F E ESTUDOS I. Cidadania, Instituição e Património. Economia e Desenvolvimento Regional. Finanças e Contabilidade. Gestão e Apoio à Decisão
|
|
- Sabina Mendes Palhares
- 7 Há anos
- Visualizações:
Transcrição
1
2 ESTUDOS I Cdadana Insução e Parmóno Economa e Desenvolvmeno Regonal Fnanças e Conabldade Gesão e Apoo à Decsão Modelos Aplcados à Economa e à Gesão A Faculdade de Economa da Unversdade do Algarve F E Faculdade de Economa da Unversdade do Algarve 004
3 COMISSÃO EDITORIAL Anóno Covas Carlos Cânddo Duare Trgueros Efgéno da Luz Rebelo João Albno da Slva João Guerrero Paulo M.M. Rodrgues Ru Nunes FICHA TÉCNICA Faculdade de Economa da Unversdade do Algarve Campus de Gambelas Faro Tel Fax E-mal: Webse: Tíulo Esudos I - Faculdade de Economa da Unversdade do Algarve Auor Város Edor Faculdade de Economa da Unversdade do Algarve Morada: Campus de Gambelas Localdade: FARO Códgo Posal: Complação e Desgn Gráfco Sus A. Rodrgues Revsão de Formaação e Pagnação Lída Rodrgues Foolos e Impressão Servços Gráfcos da Unversdade do Algarve ISBN Daa: Depóso Legal 879/04 Tragem 500 exemplares Daa Novembro 004 RESERVADOS TODOS OS DIREITOS REPRODUÇÃO PROIBIDA
4 Combnação de prevsões com modelos auoregressvos lneares e não lneares aplcações ao ursmo Resumo Paulo M.M. Rodrgues Faculdade de Economa Unversdade do Algarve Pedro Gouvea Escola Superor de Gesão Hoelara e Tursmo Unversdade do Algarve As meodologas de combnação de prevsões exploram relações de complemenardade enre dversos pos de modelos economércos. O seu desenvolvmeno e crescene ulzação resulam do faco desas apresenarem melor performance em ermos de prevsão do que os modelos ndvduas que as compõem (vde ner ala Baes e Granger 969 e Soc e Wason 003). Ese argo é ponero na ulzação de meodologas de combnação de prevsões a séres do ursmo. Nese argo são ulzados modelos lneares (quer modelos só com componene sazonal deermnísca quer modelos sazonas auoregressvos) e modelos mas complexos e de evolução recene capores da não lneardade deermnísca (como é o caso dos modelos Peródcos Auoregressvos [PAR]) ou da não-lneardade esocásca (como é o caso dos modelos Self Excng Tresold Auoregressve [SETAR]) das séres. Procura-se anda pelo recurso a modelos com componene sazonal conrbur para a rupura da práca domnane de ulzação de séres sazonalmene ausadas (ou sea de séres expurgadas da nformação sazonal). Por ouro lado aravés de uma meodologa de selecção da ordem da pare auoregressva sugerda em Rodrgues e Gouvea (004) procura-se conugar o prncípo da parcmóna com a salvaguarda de ausênca de auocorrelação por forma a que cada um dos modelos ulzados apresene boa performance em ermos de prevsão. Palavras-cave: Combnação de prevsões modelos peródcos modelos resold não-lneardade sazonaldade. Absrac Forecas combnaon meodologes explore complemenar relaons beween dfferen pes of economerc models. Te developmen and growng use of forecas combnaons resul from e fac a ese presen beer forecas performance en e ndvdual models on wc e combnaons are based (see ner ala Baes and Granger 969 and Soc and Wason 003). Ts paper loos o e applcaon of forecas combnaons o oursm daa. Lnear models (models w onl deermnsc seasonal componen and seasonal auoregressve models) and more complex models suc as models a capure deermnsc and/or socasc nonlnear of e seres are emploed. We ope s sud wll movae a brea n e pcal use of seasonall Os auores agradecem à Fundação para a Cênca e Tecnologa o apoo fnancero conceddo no âmbo do programa POCTI/ECO/4966/00 (FEDER). Douorando em Méodos Quanavos especaldade de Economera na Faculdade de Economa da Unversdade do Algarve. 643
5 Rodrgues e Gouvea adused daa. On e oer and usng e lag selecon approac suggesed b Rodrgues and Gouvea (004) e applcaon of a prncple of parsmon w adequael specfed models s deal n order o ensure a e models used dspla a good forecas performance. Kewords: Combnng forecass perodc models resold models nonlnear seasonal.. Inrodução Os modelos de séres emporas envolvem a análse esaísca da evolução passada da varável de neresse parndo do prncípo que as observações passadas ncorporam nformação relava a um vaso conuno de varáves que nfluencam o fenómeno em esudo (e em muos casos dfícl de denfcar). Cada po de modelo é capor apenas de uma pare da realdade. A nerdependênca enre séres emporas orna a ulzação de modelos unvarados (domnane ao nível da modelação e prevsão em séres emporas) por vezes reduora. Uma forma de conornar ese problema pode conssr em explorar as relações de complemenardade exsenes enre dferenes modelos e assm ober uma melor aproxmação ao processo gerador de dados. No campo da prevsão desde o esudo de Baes e Granger (969) êm sdo desenvolvdas dversas meodologas de combnação de prevsões. De um modo geral em sdo possível enconrar evdênca de que as prevsões obdas mesmo com base em meodologas smples de combnação de prevsões apresenam vanagens em relação às geradas por modelos solados (vde Soc e Wason 003). Nese argo procuram-se ulzar dferenes modelos e dversas meodologas de combnação de prevsões no campo da prevsão de séres do ursmo. Nesse sendo são ulzados modelos lneares smples apenas com componene deermnísca (dummes sazonas e/ou endênca) modelos Sazonas Auoregressvos [SAR] e modelos não-lneares mas complexos e de evolução mas recene na leraura economérca como é o caso dos modelos Peródcos Auorregressvos (PAR) e dos modelos Self Excng Tresold Auoregressve (SETAR). Procura-se ambém conrbur para a rupura com a práca domnane de ulzação de séres sazonalmene ausadas. Com efeo boa pare das aplcações na área do ursmo baseam-se em dados sazonalmene ausados de frequênca anual (vde por exemplo Kulendran e W 00 p. 94). Durane muo empo a sazonaldade fo consderada uma componene perurbadora das séres emporas que dfculava a análse das componenes cclo e endênca. Nese conexo era prvlegado o recurso a séres sazonalmene ausadas expurgadas da componene sazonal. Acualmene é reconecdo que a sazonaldade é uma componene mporane das séres emporas que deve ser da em cona ao nível da modelação e não gnorada ou removda como fo correne nas úlmas décadas (vde Gsels 994 e Gsels Osborn e Rodrgues 000). Ese argo enconra-se esruurado da segune forma. Na Secção é denfcada a sére de dados que susena o esudo de prevsão e analsadas as suas propredades. Na Secção 3 procede-se a uma breve descrção de cada um dos pos de modelos 644
6 Combnação de prevsões com modelos auoregressvos lneares e não lneares ulzados. No que dz respeo ao esudo de prevsão na Secção 4 são dscudos os méodos de prevsão ulzados nos modelos lneares e nos modelos com nãolneardade deermnísca e esocásca; são apresenadas as esaíscas de avalação e é fea a comparação da performance de prevsão dos dferenes modelos e proposas as meodologas de combnação de prevsões. Na secção 5 é desenvolvdo um esudo de prevsão com base nos modelos apresenados na Secção 3 para a sére consderada. Fnalmene na secção 6 são apresenadas as prncpas conclusões que o desenvolvmeno do rabalo permu alcançar. - Sére de dados e suas propredades esaíscas. Descrção da sére Nese argo são ulzados dados mensas (não ausados sazonalmene) de Janero de 977 a Dezembro de 000 relavos às dormdas de óspedes do Reno Undo no Algarve (Fgura.) faculados pelo Insuo Naconal de Esaísca (INE) Drecção Regonal do Algarve. Em odos os modelos consderados foram ulzadas as observações relavas ao período de Fgura.: Dormdas de óspedes orundos do Reno Undo Propredades da sére A sazonaldade pode ser deermnísca ou esocásca esaconára ou não esaconára (vde ner ala Franses 996 e Gsels e Osborn 00). Quando os fenómenos apresenam um comporameno sazonal esável em orno da endênca deermnísca as dummes sazonas explcam a quase oaldade da varabldade das 645
7 Rodrgues e Gouvea séres. Nese caso esamos perane o que abualmene se desgna por sazonaldade deermnísca. Quando um processo apresena pelo menos uma raz unára sazonal na sua represenação auorregressva esamos perane um processo sazonal negrado (vde Hlleberg e al. 990). Ese po de processos esão assocados a fenómenos de perssênca geradores de alerações lenas mas permanenes nos padrões sazonas. No caso parcular das séres mensas um passeo aleaóro sazonal como o que se segue apresena raízes unáras nas frequêncas e. Nese caso o polnómo L onde L represena o operador de desfasameno emporal ( L ) pode ser facorzado (cf. Hlleber e al. (990) Beauleu e Mron (993) e Sm e Talor (999)) em função das suas raízes unáras sazonas exp(±/s) =0...6 de modo a ober-se a regressão ese onde z z z cos ( ) p u cos ( z ) z 0 sn ( = / =...5 e = ( L ) =. Noe que z... correspondem a combnações lneares de desfasamenos de de modo que em cada combnação sea solada uma deermnada raz unára. Por exemplo vsa avalar se exse ou não uma raz unára na frequênca zero. Os coefcenes dos = são os parâmeros relevanes para efeos de ese às raízes unáras. Consequenemene para esar a póese nula de passeo aleaóro sazonal conra a alernava de esaconardade em pelo menos uma frequênca HEGY e Sm and Talor (999) ner ala sugerram : (unlaeral) para a exclusão de z - ; (unlaeral) para a exclusão de z - ; (unlaeral) para a exclusão de z - e + (blaeral) para a exclusão de z +- para = 3579; sugerram ambém os eses conunos F [] para a exclusão smulânea de z - e z +- = Gsels Lee e No (994) Talor (998) Sm and Talor (998 z z 999) consderam ambém os eses F [...] para a exclusão de z - e 3 e F [...] para a exclusão de z - z - e z z. 3 Para uma abordagem mas dealada sobre eses eses e suas propredades vea Rodrgues e Talor (004). ) z A Tabela. apresena os resulados da aplcação do ese HEGY mensal à sére relava às dormdas de óspedes do Reno Undo no Algarve. 646
8 Combnação de prevsões com modelos auoregressvos lneares e não lneares Tabela.: Resulados do Tese HEGY à Presença de Raízes Unáras Frequênca 0 Tese HEGY -.836* -.590* 3 e 6.7* 5 7 e e * 4 e * 5 e * Noa: * ndca a não reeção da presença de raz unára a um nível de sgnfcânca de 5%. Da análse dos resulados desa abela verfca-se que uncamene o par de raízes complexas relavas às frequêncas 5/3 e 7/6 é reeado. Porano verfca-se fore evdênca de um padrão sazonal não esaconáro. 3. Descrção dos modelos 3. Modelos Sazonas Deermníscos Se consderarmos que o padrão sazonal de uma sére é bem aproxmado apenas por componenes sazonas deermníscas é possível recorrer a um modelo como o que se segue S D L) ( (3.) x S ( L) D x onde D corresponde à dumm sazonal que assume o valor um na esação e zero nos ouros casos; x é gerado por um processo auoregressvo de médas móves esaconáro e nverível onde (L) e (L) represenam polnómos em L de ordem p e q respecvamene; e ~ d(0 ). 647
9 Rodrgues e Gouvea 3. Modelos Sazonas Auoregressvos Quando as relações causas enre varáves são dfíces de fundamenar uma alernava consse em procurar explcar o fenómeno em esudo com base uncamene na sua evolução passada. Com efeo a evolução sórca ncorpora nformação acerca de númeras varáves que nfluencam o fenómeno pelo que os modelos auorregressvos são frequenemene ulzados na leraura economérca para efeos de prevsão. O modelo Sazonal Auorregressvo (SAR) com componenes deermníscas pode ser represenado para a frequênca mensal pela segune expressão: S D L) ( x S D ( L). x (3.) Para uma abordagem mas exausva aos modelos auoregressvos e sazonal auoregressvo vea ner ala Hamlon (994) Franses (996) e Gsels e Osborn (00). 3.3 Modelos Peródcos Auorregressvos Os modelos Peródcos Auorregressvos (PAR) consuem um conuno de modelos alernavos ulzados na modelação de séres sazonalmene não ausadas. Eses modelos permem a aleração dos parâmeros do modelo de acordo com as esações do ano. Nos modelos PAR as observações de cada esação do ano são modeladas por um regme auorregressvo específco. Em ermos geras um modelo PAR(p) pode ser represenado pela segune expressão ( u p ) D D (3.3) onde p = max{p...p } p represena a ordem da pare auorregressva do modelo da ~ d 0 D são dummes sazonas que assumem o valor um na esação e esação e zero nas ouras esações. Os modelos PAR são modelos não lneares onde a não-lneardade é nroduzda de forma deermnísca. Numa fase préva à aplcação dos modelos PAR mpora verfcar se nos dados em análse á evdênca de perodcdade de forma a evar o recurso a modelos sobreparamerzados. Noe que num smples PAR() não resro sem componene deermnsca são esmados 4 parâmeros e num PAR(p) parâmeros. Uma forma de verfcar a presença de perodcdade consse em esar a póese nula p 648
10 Combnação de prevsões com modelos auoregressvos lneares e não lneares conra a póese alernava H H 0 : : com = e = p. O ese à póese nula dado por F PAR RSS RSS / S p 0 (3.4) RSS / H H ~ F H S T S Sp T S Sp p onde RSS H e RSS 0 H represenam a soma dos quadrados dos resíduos sob a póese nula e alernava respecvamene. É possível enconrar mas desenvolvmenos em ermos dos eses à perodcdade e à eeroscedascdade sazonal em Bosw and Franses (996) e Rodrgues e Gouvea (004). Nese ulmo argo fo possível enconrar evdênca esaísca de perodcdade na sére ulzada no presene rabalo valdando assm a aplcação dos modelos PAR a esa sére. A frequênca mensal da séres ulzada nese argo sugere o recurso a um modelo PAR(p) onde p = max{p p } D p. (3.5) Porém os regmes de um modelo dese po endem a gerar problemas de sobreparamerzação como á fo referdo. Nese conexo é aconselável o recurso à meodologa de redução do modelo proposa por Rodrgues e Gouvea (004) segundo a qual podem ser defndos rês regmes correspondenes às esações deermnadas em função da percenagem de dormdas de cada mês. A classfcação dos dados obda por Rodrgues e Gouvea (004) ulzada na consrução de um modelo PAR(3p * ) para a sére em análse consa da abela 3.. Tabela 3.: Classfcação da sére: Reno Undo Época baxa Época nerméda Época ala Nov. a Mar. Abr. Ma Ou. Jun. a Se. 3.4 Modelos SETAR Sazonas Os modelos SETAR consuem uma classe mporane de modelos não lneares que se baseam na dea de que a evolução de um processo segue um conuno de regmes auorregressvos onde o valor da sére e o regme vgene em cada período dependem do valor assumdo por uma varável lme. Eses modelos revelam-se parcularmene adequados para a modelação das caraceríscas do cclo económco como a assmera enre as fases de expansão e conracção (c.f. Hamlon 989) o desemprego (c.f. Caner and Hansen 00) as séres fnanceras (c.f. Franses e van D 000) a Teora da Pardade dos Poderes de Compra (c.f. Enders e Granger 998 e Gouvea e Rodrgues 00) as axas de uro (c.f. Enders e Granger 998) e a 649
11 Rodrgues e Gouvea esabldade moneára no Mecansmo de Taxas de Câmbo do Ssema Moneáro Europeu (Gouvea Rebelo e Rodrgues 003). Consderemos para efeos de exposção um modelo SETAR com dos regmes e componene sazonal dado por S S D D S S D D e e f f q d q d (3.6) onde q -d represena a varável lme e d o parâmero de desfasameno. Por seu urno o parâmero de lme é deermnado a parr dos valores da varável lme q -d que geralmene assume a forma de uma combnação de desfasamenos da varável dependene vde ner ala Hansen (997 p. 0). Embora os modelos SETAR sazonas possuam uma esruura semelane à dos modelos PAR a naureza da sua não lneardade é esocásca (dado que o parâmero lme é endógeno ao modelo). Consderando = ; = S e = (' ' ) o esmador obdo pelo méodo dos mínmos quadrados ordnáros (MMQO) vem dado por n n ˆ x ( ) x ( )' x ( ). (3.8) No processo de esmação os parâmeros d e são sequencalmene esmados da segune forma ˆ arg mn ˆ ( d) ds. (3.9) onde ˆ d corresponde ao esmador da varânca para cada par (d) obdo por recurso aos MMQO represena o conuno de odos os possíves valores do parâmero lme (ou sea o conuno de possíves valores da varável lme q -d ) e s={..p} é o conuno de odos os valores possíves do parâmero de desfasameno d. Segundo Can (993) o esmador ˆ obdo de acordo com (3.9) é foremene conssene. A mporânca da endogenezação do parâmero de desfasameno d para efeos da esmação do modelo é demonsrada aravés de dversos esudos de Mone Carlo; e.g. Gouvea (000) e Rodrgues e Gouvea (00). A pernênca da aplcação dos modelos SETAR depende da exsênca de dferenças sgnfcavas enre os coefcenes dos dos regmes. Os eses à lneardade em modelos SETAR para varáves esaconáras foram obeco de desenvolvmenos em város esudos vea por exemplo Caner e Hansen (00) Can (990) Can e Tong (990) e Hansen (997). Eses auores propõem sob a póese nula de lneardade o segune ese 650
12 Combnação de prevsões com modelos auoregressvos lneares e não lneares ~ ˆ ( ) F ( ) n (3.0) ˆ ( ) onde n represena o número de observações e ~ e ˆ ( ) represenam respecvamene os esmadores das varâncas da varável resdual resulane dos modelos lnear auorregressvo e SETAR. Noe no enano que a presença de um parâmero perurbador sob a póese alernava que não esá presene sob a póese nula conduz a dsrbuções nãosandard e não-cenras (nvaldando a ulzação da eora assmpóca radconal) aconselando assm à obenção de valores crícos com base no méodo do boosrap. Ese fenómeno é conecdo na leraura economérca por problema de Davs (977); vea ambém Andrews e Ploberger (994) e Hansen (996). Para uma análse mas exausva dos modelos SETAR vea enre ouros Tong (990) Hansen ( ) Caner e Hansen (00) e Rodrgues e Gouvea (00). 4. Prevsão 4.. Prevsão com modelos lneares e modelos não-lneares deermníscos De acordo com Box e Jenns (970) o valor da prevsão de uma deermnada sére emporal que mnmza a Méda do Quadrado dos Erros de Prevsão (MQEP) e E MQEP E (4.) ˆ é dado pelo valor esperado condconal de E F ; ˆ onde represena a nformação sórca da sére emporal no momeno e represena a função assocada ao modelo lnear em causa. No caso lnear a obenção de prevsões para períodos pode ser realzada por subsução recursva. 4.. Prevsão com modelos SETAR A obenção de prevsões no caso dos modelos não - lneares é mas complexa e compuaconalmene mas morosa do que no caso dos modelos lneares. Quando é ulzado o méodo dos mínmos quadrados ordnáros na obenção de prevsões ponuas os valores fuuros da sére são calculados com base no valor esperado condconal (aos valores sórcos da sére).e. ˆ E. (4.) O valor da prevsão para = pode ser faclmene obdo pela expressão F ;. ˆ E (4.3) No enano sempre que > o calculo da prevsão orna-se mas complexo. Com efeo por exemplo para = emos 65
13 Rodrgues e Gouvea Ora no caso dos modelos SETAR EF ; ˆ E. (4.4) F F E ; F ˆ ; ; E. (4.5) Esa mpossbldade de permuar os operadores E e F no caso dos modelos SETAR (e dos modelos não-lneares em geral) em como consequênca a mpossbldade de esabelecer relações recursvas enre dferenes orzones de prevsão em conrapono com o que aconece com os modelos lneares. Quando esa mpossbldade de permuação é neglgencada esamos perane um méodo de prevsão desgnado na leraura por nave (vde ner ala Franses e van D 000) dado pela expressão e que é gerador de prevsões envesadas. ˆ ˆ F ; (4.6) A obenção de prevsões com modelos não-lneares esá geralmene assocado a processos de negração numérca baseadas na relação de Capman-Kolmorov. Nese conexo a prevsão para períodos pode ser obda de uma forma recursva a parr da expressão onde g E g d ˆ E (4.6) é a dsrbução condconal de dado. Uma vez que de uma forma geral a expressão (4.6) não é conecda orna-se necessáro recorrer a écncas de compuação nensva. Uma possível abordagem consse no recurso ao méodo de Mone Carlo segundo o qual a prevsão para períodos pode ser obda com base na expressão ˆ F F F ˆ ; ; ; (4.7) 3 3 mc onde represena o número de replcações ulzado e (com = K = ) os valores aleaóros obdos a parr da presumível dsrbução de. No caso da dsrbução de ser desconecda é possível recorrer ao méodo do boosrap baseado em ˆ F F F ˆ ˆ ; ˆ ; ˆ ;. (4.8) 3 3 boo 65
14 Combnação de prevsões com modelos auoregressvos lneares e não lneares Nese caso ˆ = são valores aleaóros com reposção obdos a parr dos resíduos do modelo esmado. Ln e Granger (994) e Clemens e Sm (997) comparam os rês méodos de obenção de prevsões para orzones emporas superores a um e obêm evdênca empírca da vanagem assocada ao méodo do boosrap. 4.3 Comparação da performance em ermos de prevsão Para efeos de avalação da performance de cada um dos modelos em ermos de prevsão são redas m+ observações onde represena o orzone emporal de prevsão de modo a avalarem-se e compararem-se m vezes de forma sequencal a períodos para a frene (vde ner ala Franses e van D 000). Ou sea a capacdade de prevsão de um modelo para um orzone de períodos pode dese modo ser esada para os úlmos [m/] anos. Nese esudo consderou-se m = 36 (3 anos) 48 (4 anos) e 60 (5 anos). Tendo por base esa meodologa são ulzados rês créros para efeos de comparação de prevsões: ) A Raz Quadrada da Méda do Quadrado dos Erros de Prevsão (RQMQEP) ˆ RQMQEP. (4.9) Para efeos de avalação da qualdade das prevsões e no enquadrameno da meodologa assocada à anela de prevsão móvel orna-se pernene recorrer à méda da Raz Quadrada da Méda do Quadrado dos Erros de Prevsão (MRQMQEP) dada pela expressão MRQMQEP m m m ˆ m m. (4.0) ) O Erro de Prevsão Absoluo (EPA) EPA m m m ˆ. (4.) No conexo da ulzação da anela de prevsão móvel recorre-se à méda dos Erros de Prevsão Absoluos (MEPA) dada pela expressão MEPA m m ˆ m m m. (4.) ) O Erro de Prevsão Absoluo Percenual (EPAperc) 653
15 Rodrgues e Gouvea 654 PERC EPA ˆ. (4.3) Tal como no caso dos Erros de Prevsão Absoluos ao nível da anela de prevsão a medda a ulzar será a Méda dos Erros de Prevsão Absoluos Percenuas (MAPE PERC ).e. m m m m m PERC m MEPA ˆ. 4.4) 4.4. Meodologa de combnação de prevsões As combnações lneares consuem uma das meodologas de crescene ulzação na leraura com vsa à obenção de prevsões (c.f. Baes e Granger 969; Soc e Wason 003) por recurso a K RQMQEP RQMQEP w (4.5) K MEPA MEPA w (4.6) onde represena o número de modelos ulzados e w o peso do modelo na prevsão para o período. Nese caso o peso de cada modelo é função de. Quando =0 odos os modelos êm gual peso na combnação. Um aumeno de sgnfca um aumeno da ênfase nos modelos com melor performance relava. Na medda em que os modelos que apresenam melor performance em ermos de prevsão no curo prazo nem sempre correspondem aos que possuem uma melor performance no longo prazo pode ornar-se pernene o ausameno da combnação de prevsões a ese po de fenómeno como se segue se RQMQEP RQMQEP se RQMQEP RQMQEP w K K (4.7) se MEPA MEPA se MEPA MEPA w K K. (4.8)
16 Combnação de prevsões com modelos auoregressvos lneares e não lneares Com efeo as expressões (4.7) e (4.8) correspondem a uma adapação das expressões (4.5) e (4.6) de forma a dferencar o peso de cada modelo aé / e de / a. Para além dese po de meodologas anda se consderaram nese esudo combnações baseadas na méda e na medana da oaldade ou de pare do conuno dos modelos ndvduas. 5. Esudo de Prevsão 5.. Descrção do esudo A séres de dados que supora o esudo de prevsão (vde Secção ) respea ao período sendo consderado um orzone emporal de prevsão de = 4 (de Janero de 999 a Dezembro de 000). No domíno da modelação e prevsão a selecção da ordem da pare auorregressva desempena um papel crucal. Nese argo segumos a meodologa proposa em Rodrgues e Gouvea (004) onde a parr de uma ordem máxma da pare auorregressva sufcenemene elevada (e.g. p = 36) são elmnadas sucessvamene as varáves menos sgnfcavas (procurando no enano garanr em odas as fases a ausênca de auocorrelação). Com base nesa meodologa é possível (em conrapono ao que em sdo radconal sobreudo no campo da aplcação de modelos PAR e SETAR) que cada regme apresene uma ordem dsna da pare auorregressva. Esa abordagem perme a consrução de modelos mas parcmonosos com vanagens ao nível da prevsão (vde Rodrgues e Gouvea 004). Por ouro lado os méodos para obenção de prevsões correspondem aos descros na secção 4. e são dferencados para o caso dos modelos AR e PAR (lneares e com não-lneardade deermnísca) e SETAR (com não lneardade esocásca). A selecção da ordem da pare auorregressva e a obenção de prevsões eve por base méodos de compuação nensva. Para cada um dos modelos dscrmnados nas Tabelas 5. e 5. odos os cálculos foram realzados em GAUSS 3. e veram por base ronas desenvolvdas pelos auores. 655
17 Rodrgues e Gouvea Tabela 5.: Lsa dos Modelos Ulzados Modelo Descrção Flro ARP com dummes sazonas e endênca Níves ARP com dummes sazonas e endênca 3 ARP com dummes sazonas e endênca 4 ARP com dummes sazonas e endênca 5 ARP com dummes sazonas e endênca (-L)(+L) 6 ARP com 3 dummes sazonas e endênca Níves 7 ARP com 3 dummes sazonas e endênca 8 ARP com 3 dummes sazonas e endênca 9 ARP com 3 dummes sazonas e endênca (-L)(+L) 0 ARP com 3 dummes sazonas e 3 endênca Níves ARP com 3 dummes sazonas e 3 endênca ARP com 3 dummes sazonas e 3 endênca 3 ARP com 3 dummes sazonas e 3 endênca (-L)(+L) 4 Modelo Deermnísco com dummes e endêncas Níves 5 Modelo Deermnísco com dummes e endêncas 6 Modelo Deermnísco com dummes e endêncas 7 Modelo Deermnísco com dummes e endêncas 8 Modelo Deermnísco com dummes e endêncas (-L)(+L) 9 PAR3 com 3 dummes e 3 endêncas Níves 0 PAR3 com 3 dummes e 3 endêncas PAR3 com 3 dummes e 3 endêncas PAR3 com 3 dummes e 3 endêncas (-L)(+L) 3 PAR com dummes e endênca Níves 4 PAR com dummes e endênca 5 PAR com dummes e endênca 6 PAR com dummes e endênca (-L)(+L) 7 PAR com dummes e endêncas Níves 8 PAR com dummes e endêncas 9 PAR com dummes e endêncas 30 SEATAR com 3 dummes e endênca- méodo "nave" 3 SEATAR com 3 dummes e endênca- méodo "Mone Carlo" 3 SEATAR com 3 dummes e endênca- méodo "Boosrap" D 656
18 Combnação de prevsões com modelos auoregressvos lneares e não lneares Tabela 5.: Lsa das Combnações Consderadas Modelo Descrção 33 Méda 34 Comb Expressão (4.5) = 0 35 Comb Expressão (4.5) = 36 Comb3 Expressão (4.5) =.5 37 Comb4 Expressão (4.5) = 38 Comb5 Expressão (4.5) = 5 39 Comb6 Expressão (4.6) = 0 40 Comb7 Expressão (4.6) = 4 Comb8 Expressão (4.6) =.5 4 Comb9 Expressão (4.6) = 43 Comb0 Expressão (4.6) = 5 44 Comb Expressão (4.7) = 45 Comb Expressão (4.8) = 46 Comb3 Méda dos melores 0 modelos (com base no MRQMQEP para =4) 47 Comb4 Méda dos melores 5 modelos (com base no MRQMQEP para =4) 48 Comb5 Medana dos melores 0 modelos (com base no MRQMQEP para =4) 49 Comb6 Medana dos melores 5 modelos (com base no MRQMQEP para =4) 50 Comb7 Méda dos melores 0 modelos (com base no MEPA para =4) 5 Comb8 Méda dos melores 5 modelos (com base no MEPA para =4) 5 Comb9 Medana dos melores 0 modelos (com base no MEPA para =4) 53 Comb0 Medana dos melores 5 modelos (com base no MEPA para =4) 54 Comb Medana de Todas as combnações 5.. Resulados do esudo de prevsão De uma forma geral e para o período pós amosral odos os modelos ulzados apresenam boa performance em ermos de prevsão. Ese resulado que pode esar assocado à meodologa de selecção da ordem da pare auorregressva e é drecamene observável na Tabela 5.5. Dese esudo resula ambém evdênca da vanagem do recurso a meodologas de combnação de prevsões. Na abela 5.3 regsa-se que em relação a odos os orzones emporas consderados (de = a = 4) os dferenes pos de meodologas de combnação de prevsões enconram-se geralmene enre as prevsões com menor RQMQEP. Nese âmbo é parcularmene noóra a vanagem da meodologa de combnação sugerda em (4.8) que perme a dferencação do peso de cada um dos modelos de acordo com o curo ( = ) e o longo prazo ( = 4). Nese argo apresenamos uncamene os resulados obdos com base no RQMQEO. Relavamene aos resulados obdos para as esaíscas consderadas em (4.) e (4.4) eses podem ser solcados aos auores. 657
19 Rodrgues e Gouvea A Fgura 5. perme comparar os resulados da prevsão do melor modelo (Modelo 44 que corresponde à combnação - vde abela 5.) com o modelo que apresenou por performance em ermos de prevsão (modelo ) em relação ao período pós amosral. Por seu urno a fgura 5. apresena essa comparação em ermos de erro percenual. Nese caso desvos de snal posvo e negavo represenam respecvamene sobre e sub prevsão. Em ambas as fguras é anda noóra uma deeroração da qualdade das prevsões com o aumeno do orzone emporal de prevsão. Tabela 5.3: Ranng dos modelos ulzados de acordo com o RQMQEP (período pós-amosral) Posção /Horzone de Prevsão Noa: Para a dscrção dos modelos vea as Tabelas 5. e
20 Combnação de prevsões com modelos auoregressvos lneares e não lneares Fgura 5.: Prevsão para o período: (Dormdas de Hóspedes do Reno Undo no Algarve) Dormdas M 999M 999M3 999M4 999M5 999M6 999M7 999M8 999M9 999M0 999M 999M 000M 000M 000M3 000M4 000M5 000M6 000M7 000M8 000M9 000M0 000M 000M Valores Reas Modelo Comb Fgura 5.: Erro Percenual de Prevsão do período (Dormdas de Hóspedes do Reno Undo no Algarve) 0.00% 5.00% 0.00% -5.00% -0.00% -5.00% -0.00% -5.00% 999M 999M 999M3 999M4 999M5 999M6 999M7 999M8 999M9 999M0 999M 999M 000M 000M 000M3 000M4 000M5 000M6 000M7 000M8 000M9 000M0 000M 000M Erro Percenual (Modelo ) Erro Percenual (Comb) 659
21 Rodrgues e Gouvea 6. Conclusão Baseado na dea nroduzda por Baes e Granger (969) de que a exploração das relações de complemenardade em ermos de poder explcavos de dversos pos de modelos nese argo fo possível ober evdênca da superordade de algumas meodologas de combnação de prevsões para o caso da sére relava às dormdas de óspedes do Reno Undo no Algarve. A meodologa de combnação de prevsões baseada na dferencação do peso de cada modelo em função da performance de curo e longo prazo sugerda na secção 4 fo a que obeve melor performance em ermos de prevsão Com ese esudo de prevsão fo anda possível aplcar com vanagem a meodologa de selecção da ordem sugerda em Rodrgues e Gouvea (004) que perme a obenção de modelos parcmonosos com salvaguarda de ausênca de auocorrelação o que acaba por se raduzr num vaso conuno de modelos com boa performance em ermos de prevsão. Por fm e anda que nese argo a aplcação esea lmada a uma sére emporal os resulados obdos dexam boas perspecvas no que oca à obenção de prevsões de qualdade para um conuno de varáves mporanes na área do ursmo. 660
22 Combnação de prevsões com modelos auoregressvos lneares e não lneares Referêncas Andrews W.K. Ploberger (994) Opmal Tess wen a Nusance Parameer s Presen Onl Under e Alernave Economerca Baes J.M. e Granger C.W.J. (969) Te Combnaon of Forecass Operaons Researc Quarerl Beaulu J.J. e J. A. Mron (993) Seasonal Un Roos n Agregae U.S. Daa Journal of Economercs Bosw H. P. e P.H. Franses (996) Un Roo n Perodc Auorressons Journal of Tme Seres Analss Box G.E.P. e G.M. Jenns (970) Tme Seres Analss Forecasng and Conrol San Francsco: Holden-Da. Caner M. e B. Hansen (00) Tresold Auoregresson w a Un Roo Economerca Can K.S. (990) Tesng for Tresold Auoregresson Te Annals of Sascs Can K.S. e H. Tong (990) On Lelood Rao Tess for Tresold Auoregresson Journal of Roal Sascal Soce B Clemen R.T. (989) Combnng Forecass: a Revew and Annoaed Bblograp Inernaonal Journal of Forecasng Clemens M.P. and D.F. Hendr (997) An Emprcal Sud of Seasonal Un Roos n Forecasng Inernaonal Journal of Forecasng Clemens M. P. e Sm J. (999) A Mone Carlo sud of e forcasng performance of emprcal SETAR models Journal of Aplled Economercs Daves R.B. (977) Hpoess Tesng wen a Nusance Parameer s Presen Onl Under e Alernave Bomera Enders W. e C.W.J. Granger (998) Un-roo Tess and Asmmerc Adusmen w an Example Usng e Term Srucure of Ineres Raes Journal of Busness and Economc Sascs Franses P.H. (996) Perodc and Socasc Trends n Economc Tme Seres Oxford: Oxford Unvers Press. Franses P.H. e D. van D (000) Nonlnear Tme Seres Models n Emprcal Fnance Cambrdge: Cambrdge Unvers Press. Gouvea P.M.D.C. (000) A Não-Lneardade em Varáves Económcas: Os Modelos SETAR Dsseração de Mesrado; Faculdade de Economa da Unversdade do Algarve. Gouvea P.M.D.C. e P.M.M. Rodrgues (00) Conegração em Modelos SETAR Uma Aplcação à Teora da Pardade dos Poderes de Compra n Carvalo L. Brlane F. e Rosado F. (eds.) Novos Rumos em Esaísca Acas do IX Congresso Anual da Socedade Poruguesa de Esaísca Gouvea P.M.D.C. E. L. Rebelo e P.M.M. Rodrgues (003) Assmera no Mecansmo de Taxas de Câmbo do SME n Bro P Fgueredo A. Sousa F. Teles P. Rosado F. (eds.) Leraca e Esaísca - Acas do X Congresso Anual da Socedade Poruguesa de Esaísca Edçõees SPE Gouvea P.M.D.C.B. e P.M.M. Rodrgues P.M.M. (004) Tresold Conegraon and e P.P.P. Hpoess Journal of Appled Sass
23 Rodrgues e Gouvea Gsels E. (994) On Economcs and Economercs of Seasonal n C.A. Sms (ed.) Advances n Economercs - Sx World Congress of e Economerc Soce Cambrdge: Cambrdge Unvers Press Vol. Cap. 7: Gsels E. D.R. Osborn e P.M.M. Rodrgues (000) Seasonal Nonsaonar and Nearnonsaonar. In A Companon o Teorecal Economercs Ed. Bad Balag Blacwells Hamlon J. D. (994) Tme Seres Analss Prnceon NJ: Prnceon Unvers Press. Hansen B.E. (996) Inference wen a Nusance Parameer s No Idenfed Under e Null Hpoess Economerca Hansen B.E. (997) Inference n TAR Models Sudes n Non-lnear Dnamcs and Economercs -4. Hlleberg S. R.F. Engle Engle C.W.J. Granger and B. S. Yoo (990) Seasonal Inergraon and Conegraon Journal of Economercs Kenned E. (999) Seasonal n Irs Toursm Toursm Economcs 5: Kulendran N. e W S.F. (00). Conegraon Versus Leas Squares Regresson. Annals of Toursm Researc 8. Rodrgues P.M.M. e P.M.D.C. Gouvea (00) A Noe on Resdual Based Tess for Tresold Conegraon Documeno de Trabalo Faculdade de Economa Unversdade do Algarve. Rodrgues P.M.M. e P.M.D.C. Gouvea (00) Avalação de Teses de Raízes Unáras em Modelos SETAR Acas do IV Enconro de Economsas de Língua Poruguesa. Rodrgues P.M.M. e P.M.D.C. Gouvea (004) An Applcaon of PAR Models for Toursm Forcasng Toursm Economcs no prelo. Rodrgues P.M.M. e A.M. R. Talor (004) Asmpoc Dsrbuons for Regresson-based Seasonal Un Roo Tess n a Near-Inegraed Model. Economerc Teor no prelo. Soc J.H. e M.W. Wason (999) A Comparson of Lnear and Nonlnear Unvarae Models for Forecasng Macroeconomc Tme Seres C. n R. Engle and H. We (eds.) Conegraon Causal and Forecasng: A Fessrf for Clve W.J. Granger. Oxford: Oxford Unvers Press
PREVISÃO NOTAS METODOLÓGICAS
PREVIÃO NOTA METODOLÓGICA. Inrodução A comonene revsão do IMPACTUR rocura exlorar as relações de comlemenardade exsenes enre dversos os de modelos de revsão. Os modelos de séres emoras envolvem a análse
Leia maisNeo-fisherianos e teoria fiscal do nível de preços
Anono Lcha 4/março/07 Neo-fsheranos e eora fscal do nível de preços O objevo desas noas é desacar os prncpas elemenos da abordagem neofsherana e da eora fscal do nível de preços. Desacamos 4 pequenos modelos
Leia maisSolução numérica de equações diferenciais ordinárias. Problema de valor inicial (PVI)
Solução numérca de equações derencas ordnáras Problema de valor ncal PVI 4 5 Inrodução 4 5 Uma equação derencal ordnára é denda como uma equação que envolve uma unção ncógna e algumas das suas dervadas
Leia maisPROF. DR. JACQUES FACON LIMIARIZAÇÃO POR ENTROPIA DE WULU
1 PUCPR- Ponfíca Unversdade Caólca Do Paraná PPGIA- Programa de Pós-Graduação Em Informáca Aplcada PROF. DR. JACQUES FACON IMIARIZAÇÃO POR ENTROPIA DE WUU Resumo: Uma nova écnca de marzação baseada em
Leia maisA VOLATILIDADE DO RETORNO DA AÇÃO DA CSN: USO DE MODELOS HETEROSCEDÁSTICOS
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. A VOLATILIDADE DO RETORNO DA AÇÃO DA CSN: USO DE MODELOS HETEROSCEDÁSTICOS Carlos Albero Gonçalves da Slva (CEFET-RJ) gon.slva@sof.com.br :O presene esudo
Leia maisCAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS
Economera Semesre 200.0 40 CAPÍTULO 9 MODELOS DE REGRESSÃO COM VARIÁVEIS BINÁRIAS OBJETIVOS Consderar modelos em que uma ou mas varáves explcavas são varáves nomnas (ambém chamadas de ndcadores, varáves
Leia mais5 Avaliação do Título Conversível pelo Método de Diferenças Finitas Implícito (DFI)
5 Avalação do Tíulo Conversível pelo Méodo de Dferenças Fnas Implíco (DFI) 5. Meodologa - Premssas Ese modelo desenvolvdo para apreçameno do LYON faz uso da eora de opções desenvolvda por Black and Scholes
Leia maisAnálises de ciclos econômicos no Brasil
Análses de cclos econômcos no Brasl 1980-2009 Armando Vaz Sampao RESUMO - As sequêncas de expansões e conrações da avdade econômca são conhecdas como cclos econômcos e afeam odos os agenes econômcos. O
Leia maisESTIMAÇÃO DA VOLATILIDADE PARA A SÉRIE DO IBOVESPA: APLICAÇÃO DE MODELOS DE MEMÓRIA CURTA
XXX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO Maurdade e desafos da Engenhara de Produção: compevdade das empresas, condções de rabalho, meo ambene. São Carlos, SP, Brasl, a5 de ouubro de. ESTIMAÇÃO
Leia mais5 Avaliação da Eficiência Computacional
5 Avalação da fcênca Compuaconal 5.1 Inrodução É desejado ncorporar o cálculo dos índces de adequação de ações de conrole de ensão ao programa SAN. O programa SAN esá sendo mplemenado com a esruura aual
Leia mais5 Modelo de Previsão de Temperatura
5 Modelo de Prevsão de Temperaura 5. Prevsão de Clma As varações do clma nfluencam os preços das commodes pela nfluênca na demanda. Todava, a correlação enre eses preços e o parâmero de clma não são perfeos,
Leia mais5 Apreçamento de ESOs com preço de exercício fixo
5 Apreçameno de ESOs com preço de exercíco fxo Ese capíulo rá explorar os prncpas modelos de apreçameno das ESOs ulzados hoje em da. Neses modelos a regra de decsão é esruurada em orno da maxmzação do
Leia mais3 Análise de Demanda Condicionada
3 Análse de Demanda Condconada 3.1 Inrodução A análse Condconada da Demanda é uma écnca que quebra o consumo resdencal em pares, cada uma assocada a um uso fnal ou a um deermnado equpameno em parcular.
Leia mais5 Sistemas Lineares com Coecientes Periódicos
5 Ssemas Lneares com Coecenes Peródcos Ese capíulo raa de forma suscna do esudo da esabldade de soluções peródcas de ssemas dnâmcos não-lneares. Segundo Rand [83], a eora de Floque é a eora mas geral que
Leia maisNota Técnica sobre a Circular nº 2.972, de 23 de março de 2000
Noa Técnca sobre a rcular nº 2.972, de 23 de março de 2000 Meodologa ulzada no processo de apuração do valor da volaldade padrão e do mulplcador para o da, dvulgados daramene pelo Banco enral do Brasl.
Leia mais5.1 O Processo TAR. é definida como um processo limiar auto-regressivo com h. regimes se puder ser representada por (5) ). Os termos ,...
5 O Modelo Não-Lnear Como vso no capíulo aneror, há espaço para uma análse mas profunda da função de reação do Banco Cenral do Brasl. Auores como Clarda, Gal e Gerler (2000) e Cogley e Sargen (2001) examnam
Leia maisCAPÍTULO 2 PLANEJAMENTO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIVO DE ENERGIA ELÉTRICA
CAPÍTULO 2 PLANEJAMEO DA OPERAÇÃO E FORMAÇÃO DO PREÇO SPOT EM UM MERCADO COMPETITIO DE ENERIA ELÉTRICA 2. IRODUÇÃO Ese capíulo apresena um resumo dos prncpas conceos relaconados ao planeameno da operação
Leia maisCAPÍTULO 4. Vamos partir da formulação diferencial da lei de Newton
9 CPÍTUL 4 DINÂMIC D PRTÍCUL: IMPULS E QUNTIDDE DE MVIMENT Nese capíulo será analsada a le de Newon na forma de negral no domíno do empo, aplcada ao momeno de parículas. Defne-se o conceo de mpulso e quandade
Leia maisOlinda - Pernambuco - Brasil. Gestão da Previsão de Consumo e Energia Não Faturada. Glauber Renato Colnago Rodolfo Miyasaki Edson Amaral
XVIII Semnáro Naconal de Dsrbução de Energa Elérca SENDI 008-06 a 10 de ouubro Olnda - Pernambuco - Brasl Gesão da Prevsão de Consumo e Energa Não Faurada Carlos Albero Fróes Lma Marley Apolnáro Sarava
Leia maisDinâmica Estocástica. Instituto de Física, outubro de 2016
Dnâmca Esocásca Insuo de Físca ouubro de 206 Dnâmcas esocáscas com mudança de um sío Dnâmca de Meropols e dnâmca de Glauber para o modelo de Isng 2 Dnâmcas esocáscas para o modelo de Isng Ssema defndo
Leia maisUTILIZAÇÃO DE MODELOS DE SÉRIES TEMPORAIS UNIVARIADAS NO APOIO À TOMADA DE DECISÃO: UM ESTUDO DE CASO
UTILIZAÇÃO DE MODELOS DE SÉRIES TEMPORAIS UNIVARIADAS NO APOIO À TOMADA DE DECISÃO: UM ESTUDO DE CASO ALAN FIGUEIREDO DE ARÊDES; ALESSANDRO DE ASSIS SANTOS OLIVEIRA ALESSANDRO; SÔNIA MARIA LEITE RIBEIRO
Leia maisMECÂNICA CLÁSSICA. AULA N o 3. Lagrangeano Princípio da Mínima Ação Exemplos
MECÂNICA CÁSSICA AUA N o 3 agrangeano Prncípo da Mínma Ação Exemplos Todas as les da Físca êm uma esruura em comum: as les de uma parícula em movmeno sob a ação da gravdade, o movmeno dado pela equação
Leia mais2 Revisão Bibliográfica dos Modelos de Previsão
19 2 Revsão Bblográfca dos Modelos de Prevsão Nese capíulo, são abordados alguns modelos e conceos ulzados na leraura para realzar prevsão de carga elérca. Denre os modelos lneares exsenes, serão examnados
Leia maisAnálise de Projectos ESAPL / IPVC
Análse de Proecos ESAPL / IPV Tempo, apal, Juro e Taxa de Juro Juros Smples e Juros omposos apalzação e Facor de apalzação Descono e Facor de Acualzação As aplcações do rendmeno onsumo Não Geram Rendmenos
Leia mais3 Dados e Modelo Econométrico 3.1. A amostra de funcionários públicos
3 Dados e Modelo Economérco 3.1. A amosra de funconáros públcos Os dados usados nese esudo êm como fone a Pesqusa Naconal de Amosra por Domcílo (PNAD, uma pesqusa domclar realzada anualmene no Brasl pelo
Leia maisPCA e IMPCA. Capítulo. 5.1 Considerações Iniciais
Capíulo 5 PCA e IMPCA 5. Consderações Incas A análse de componenes prncpas (PCA) [URK, M. A. & PENLAND, A. P. (99)] é uma ransformação lnear orogonal de um espaço q-dmensonal para um espaço n-dmensonal,
Leia maisTestes De Não Estacionariedade Em Séries Financeiras Com Dados Em Painel: Uma Síntese Aplicada
eses De Não Esaconaredade Em Séres Fnanceras Com Dados Em Panel: Uma Sínese Aplcada Rober Aldo Iquapaza Cenro De Pós-Graduação E Pesqusas Em Admnsração Cepead, Unversdade Federal De Mnas Geras rquapaza@gmal.com;rbal@ufmg.br
Leia maisAGG-232 SÍSMICA I 2011 SÍSMICA DE REFLEXÃO ANÁLISE DE VELOCIDADES
AGG-3 SÍSMICA I 0 SÍSMICA DE REFLEXÃO AÁLISE DE ELOCIDADES O objevo da análse de velocdades é deermnar as velocdades sísmcas das camadas geológcas em subsuperfíce. As velocdades sísmcas são ulzadas em
Leia maisTratamento de Dados 2º Semestre 2005/2006 Tópicos de Resolução do Trabalho 2 = 12
Traaeno de Dados º Seesre 5/6 Tópcos de Resolução do Trabalho Quesão a Para agrupar os dados e classes ora consderados os valores das rendas aé 5. ua vez que a parr dese valor os dados se enconra basane
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO DEPARTAMENTO DE ECONOMIA MONOGRAFIA DE FIM DE CURSO
POTIFÍCIA UIVERSIDADE CATÓLICA DO RIO DE JAEIRO DEPARTAMETO DE ECOOMIA MOOGRAFIA DE FIM DE CURSO PREVISÃO DE VOLATILIDADE REALIZADA UTILIZADO PREVISÃO MÉDIA COM CORREÇÃO DE VIÉS Breno de Casro Vera Marícula:
Leia maisCrescimento do Produto Agropecuário Brasileiro: uma Aplicação do Vetor Auto-regressivo (VAR)
Quesões Agráras, Educação no Campo e Desenvolvmeno CRESCIMENTO DO PRODUTO AGROPECUÁRIO: UMA APLICAÇÃO DO VETOR AUTO-REGRESSIVO (VAR) CARLOS ALBERTO GONÇALVES DA SILVA; LÉO DA ROCHA FERREIRA; PAULO FERNANDO
Leia maisFATORES DETERMINANTES DA DEMANDA POR MOEDA NO BRASIL: UMA ABORDAGEM ECONOMÉTRICA USANDO REGRESSÃO LINEAR DINÂMICA
Pesqusa Operaconal e o Desenvolvmeno Susenável FATORES DETERMINANTES DA DEMANDA POR MOEDA NO BRASIL: UMA ABORDAGEM ECONOMÉTRICA USANDO REGRESSÃO LINEAR DINÂMICA Wesley Vera da Slva Ponfíca Unversdade Caólca
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Parca Mara Borolon. Sc. Modelos de ados em Panel Fone: GUJARATI;. N. Economera Básca: 4ª Edção. Ro de Janero. Elsever- Campus 006 efnções Geras Nos dados em panel a mesma undade de core
Leia maisDíodo: Regime Dinâmico
Díodo: eme Dnâmco (exo apoo ao laboraóro) Inrodução Quando se esabelece m crcuo uma ensão ou correne varáves no empo o pono de funconameno em repouso do díodo ambém va varar no empo. A frequênca e amplude
Leia maisUma análise da não-linearidade da função de reação do Banco Central do Brasil: Avesso a Inflação ou a Recessão?
Uma análse da não-lneardade da função de reação do Banco Cenral do Brasl: Avesso a Inflação ou a Recessão? Terence de Almeda Pagano José Luz Ross Júnor Insper Workng Paper WPE: 88/9 Coprgh Insper. Todos
Leia maisArtigos IMPACTO DA PRECIPITAÇÃO EDOS EFEITOS DE CALENDÁRIO NAS VENDAS DE CIMENTO* Maria Helena Nunes**
Argos IMPACTO DA PRECIPITAÇÃO EDOS EFEITOS DE CALENDÁRIO NAS VENDAS DE CIMENTO* Mara Helena Nunes** 1. INTRODUÇÃO * As opnões expressas no argo são da nera responsabldade da auora e não concdem necessaramene
Leia maisInserção de Variáveis Ambientais no Planejamento da Operação de Sistemas Hidrotérmicos
Inserção de Varáves Ambenas no Planejameno da Operação de Ssemas Hdroérmcos VALLE, Ana Cláuda Marques, Escola de Engenhara Elérca e de Compuação, UFG, douoranda em Cencas Ambenas, PRPPG, UFG AGUIAR, Mara
Leia maisA VOLATILIDADE DOS PREÇOS À VISTA DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS HETEROSCEDÁSTICOS
A VOLATILIDADE DOS PREÇOS À VISTA DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS HETEROSCEDÁSTICOS Léo da Rocha Ferrera Professor Tular, Unversdade do Esado do Ro de Janero (UERJ), Ro de
Leia maisXLVI Pesquisa Operacional na Gestão da Segurança Pública
PREDIÇÃO DE ÍNDICES ACIONÁRIOS AOS BRICS ARAÉS DE UMA PROPOSA DE MEODOLOGIA PARA ANÁLISE ESPECRAL SINGULAR MULIARIADA aler de Senna Carlos Albero Orge Pnhero RESUMO A pesqusa obeva, a parr da proposa de
Leia mais2.1. Modelos Baseados em Premissas de Distribuições Simulação de Monte Carlo
2 Value-a-Rsk Anes de adenrar na seara que raa o ermo cenral dese capíulo, é neressane realzar uma cação da evolução hsórca do esudo do rsco. Joron (2003, p. 10) resume os prncpas rabalhos aravés da abela
Leia maisAnálise do Desempenho dos Gestores de Fundos, baseada nas Transações e nas Participações das Carteiras
Vâna Sofa Sequera Umbelno Análse do Desempenho dos Gesores de Fundos, baseada nas Transações e nas Parcpações das Careras Dsseração de Mesrado apresenado à Faculdade de Economa da Unversdade de Combra
Leia maisProjeto de Inversores e Conversores CC-CC
eparameno de Engenhara Elérca Aula. onversor Buck Prof. João Amérco lela Bblografa BAB, vo. & MANS enzar ruz. onversores - Báscos Não-solados. ª edção, UFS,. MOHAN Ned; UNEAN ore M.; OBBNS Wllam P. Power
Leia maisSIMPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL 8 a 11 de novembro de 2002, Rio de Janeiro/RJ A PESQUISA OPERACIONAL E AS CIDADES
O USO DA ANÁLISE DE INTERVENÇÃO EM SÉRIES TEMPORAIS UNIVARIADAS: UMA APLICAÇÃO EMPÍRICA NO MERCADO AUTOMOBILÍSTICO BRASILEIRO Rober Wayne Samohyl, Ph.D. Professor do Deparameno de Engenhara de Produção
Leia maisProjeções de inflação
Projeções de nflação A experênca do Banco Cenral do Brasl Leonardo Po Perez Banco Cenral do Brasl Depep III Fórum Baano de Economa Aplcada Agoso de 23 Sumáro ) Inrodução Regme de Meas para Inflação no
Leia maisMódulo 2: Métodos Numéricos. (problemas de valores iniciais e problemas de condições-fronteira)
Módulo : Méodos Numércos Equações dferencas ordnáras problemas de valores ncas e problemas de condções-fronera Modelação Compuaconal de Maeras -5. Equações dferencas ordnáras - Inrodução Uma equação algébrca
Leia maisTestes de Hipóteses Essenciais
17/05/017 Tópcos a Consderar Connudade do Programa Mnsrado pelo Prof. Alceu Jobm 1. Modelo de Regressão Múlpla Abordagem Marcal a) Pressuposos; b) Inferênca a versão Marcal; c) Inferênca ao Méodo de Crammer;
Leia maisRISCO E RETORNO NO AGRONEGÓCIO BRASILEIRO: UM ESTUDO DAS EMPRESAS LISTADAS NA BOVESPA
RISCO E RETORNO NO AGRONEGÓCIO BRASILEIRO: UM ESTUDO DAS EMPRESAS LISTADAS NA BOVESPA AURELIANO ANGEL BRESSAN; DÉBORA CRISTIANE SANTOS; WAGNER MOURA LAMOUNIER; ROBERT ALDO IQUIAPAZA; UFMG BELO HORIZONTE
Leia maisA VOLATILIDADE DOS PREÇOS À VISTA DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS HETEROSCEDÁSTICOS
A VOLATILIDADE DOS PREÇOS À VISTA DO BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS HETEROSCEDÁSTICOS Carlos Albero Gonçalves da Slva Professor Vsane, Unversdade do Esado do Ro de Janero (UERJ),
Leia maisCIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013. Padrão. Padrão. max i. I - F = fator estabelecido no art. 4º da Resolução nº 4.
CIRCULAR Nº 3.634, DE 4 DE MARÇO DE 2013 Esabelece os procedmenos para o cálculo da parcela dos avos ponderados pelo rsco (RWA) referene às exposções sueas à varação de axas de uros prefxadas denomnadas
Leia maisEvolução do Capital Humano nas Diferentes Regiões do Brasil
Evolução do Capal Humano nas Dferenes Regões do Brasl 99-2008 Fernando de Holanda Barbosa Flho Samuel de Abreu Pessôa Fernando A. Veloso Ibre/FGV Ibre/FGV Ibmec/RJ Resumo Ese argo nvesga a evolução do
Leia maisExemplo pág. 28. Aplicação da distribuição normal. Normal reduzida Z=(900 1200)/200= 1,5. Φ( z)=1 Φ(z)
Exemplo pág. 28 Aplcação da dsrbução ormal Normal reduzda Z=(9 2)/2=,5 Φ( z)= Φ(z) Subsudo valores por recurso à abela da ormal:,9332 = Φ(z) Φ(z) =,668 Φ( z)= Φ(z) Φ(z) =,33 Φ(z) =,977 z = (8 2)/2 = 2
Leia maisMatemática Financeira e Instrumentos de Gestão
Lcencaura em Gesão Maemáca Fnancera e Insrumenos de Gesão [] Carlos Francsco Alves 2007-2008. Insrumenos Báscos de Análse de Dados. Conceos Inroduóros População ou Unverso: Uma população (ou um unverso)
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções dos obecos com a luz são dfusas L( x Θ) = L( x), Θ Ω Podemos enão quanfcar a radosdade
Leia maisAprendizagem Estatística de Dados. Francisco Carvalho
Aprendzagem Esaísca de Dados Francsco Carvalho A função de Densdade Normal Valor Esperado Caso conínuo [ f ] Caso dscreo f p d [ f ] f p D A função de Densdade Normal Caso Unvarado função de densdade p
Leia maisSéries temporais Modelos de suavização exponencial. Séries de temporais Modelos de suavização exponencial
Programa de Pós-graduação em Engenharia de Produção Análise de séries de empo: modelos de suavização exponencial Profa. Dra. Liane Werner Séries emporais A maioria dos méodos de previsão se baseiam na
Leia maisMétodos Avançados em Epidemiologia
Unversdade Federal de Mnas Geras Insttuto de Cêncas Exatas Departamento de Estatístca Métodos Avançados em Epdemologa Aula 5-1 Regressão Lnear Smples: Estmação e Interpretação da Reta Tabela ANOVA e R
Leia maisDANIELE DA ROCHA FONSECA
DANIELE DA ROCHA FONSECA UM NOVO MECANISMO PARA A TRANSFORMAÇÃO DE RESULTADOS PROVENIENTES DE TESTES DE VIDA ACELERADO PARA RESULTADOS ESTIMADOS EM UMA CONDIÇÃO NORMAL DE USO ATRAVÉS DA UTILIZAÇÃO DA LEI
Leia maisCOMISSÃO DAS COMUNIDADES EUROPEIAS. Proposta de REGULAMENTO DO PARLAMENTO EUROPEU E DO CONSELHO. relativo ao índice de custos da mão-de-obra
COMISSÃO DAS COMUNIDADES EUROPEIAS Bruxelas, 23.07.2001 COM(2001) 418 fnal 2001/0166 (COD) Proposa de REGULAMENTO DO PARLAMENTO EUROPEU E DO CONSELHO relavo ao índce de cusos da mão-de-obra (apresenada
Leia maisOutubro de 2009 PARIDADE DE PODER DE COMPRA NO BRASIL: UMA ANÁLISE ECONOMÉTRICA COM QUEBRA ESTRUTURAL DANIEL PALAIA MÁRCIO HOLLAND
Texos para Dscussão 228 Ouubro de 2009 PARIDADE DE PODER DE COMPRA NO BRASIL: UMA ANÁLISE ECONOMÉTRICA COM QUEBRA ESTRUTURAL DANIEL PALAIA MÁRCIO HOLLAND Os argos dos Texos para Dscussão da Escola de Economa
Leia mais3 Modelos de Apreçamento de Opções
3 Modelos de Apreçameno de Opções Preços de fuuros na Bolsa de Valores, na práca, são defndos de forma lvre na BM&FBOVESPA a parr das relações apresenadas enre ofera e demanda. Para que a formação de as
Leia maisIluminação e FotoRealismo: Radiosidade
Ilumnação e oorealsmo: Radosdade Luís Paulo Pexoo dos Sanos hp://gec.d.umnho.p/mcgav/fr Premssas Todas as neracções da luz com os obecos são dfusas L x Θ L x, Θ Ω Expressa em ermos de radosdade W/m 2 r
Leia mais5 Endogeneidade A Literatura
5 Endogenedade No capíulo aneror esmamos a varânca condconal da axa de câmbo, levando em cona os possíves efeos das nervenções do Banco Cenral do Brasl nese mercado. Enreano, nesa análse gnorou-se o provável
Leia maisEN3604 FILTRAGEM ADAPTATIVA
EN3604 FILTRAGEM ADAPTATIVA Processameno de Snas em Arranjos Técncas de processameno consderando snas provenenes de um grupo de sensores espacalmene dsrbuídos. Poencal para melhorar SNR/ Cancelameno de
Leia mais3. Modelos de Otimização no Contexto do Planejamento do Despacho Hidrotérmico
. Modelos de Omzação no Coneo do Planeameno do Despacho Hdroérmco Embora o foco desa Tese esea no desenvolvmeno de um modelo probablísco alernavo para a geração de árvores de cenáros ulzadas em modelos
Leia maisCIRCULAR Nº 3.568, DE 21 DE DEZEMBRO DE 2011
CAPÍTULO : Crculares não Codfcadas 2 CIRCULAR Nº 3.568, DE 2 DE DEZEMBRO DE 20 Alera dsposvos das Crculares ns. 3.36, de 2 de seembro de 2007, 3.388, de 4 de unho de 2008, 3.389, de 25 de unho de 2008,
Leia maist +1. Cabe mencionar que, N representa o número de observações da série temporal
35 3 Méodos de Prevsão de Séres Temporas 3. Séres Temporas Pode-se defnr uma sére emporal como sendo um conuno de dados observados e ordenados segundo parâmero de empo e com dependênca seral, sendo esse
Leia maisANÁLISE DAS RELAÇÕES ENTRE A VOLATILIDADE HISTÓRICA E IMPLÍCITA E A VOLATILIDADE REALIZADA DO ÍNDICE PSI-20
ANÁLISE DAS RELAÇÕES ENTRE A VOLATILIDADE HISTÓRICA E IMPLÍCITA E A VOLATILIDADE REALIZADA DO ÍNDICE PSI-20 Elsabee Fernanda Mendes Duare, Insuo Polécnco de Lera RESUMO A volaldade desempenha um papel
Leia maisCOMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES COM APOIO DE MÉTODOS DE PREVISÃO DE DEMANDA
Conrbuções da Engenhara de Produção para Melhores Prácas de Gesão e Modernzação do Brasl João Pessoa/PB, Brasl, de 03 a 06 de ouubro de 2016 COMPARAÇÃO DE POLÍTICAS DE REVISÃO CONTÍNUA E PERIÓDICA DE ESTOQUES
Leia maisCAPÍTULO 1 REPRESENTAÇÃO E CLASSIFICAÇÃO DE SISTEMAS. Sistema monovariável SISO = Single Input Single Output. s 1 s 2. ... s n
1 CAPÍTULO 1 REPREENTAÇÃO E CLAIFICAÇÃO DE ITEMA 1.1. Represenação de ssemas 1.1.1. semas com uma enrada e uma saída (IO) e sema monovarável IO = ngle Inpu ngle Oupu s e = enrada s = saída = ssema 1.1..
Leia maisVOLATILIDADE NO MERCADO FUTURO DE BOI GORDO NA BM&F: UM ESTUDO EMPÍRICO UTILIZANDO MODELOS DA CLASSE ARCH
VOLATILIDADE NO MERCADO FUTURO DE BOI GORDO NA BM&F: UM ESTUDO EMPÍRICO UTILIZANDO MODELOS DA CLASSE ARCH LUIZ EDUARDO GAIO; WANDERCI ALVES BITENCOURT; GABRIEL RODRIGO GOMES PESSANHA; ANDRÉ RIBEIRO DE
Leia mais4 A composição do passivo externo líquido brasileiro e o processo de ajuste externo
4 A composção do passvo exerno líqudo braslero e o processo de ajuse exerno 4..Movação Há décadas, economsas êm esudado o processo de ajuse do balanço de pagamenos dos países. A eora mas acea caracerza
Leia maisXXXII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCAO
II ECOTRO ACIOAL DE EGEHARIA DE PRODUCAO Desenvolvmeno Susenável e Responsabldade Socal: As Conrbuções da Engenhara de Produção Beno Gonçalves, RS, Brasl, 15 a 18 de ouubro de 01. APLICAÇÃO DE GRÁFICOS
Leia maisx () ξ de uma variável aleatória X ser um número real, enquanto que uma realização do
3 Snas Aleaóros em empo Conínuo. Pare II: Modelos de Fones de Informação e de uído. No capíulo aneror vemos oporundade de recordar os conceos báscos da eora das probabldades e das varáves aleaóras. Nese
Leia maisResultados Conclusões Referências ANEXOS I. Revisão sobre Modelos Lineares Generalizados, Modelos Lineares
SUMÁRIO 1 LISTA DE TABELAS... 3 LISTA DE FIGURAS... 7 Prefáco... 15 1. Capíulo 1 O Ssema de Rsco de Crédo... 17 1.1. Inrodução... 17 1.2. Número e monane das operações... 18 1.3. Taxa de uros... 28 1.4.
Leia mais4 Critérios para Avaliação dos Cenários
Crtéros para Avalação dos Cenáros É desejável que um modelo de geração de séres sntétcas preserve as prncpas característcas da sére hstórca. Isto quer dzer que a utldade de um modelo pode ser verfcada
Leia maisModelos estocásticos com heterocedasticidade para séries temporais em finanças
SERVIÇO DE PÓS-GRADUAÇÃO DO ICMC-USP Daa de Depóso: 8..5 Assnaura: Modelos esocáscos com eerocedascdade para séres emporas em fnanças Sandra Crsna de Olvera Orenador: Prof. Dr. Marno Gomes de Andrade Flo
Leia mais3 Metodologia do Estudo 3.1. Tipo de Pesquisa
42 3 Meodologia do Esudo 3.1. Tipo de Pesquisa A pesquisa nese rabalho pode ser classificada de acordo com 3 visões diferenes. Sob o pono de visa de seus objeivos, sob o pono de visa de abordagem do problema
Leia maisANEXO III. Nota Técnica nº 148/2010-SRE/ANEEL Brasília, 24 de maio de 2010.
ANEXO III Noa Técnca nº 148/21-SRE/ANEEL Brasíla, 24 de mao de 21. M E T O D O L O G I A E Á L U L O D O F A T O R X ANEXO II Noa Técnca n o 148/21 SRE/ANEEL Em 24 de mao de 21. Processo nº 485.269/26-61
Leia maisContribuição do Capital Humano para o Crescimento da Agropecuária Brasileira Período de 1970 a 1996 *
Conrbução do Capal Humano para o Crescmeno da Agropecuára Braslera Período de 1970 a 1996 * Clalon Aaídes de Freas ** Carlos José Caeano Bacha *** Sumáro: 1. Inrodução; 2. O modelo neoclássco radconal;
Leia maisPropagação de dano no modelo de Ising unidimensional
Capíulo 4 Propagação de dano no modelo de Isng undmensonal 4. Propagação de dano O méodo da propagação de dano é uma écnca relavamene nova, nroduzda por Kauffman 68 no conexo dos auômaos celulares, que
Leia maisAnálise da Confiabilidade de Componentes Não Reparáveis
Análse da onfabldade de omponenes Não Reparáves. omponenes versus Ssemas! Ssema é um conjuno de dos ou mas componenes nerconecados para a realzação de uma ou mas funções! A dsnção enre ssema, sub-ssema
Leia maisMétodos de ajuste sazonal para séries de Business Tendency: um estudo de caso para a Sondagem da Indústria utilizando o método X13-ARIMA- SEATS
Méodos de ajuse sazonal para séres de Busness Tendency: um esudo de caso para a Sondagem da Indúsra ulzando o méodo X13-ARIMA- SEATS NMEC/SUEP IBRE (nmec.bre@fgv.br) Prof. Pedro Cosa Ferrera José Lsboa
Leia maisVOLATILIDADE NO MERCADO FUTURO DE BOI GORDO NA BM&F: UM ESTUDO EMPÍRICO UTILIZANDO MODELOS DA CLASSE ARCH
VOLATILIDADE NO MERCADO FUTURO DE BOI GORDO NA BM&F: UM ESTUDO EMPÍRICO UTILIZANDO MODELOS DA CLASSE ARCH LUIZ EDUARDO GAIO; WANDERCI ALVES BITENCOURT; GABRIEL RODRIGO GOMES PESSANHA; ANDRÉ RIBEIRO DE
Leia mais2. FUNDAMENTOS DE CORRENTE ALTERNADA
Fundamenos de CA 14. FUNDAENTOS DE CORRENTE ALTERNADA Aé o momeno nos preocupamos somene com ensões e correnes conínuas, ou seja, aquelas que possuem módulo e sendo consanes no empo, conforme exemplos
Leia maisEfetividade de hedge do milho com contratos futuros da BM&F: uma aplicação para a região de Maringá (PR)
Efevdade de hedge do mlho com conraos fuuros da BM&F: uma aplcação para a regão de Marngá (PR) Julyerme Maheus Tonn 1 Marcelo José Braga Alexandre Bragança Coelho 3 Resumo: O presene argo obeva examnar
Leia maisMARKOV SWITCHING CAPM: UMA ANÁLISE DA SENSIBILIDADE DO RETORNO DAS EMPRESAS GAÚCHAS EM RELAÇÃO AO MERCADO EM DIFERENTES AMBIENTES DE RISCO
MARKOV SWITCHING CAPM: UMA ANÁLISE DA SENSIBILIDADE DO RETORNO DAS EMPRESAS GAÚCHAS EM RELAÇÃO AO MERCADO EM DIFERENTES AMBIENTES DE RISCO Pedro Tonon Zuanazz 1 Marcos Vnco Wnk Junor 2 Resumo Um dos prncpas
Leia maisSistema de vigilância para detecção de interações espaçotempo de eventos pontuais
Ssema de vglânca para deecção de nerações espaçoempo de evenos ponuas Taynãna C. Smões, Renao M. Assunção Deparameno de Esaísca Unversdade Federal de Mnas Geras (UFMG) Caxa Posal: 72 327-9 Belo Horzone
Leia maisIntrodução à Computação Gráfica
Inrodução à Compuação Gráfca Desenho de Consrução Naval Manuel Venura Insuo Superor Técnco Secção Auónoma de Engenhara Naval Sumáro Represenação maemáca de curvas Curvas polnomas e curvas paramércas Curvas
Leia maisPreferências Assimétricas Variantes no Tempo na Função Perda do Banco Central do Brasil
Preferêncas Assmércas Varanes no Tempo na Função Perda do Banco Cenral do Brasl Tme-varyng Asymmerc Preferences n he Cenral Bank of Brazl s Loss Funcon Kennedy Carvalho Lopes Edlean Kleber da Slva Bejarano
Leia maisA DINÂMICA DOS TERMOS DE TROCA E DA BALANÇA COMERCIAL: CURVA S NA EUROPA?
Prospecva e Planeameno, 7 2 A DINÂMICA DOS TERMOS DE TROCA E DA BALANÇA COMERCIAL: CURVA S NA EUROPA? Alda Ro Drecção Geral de Esudos e Prevsão Alexandra Ferrera @ Deparameno de Prospecva e Planeameno
Leia maisXXXVIII ENCONTRO NACIONAL DE ECONOMIA
XXXVIII ENCONTRO NACIONAL DE ECONOMIA Tíulo: Análse da Qualdade do Crescmeno Econômco nos Esados Brasleros de 1995 a 2008: Quão eláscos são os ndcadores de pobreza com relação ao crescmeno? Jonahan de
Leia maisTransmissão das expectativas de inflação no Brasil
3 Transmssão das expecavas de nflação no Brasl 3.. nrodução Recenemene, a leraura de expecavas nflaconáras passou a raar do aspeco de ransmssão de expecavas com maor ênfase. bandonando a hpóese de homogenedade
Leia maistmax tmin tmax A seguir, com base nas equações apresentadas, uma nova abordagem para o cálculo do ponto de pedido será formulada.
A pesqusa Operaconal e os Recursos Renováves 4 a 7 de novembro de 003, Naal-RN PONTO DE PEDIDO BASEADO EM PREVISÕES Eduardo Saggoro Garca Unversdade Federal do Ro de Janero UFRJ edsg@ufr.br Vrgílo José
Leia maisDecomposição das taxas de homicídios no Brasil e seus estados: a demografia é de fato importante?
Decomposção das axas de homcídos no Brasl e seus esados: a demografa é de fao mporane? Ar Francsco de Araujo Junor * Cláudo Djssey Shkda ** Resumo - Ese argo esuda a relação enre faores demográfcos e axa
Leia maisInstituto de Física USP. Física V Aula 30. Professora: Mazé Bechara
Insuo de Físca USP Físca V Aula 30 Professora: Maé Bechara Aula 30 Tópco IV - Posulados e equação básca da Mecânca quânca 1. Os posulados báscos da Mecânca Quânca e a nerpreação probablísca de Ma Born.
Leia maisConvergência do consumo de energia elétrica residencial per capita entre os estados do Brasil *
Convergênca do consumo de energa elérca resdencal per capa enre os esados do Brasl * Gulherme Irff ** Chrsano Modeso Penna *** Robero Tawa Ferrera **** Ivan Caselar ***** Professor do Curso de Pós-Graduação
Leia mais3 Modelo de Amortecimento Direto
3 Modelo de Amorecmeno Dreo 3. Inrodução Alguns os de séres não aresenam bons resulados quando modeladas or funções uramene olnomas. As séres sazonas aresenam esse o de roblema, e denre elas, as séres
Leia maisANDRÉ ALVES PORTELA SANTOS PREVISÃO NÃO-LINEAR DA TAXA DE CÂMBIO REAL/DÓLAR UTILIZANDO REDES NEURAIS E SISTEMAS NEBULOSOS
ANDRÉ ALVES PORTELA SANTOS PREVISÃO NÃO-LINEAR DA TAXA DE CÂMBIO REAL/DÓLAR UTILIZANDO REDES NEURAIS E SISTEMAS NEBULOSOS FLORIANÓPOLIS 2005 UNIVERSIDADE FEDERAL DE SANTA CATARINA CENTRO SÓCIO-ECONÔMICO
Leia maisInsper Instituto de Ensino e Pesquisa Faculdade de Economia e Administração. Gustavo Passarelli Giroud Joaquim
Insper Insuo de Ensno e Pesqusa Faculdade de Economa e Admnsração Gusavo Passarell Groud Joaqum ANÁLISE DA DINÂMICA DE RISCO E RETORNO DE FUNDOS MULTIMERCADO BRASILEIROS São Paulo 0 Gusavo Passarell Groud
Leia mais3 Metodologia de Avaliação da Relação entre o Custo Operacional e o Preço do Óleo
3 Metodologa de Avalação da Relação entre o Custo Operaconal e o Preço do Óleo Este capítulo tem como objetvo apresentar a metodologa que será empregada nesta pesqusa para avalar a dependênca entre duas
Leia mais