Vector Autoregression (VAR), VAR with error correction (VEC), Simultaneous Equations, and Structural Models. The work has a regional scope and it is limited to the analysis of three series of monthly tax collection of the Import Duty, the Income Tax Law over Legal Entities Revenue and the Contribution for the Social Security Financing Cofins, under the jurisdiction of the state of São Paulo in the period from 2000 to 2007. The results of the forecasts from the models above were compared with each other, with the ARIMA moulding and with the indicators method, currently used by the Secretaria da Receita Federal do Brasil (RFB) to annual foresee of the tax collection, through the root mean square error of approximation (RMSE). The average reduction of RMSE was 42% compared to the error committed by the method of indicators and 35% of the ARIMA model, besides the drastic reduction in the annual forecast error. The use of time-series methodologies to forecast the collection of federal revenues has proved to be a viable alternative to the method of indicators, contributing for more accurate predictions, becoming a safe support tool for the managers decision making process.

[pt] O ONS (operador nacional do sistema elétrico brasileiro) vem utilizando o software ANNSTLF produzido pelo EPRI/EUA (Eletrical Power Research Institute) para realizar a previsão do consumo de carga horária. Entretanto, as estimativas fornecidas pelo programa estão fundamentadas na metodologia de uma rede neural que, de certo modo, impede ao usuário de extrair uma maior interpretação dos resultados que são fornecidos pela rede. Assim sendo, este trabalho pesquisou os métodos univariados convencionais: Holt-Winters e Box e Jenkins, considerando suas formulações aperfeiçoadas e adaptadas às características próprias do tipo de série em questão. Isto é, assumindo a existência de dois ciclos sazonais: um diário e outro semanal. A vantagem destas técnicas univariadas, em comparação ao ANNSTLF, é principalmente a interpretabilidade das informações obtidas. Dessa forma, esta pesquisa permite também avaliar melhor o desempenho do ANNSTLF. / [en] The ONS (National Operator of the Brazilian electrical system) has been using the software ANNSTLF produced by EPRI/USA (Eletrical Power Research Institute) to carry out the forecast of the hourly load consumption. However, the estimates supplied by the program are based on the methodology of a neural net that, in a way, does not allow the user to extract a better interpretation of the results produced by the net. Therefore, investigates the conventional univaried methods: Holt-Winters and Box & Jenkins, considering its formulations perfected and adapted to the characteristics of the series understudy. That is, its assumed the existence of two seasonal cicles: daily and weekly. The advantage of these univariate techniques, in comparison to the ANNSTLF, is mainly the ability to interpret the model estimates. Also, this research also allows a better evaluation the performance of the ANNSTLF.

Submitted by Cristiano Dallagassa Gontijo Oliveira (c_dallagassa@hotmail.com) on 2016-03-12T18:40:55Z No. of bitstreams: 1 Dissertação Cristiano - FORMATADA E REVISADA 12.03 - PDF.pdf: 1509635 bytes, checksum: 504b76cb93f85ab2e09d5d2b8e04d4e1 (MD5) / Approved for entry into archive by Fabiana da Silva Segura (fabiana.segura@fgv.br) on 2016-03-14T16:00:47Z (GMT) No. of bitstreams: 1 Dissertação Cristiano - FORMATADA E REVISADA 12.03 - PDF.pdf: 1509635 bytes, checksum: 504b76cb93f85ab2e09d5d2b8e04d4e1 (MD5) / Made available in DSpace on 2016-03-14T16:14:31Z (GMT). No. of bitstreams: 1 Dissertação Cristiano - FORMATADA E REVISADA 12.03 - PDF.pdf: 1509635 bytes, checksum: 504b76cb93f85ab2e09d5d2b8e04d4e1 (MD5) Previous issue date: 2016-02-16 / The aims of this work was forecast the demand for agricultural tractors in the Brazilian market during the triennium 2016-2018, using for this, techniques of time series econometrics, in this case, univariate models ARIMA and SARIMA and or multivariate models SARIMAX. Justified this research when holding the industry of agricultural machinery in Brazil, given the economic cycles and other external factors to the economic funda-mentals of demand, where it faces many challenges. Among this, demand estimation stands out because exert a strong impact, for example, planning and cost of short and medium term production, inventory levels, in relation to hand materials and suppliers of local labor and consequently in creating value to the shareholders. During literature review it was found several scientific papers address the agribusiness and its various areas, however, they were not found scientific papers published in Brazil that address the demand forecast of agricultural tractors in Brazil, which served as a motivation for add knowledge to the scientific world and value to the Brazilian market. It was concluded after testing with several models that are presented in the text and appendices, the model SARIMA (15, 1, 1) (1, 1, 1) fulfilled the assumptions set out in the specific objectives to choose the model that best fit itself to the data, and then was chosen as the model to forecast the demand for agricultural tractors in Brazil. These results point to a demand for agricultural tractors in Brazil oscillating between 46,000 and 49,000 units per year between the years 2016 and 2018. / O objetivo desta dissertação foi estimar a demanda de tratores agrícolas para o mercado brasileiro no triênio 2016-2018, utilizando-se para isto de técnicas de econometria de séries temporais, neste caso, modelos univariados da classe ARIMA e SARIMA e ou multivariados SARIMAX. Justifica-se esta pesquisa quando se observa a indústria de máquinas agrícolas no Brasil, dados os ciclos econômicos e outros fatores exógenos aos fundamentos econômicos da demanda, onde esta enfrenta muitos desafios. Dentre estes, a estimação de demanda se destaca, pois exerce forte impacto, por exemplo, no planejamento e custo de produção de curto e médio prazo, níveis de inventários, na relação com fornecedores de materiais e de mão de obra local, e por consequência na geração de valor para o acionista. Durante a fase de revisão bibliográfica foram encontrados vários trabalhos científicos que abordam o agronegócio e suas diversas áreas de atuação, porém, não foram encontrados trabalhos científicos publicados no Brasil que abordassem a previsão da demanda de tratores agrícolas no Brasil, o que serviu de motivação para agregar conhecimento à academia e valor ao mercado através deste. Concluiu-se, após testes realizados com diversos modelos que estão dispostos no texto e apêndices, que o modelo univariado SARIMA (15,1,1) (1,1,1) cumpriu as premissas estabelecidas nos objetivos específicos para escolha do modelo que melhor se ajusta aos dados, e foi escolhido então, como o modelo para estimação da demanda de tratores agrícolas no Brasil. Os resultados desta pesquisa apontam para uma demanda de tratores agrícolas no Brasil oscilando entre 46.000 e 49.000 unidades ano entre os anos de 2016 e 2018.

O objetivo principal do presente trabalho é oferecer métodos alternativos de previsão da arrecadação tributária federal, baseados em metodologias de séries temporais, inclusive com a utilização de variáveis explicativas, que reflitam a influência do cenário macroeconômico na arrecadação tributária, com o intuito de melhorar a acurácia da previsão da arrecadação. Para tanto, foram aplicadas as metodologias de modelos dinâmicos univariados, multivariados, quais sejam, Função de Transferência, Auto-regressão Vetorial (VAR), VAR com correção de erro (VEC), Equações Simultâneas, e de modelos Estruturais. O trabalho tem abrangência regional e limita-se à análise de três séries mensais da arrecadação, relativas ao Imposto de Importação, Imposto Sobre a Renda das Pessoas Jurídicas e Contribuição para o Financiamento da Seguridade Social - Cofins, no âmbito da jurisdição do estado de São Paulo, no período de 2000 a 2007. Os resultados das previsões dos modelos acima citados são comparados entre si, com a modelagem ARIMA e com o método dos indicadores, atualmente utilizado pela Secretaria da Receita Federal do Brasil (RFB) para previsão anual da arrecadação tributária, por meio da raiz do erro médio quadrático de previsão (RMSE). A redução média do RMSE foi de 42% em relação ao erro cometido pelo método dos indicadores e de 35% em relação à modelagem ARIMA, além da drástica redução do erro anual de previsão. A utilização de metodologias de séries temporais para a previsão da arrecadação de receitas federais mostrou ser uma alternativa viável ao método dos indicadores, contribuindo para previsões mais precisas, tornando-se ferramenta segura de apoio para a tomada de decisões dos gestores. / The main objective of this work is to offer alternative methods for federal tax revenue forecasting, based on methodologies of time series, inclusively with the use of explanatory variables, which reflect the influence of the macroeconomic scenario in the tax collection, for the purpose of improving the accuracy of revenues forecasting. Therefore, there were applied the methodologies of univariate dynamic models, multivariate, namely, Transfer Function, Vector Autoregression (VAR), VAR with error correction (VEC), Simultaneous Equations, and Structural Models. The work has a regional scope and it is limited to the analysis of three series of monthly tax collection of the Import Duty, the Income Tax Law over Legal Entities Revenue and the Contribution for the Social Security Financing Cofins, under the jurisdiction of the state of São Paulo in the period from 2000 to 2007. The results of the forecasts from the models above were compared with each other, with the ARIMA moulding and with the indicators method, currently used by the Secretaria da Receita Federal do Brasil (RFB) to annual foresee of the tax collection, through the root mean square error of approximation (RMSE). The average reduction of RMSE was 42% compared to the error committed by the method of indicators and 35% of the ARIMA model, besides the drastic reduction in the annual forecast error. The use of time-series methodologies to forecast the collection of federal revenues has proved to be a viable alternative to the method of indicators, contributing for more accurate predictions, becoming a safe support tool for the managers decision making process.

Submitted by Renata Lopes (renatasil82@gmail.com) on 2017-03-02T12:24:39Z No. of bitstreams: 1 annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2017-03-06T19:35:55Z (GMT) No. of bitstreams: 1 annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5) / Made available in DSpace on 2017-03-06T19:35:55Z (GMT). No. of bitstreams: 1 annaclaudiamancinidasilvacarneiro.pdf: 1333903 bytes, checksum: a7b3819bb5b0e1adb8efd07bca0f9aa2 (MD5) Previous issue date: 2014-09-26 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A previsão de cargas elétricas é fundamental para o planejamento das empresas de energia. O foco deste estudo são as previsões a curto prazo; assim, aplicamos métodos univariados de previsão de séries temporais a uma série real de cargas elétricas de 104 semanas no Rio de Janeiro, nos anos de 1996 e 1997, e experimentamos várias combinações dos métodos de melhor desempenho. As combinações foram feitas pelo método outperformance, uma combinação linear simples, com pesos fixos. Os resultados das combinações foram comparados ao de simulações de redes neurais artificiais que solucionam o mesmo problema, e ao resultado de um método de amortecimento de dupla sazonalidade aditiva. No geral, este método de amortecimento obteve os melhores resultados, e talvez seja o mais adequado e confiável para aplicações práticas, embora necessite de melhorias para garantir a extração completa da informação contida nos dados. / Forecasting the demand for electric power is crucial for the production planning in energy utilities. The focus of this study are the short-term forecasts. We apply univariate time series methods to the forecasting of a series containing observations of the energy consumption of 104 weeks in Rio de Janeiro, in 1996 and 1997, and experiment with several combinations of the methods which have the best performance. These combinations are done by the outperformance method, a simple linear combination with fixed weights. The results were compared to those obtained by neural networks on the same problem, and with the results of a exponential smoothing method for dual additive seasonality. Overall, the exponential smoothing method achieved the best results, and was shown to be perhaps the most reliable and suitable for practical applications, even though it needs improvements to ensure complete extraction of the information contained in the data.

Submitted by Izabel Franco (izabel-franco@ufscar.br) on 2016-09-27T13:57:54Z No. of bitstreams: 1 DissACM.pdf: 2683283 bytes, checksum: 013455f7d8c0d48a1566d18bcdd0fbe8 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2016-10-03T18:18:22Z (GMT) No. of bitstreams: 1 DissACM.pdf: 2683283 bytes, checksum: 013455f7d8c0d48a1566d18bcdd0fbe8 (MD5) / Approved for entry into archive by Ronildo Prado (ronisp@ufscar.br) on 2016-10-03T18:18:38Z (GMT) No. of bitstreams: 1 DissACM.pdf: 2683283 bytes, checksum: 013455f7d8c0d48a1566d18bcdd0fbe8 (MD5) / Made available in DSpace on 2016-10-03T18:29:41Z (GMT). No. of bitstreams: 1 DissACM.pdf: 2683283 bytes, checksum: 013455f7d8c0d48a1566d18bcdd0fbe8 (MD5) Previous issue date: 2014-10-10 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / The main objective of this research is to provide statistical tools that allow the comparison of individuals in a speci ed sports category. Particularly, the present study is focused on the performance evaluation in football using univariate and multivariate methods. The univariate approach is given by Z-CELAFISCS methodology, which was developed with the purpose of identifying talents in the sport. The multivariate approaches are given by the construction of indicators, speci cally by means of principal component analysis, factor analysis and copulas. These indicators allows the reduction of the dimensionality of the data in studying, providing better interpretation of the results and improving comparability between the performance and assortment of individuals. To facilitate the use of the methodology studied here was built an online statistical system called i-Sports. / principal objetivo do trabalho é apresentar ferramentas estatísticas que permitam a comparação de indivíduos em uma determinada modalidade esportiva. Particularmente, o estudo exposto é voltado à avaliação de desempenho em futebol, utilizando métodos univariados e multivariados. A abordagem univariada é dada pela metodologia Z-CELAFISCS, desenvolvida com o propósito de identi car talentos no esporte. As abordagens multivariadas são dadas pela construção de indicadores, mais especi camente por meio da análise de componentes principais, análise fatorial e cópulas. A obtenção desses indicadores possibilita a redução da dimensionalidade do estudo, fornecendo melhor interpretação dos resultados e melhor comparabilidade entre o desempenho e rankeamento dos indivíduos. Para facilitar a utilização da metodologia aqui estudada foi construído um sistema estat ístico online chamado de i-Sports.