[pt] Os modelos GAS (generalized autoregressive score) são modelos de séries
temporais com parâmetros variantes no tempo, os quais possuem sua evolução
ditada pelo vetor score ponderado da função de verossimilhança. A avaliação da
verossimilhança nestes modelos é bastante simples, bem como incorporação de
efeitos como assimetria, memória longa e outras dinâmicas. Por serem baseados
no score da verossimilhança, exporta-se a estrutura completa da distribuição
preditiva para o mecanismo de atualização dos parâmetros, e não apenas
a média ou momentos de ordem superior. Estas características, somadas á
capacidade de lidar com processos multivariados e não estacionários, tornam
a classe em estudo uma nova alternativa para a construção de modelos com
parâmetros variantes, particularmente para séries temporais não gaussianas.
Nesta dissertação, foram desenvolvidos modelos GAS univariados para a
análise das séries mensais de vazão do Rio Paraibuna (MG) e de fator de
capacidade de uma usina é olica não divulgada do Nordeste, utilizando as
distribuições gama e beta, respectivamente. Além disso, foi derivado um novo
modelo GAS bivariado com marginais gama e beta para a modelagem conjunta
dos processos de vazão e vento, de modo a explorar a complementaridade
sazonal entre as séries. / [en] The GAS models (generalized autoregressive score) are time series models
with time-varying parameters, which have their update mechanism drived
by the scaled score of the likelihood function. The likelihood evaluation in
these models is quite simple, as well as the incorporation of effects like
asymmetry, long memory and other dynamics. Because they are based in the
scaled score of the likelihood, it exploits the full structure of the predictive
distribution to the update mechanism of the parameters, and not just mean
or higher order moments. These characteristics, coupled with the ability to
handle with multivariate and non-stationary processes, make the studied class
a new alternative to the construction of models with time-varying parameters,
particularly for non-Gaussian time series. In this dissertation, univariate GAS
models were developed to analyze monthly series of streamflow of Paraibuna
river (MG) and of capacity factor of a wind farm undisclosed in Northeast,
using the gamma and beta distributions, respectively. In addition, a new
bivariate GAS model with gamma and beta marginals was derived for the
joint modeling of the streamflow and wind processes, in order to explore the
seasonal complementarity between the series.
| Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:22121 |
| Date | 04 October 2013 |
| Creators | GILSON GONCALVES DE MATOS |
| Contributors | CRISTIANO AUGUSTO COELHO FERNANDES |
| Publisher | MAXWELL |
| Source Sets | PUC Rio |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | TEXTO |
Page generated in 0.0036 seconds