ÁREA TEMÁTICA: FINANÇAS UTILIZAÇÃO DO MÉTODO MONTE CARLO PARA ESTIMAÇÃO DA RAZÃO DE HEDGE ÓTIMA DO BOI GORDO
|
|
- Isabella Igrejas Amado
- 6 Há anos
- Visualizações:
Transcrição
1 ÁREA TEMÁTICA: FINANÇAS UTILIZAÇÃO DO MÉTODO MONTE CARLO PARA ESTIMAÇÃO DA RAZÃO DE HEDGE ÓTIMA DO BOI GORDO AUTORES REGINALDO SANTANA FIGUEIREDO Universidade Federal de Goiás ODILON JOSÉ DE OLIVEIRA NETO Universidade Federal de Uberlândia LEONARDO CAIXETA DE CASTRO MAIA UNIVERSIDADE FEDERAL DE UBERLANDIA RESUMO Ese esudo em por objeivo deerminar a razão de hedge óima do boi gordo para as operações de hedge no mercado fuuro da BM&F para o Esado de Goiás a parir da aplicação do Méodo Mone Carlo. Os preços foram obidos juno ao Cenro de Esudos Avançados em Economia Aplicada (CEPEA) da Escola Superior de Agriculura Luiz de Queiroz (ESALQ) da Universidade do Esado de São Paulo (USP). Para se alcançar o objeivo proposo no esudo fora necessário perpassar pelas seguines eapas de rabalho: levanar a série emporal do preço da arroba do boi gordo para o Esado de Goiás e no mercado fuuro na Bolsa de Mercadorias & Fuuros (BM&F); analisar a esacionariedade das séries emporais dos preços a visa e fuuro do boi gordo aravés da aplicação do ese ADF e KPSS e, esimar a razão de hedge óima desa operação pelo Méodo Mone Carlo. O modelo foi simulado para ierações e o valor enconrado para a razão de hedge óima ficou em orno de 0,966. Resulado ese obido denro de um parâmero de erro aceiável de 0,00, resulado basane razoável ao considerar a razão de hedge óima enre 0,968 e 0,964, inervalo ese, muio próximo ao enconrado por Oliveira Neo e Figueiredo (008), que aneriormene, uilizando-se do modelo de Meyer & Tompson (989) enconraram um resulado igual a,5. Palavras-chaves: Hedge, Méodo Mone Carlo, Boi Gordo ABSTRACT This sudy aims o deermine he opimal hedge raio of fa o seer he operaions of hedge of he beef cale in he fuures marke's BM&F o he Sae of Goias from he applicaion of he Mone Carlo mehod. Prices were obained from he Cener for Advanced Sudies in Applied Economics (CEPEA) a he Luiz de Queiroz College of Agriculure (ESALQ) of he Universiy of São Paulo (USP). To achieve he objecive proposed in he sudy was o cross he following sages of work: he ime series o raise he price of beef cael arroba of he Sae of Goiás and he fuure marke in Goods & Fuures Exchange (BM&F); examine he saionariy he ime series of he spo and fuure prices of beef fa by applying he ADF es
2 and KPSS, and esimae he opimal hedge raio of his ransacion by he Mone Carlo mehod. The model was simulaed for 30,000 ieraions and he value found for he opimal hedge raio was around This resul obained wihin a parameer of accepable error of 0.00, a resul quie reasonable when considering he opimal hedge raio of beween and 0.964, his range, very close o ha found by Oliveira and Figueiredo (008), which previously, using he model of Meyer & Tompson (989) found a resul equal o.5. Keywords: Hedge, Mone Carlo mehod, beef cale.
3 3. INTRODUÇÃO Tendo em visa a dificuldade dos agenes da cadeia produiva da carne bovina em lidar com cenários inceros de formação de preços no mercado físico na região onde é produzido e comercializado o boi gordo, verifica-se a necessidade de se proeger conra as consanes oscilações de preços, revelando assim a imporância das operações de hedge em mercados fuuros. O gerenciameno de risco na agriculura, que em por objeivo fundamenal adminisrar as perdas poenciais relaivas ao processo de negociação nos mais diversos mercados, em, nas operações de hedge, um mecanismo esraégico de gesão dos preços alvo, em ambienes de incereza na formação dos preços de comercialização. A definição de hedge envolve a uma omada de posição conrária a posição no mercado a visa com o objeivo de minimizar o risco financeiro com possíveis oscilações de preços de deerminada commodiy, ou seja, o hedge efeiva-se a parir da compra ou venda de conraos fuuros em subsiuição emporária à negociação no mercado físico (spo) que ocorrerá poseriormene (FUTURES INDUSTRY INSTITUTE, 00). Hull (003) desaca que, quando se compra de um deerminado aivo para daa fuura, ambém se pode realizar o hedge. Isso é possível, desde que seja omada uma posição comprada no mercado fuuro. Essa operação é conhecida como hedge de compra, ou melhor, pare da compra de conraos fuuros oposos a uma posição no mercado físico objeivando diminuir o risco com a alavancagem dos preços da commodiy negociada. É no conexo dos méodos de esimação da razão de hedge óimo, onde se desacam os modelos que foram aplicados e poseriormene submeidos a críicas, fundamenadas na economeria de séries emporais, que esse esudo desaca aplicação do méodo de simulação esaísica denominado Mone Carlo.A escolha do Méodo Mone Carlo (MMC) na deerminação da razão de hedge óima esa pauada na uilização de uma meodologia numérica capaz de resolver problemas de esimação por meio de amosragem aleaória. Diane disso, quesiona-se: a parir do desenvolvimeno de simulações uilizando-se do Méodo Mone Carlo (MMC) pode-se deerminar uma razão de hedge que minimize o risco na comercialização do boi gordo por pare dos produores no Esado de Goiás? Tendo por base essa problemáica, esse esudo em por objeivo deerminar a razão de hedge óima do boi gordo para as operações de hedge no mercado fuuro da BM&F para o Esado de Goiás a parir da aplicação do Méodo Mone Carlo (MMC). Para se alcançar o objeivo proposo no esudo fora necessário perpassar pelas seguines eapas de rabalho: levanar a série emporal do preço da arroba do boi gordo para o Esado de Goiás e no mercado fuuro na Bolsa de Mercadorias & Fuuros (BM&F); analisar a esacionariedade das séries emporais dos preços a visa e fuuro do boi gordo aravés da aplicação do ese ADF e KPSS e, esimar a razão de hedge óima desa operação aravés de simulações pelo Méodo Mone Carlo. Diane dos objeivos proposos esse esudo se jusifica pela relevância das informações obidas para produores, empresários, comunidade acadêmica e cienífica, devido sua perspeciva geração de conhecimeno, que é conduzida pelo confrono enre o eórico e o empírico, assim como pela carência de esudos e pesquisas referenes a essa emáica.. MÉTODO MONTE CARLO O méodo numérico conhecido como Mone Carlo pode ser descrio como méodo de simulação esaísica que uiliza seqüências de números aleaórios para desenvolver simulações. Em ouras palavras, Mone Carlo pode ser viso como méodo numérico para resolver problemas por meio de amosragem aleaória (SOBOL, 994). O Méodo de Mone Carlo (MMC) em sido usado há muio empo, mas somene no século passado ganhou o saus de um méodo numérico capaz de ser uilizado em inúmeras e complexas aplicações. O nome Mone Carlo foi cunhado por Merópolis, parceiro de Von
4 4 Neumann Sanislav Ulam no Projeo Manhaan, desenvolvido durane a Segunda Guerra Mundial, e recebeu esse nome devido à similaridade com o méodo praicado no Projeo Manhaan com os jogos de azar praicados em Mone Carlo, capial do Principado de Mônaco. No enano, o MMC, Só foi formalizado, em 949, por meio do arigo iniulado Mone Carlo Mehod publicado por John Von Neumann e Sanislav Ulam (SOBOL, 994). O MMC é hoje usado roineiramene em muios campos de conhecimenos que vão desde simulação de complexos fenômenos físicos a fenômenos econômicos. Todavia, mesmo anes do Projeo Manhaan, Sobol (994) afirma que muios problemas esaísicos foram resolvidos, por amosragem aleaória uilizando-se do MMC. Devido ao fao de que simulação de variáveis aleaórias desenvolvidas manualmene ornar-se muio rabalhosa, o uso do MMC ficou resrio a pouquíssimos especialisas, vindo a consiuir uma écnica numérica universal somene com o adveno da ecnologia da informação (compuador). Na verdade, seu campo de aplicação em se expandindo a cada nova geração de compuadores. O MMC pode ser comparado aos os méodos numéricos discreos convencionais, os quais ipicamene são aplicados uilizando equações diferenciais ordinárias ou parciais que descrevem algum fenômeno físico ou sisema maemáico a ser resolvido algebricamene (SOBOL, 994). Sobol (994) desaca ainda que usando o MMC, o processo físico é simulado direamene, ornando desnecessário escrever as equações diferenciais que descrevem o comporameno do sisema. A única exigência é que o sisema físico ou maemáico seja descrio em ermos de funções de densidade de disribuição de probabilidade (FDP). Uma vez conhecidas as FDP s, a Simulação Mone Carlo (SMC) pode proceder fazendo as amosragens aleaórias a parir das mesmas. Para cada valor gerado aleaoriamene, gera-se, por meio da FDP, um valor correspondene. Ese processo é repeido inúmeras vezes e o resulado desejado é obido por uma média e desvio padrão sobre um deerminado número de observações que podem chegar a milhões. Em muias aplicações, dado o nível de erro esaísico aceiável ou previso, pode se esimar o número de inerações que o méodo precisa para alcançar o dado que apresena erro. Em sínese, pode-se dizer que o MMC é um méodo esaísico que envolve o desenvolvimeno de inúmeras simulações usando números aleaórios e disribuição de probabilidades para gerar a solução aproximada de deerminado problema. A figura ilusra a idéia genérica do MMC. Assumindo que o comporameno do sisema possa ser descrio por uma função de densidade de probabilidade (FDP), o MMC procede a amosragem a parir desa FDP, uilizando um rápido e efeivo meio de gerar números aleaórios uniformemene disribuídos denro do inervalo [0,]. Os resulados desa amosragem aleaória devem ser acumulados ou apropriadamene manipulados para produzir o resulado desejado. No enano, a essencial caracerísica do MMC é o uso da amosragem aleaória para chegar a solução do problema. Em conrapare, a abordagem numérica convencional iniciaria com o modelo maemáico do sisema represenado por equações diferenciais e resolvendo as equações em um conjuno algébrico para um esado desconhecido do sisema (SOBOL, 994). Números aleaório ene zero e um (ξ, ξ, ξ 3,...) f(x) FDP Observações do fenômeno simulado x Fone: Sobol (994) Figura : Simulação Mone Carlo de um Sisema Genérico
5 5 3. PROCESSO ESTOCÁSTICO ESTACIONÁRIO E ESTACIONARIEDADE Enders (003) define um processo aleaório ou processo esocásico como um conjuno de variáveis aleaórias ordenadas no empo e represenadas por {y }. Para o propósio do esudo apresenado por ese arigo, um processo esocásico esacionário pode ser definido como uma série de valores aleaórios que se realizam no empo com média consane, variância consane e covariância consane para cada defasagem. Formalmene, um processo esocásico é esacionário segundo Enders (003, p.69), se para odo, -s e j: E y µ () ( ) s = E y u = E y s u = σ y (3) E ( y u)( y s u) = E ( y j u)( y j s u) = γ s Onde µ (média), variância e γ covariância são consanes e s e j são () ( ) ( ) σ ( ) ( ) y s defasagens. Por ouro lado, Enders (003) coloca que um processo esocásico é dio nãoesacionário se sua média varia com o empo ou sua variância varia com o empo ou mesmo, ocorrem ambas as siuações. A esacionariedade ou não esacionariedade de uma série em implicações direas sobre o comporameno e propriedades da mesma. Uma mudança inesperada, ou não, ambém chamada de choque, ou simplesmene ermo do erro, incide sobre uma variável de uma série emporal esacionária durane um deerminado período, desaparecendo com o empo. No enano, numa série não-esacionária, o efeio de um choque sobre a mesma permanecerá no sisema indefinidamene. Vale ressalar que o uso de séries não esacionárias em algumas siuações pode razer conseqüências desagradáveis. Isso porque, variáveis não relacionadas, geradas por processos esocásicos não-esacionários, quando submeidas à análise de regressão podem apresenar parâmeros esimados esaisicamene significanes e, R alo, porém sem senido. Se uma série emporal não for esacionária, a análise de seu comporameno só fará senido para o momeno considerado. Em conseqüência disso, não se pode fazer generalizações e nem, porano, previsões. 3. eses de esacionariedade e correlograma amosral Conforme Gujarai (006), o correlograma amosral consiui em um ese simples de esacionariedade comumene apresenado nos livros exos de economeria. Ele esá baseado na função de auocorrelação definida como: γ k (4) ρk = γ 0 Onde γ k é a covariância com defasagem k e γ 0 é a variância do processo esocásico. Como ambos os ermos da equação (4) possuem as mesmas unidades de medida, a auocorrelação, ρ é adimensional, sem unidade de medida. E como qualquer coeficiene de k correlação se siua enre + e -, ou seja, < <. O gráfico obido pelo raçado dos valores esimados de ρ k conra k é chamado de correlograma. Desaca-se ainda que o uso do correlograma como ese esacionariedade consiui em comparar a correlação série em esudo com o correlograma do chamado: ruído branco, o qual represena uma ípica série esacionária. Para esar a hipóese conjuna de que odos os coeficienes de correlação são iguais a zero uiliza-se a esaísica Q desenvolvida por Box e Pierce, que mosraram que Q omada como: K (5) Q= T ˆ ρk k = ρ k
6 6 Por ouro lado, desaca-se que em amosras grandes, a disribuição é aproximadamene qui-quadrado com K graus de liberdade. Com esas informações, pode-se pressupor esar a esacionariedade das séries uilizando o seu correlograma amosral, que em geral são gerados pelos sofwares esaísicos em forma gráfica, em conjuno com os valores da esaísica-q e da esaísica-p, correspondene para cada k. 3. Teses da raiz uniária Gujarai (006) expõe que embora o correlograma amosral seja uma ferramena úil para deecar a possível presença de raízes uniária, o méodo é inerenemene impreciso. O seu formao gráfico o orna práico e de fácil uilização, mas pode produzir resulados equivocados. O que pode parecer uma raiz uniária para um pesquisador pode não parecer para ouro. Segundo Brooks (00) embora choques ao processo de raiz uniária (processo nãoesacionário) permanecem indefinidamene no sisema, a função de auocorrelação (FAC) de um processo de raiz uniária (caminho aleaório) será viso decaindo suavemene aé aingir zero. Assim, um processo alamene persisene pode ser viso equivocadamene como um processo esacionário. Um processo próximo da raiz uniária (ou raiz quase igual a um) em a mesma forma de FAC. Por exemplo, o correlograma de processo esacionário AR () ρ = 0.99 exibirá o ipo de decaimeno gradual indicaivo de processo não esacionário. Além diso, não é possível usar função de auocorrelação para deerminar se uma série possui uma raiz uniária ou não. Porano, o que se exige alguma espécie de procedimeno de ese formal para deerminar a esacionariedade é que se seja capaz de responder se o processo que gera a série y possui ou não, uma ou mais raízes uniárias. O pioneiro rabalho sobre ese de raiz uniária em séries por Dickey e Fuller (979) compreende que o objeivo básico do ese é examinar a hipóese nula esabelecida como φ = na equação (6) y = φ y + µ Conra a hipóese alernaiva φ <. Assim as hipóeses de ineresse podem ser esabelecidas como: H 0 : a série coném uma raiz uniária H : a série é esacionária. Na práica, a seguine regressão é empregada, em vez da anerior equação anerior (6), por fácil compuação e inerpreação (7) y = ϕ y + µ De forma que esar φ = é equivalene esar ϕ = 0, desde que φ = ϕ. Dickey e Fuller (979) consideram rês diferenes equações que podem se usadas para regressões, podendo esas ser uilizadas por meio de OLS para esar a presença da raiz uniária, apresenadas a seguir: (8) y = ϕ y + µ (9) y = α + ϕ y + µ (0) y = α + β+ ϕ y + µ A diferença das rês equações é a presença dos elemenos deerminísicos α e β. A primeira é um processo esocásico com caminho aleaório puro, a segunda adiciona um inercepo e a erceira inclui ambos, inercepo e uma endência linear. O parâmero de ineresse em odas rês equações é ϕ. Se ϕ = 0, o processo { } coném uma raiz uniária. Os eses de Dickey-Fuller são ambém conhecidos como τ eses : τ, τ µ e τ τ. O segundo e y
7 7 erceiro eses, τ µ e τ τ, são equivalenes ao primeiro, exceo que o segundo e o erceiro permiem uma consane e, uma consane e uma endência deerminísica respecivamene. Ao desenvolver os eses para as rês equações Dickey e Fuller (979) pressupunha siuação onde o ermo do erro, µ, era não correlacionado. Para ampliar o campo de aplicação do ese, ou seja, prevendo siuações onde µ apresenasse correlação, eles desenvolveram um ese conhecido como Tese de Dickey-Fuller Aumenado (ADF). Semelhane ao ese anerior, o segundo ese se aplica por meio de rês equações acrescidas dos valores do defasados da variável dependene y, como variável independene e usa as mesmas esaísicas τ, τ µ e τ e os mesmo valores críicos. As equações são apresenadas a seguir: τ () y = ϕ y + δ i y i+ + µ p i= () y = α + ϕy + δi y i+ + µ p i= (3) y = α + β+ ϕy + δ i y i + µ p + i= A hipóese nula do ADF é que o processo { y } coném uma raiz uniária ou, em ouras palavras, é não esacionário a um deerminado nível de significância. Conudo, o poder dos eses de raiz uniária que possuem como hipóese nula a não esacionariedade em sido quesionado por Schwer (987) e DeJong e Whierman (99). Segundo eses auores, eses eses raiz uniária endem a aceiar a hipóese nula com muia freqüência, mais que a alernaiva de esacionariedade, parecendo que a endência em aceiar a hipóese nula por pare deses eses pode ser simplesmene devido os eses erem baixo poder quando se raa de processos auoregressivas esáveis com raízes próximas da unidade. Tendo em visa a crescene conrovérsia em orno dese de raiz uniária, uma diferene série de eses em sido proposos. Denre esses eses, se desaca o KPSS, desenvolvido por Kwiakowski, Phillips, Schmid a Shin (99), que foi aplicado nese esudo em conjuno ao ADF. Ao conrario do ADF, o ese KPSS, considera como hipóese nula que a série é esacionária, ou esacionária em orno de uma endência deerminísica, conra a hipóese alernaiva que um caminho aleaório esá presene. Para aplicação do ese KPSS, as séries são expressas como a soma de uma endência deerminísica, um caminho aleaório e um erro esacionário al como: y = β+ r + ε Onde: (4) (5) r = r + µ e µ ~NID (0, σ u ) (NID significa disribuído de maneira normal e independene) Conforme Kwiakowski e al (99), o ese KPSS esa a hipóese que em variância zero, ou seja, σ µ =0. Se µ orna-se consane, e assim, a série σ =0, o caminho aleaório da equação acima (5),, { y } pode ser omada como esacionária com endência. A disribuição assinóica da esaísica é derivada sob a hipóese nula e alernaiva e o ese esá baseado na esaísica LM dada por: T S (6) LM = = onde S,..., = vi T T σ k = i= r r
8 8 Sendo v o ermo residual da regressão da série y com inercepo, e σ k é a esimaiva consisene da variância de longo prazo de y e T represena o amanho da amosra. Kwiakowski e al (99) caracerizaram a disribuição de LM e forneceram os valores críicos dela. Se os valores calculados de LM é muio grande, hipóese nula (esacionariedade) é rejeiada pelo ese KPSS Muios esudos êm uilizado eses que consideram inexisência de raiz uniária como hipóese nula como um complemeno aos chamados eses de raiz uniária. Conudo, esando a hipóese de raiz uniária e a hipóese de esacionariedade, podem-se disinguir séries que parecem ser esacionárias, séries que parecem er uma raiz uniária, e séries para a quais os dados ou eses, não possuem informações suficienes para garanir que essas são esacionárias ou inegradas. 4. METODOLOGIA Os dados uilizados nese esudo foram obidos juno ao Cenro de Esudos Avançado em Economia Aplicada (CEPEA) da Escola Superior de Agriculura Luiz de Queiroz (ESALQ) da Universidade do Esado de São Paulo (USP). Os dados referem-se a uma amosra de 97 preços diários a visa da arroba do boi gordo no Esado de Goiás e fuuros da arroba do boi gordo no mercado fuuro da Bolsa de Mercadorias e Fuuros (BM&F), do período que vai de de maio de 00 a 30 de agoso de 008. A referência de preços para liquidação dos conraos fuuros de boi gordo na BM&F, assim como para composição do indicador ESALQ/BM&F no ajuse diário dos conraos fuuros em abero baseiam-se nos preços em reais por arroba de boi gordo praicados nas principais regiões produoras do Esado de São Paulo, mais precisamene: Presidene Prudene, Araçauba, Bauru/Marília e São José do Rio Preo. Enreano, ressala-se que o peso de cada região na composição do indicador é definido com base nos dados de volume de abae dos frigoríficos amosrados, que são aualizados mensalmene. A paricipação de cada região é definida pela soma dos volumes de abae das unidades que possuem cadasro no Serviço de Inspeção Federal (SIF), consideradas no levanameno do dia. Tem-se, desa forma, um painel mensal de ponderação que leva em cona os padrões sazonais de abae de cada região. Quando uma unidade sai da amosra, devido à fala de relao do preço ou exclusão pelo criério esaísico, o peso relaivo dessa unidade é redisribuído enre as demais. Desse modo, o sisema de ponderação pode modificar-se diariamene, de acordo com a paricipação dos frigoríficos na amosra (CEPEA, 008). Os preços fuuros e a visa foram organizados consiuindo-se em séries emporais de preços do boi gordo no mercado fuuro na BM&F e no mercado físico para o Esado de Goiás. Poseriormene, as séries emporais foram verificadas quano ao conexo da esacionariedade, uilizando-se dos cálculos (funções) de auocorrelação e represenação gráfica a parir do correlograma e, por meio do ese da raiz uniária, ambos, uilizados como ferramenas de deecção do nível de esacionariedade das séries. Foram realizados os eses de raiz uniária, sendo inicialmene aplicado o ese de Dickey-Fuller ampliado (ADF) sendo que, segundo Dickey e Fuller (98) a hipóese nula do ADF é que as variáveis conêm a raiz uniária, ou melhor, as mesmas não são esacionárias a deerminado nível de significância. Devido a inúmeras conrovérsias em orno dos eses para deecção da raiz uniária, foi aplicado ambém o ese KPSS proposo por Kwiakowski, Phillips, Schmid e Shin (99). No ese KPSS, diferene do ADF, a hipóese nula é que a série é esacionária em orno de uma endência deerminísica. Assim sendo, as séries são expressas como a soma de uma endência deerminísica, de uma random walk (um caminho aleaório) e de um erro esacionário. Após a análise de esacionariedade das séries de preços pela aplicação dos eses ADF e KPSS, esimou-se a razão de hedge óima pela operação do Méodo Mone Carlo (MMC). O
9 9 MMC foi simulado para ierações. A parir da simulação pelo MMC pode-se idenificar a razão de hedge óima denro do padrão de erro aceiável de 0,00. No conexo meodológico, ressala-se que os cálculos, abelas e gráficos a serem efeivados nese esudo foram obidos a parir da uilização dos sofwares: Microsof Excel 007, componene do pacoe Office Professional Ediion 007 e componenes especialmene uilizados com objeivo de efeuar os cálculos maemáicos, esaísicos, economéricos e efeuar as simulações a parir dos dados obidos, permiindo melhorar a eficiência e precisão na uilização dos dados coleados para composição do esudo. 5. APRESENTAÇÃO E ANÁLISE DAS SÉRIES TEMPORAIS Para se ober um quadro geral de ambas as séries (preços a visa e fuuros), o logarimo dessas podem ser visualizados na figura. Percebe-se que o comporameno de uma série em relação à oura parece indicar esas esão foremene correlacionadas. Da óbvia endência emporal exibida no diagrama, suspeia-se que elas sejam caracerizadas como não esacionárias, ao nível. Na seqüencia, é esada a esacionariedade das séries a parir dos eses ADF (ese de Dicky-Fuller ampliado) e KPSS (ese da raiz uniária de Kwiakowski, Phillips, Schmid e Shin) Logaríimo do preço do boi gordo (R$/@) Logaríimo do preço fuuro Logaríimo do preço correne Período em dias Fone: CEPEA (Dados) - (Gráfico Elaborado pelos Auores) Figura : Evolução do preço correne e preço fuuro da arroba do boi gordo do mercado fuuro. A figura mosra a evolução dos preços correnes da arroba do boi gordo para o Esado de Goiás e fuuro da arroba do boi gordo no mercado fuuro, indicando que as séries apresenam comporamenos aparenemene não-esacionários e alamene correlacionados. A figura 3 apresena os correlogramas amosrais dos preços (correnes e fuuros) para 6 defasagens (k = 6). Observando os correlogramas, noa-se que as duas séries são aparenemene não-esacionárias ao nível. Os valores da esaísica Q são muio alos e os valores da esaísica valor-p correspondenes são menores que 0,00; indicando fore evidencia de que odas auo-correlações são maiores que zero. Visando analisar a esacionariedade de forma mais consisene, foram aplicados às séries os eses de raiz uniária de Dickey-Fuller ampliado (ADF) e o ese de Kwiakowski-
10 0 Phillips-Schimid-Shin (KPSS). O ADF em como hipóese nula a não esacionariedade e o KPSS em com hipóese nula, o oposo, ou seja, a não esacionariedade. Quano aos eses, coloca-se que para que a série seja esacionária, o ese ADF deve rejeiar a sua hipóese nula e o ese KPSS deve aceiar a sua hipóese nula. Em relação ao ese ADF, foram esadas a rês equações, (), () e (3), seguindo o procedimeno recomendado por Enders (003). Para a série preços fuuros, os resulados mais consisenes, como exposo na abela do apêndice, onde se uilizou a equação (), e foi relaado que o inercepo e a endência se mosraram insignificanes comparadas as ouras equações. Já a esaísica Durbin-Wason (DW) =,00, e a esaísica calculada de Dickey-Fuller (,546338) se apresenaram acima do valor críico a % (-,5667), aceiando a hipóese nula, porano pode-se afirmar que a série coném uma raiz uniária, com confiabilidade de 99%. Quano ao ese KPSS aplicado a série de preços fuuros, como mosra a abela do apêndice, ese apresenou a esaísica KPSS (LM) calculada igual a , valor maior que o valor críico a % (0,600), rejeiando-se a hipóese nula. Desaca-se que o ese KPSS indica que série é esacionaria, confirmando o resulado enconrado pelo ese ADF. Fone: Dados da pesquisa Figura 3: Correlograma amosral do preço correne, à esquerda, e preço fuuro, à direia. Os resulados para a série de preços correnes, apresenados nas abela 3 e 4, são semelhanes aos da série de preços fuuros. A hipóese nula é aceia no ese ADF com o valor da esaísica calculado igual a, e o valor críico igual a (-,56673) a % e, com a esaísica DW=,0. A hipóese nula no ese KPSS é rejeiada, com esaísica LM calculada igual 0,5099 e valor críico igual a 0,6000 a %. Porano, confirma os resulados da série de preços fuuros. A série de preços correnes se apresena como um processo não esacionário ao nível, com 99% de confiabilidade.
11 Um modelo para represenar o processo gerador das séries necessia que as disribuições de probabilidade sejam esáveis. As séries preços fuuros e preços correnes não são esacionárias e, porano não servem a ese propósio. No enano, como se raa de um porfólio, orna-se ambém ineressane consruir modelos para conhecer como os valores mudam com o empo. Com ese propósio, esou-se as séries em suas primeiras diferenças. Foram novamene aplicados os eses ADF e KPSS. O ese ADF aplicado à série de preços fuuros na sua primeira diferença, como mosra abela 5 do apêndice, apresenou o resulado da esaísica do ese ADF igual a -4,59956, DW=,999 conra um valor críico igual a (-,5667) a %, rejeiando-se a hipóese nula com grau de confiabilidade de 99%, ou seja, aceiando a hipóese alernaiva, qual seja, a série é esacionaria na sua primeira diferença. O ese KPSS aplicado à mesma série, como mosra abela 6, apresenou a esaísica LM calculada igual a 0,09769 conra um valor criico igual a 0, a %, aceiando-se porano a hipóese nula do ese, confirmando o resulado do ese ADF, ou seja, a série é esacionária na sua primeira diferença. O ese ADF aplicado a série de preços correnes na sua primeira diferença, como mosra abela 7, apresenou a esaísica do ese ADF igual a -,9837, DW=,03 conra valor críico igual a (-,56673) a %, rejeiando a hipóese nula do ese, com grau de confiabilidade de 99%, ou seja, aceiando-se a hipóese alernaiva a série e esacionária na sua primeira diferença. O ese KPSS aplicado à mesma série na sua primeira diferença, como mosra abela 8 do apêndice, apresenou esaísica LM calculada igual 0,00893 conra valor criico de 0, a %, aceiando-se a hipóese nula do ese e confirmando resulado do ese ADF, ou seja, a série é esacionária em sua primeira diferença. Os resulados dos eses de esacionariedade mosraram que se pode modelar um processo esável a parir das séries em suas primeiras diferenças. Conudo, ouro aspeco imporane para a modelagem e seu respecivo processo de simulação foi evidenciado pelo gráfico da figura. Isso porque, as séries se desenvolvem emparelhadas indicando cero grau de inerdependência enre elas. Submeendo as séries em suas primeiras diferenças à análise de correlação de Pearson, permiiu enconrar um coeficiene significaivo ρ PF PS = 0,979 (valor p<0.00). Em seguida as séries em suas primeiras diferenças foram ajusadas à disribuição normal. A série de preços fuuros na sua primeira diferença apresenou média µ = 0, 044 e desvio padrão σ = 0,0397. Enquano isso, a série de preços correnes na PF PF sua primeira diferença apresenou média µ PS = 0, 037 e desvio padrão σ PS = 0,353. De posse de odas esas informações empíricas foi possível modelar o processo que gera as séries por uma disribuição conjuna represenada por duas disribuições normais inerligadas por um faor de correlação. 5.. Modelagem da razão óima de hedge Dado que as séries são esacionárias ao nível, o modelo para se enconrar razão de hedge óima foi desenvolvido a parir das primeiras diferenças, para as quais as séries são esacionárias, condição sob a qual, suposamene, pode-se considerar, a média consane e o desvio padrão consane, assim como, a covariância consane para cada defasagem. Onde, : preço correne; S : variação do preço correne no período; µ s : média da variação do preço correne no período; σ : desvio padrão da variação do preço correne no período; : preço s correne; F : variação do preço correne no período; µ F : média da variação do preço correne no período; σ F : desvio padrão da variação do preço correne no período; e, ρ S, F: correlação enre variação no preço correne e variação no preço fuuro. F S
12 A equação (7) fornece preço correne para próximo período, dado a o preço correne aual somado a variação do preço correne enre e +dada, por sua vez, pela disribuição de probabilidade da variação do preço correne ene e +. (7) S+ = S + N ( µ S, σ s), Similarmene à equação (7), a equação (8) fornece o preço fuuro para próximo período, dado o preço fuuro aual somado a variação do preço fuuro enre e + que por sua vez é fornecido pela disribuição de probabilidade da variação do preço fuuro ene e +, conforme segue: (8) F+ = F + N ( µ F, σ F), Como viso aneriormene, uma vez que a variação do preço correne e preço fuuros esão posiivamene correlacionadas pode-se modelar a iner-relação enre as disribuições que represenam, uilizando a sugesão Anderson, Dillon e Hardaker, (997). Se F e S esão correlacionados por meio do coeficiene de correlação ρ e possuem respecivamene médias µ F e µ S e desvios padrões σ F eσ S, os valores esperados condicionados de F e S podem ser dados pelas equações (9), (0), () e (): * σ F * (9) E( F S = S ) = µ F + ρ F S ( S µ S), valor esperado de F σ S (0) V ( F S = S ) = σ F ( ρ F S) * S () ( ) ( F S, variância de F E S F = F = µ + ρ σ F µ () V ( S F = F ) = σ S ( ρ F S) * S F S F σ F, variância de S ), valor esperado de S Dada a disribuição condicionada da variação dos preços correne e fuuros, obêm-se para um dado valor da razão de hedge, a variação do valor do porfólio enre os períodos e + podendo esas ser obidas com base nas equações (3) e (4). (3) V = ( S S ) + h( F F ), mudança no valor do porfólio; + + (4) V = S+ + h F+ Porano, uilizando as séries hisóricas do preço correne e do preço fuuro e, de posse das equações acima, podemos proceder enão proceder a Simulação Mone Carlo (SMC) para se deerminar o valor de h (razão de hedge óima), ou seja, o valor de h que minimiza o risco do porfólio medido pelo seu desvio padrão. 6. APLICAÇÃO DA SIMULAÇÃO MONTE CARLO PARA ESTIMAÇÃO DA RAZÃO DE HEDGE ÓTIMA Para simulação foi uilizada a sugesão de Winson (00) referenes às funções do A primeira preocupação posa, após a monagem do modelo no sofware Excel foi acerca do número de ierações de cada simulação. Esa quesão foi resolvida simulando a equação (4) para ierações. Conforme pode ser observado na figura 4, o desvio padrão da variação valor do porfólio para uma dada razão de hedge óima converge para um valor que oscila enre 0,67 e 0,674 a parir de ierações. No enano, aplicando-se a equação (5) para um erro (e) igual 0,00, z =,96 e esimaiva de desvio padrão (σ) igual a 0,7, enconrou-se o número mínimo de ierações igual Por quesão de segurança, o modelo foi simulado uilizando ierações considerando a razão de hedge variando ene 0 e.. (5) n σ = zα / e
13 3 A figura 5 apresena a relação enre o desvio padrão e a razão de hedge óima do porfólio fornecido pela simulação e a razão de hedge que minimiza o desvio padrão do porfólio. O valor da razão de hedge óima como mosra a figura 5, é igual a 0,966. Como o erro (e) para o número de ierações (simulações) igual a 0.00, é razoável omar a razão de hedge óima enre 0,968 e 0,964. Desvio padrão do profólio Número de ierações Fone: Dados da pesquisa Figura 4: Convergência do desvio padrão do porfólio e número de ierações Fone: Dados da pesquisa Figura 5: Razão de Hedge óima e desvio padrão do porfólio
14 4 7. CONCLUSÕES Após a realização do esudo, ressala-se Méodo Mone Carlo (MMC) é um méodo esaísico que envolve o desenvolvimeno de inúmeras simulações usando números aleaórios e disribuição de probabilidades para gerar a solução aproximada de deerminado problema. No enano, desaca-se que o MMC é ambém uma écnica acessível e aplicável a uma ampla variedade de problemas complexos, como o caso da esimação da razão de hedge óima. Assim sendo, nese esudo, a parir da uilização dos os preços correnes e fuuros da arroba do de boi gordo para o Esado de Goiás e no mercado fuuro da BM&F respecivamene, foi uilizado o Méodo Mone Carlo (simulação) para calcular a razão de hedge óima. Inicialmene foi aplicado a análise da esacionariedade das séries, onde, concluiu-se que se deveria rabalhar como as séries nas suas primeiras diferenças. A seguir foram ajusadas as disribuições de probabilidades às séries nas suas primeiras diferenças. Dadas as disribuições de probabilidades foram realizados os cálculos e simulações preliminares para deerminar o número mínimo de ierações, o qual se definiu em 7.755, para um erro aceiável de O modelo foi simulado para ierações e o valor enconrado para a razão de hedge óima ficou em orno de 0,966. Resulado ese obido denro de um parâmero de erro aceiável de 0,00, resulado basane razoável ao considerar a razão de hedge óima enre 0,968 e 0,964, inervalo ese, muio próximo ao enconrado por Oliveira Neo e Figueiredo (008), que aneriormene, uilizando-se do modelo de Meyer & Tompson (989) enconraram um resulado igual a,5. Enreano, ressala-se a redução da variância do porfólio (razão de hedge óima) como faor primordial na minimização do risco a parir da uilização do Méodo Mone Carlo, o que serve como pono de parida para fuuras esudos e pesquisas que visem poencializar os reornos a parir da uilização do mercado fuuro como insrumeno de proeção conra as incerezas na formação de preços no mercado físico de commodiies agropecuárias. REFERÊNCIAS ANDERSON, J. R.; DILLON, J. L.; HARDARKER, B. Agriculural decision analysis. Yowa: Yowa Sae Universiy, 977. BROOKS, Chris. Inroducory economerics for finance. New York: Cambridge Universiy Press, 00. CENTRO DE ESTUDOS AVANÇADOS EM ECONOMIA APLICADA CEPEA. Agromensal. Disponível em: hp:// Acesso em: 0 de ouubro de 008. DEJONG, D. N.; WHITERMAN, H. Reconsidering rends and random walks in macroeconomic ime series. Journal of Moneary Economics. 99. DICKEY, D. A.; FULLER, W. A. Disribuion of he esimaors for auoregressive ime series wih a uni roo. Journal of he American Saisical Associaion , 979. ENDERS, Waler. Applied Economerics Time Series. Danvers: John Wiley &Sons, 003. FUTURES INDUSTRY INSTITUTE. Curso de fuuros e opções.. ed. São Paulo: Bolsa de Mercadorias e Fuuros, 00.
15 5 HULL. John C. Opções, fuuros e ouros derivaivos. 3. ed. São Paulo: Bolsa de Mercadorias e Fuuros, 003. KWIAKOWSKI, D.; PHILLIPS, P. C. B.; SCHMIDT, P.; SHIN, Y. Tesing he alernaive of saionary agains he alernaive of a uni roo: how sure are we ha economic ime series have a uni roo?. Journal of Economerics. p , 99. OLIVEIRA NETO, O. J. FIGUEIREDO. Mensuração e análise da eficiência das operações de hedge na comercialização do boi gordo para o Esado de Goiás In: XIX ENANGRAD - ENCONTRO NACIONAL DA ASSOCIAÇÃO NACIONAL DOS CURSOS DE GRADUAÇÃO EM ADMINISTRAÇÃO, 008, Curiiba. Anais. Rio de Janeiro: ANGRAD, 008. SCHWERT, G. Effecs of model specificaion on ess for uni roos in macroeconomic. Journal of Moneary Economics. p , 987. SOBOL, L. M. A. Primer for he Mone Carlo Mehod. CRC Press Florida: Boca Raon, 994. WINSTON, W. L. Simulaion Modeling Pacific Grove: Duxbury, 00.
DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. DETERMINAÇÃO DA RAZÃO DE HEDGE ÓTIMA PARA O BOI GORDO NO MERCADO FUTURO DA BM&F PELA APLICAÇÃO DA SIMULAÇÃO MONTE CARLO Reginaldo Sanana Figueiredo (UFG)
Leia maisECONOMETRIA. Prof. Patricia Maria Bortolon, D. Sc.
ECONOMETRIA Prof. Paricia Maria Borolon, D. Sc. Séries Temporais Fone: GUJARATI; D. N. Economeria Básica: 4ª Edição. Rio de Janeiro. Elsevier- Campus, 2006 Processos Esocásicos É um conjuno de variáveis
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 mais4 Análise dos tributos das concessionárias selecionadas
4 Análise dos ribuos das concessionárias selecionadas Nese capíulo serão abordados os subsídios eóricos dos modelos esaísicos aravés da análise das séries emporais correspondenes aos ribuos e encargos
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 mais1 Pesquisador - Embrapa Semiárido. 2 Analista Embrapa Semiárido.
XII Escola de Modelos de Regressão, Foraleza-CE, 13-16 Março 2011 Análise de modelos de previsão de preços de Uva Iália: uma aplicação do modelo SARIMA João Ricardo F. de Lima 1, Luciano Alves de Jesus
Leia mais4 O modelo econométrico
4 O modelo economérico O objeivo desse capíulo é o de apresenar um modelo economérico para as variáveis financeiras que servem de enrada para o modelo esocásico de fluxo de caixa que será apresenado no
Leia maisGrupo I (Cotação: 0 a 3.6 valores: uma resposta certa vale 1.2 valores e uma errada valores)
INSTITUTO SUPERIOR DE ECONOMIA E GESTÃO Esaísica II - Licenciaura em Gesão Época de Recurso 6//9 Pare práica (quesões resposa múlipla) (7.6 valores) Nome: Nº Espaço reservado para a classificação (não
Leia maisMÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA
MÉTODOS PARAMÉTRICOS PARA A ANÁLISE DE DADOS DE SOBREVIVÊNCIA Nesa abordagem paramérica, para esimar as funções básicas da análise de sobrevida, assume-se que o empo de falha T segue uma disribuição conhecida
Leia mais4 Método de geração de cenários em árvore
Méodo de geração de cenários em árvore 4 4 Méodo de geração de cenários em árvore 4.. Conceios básicos Uma das aividades mais comuns no mercado financeiro é considerar os possíveis esados fuuros da economia.
Leia maisSéries de Tempo. José Fajardo. Agosto EBAPE- Fundação Getulio Vargas
Séries de Tempo Inrodução José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo . Por quê o esudo de séries de empo é imporane? Primeiro, porque muios dados econômicos e financeiros
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 2ª Época (V1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (V) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia maisProf. Lorí Viali, Dr. UFRGS Instituto de Matemática - Departamento de Estatística
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia mais3 Modelos de Markov Ocultos
23 3 Modelos de Markov Oculos 3.. Processos Esocásicos Um processo esocásico é definido como uma família de variáveis aleaórias X(), sendo geralmene a variável empo. X() represena uma caracerísica mensurável
Leia mais3 Retorno, Marcação a Mercado e Estimadores de Volatilidade
eorno, Marcação a Mercado e Esimadores de Volailidade 3 3 eorno, Marcação a Mercado e Esimadores de Volailidade 3.. eorno de um Aivo Grande pare dos esudos envolve reorno ao invés de preços. Denre as principais
Leia maisContabilometria. Séries Temporais
Conabilomeria Séries Temporais Fone: Corrar, L. J.; Theóphilo, C. R. Pesquisa Operacional para Decisão em Conabilidade e Adminisração, Ediora Alas, São Paulo, 2010 Cap. 4 Séries Temporais O que é? Um conjuno
Leia maisConceito. Exemplos. Os exemplos de (a) a (d) mostram séries discretas, enquanto que os de (e) a (g) ilustram séries contínuas.
Conceio Na Esaísica exisem siuações onde os dados de ineresse são obidos em insanes sucessivos de empo (minuo, hora, dia, mês ou ano), ou ainda num período conínuo de empo, como aconece num elerocardiograma
Leia mais4 Metodologia Proposta para o Cálculo do Valor de Opções Reais por Simulação Monte Carlo com Aproximação por Números Fuzzy e Algoritmos Genéticos.
4 Meodologia Proposa para o Cálculo do Valor de Opções Reais por Simulação Mone Carlo com Aproximação por Números Fuzzy e Algorimos Genéicos. 4.1. Inrodução Nese capíulo descreve-se em duas pares a meodologia
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL 1ª Época (v1)
Nome: Aluno nº: Duração: horas LICENCIATURA EM CIÊNCIAS DE ENGENHARIA - ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL ª Época (v) I (7 valores) Na abela seguine apresena-se os valores das coordenadas
Leia mais4 Filtro de Kalman. 4.1 Introdução
4 Filro de Kalman Ese capíulo raa da apresenação resumida do filro de Kalman. O filro de Kalman em sua origem na década de sessena, denro da área da engenharia elérica relacionado à eoria do conrole de
Leia maisModelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indústria de Óleos Vegetais
XI SIMPEP - Bauru, SP, Brasil, 8 a 1 de novembro de 24 Modelagem e Previsão do Índice de Saponificação do Óleo de Soja da Giovelli & Cia Indúsria de Óleos Vegeais Regiane Klidzio (URI) gep@urisan.che.br
Leia maisANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO
XXIX ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. ANÁLISE DE SÉRIES TEMPORAIS NA PREVISÃO DA RECEITA DE UMA MERCEARIA LOCALIZADA EM BELÉM-PA USANDO O MODELO HOLT- WINTERS PADRÃO Breno Richard Brasil Sanos
Leia mais4. Modelagem (3) (4) 4.1. Estacionaridade
24 4. Modelagem Em um modelo esaísico adequado para se evidenciar a exisência de uma relação lead-lag enre as variáveis à visa e fuura de um índice é necessário primeiramene verificar se as variáveis logarimo
Leia maisProf. Carlos H. C. Ribeiro ramal 5895 sala 106 IEC
MB770 Previsão usa ando modelos maemáicos Prof. Carlos H. C. Ribeiro carlos@comp.ia.br www.comp.ia.br/~carlos ramal 5895 sala 106 IEC Aula 14 Modelos de defasagem disribuída Modelos de auo-regressão Esacionariedade
Leia maisCálculo do valor em risco dos ativos financeiros da Petrobrás e da Vale via modelos ARMA-GARCH
Cálculo do valor em risco dos aivos financeiros da Perobrás e da Vale via modelos ARMA-GARCH Bruno Dias de Casro 1 Thiago R. dos Sanos 23 1 Inrodução Os aivos financeiros das companhias Perobrás e Vale
Leia maisUniversidade Federal do Rio de Janeiro
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL42 Coneúdo 8 - Inrodução aos Circuios Lineares e Invarianes...1 8.1 - Algumas definições e propriedades gerais...1 8.2 - Relação enre exciação
Leia mais3 Uma metodologia para validação estatística da análise técnica: a busca pela homogeneidade
3 Uma meodologia para validação esaísica da análise écnica: a busca pela homogeneidade Ese capíulo em como objeivo apresenar uma solução para as falhas observadas na meodologia uilizada por Lo e al. (2000)
Leia mais3 Metodologia 3.1. O modelo
3 Meodologia 3.1. O modelo Um esudo de eveno em como obeivo avaliar quais os impacos de deerminados aconecimenos sobre aivos ou iniciaivas. Para isso são analisadas as diversas variáveis impacadas pelo
Leia maisEXAME DE ESTATÍSTICA AMBIENTAL Ano lectivo 2015/16-1ª Época (V1) 18 de Janeiro de 2016
Nome: Aluno nº: Duração: h:30 m MESTRADO INTEGRADO EM ENGENHARIA DO AMBIENTE EXAME DE ESTATÍSTICA AMBIENTAL Ano lecivo 05/6 - ª Época (V) 8 de Janeiro de 06 I (7 valores) No quadro de dados seguine (Tabela
Leia maisAplicações à Teoria da Confiabilidade
Aplicações à Teoria da ESQUEMA DO CAPÍTULO 11.1 CONCEITOS FUNDAMENTAIS 11.2 A LEI DE FALHA NORMAL 11.3 A LEI DE FALHA EXPONENCIAL 11.4 A LEI DE FALHA EXPONENCIAL E A DISTRIBUIÇÃO DE POISSON 11.5 A LEI
Leia mais5 Erro de Apreçamento: Custo de Transação versus Convenience Yield
5 Erro de Apreçameno: Cuso de Transação versus Convenience Yield A presene seção em como objeivo documenar os erros de apreçameno implício nos preços eóricos que eviam oporunidades de arbiragem nos conraos
Leia maisCaracterísticas dos Processos ARMA
Caracerísicas dos Processos ARMA Aula 0 Bueno, 0, Capíulos e 3 Enders, 009, Capíulo. a.6 Morein e Toloi, 006, Capíulo 5. Inrodução A expressão geral de uma série emporal, para o caso univariado, é dada
Leia mais*UiILFRGH&RQWUROH(:0$
*UiILFRGH&RQWUROH(:$ A EWMA (de ([SRQHQWLDOO\:HLJKWHGRYLQJ$YHUDJH) é uma esaísica usada para vários fins: é largamene usada em méodos de esimação e previsão de séries emporais, e é uilizada em gráficos
Leia maisANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ
ANÁLISE DA VOLATILIDADE DOS PREÇOS DE BOI GORDO NO ESTADO DE SÃO PAULO: UMA APLICAÇÃO DOS MODELOS GARCH CARLOS ALBERTO GONÇALVES SILVA; CEFET-RJ RIO DE JANEIRO - RJ - BRASIL gon.silva@sof.com.br APRESENTAÇÃO
Leia maisCapítulo 4. Propriedades dos Estimadores de Mínimos Quadrados
Capíulo 4 Propriedades dos Esimadores de Mínimos Quadrados Hipóeses do Modelo de Regressão Linear Simples RS1. y x e 1 RS. Ee ( ) 0 E( y ) 1 x RS3. RS4. var( e) var( y) cov( e, e ) cov( y, y ) 0 i j i
Leia mais5.1. Filtragem dos Estados de um Sistema Não-Linear Unidimensional. Considere-se o seguinte MEE [20] expresso por: t t
5 Esudo de Casos Para a avaliação dos algorimos online/bach evolucionários proposos nese rabalho, foram desenvolvidas aplicações em problemas de filragem dos esados de um sisema não-linear unidimensional,
Leia maisEconometria Semestre
Economeria Semesre 00.0 6 6 CAPÍTULO ECONOMETRIA DE SÉRIES TEMPORAIS CONCEITOS BÁSICOS.. ALGUMAS SÉRIES TEMPORAIS BRASILEIRAS Nesa seção apresenamos algumas séries econômicas, semelhanes às exibidas por
Leia maisEstudo comparativo do fluxo de caminhões nos portos de Uruguaiana e Foz do Iguaçu
XIII SIMPEP - Bauru, SP, Brasil, 6 a 8 de novembro de 26. Esudo comparaivo do fluxo de caminhões nos poros de Uruguaiana e Foz do Iguaçu Suzana Leião Russo (URI) jss@urisan.che.br Ivan Gomes Jardim (URI)
Leia maisModelos Lineares Não-Estacionários
Modelos Lineares Não-Esacionários Aula 04 Enders (2010, 3. ed.) Seções 4.5 a 4.7 Bueno (2011, 2. ed.) Capíulo 4 Morein (2011, 2. ed.) Capíulos 2, 3 e 4 MODELO ARIMA Bueno (2011, 2. ed.) Seções 4.1 a 4.4
Leia mais5 Metodologia Probabilística de Estimativa de Reservas Considerando o Efeito-Preço
5 Meodologia Probabilísica de Esimaiva de Reservas Considerando o Efeio-Preço O principal objeivo desa pesquisa é propor uma meodologia de esimaiva de reservas que siga uma abordagem probabilísica e que
Leia maisO Modelo Linear. 4.1 A Estimação do Modelo Linear
4 O Modelo Linear Ese capíulo analisa empiricamene o uso do modelo linear para explicar o comporameno da políica moneária brasileira. A inenção dese e do próximo capíulos é verificar se variações em preços
Leia maisExercícios sobre o Modelo Logístico Discreto
Exercícios sobre o Modelo Logísico Discreo 1. Faça uma abela e o gráfico do modelo logísico discreo descrio pela equação abaixo para = 0, 1,..., 10, N N = 1,3 N 1, N 0 = 1. 10 Solução. Usando o Excel,
Leia mais6 Processos Estocásticos
6 Processos Esocásicos Um processo esocásico X { X ( ), T } é uma coleção de variáveis aleaórias. Ou seja, para cada no conjuno de índices T, X() é uma variável aleaória. Geralmene é inerpreado como empo
Leia maisINFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO
INFLUÊNCIA DO FLUIDO NA CALIBRAÇÃO DE UMA BALANÇA DE PRESSÃO Luiz Henrique Paraguassú de Oliveira 1, Paulo Robero Guimarães Couo 1, Jackson da Silva Oliveira 1, Walmir Sérgio da Silva 1, Paulo Lyra Simões
Leia maisUtilização de modelos de holt-winters para a previsão de séries temporais de consumo de refrigerantes no Brasil
XXVI ENEGEP - Foraleza, CE, Brasil, 9 a 11 de Ouubro de 2006 Uilização de modelos de hol-winers para a previsão de séries emporais de consumo de refrigeranes no Brasil Jean Carlos da ilva Albuquerque (UEPA)
Leia maisLista de Exercícios #11 Assunto: Séries Temporais
. ANPEC 995 - Quesão 5 Lisa de Exercícios # Assuno: Séries Temporais Sea yi xi i ordinários (MQO) de e, respecivamene. Pode-se afirmar que: uma equação de regressão e seam a e b esimadores de mínimos quadrados
Leia mais3 METODOLOGIA E AMOSTRA
3 METODOLOGIA E AMOSTRA 3.1. Descrição da Amosra Foram uilizados o índice da Bolsa de Valores de São Paulo (Ibovespa) como represenaivo da careira de mercado e os cerificados de depósios inerfinanceiros
Leia maisIV. METODOLOGIA ECONOMÉTRICA PROPOSTA PARA O CAPM CONDICIONAL A Função Máxima Verosimilhança e o Algoritmo de Berndt, Hall, Hall e Hausman
IV. MEODOLOGIA ECONOMÉRICA PROPOSA PARA O CAPM CONDICIONAL 4.1. A Função Máxima Verosimilhança e o Algorimo de Bernd, Hall, Hall e Hausman A esimação simulânea do CAPM Condicional com os segundos momenos
Leia maisAplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indústria FUNDIMISA*
XII SIMPEP, Bauru, SP, Brasil, 7 a 9 de novembro de 25 Aplicação de Séries Temporais na Série Teor de Umidade da Areia de Fundição da Indúsria FUNDIMISA* Suzana Russo (URI - UALG) jss@urisan.che.br Paulo
Leia maisCINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA
CINÉTICA QUÍMICA LEI DE VELOCIDADE - TEORIA Inrodução Ese arigo raa de um dos assunos mais recorrenes nas provas do IME e do ITA nos úlimos anos, que é a Cinéica Química. Aqui raamos principalmene dos
Leia mais3 O Modelo SAGA de Gestão de Estoques
3 O Modelo SG de Gesão de Esoques O Sisema SG, Sisema uomaizado de Gerência e poio, consise de um sofware conendo um modelo maemáico que permie fazer a previsão de iens no fuuro com base nos consumos regisrados
Leia maisUTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES
UTILIZAÇÃO DO MÉTODO DE HOLT-WINTERS PARA PREVISÃO DO LEITE ENTREGUE ÀS INDÚSTRIAS CATARINENSES Rober Wayne Samohyl Professor do Programa de Pós-Graduação em Engenharia de Produção e Sisemas UFSC. Florianópolis-SC.
Leia maisA UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA
1 A UTILIZAÇÃO DO MÉTODO ARCH PARA MODELAR A VARIÂNCIA CONDICIONAL DA BOLSA DE VALORES DO RIO DE JANEIRO: UMA ABORDAGEM INTRODUTÓRIA T01E009 RESUMO The ARCH Auoregressive Condiional Heeroscdasiciy models
Leia maisMódulo de Regressão e Séries S Temporais
Quem sou eu? Módulo de Regressão e Séries S Temporais Pare 4 Mônica Barros, D.Sc. Julho de 007 Mônica Barros Douora em Séries Temporais PUC-Rio Mesre em Esaísica Universiy of Texas a Ausin, EUA Bacharel
Leia maisCircuitos Elétricos I EEL420
Universidade Federal do Rio de Janeiro Circuios Eléricos I EEL420 Coneúdo 1 - Circuios de primeira ordem...1 1.1 - Equação diferencial ordinária de primeira ordem...1 1.1.1 - Caso linear, homogênea, com
Leia mais4 Modelo de fatores para classes de ativos
4 Modelo de aores para classes de aivos 4.. Análise de esilo baseado no reorno: versão original (esáica A análise de esilo baseada no reorno é um procedimeno esaísico que visa a ideniicar as ones de riscos
Leia maisInstituto de Física USP. Física V - Aula 26. Professora: Mazé Bechara
Insiuo de Física USP Física V - Aula 6 Professora: Mazé Bechara Aula 6 Bases da Mecânica quânica e equações de Schroedinger. Aplicação e inerpreações. 1. Ouros posulados da inerpreação de Max-Born para
Leia maisEconometria de Séries Temporais Rogério Silva de Mattos, D.Sc.
Economeria de Séries Temporais Rogério Silva de Maos, D.Sc. UNIVERSIDADE FEDERAL DE JUIZ DE FORA (UFJF) FACULDADE DE ECONOMIA (FE) Economeria III O COMEÇO Box e Jenkins (1970) processos esocásicos nãoesacionários/inegrados
Leia maisInformation. Séries de Tempo. José Fajardo. EBAPE- Fundação Getulio Vargas. Agosto 2011
Informaion Séries de Tempo José Faardo EBAPE- Fundação Geulio Vargas Agoso 0 José Faardo Séries de Tempo Prf. José Faardo Informaion Ph. D in Mahemaical Economics (IMPA-Brazil) Mahemaical Finance, Financial
Leia maisAnálise de séries de tempo: modelos de decomposição
Análise de séries de empo: modelos de decomposição Profa. Dra. Liane Werner Séries de emporais - Inrodução Uma série emporal é qualquer conjuno de observações ordenadas no empo. Dados adminisraivos, econômicos,
Leia mais5 Método dos Mínimos Quadrados de Monte Carlo (LSM)
Méodo dos Mínimos Quadrados de Mone Carlo (LSM) 57 5 Méodo dos Mínimos Quadrados de Mone Carlo (LSM) O méodo LSM revela-se uma alernaiva promissora frene às radicionais écnicas de diferenças finias e árvores
Leia maisModelos Não-Lineares
Modelos ão-lineares O modelo malhusiano prevê que o crescimeno populacional é exponencial. Enreano, essa predição não pode ser válida por um empo muio longo. As funções exponenciais crescem muio rapidamene
Leia mais4 O Papel das Reservas no Custo da Crise
4 O Papel das Reservas no Cuso da Crise Nese capíulo buscamos analisar empiricamene o papel das reservas em miigar o cuso da crise uma vez que esa ocorre. Acrediamos que o produo seja a variável ideal
Leia maisAULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM
AULA 22 PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 163 22. PROCESSO DE TORNEAMENTO: CONDIÇÕES ECONÔMICAS DE USINAGEM 22.1. Inrodução Na Seção 9.2 foi falado sobre os Parâmeros de Core e
Leia maisAplicação. Uma famosa consultoria foi contratada por uma empresa. que, entre outras coisas, gostaria de entender o processo
Aplicação Uma famosa consuloria foi conraada por uma empresa que, enre ouras coisas, gosaria de enender o processo gerador relacionado às vendas de deerminado produo, Ainda, o conraane gosaria que a empresa
Leia maisPREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX & JENKINS: UM ESTUDO DE CASO
! "#$ " %'&)(*&)+,.- /1.2*&4365879&4/1:.+58;.2*=?5.@A2*3B;.- C)D 5.,.5FE)5.G.+ &4- (IHJ&?,.+ /?=)5.KA:.+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G.- D - ;./);.& PREVISÃO DE VENDAS ATRAVÉS DA METODOLOGIA DE BOX
Leia mais3 Modelo Teórico e Especificação Econométrica
3 Modelo Teórico e Especificação Economérica A base eórica do experimeno será a Teoria Neoclássica do Invesimeno, apresenada por Jorgensen (1963). Aneriormene ao arigo de Jorgensen, não havia um arcabouço
Leia maisMotivação. Prof. Lorí Viali, Dr.
Moivação rof. Lorí Viali, Dr. vialli@ma.ufrgs.br hp://www.ma.ufrgs.br/~vialli/ Na práica, não exise muio ineresse na comparação de preços e quanidades de um único arigo, como é o caso dos relaivos, mas
Leia maisUniversidade Federal de Lavras
Universidade Federal de Lavras Deparameno de Esaísica Prof. Daniel Furado Ferreira 11 a Teoria da Decisão Esaísica 1) Quais são os erros envolvidos nos eses de hipóeses? Explique. 2) Se ao realizar um
Leia maisTRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 18 LIVRO DO NILSON)
TRANSFORMADA DE FOURIER NOTAS DE AULA (CAP. 8 LIVRO DO NILSON). CONSIDERAÇÕES INICIAIS SÉRIES DE FOURIER: descrevem funções periódicas no domínio da freqüência (ampliude e fase). TRANSFORMADA DE FOURIER:
Leia maisTeoremas Básicos de Equações a Diferenças Lineares
Teoremas Básicos de Equações a Diferenças Lineares (Chiang e Wainwrigh Capíulos 17 e 18) Caracerização Geral de Equações a diferenças Lineares: Seja a seguine especificação geral de uma equação a diferença
Leia mais5 Aplicação da Modelagem Estrutural ao problema de previsão de Preço Spot de Energia Elétrica.
Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 41 5 Aplicação da Modelagem Esruural ao problema de previsão de Preço Spo de Energia Elérica. 5.1. Inrodução Nesa
Leia mais4 Análise de Sensibilidade
4 Análise de Sensibilidade 4.1 Considerações Gerais Conforme viso no Capíulo 2, os algorimos uilizados nese rabalho necessiam das derivadas da função objeivo e das resrições em relação às variáveis de
Leia maisInstituto de Física USP. Física Moderna. Aula 23. Professora: Mazé Bechara
Insiuo de Física USP Física Moderna Aula 3 Professora: Mazé Bechara Aula 3 Bases da Mecânica quânica e equações de Schroedinger: para odos os esados e para esados esacionários. Aplicação e inerpreações.
Leia maisTabela: Variáveis reais e nominais
Capíulo 1 Soluções: Inrodução à Macroeconomia Exercício 12 (Variáveis reais e nominais) Na abela seguine enconram se os dados iniciais do exercício (colunas 1, 2, 3) bem como as soluções relaivas a odas
Leia maisMODELAGEM E PREVISÃO DE PREÇOS RECEBIDOS PELOS SOJICULTORES DOS ESTADOS DO RIO GRANDE DO SUL, PARANÁ E MATO GROSSO
"Conhecimenos para Agriculura do Fuuro" MODELAGEM E PREVISÃO DE PREÇOS RECEBIDOS PELOS SOJICULTORES DOS ESTADOS DO RIO GRANDE DO SUL, PARANÁ E MATO GROSSO JOELSIO JOSÉ LAZZAROTTO () ; JOÃO EUSTÁQUIO DE
Leia maisINFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA
INFLUÊNCIA DE EVENTOS POSITIVOS E NEGATIVOS SOBRE A VOLATILIDADE DOS MERCADOS NA AMÉRICA LATINA Paulo S. Cerea, Newon C. A. da Cosa Jr Programa de Pós-Graduação Engenharia de Produção - UFSC Caixa Posal
Leia maisMODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO DO SETOR ELÉTRICO
GAE/ 14 17 à de ouubro de 1999 Foz do Iguaçu Paraná - Brasil GRUPO VI GRUPO DE ESTUDOS DE ASPECTOS EMPRESARIAIS (GAE) MODELAGEM ESTOCÁSTICA DE SÉRIES FINANCEIRAS PARA APLICAÇÃO EM PROJETOS DE INVESTIMENTO
Leia maisESTUDO SOBRE A PREVISIBILIDADE DE PREÇOS NO MERCADO SPOT DE MILHO
ESTUDO SOBRE A PREVISIBILIDADE DE PREÇOS NO MERCADO SPOT DE MILHO vancleizanin@gmail.com APRESENTACAO ORAL-Comercialização, Mercados e Preços FABIO BANDEIRA GUERRA; VANCLEI ZANIN ZANIN; VITOR AUGUSTO OZAKI.
Leia maisEnunciado genérico. Trabalho: Séries Temporais Disciplina: Estatística Ambiental
Enunciado genérico Trabalho: Séries Temporais Disciplina: Esaísica Ambienal Criérios de escolha da série 1. A série escolhida deverá er uma exensão, N, de pelo menos 150 observações da variável em esudo;.
Leia maisCADERNOS DO IME Série Estatística
CADERNOS DO IME Série Esaísica Universidade do Esado do Rio de Janeiro - UERJ Rio de Janeiro RJ - Brasil ISSN 43-9 / v. 6 p. 5-8, 9 MODELAGEM DE ESTIMAÇÃO DA VOLATILIDADE DO RETORNO DAS AÇÕES BRASILEIRAS:
Leia maisExportações e Consumo de Energia Elétrica: Uma Análise Econométrica Via Decomposição do Fator Renda.
XVIII Seminário Nacional de Disribuição de Energia Elérica Olinda - Pernambuco - Brasil SENDI 2008-06 a 0 de ouubro Exporações e Consumo de Energia Elérica: Uma Análise Economérica Via Decomposição do
Leia maisAPLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT
APLICAÇÃO DO MÉTODO DE HOLT NA PREVISÃO DE DADOS DE ÁGUA DA CIDADE DE RONDONÓPOLIS-MT Alerêdo Oliveira Curim 1 & Aldo da Cunha Rebouças Resumo - O conhecimeno prévio dos volumes de água de qualquer sisema
Leia maisCapítulo 2: Proposta de um Novo Retificador Trifásico
30 Capíulo 2: Proposa de um Novo Reificador Trifásico O mecanismo do descobrimeno não é lógico e inelecual. É uma iluminação suberrânea, quase um êxase. Em seguida, é cero, a ineligência analisa e a experiência
Leia maisCritérios e Metodologia de Apuração de Superfície de Volatilidade
Criérios e Meodologia de Apuração de Superfície de Volailidade Diariamene são calculadas superfícies de volailidade implícia de odos os vencimenos de conraos de opções em que há posição em abero e/ou séries
Leia mais2 Revisão Bibliográfica
Revisão Bibliográfica Ese capíulo apresena os principais conceios, abordagens e a formulação básica das meodologias que esão incluídas no modelo HPA. Conceios maemáicos e esaísicos mais dealhados podem
Leia mais8 Aplicações e exemplos
8 Aplicações e exemplos Ese capíulo mosra algumas aplicações práicas dos modelos e apona ouras, de anos exemplos exisenes na lieraura. Os modelos apresenados êm implicações para os agenes que auam nos
Leia mais4 Metodologia, aplicações e resultados
4 Meodologia, aplicações e resulados Ese capíulo em por objeivo realizar análises quaniaivas e qualiaivas, aravés de conceios de Opções Reais, acerca de alernaivas de invesimenos celulósicos-papeleiros
Leia maisIII Congresso da Sociedade Portuguesa de Estatística Guimarães, 26 a 28 Junho 1995
1 III Congresso da Sociedade Poruguesa de Esaísica Guimarães, 26 a 28 Junho 1995 Políicas Ópimas e Quase-Ópimas de Inspecção de um Sisema Sujeio a Falhas Cláudia Nunes, João Amaral Deparameno de Maemáica,
Leia maisDISCIPLINA SÉRIE CAMPO CONCEITO
Log Soluções Reforço escolar M ae máica Dinâmica 4 2ª Série 1º Bimesre DISCIPLINA SÉRIE CAMPO CONCEITO Maemáica 2ª do Ensino Médio Algébrico simbólico Função Logarímica Primeira Eapa Comparilhar Ideias
Leia maisAPLICAÇÃO DA ANÁLISE DE COMPONENTES PRINCIPAIS NO CONTROLE DA POLUIÇÃO PROVOCADA PELO TRÁFEGO DE VEÍCULOS MOTORIZADOS
! "#$ " %'&)(*&)+,- /2*&4365879&4/:+58;2*=?5@A2*3B;- C)D 5,5FE)5G+ &4- (IHJ&?,+ /?=)5KA:+5MLN&OHJ5F&4E)2*EOHJ&)(IHJ/)G- D - ;/);& Foz do Iguaçu, PR, Brasil, 9 a de ouubro de 27 APLICAÇÃO DA ANÁLISE
Leia mais3 Referencial teórico
3 Referencial eórico 3.1. Teoria das Opções Reais As opções reais propiciam uma análise das flexibilidades caracerísicas de deerminado projeo para que, conforme esa análise, um gerene enha um insrumeno
Leia maisEFETIVIDADE E RAZÃO ÓTIMA DE HEDGE NO MERCADO FUTURO DE CAFÉ: UMA COMPARAÇÃO ENTRE DIFERENTES MÉTODOS.
EFETIVIDADE E RAZÃO ÓTIMA DE HEDGE NO MERCADO FUTURO DE CAFÉ: UMA COMPARAÇÃO ENTRE DIFERENTES MÉTODOS. rodrigolanna@eco.unicamp.br APRESENTACAO ORAL-Comercialização, Mercados e Preços RODRIGO LANNA FRANCO
Leia maisProblema de controle ótimo com equações de estado P-fuzzy: Programação dinâmica
Problema de conrole óimo com equações de esado P-fuzzy: Programação dinâmica Michael Macedo Diniz, Rodney Carlos Bassanezi, Depo de Maemáica Aplicada, IMECC, UNICAMP, 1383-859, Campinas, SP diniz@ime.unicamp.br,
Leia maisMODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS
MODELOS DE VOLATILIDADE: COMPARAÇÃO COM DADOS SIMULADOS Paulo Henrique Soo Cosa PUC-Rio / Dep. Engenharia Indusrial Rua M. S. Vicene 5 sala 950L CEP:453-900 Rio de Janeiro RJ UERJ / Fac. Ciências Econômicas
Leia maisFunção de risco, h(t) 3. Função de risco ou taxa de falha. Como obter a função de risco. Condições para uma função ser função de risco
Função de risco, h() 3. Função de risco ou axa de falha Manuenção e Confiabilidade Prof. Flavio Fogliao Mais imporane das medidas de confiabilidade Traa-se da quanidade de risco associada a uma unidade
Leia maisA entropia de uma tabela de vida em previdência social *
A enropia de uma abela de vida em previdência social Renao Marins Assunção Leícia Gonijo Diniz Vicorino Palavras-chave: Enropia; Curva de sobrevivência; Anuidades; Previdência Resumo A enropia de uma abela
Leia maisAntes de mais nada, é importante notar que isso nem sempre faz sentido do ponto de vista biológico.
O modelo malusiano para empo conínuo: uma inrodução não rigorosa ao cálculo A dinâmica de populações ambém pode ser modelada usando-se empo conínuo, o que é mais realisa para populações que se reproduzem
Leia maisA UTILIZAÇÃO DA METODOLOGIA BOX & JENKINS NA PREVISÃO DE CURTO PRAZO DO ICMS DO ESTADO DE SANTA CATARINA
1 A UTILIZAÇÃO DA METODOLOGIA BOX & JENKINS NA PREVISÃO DE CURTO PRAZO DO DO ESTADO DE SANTA CATARINA Rober Wayne Samohyl, Ph.D. Professor do Programa de Pós - Graduação em Engenharia Produção - UFSC.
Leia maisIncertezas na Robótica Móvel Filtros Bibliografia Recomendada. EESC-USP M. Becker /78
Aula 5 Inrodução à Robóica Móvel Lidando com Incerezas Prof. Dr. Marcelo Becker EESC - USP Sumário da Aula Inrodução às Incerezas Incerezas na Robóica Móvel Filros Bibliografia Recomendada EESC-USP M.
Leia mais