UM MODELO DE OTIMIZAÇÃO DE CARTEIRAS BASEADO EM PREDIÇÃO
|
|
- João Henrique Fraga Mirandela
- 5 Há anos
- Visualizações:
Transcrição
1 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO U ODELO DE OTIIZAÇÃO DE CARTEIRAS BASEADO E PREDIÇÃO Fábo Daros de Freas Secreara da Recea Federal Programa de Pós-Graduação em Engenhara Elérca Deparameno de Engenhara Elérca freas@compuer.org Albero Ferrera De Souza Programa de Pós-Graduação em Informáca Deparameno de Informáca alberodesouza@gmal.com Alson Rose de Almeda Programa de Pós-Graduação em Engenhara Elérca Deparameno de Engenhara Elérca alson@ele.ufes.br Unversdade Federal do Espíro Sano Av. Fernando Ferrar, s/n, , Vóra, ES - Brasl RESUO Ese rabalho apresena um modelo predvo de omzação de careras que ulza erros de predção Normas como medda de rsco. Nese modelo, um novo predor neural auoregressvo é ulzado para predzer os reornos fuuros de ações, e os seus erros de predção são ulzados como medda do rsco do nvesmeno nesas ações. Nese predor, as dferenças enre os valores das séres de reornos e um deermnado reorno passado são ulzadas como varáves de regressão. Um grande número de expermenos com dados reas do mercado de ações Braslero fo ulzado na avalação do nosso modelo de omzação de careras. Nossos resulados mosraram que é possível ober erros de predção Normas a parr de séres de reornos de ações não Normas, e que o nosso modelo de omzação de careras baseado em predção supera o modelo de arkowz, apresenando melhores reornos para o mesmo nível de rsco. PALAVRAS CHAVE. Omzação de Careras. Predção de Séres Hsórcas. Redes Neuras. Economa e Fnanças. ABSTRACT Ths work presens a predcon-based porfolo opmzaon model ha uses Normal predcon errors as rsk measure. In hs model, a new auoregressve neural nework predcor s used o predc fuure sock reurns and s predcon errors are used as rsk measure. In hs predcor, he dfferences beween he values of he seres and a specfed pas value are he regresson varables. A large se of expermens wh real daa from he Brazlan sock marke was employed o evaluae our porfolo opmzaon model, whch ncluded he examnaon of he Normaly of he errors of predcon. Our resuls showed ha s possble o oban Normal predcon errors wh non-normal seres of sock reurns, and ha our predcon-based porfolo opmzaon model ouperforms he arkowz porfolo selecon model showng beer reurn for he same rsk. KEYWORDS. Porfolo Opmzaon. Tme Seres Predcon. Neural Neworks. Economcs & Fnance. [ 727 ]
2 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO. Inrodução A odelagem Esaísca pode ser ulzada para fornecer meddas de ncereza da realzação do reorno fuuro de nvesmenos. Esas meddas de ncereza, denomnadas rsco, ornam a odelagem Esaísca adequada para a comparação de alernavas de nvesmeno. Essa caracerísca esá no cerne da oderna Teora de Careras (TC), nroduzda por Harry arkowz aravés do seu celebrado modelo de seleção de careras (arkowz, 952, 99). Nese modelo, o rsco oal do nvesmeno em váras ações é mnmzado aravés da seleção óma de ações com baxo rsco conjuno, mplemenando, assm, um mecansmo de compensação de perdas denomnado dversfcação efcene. O processo de seleção de careras consse, enão, em enconrar, num grande conjuno de ações, as parcpações (.e. proporções ndvduas) de cada ação que mnmzam o rsco da carera para um deermnado nível de reorno desejado, ou maxmzam o reorno da carera para um deermnado nível de rsco. O modelo assume que as séres hsórcas dos reornos 2 das ações seguem uma dsrbução Normal, e ulza a méda de cada uma desas séres como predção do reorno fuuro de cada ação, a varânca de cada sére como medda de rsco de cada ação, e a covarânca enre pares de séres de reornos como medda de rsco conjuno de cada par de ações (o desvo padrão, a semvarânca e o desvo absoluo ambém podem ser ulzados como medda de rsco no modelo). Após o modelo de arkowz, dversos ouros modelos baseados nas suas premssas báscas (que as séres de reorno são Normas e seus momenos podem ser ulzados como meddas de reorno fuuro e rsco) surgram (Sharpe, 963; Konno, 99; Elon, 2003). Em odos eses modelos, conhecdos como modelos clásscos de seleção de careras, o reorno esperado da carera é dado pela combnação lnear dos reornos esperados (o reorno médo) segundo a parcpação de cada ação na carera. O rsco da carera, por sua vez, assume formulações varadas, mas é sempre relaconado aos momenos cenras da dsrbução Normal conjuna dos reornos das ações que compõem a carera. Em que pese a ampla adoção dos modelos clásscos, é mporane menconar que as dsrbuções das séres de reornos freqüenemene apresenam curose e assmera (Fama, 965; Kon, 984; Freas, 2005), conrarando, assm, a premssa da Normaldade das séres de reornos. Além dsso, a realzação dos reornos médos ende a ser verfcada somene no longo prazo. Eses faos êm esmulado o desenvolvmeno de modelos predvos baseados na Análse de Séres Temporas e ouros méodos não-lneares (e.g. redes neuras arfcas), como forma de suporar o nvesmeno em horzones mas curos. Ese argo apresena um modelo predvo de omzação de careras que ulza erros de predção Normas como medda de rsco. Um novo predor auo-regressvo baseado em redes neuras arfcas (RNAR) fo ulzado para predzer os reornos fuuros das ações, e a varânca dos seus erros de predção fo ulzada como medda de rsco. Nese predor, as varáves de regressão são as dferenças enre os valores da sére de reornos e um deermnado valor passado, ao nvés dos própros valores da sére de reornos, como nos méodos radconas. Nossos resulados expermenas sugerem que os erros de predção são Normas (uma versão aneror desa verfcação de Normaldade dos erros de predção aparece em Freas (2005)), e mosram que o desempenho do modelo predvo de seleção de careras supera o desempenho do modelo de arkowz, apresenando reornos melhores para o mesmo nível de rsco. 2. Predores Neuras Auo-regressvos com Referênca óvel (RNAR-R) O reorno de uma ação no empo, r, é defndo com a dferença enre o preço da ação no empo e o seu preço no empo -, dvdda pelo seu preço no empo -, como mosrado na Eq. (): Uma carera é um conjuno de ações ou ouros avos de rsco. Ese argo consdera apenas careras de ações. 2 A dferença enre o preço da ação no empo e o seu preço no empo -, dvdda pelo seu preço no empo -. [ 728 ]
3 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO P P r = () P onde P e P são os preços da ação nos empos e -, respecvamene. A sére hsórca dos N reornos passados de uma ação, r', é defnda como: r = ( r,..., r, r ) (2) ' N + A predção baseada em séres emporas do reorno fuuro de uma ação pode ser defnda como o processo de se ulzar os elemenos de r' para ober uma esmava de r +. O número de períodos fuuros, l (l ), afea dreamene a escolha do méodo de predção: para l=, ou predção para um período fuuro, a escolha padrão são os méodos auo-regressvos (Box, 994), enquano que para l>, ou predção para múlplos períodos, écncas como o méodo das Dferenças Temporas (Suon, 988) são ulzadas; ambém podem ser ulzadas l predções recursvas para um período fuuro nese úlmo caso. Ese rabalho nvesga apenas o problema da predção para um período fuuro. O predor de séres emporas baseado em redes neuras clássco é um predor auoregressvo (Whe, 988), S R, cujas enradas são o valor presene e os p- valores passados da sére. A saída dese predor é o valor para o próxmo período, como mosrado na Eq. (3) para o caso das séres de reornos das ações. O número de valores de enrada, p (p>0), é a ordem da regressão, e algumas écncas para sua deermnação são mosradas em Box (994). ( p+,..., r, r ) S R rˆ + r (3) Assm, depos de ser renado com os pares enrada-saída, o predor neural SR mplemena um modelo de regressão não lnear múlpla para a sére de reornos, com seus parâmeros de modelo esmados pelo algormo de renameno ulzado. Nese rabalho, propomos um novo méodo auo-regressvo nsprado no méodo nuvo que pcamene empregamos para analsar vsualmene o gráfco de uma sére hsórca com a fnaldade de exrapolar seu próxmo valor, qual seja, concenrar nossa aenção vsual nos úlmos ponos do gráfco, crando uma janela magnára que delma uma regão capaz de oferecer uma magem com quandade de nformação vsual sufcene para a exrapolação do próxmo pono do gráfco. Nese méodo de predção, pcamene ulzamos algum pono denro da regão analsada como uma referênca a parr da qual o valor do próxmo pono é esmado. Nós mamos esse méodo nuvo no nosso méodo auo-regressvo de predção aravés da subração do valor de um dos reornos, usado como referênca, dos demas reornos apresenados como enrada da rede neural do predor. Ese valor de referênca é fornecdo por um dos elemenos da sére no neror da janela de observação do predor, que compreende os reornos de ordem -p-k+,..., (p, k>0). Nós denomnamos ese predor de rede neural auo-regressva com referênca móvel RNAR-R(p, k), onde p é a ordem da regressão e k é o reardo da referênca (a parr de p). As enradas e saídas da RNAR-R(p, k) são: onde ( r z,..., r z S r z (4) p+ ) R + z (5) = r p k+ Após o renameno, rˆ + é obdo a parr da predção r z ulzando a Eq. (6): + rˆ r z z (6) + = + + Na rede neural auo-regressva com referênca móvel, os valores codfcados nos pesos da rede são pcamene menores que os valores das séres, o que mnmza a possbldade de sauração das saídas dos neurônos, aumena a faxa dnâmca da rede neural e a sua capacdade l [ 729 ]
4 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO de represenar as séres hsórcas. Como conseqüênca, as necessdades de pré-processamenos, as como a normalzação e a elmnação de endêncas, podem ser alvadas, assm como a possbldade de se ober valores de pesos menores no érmno do renameno pode regularzar a rede neural, melhorando a sua generalzação aravés da redução do overfng (Haykn, 999). 3. Um Novo odelo de Seleção de Careras com Predção de Reornos Nesa seção, apresenaremos brevemene o modelo de seleção de careras de arkowz, o nosso novo modelo baseado em predção, e uma comparação qualava enre ambos. 3.. odelo de Seleção de Careras de arkowz O modelo de arkowz é baseado nas meddas de reorno e rsco de uma combnação de ações, as quas são obdas a parr das meddas ndvduas de reorno e rsco de cada ação negrane da combnação. A medda de reorno esperado de uma ação proposa por arkowz, e anda amplamene ulzada, é a méda arméca da sére de reornos da ação, defnda na Eq. (7), r = N N r = onde r é o reorno esperado da ação no empo +, N é o número de valores passados e r é o reorno passado realzado no empo (Eq. ()). A medda de rsco proposa por arkowz, a varânca da sére de reornos, v (Eq. (8)), reflee a ncereza da realzação do reorno esperado (Eq. (7)). N 2 2 v = σ = ( r r) (8) N = O rsco da carera é defndo como a varânca da combnação lnear das suas ações, ponderada pela parcpação ndvdual de cada ação na carera 3, conforme formulado na Eq. (9). V = v P = = X 2 v + = j=, j j j (7) X X γ (9) Na Eq. (9): o prmero somaóro conablza o rsco ndvdual das parcpações de cada uma das ações que compõem a carera; o segundo grupo de somaóros conablza os rscos conjunos das parcpações dos pares de ações; V é o rsco oal da carera, que é gual à varânca da carera, v P ; X é a parcpação da ação na carera; v é o rsco ndvdual da ação ; e o ermo γ j onde é a covarânca das ações e j, defnda como: r e N γ j = ( r r )( rj r j ) (0) N = r j são os reornos das ações e j no empo, r e r j são os reornos médos das ações e j, e N é o número de observações das séres. O rsco conjuno, ou rsco neravo, de duas ações na carera é dado pela sua covarânca pelas suas parcpações, e o seu efeo na composção do rsco oal da carera, V, é crucal para a obenção de careras com rscos nferores à soma dos rscos ndvduas das suas ações: o rsco neravo é o alcerce do odelo de Omzação de Careras de arkowz (arkowz, 952). O modelo de arkowz mnmza o rsco da carera V (Eq. (9)) para um 3 Ese desenvolvmeno é dealhado em arkowz (99). [ 730 ]
5 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO reorno de carera desejado, R, resolvendo o problema de programação quadráca formulado como: nmze V = = X 2 v + = j =, j X X γ j j () Sujeo a r P = = X r R (2) = X = (3) X 0, =,..., (4) A Eq. () é a função objevo a ser mnmzada, o rsco oal da carera, a resrção da Eq. (2) garane ao menos a obenção do reorno de carera desejado R, a resrção da Eq. (3) garane a alocação oal dos recursos, e a resrção da Eq. (4) resrnge o modelo às negocações de compra apenas. O conjuno das careras de rsco mínmo para dversos reornos desejados pode ser obdo aravés da paramerzação do modelo para R. Esas careras são denomnadas Careras Efcenes, e esa esraéga de nvesmeno é denomnada Dversfcação Efcene. O locus bdmensonal no espaço rsco-reorno onde esão odas as careras efcenes possíves é denomnado Fronera Efcene. A cada conjuno de ações dsno esá assocada uma Fronera Efcene, a qual depende uncamene dos reornos esperados e rscos ndvduas de cada ação, e das covarâncas das suas séres hsórcas de reornos Seleção de Careras com Predção de Reornos Desde a proposção orgnal do arcabouço méda-varânca por arkowz, sua vabldade compuaconal, smplfcações e exensões de modelo, e o desenvolvmeno de meddas de rsco alernavas êm sdo foco de nensa pesqusa. Eses esforços conrbuíram foremene para esabelecer a eora e práca da seleção de careras, produzndo resulados noáves (arkowz, 956; Sharpe, 963, 97; Konno, 990, 99, 992; Sorno, 99; Hamza, 996; Gll, 2000 ). Conudo, as esmavas de reornos fuuros baseadas na méda das séres de reornos endem a ser verfcadas somene no longo prazo; porano, elas não se mosram adequadas à gerênca ava de careras e a ouras esraégas de curo prazo. A ulzação de melhores méodos de predção para ober as esmavas dos reornos fuuros de curo prazo, acompanhada de meddas de rsco adequadas, pode dervar novos modelos predvos mas adequados às aplcações de curo prazo. Esa seção formula um novo modelo de omzação de careras no qual a varânca dos erros de predção, produzdos por um predor RNAR-R, é a medda de rsco ulzada. Seja r o reorno real da ação no empo, dado por: r = ˆ + ε (5) r onde rˆ é o reorno predo da ação para o empo, obdo no empo -, e ε é o erro de predção para o empo. Para um predor não endencoso, a sére ε = ( ε, ε,..., ε ) dos n erros de ' 2 n [ 73 ]
6 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO predção, defndos por: ε = r rˆ (6) deve ser esascamene ndependene e dencamene dsrbuída (d), com méda e varânca dadas por: µ ε = ε = 0 (7) n 2 2 ˆ ν = σ ε = ε (8) n = A varânca dos erros de predção (Eq. (8)) é uma medda da ncereza da predção do reorno fuuro, sendo ulzada no modelo como medda do rsco ndvdual das ações. Reorno e Rsco. Nese novo modelo de omzação de careras, o reorno predo da carera, rˆ p, é gual à soma dos reornos predos para as suas ações, rˆ, ponderados pela parcpação de cada ação na carera, X : = rˆ = X rˆ (9) p O rsco da carera é a varânca da dsrbução Normal conjuna da combnação dos erros de predção, expressa por: Vˆ 2 = ˆ ν = ˆ σ = X X ˆ ε γ (20) P P = j= onde as covarâncas γˆ j são obdas com as séres dos erros de predção ex-ane das ações e j: γ j = γ ε = j = j j n ˆ ε ε j (2) n odelo de Omzação de Careras. A parr das defnções das suas meddas fundamenas, o modelo de omzação de careras baseado na predção de reornos é formulado como: nmze ˆ = X X j ˆ γ j = j= V (22) Sujeo a rˆ P = = X rˆ R (23) = X = (24) [ 732 ]
7 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO X 0, =,..., (25) A Eq. (22) é a função objevo a ser mnmzada, o rsco oal da carera com reornos predos, a resrção da Eq. (23) é a que garane ao menos a obenção do reorno de carera desejado R, a resrção da Eq. (24) garane a alocação oal dos recursos, e a resrção da Eq. (25) resrnge o modelo às negocações de compra apenas. Apesar da ulzação da modelagem Normal conjuna, ese modelo dfere fundamenalmene do modelo de arkowz nos segunes aspecos: () os reornos esperados são os reornos predos, ao nvés das médas das séres de reornos; () os rscos das ações são obdos com as dsrbuções ex-ane dos erros de predção cenradas nos reornos predos de cada ação, e não com as dsrbuções das suas séres de reornos; e () o rsco neravo das ações é obdo aravés das covarâncas ex-ane dos erros de predção (Eq.(2)), e não das covarâncas das séres de reornos. Esa modelagem é baseada na hpóese da Eq. (7) e na Normaldade dos erros de predção, a qual é expermenalmene suporada pelos resulados mosrados na Seção éodos Expermenas Um conjuno de expermenos fo conduzdo com o objevo de: () verfcar a Normaldade dos erros de predção; e () avalar o desempenho do modelo de seleção de careras com predção de reornos em relação ao modelo de arkowz. 4.. Dados Foram seleconadas 46 ações parcpanes do índce Ibovespa da Bolsa de Valores do Esado de São Paulo (BOVESPA) no prmero quadrmesre de Para cada ação, os reornos semanas amosrados às quaras-feras no período enre 6-fev-2000 e 09-mar-2005 foram compuados, obendo-se assm 46 séres com 265 reornos para o conjuno de dados dos expermenos. Implemenamos predores neuras ndvduas para cada uma das ações, ulzando uma janela móvel de 200 semanas para renameno e oura de 5 semanas para ese, com os quas foram realzadas 60 predções para cada ação (46 60 = predções realzadas), conforme descro a segur Predores Neuras Ulzamos predores de referênca móvel com reardo k = e ordem p = 4, ou RNAR- R(4,), que foram mplemenados com uma rede neural feedforward oalmene conecada, com 2 camadas nernas, função de avação sgmodal e opologa 4:30:5: (4 neurônos na enrada, 30 neurônos na prmera camada nerna, 5 neurônos na segunda camada nerna e neurôno na saída). Uma rede RNAR-R(4,) fo renada para cada uma das 46 ações em cada uma das 60 predções (46 60 = sessões de renameno; ulzamos o cluser Enerprse com 64 nós ATHLON XP 800 do Deparameno de Informáca da Unversdade Federal do Espíro Sano hp:// para esa fnaldade). O renameno fo conduzdo durane épocas com o algormo backpropagaon, com axa de aprendzado de e nérca de 0.95 (Haykn, 999). Eses parâmeros opológcos e de renameno foram deermnados emprcamene. Para reduzr o overfng no renameno das redes neuras, empregamos uma forma smplfcada de valdação cruzada (Haykn, 999), a qual conssu em dvdr o conjuno de renameno para cada uma das 60 predções em dos segmenos: um segmeno de renameno e um segmeno de ese ou valdação. O segmeno de renameno para a prmera das 60 predções, as 200 semanas enre 6-fev-2000 e 0-dez-2003, fo ulzado para aualzar os pesos das redes neuras durane as épocas de renameno, enquano o segmeno de valdação, com 5 reornos semanas enre 7-dez-2003 e 4-jan-2004, fo ulzado para seleconar o melhor [ 733 ]
8 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO conjuno de pesos obdo durane o renameno. Para seleconar ese melhor conjuno de pesos, a cada.000 épocas de aualzação dos pesos, a rede neural da ação fo ulzada para predzer os reornos do segmeno de valdação. O conjuno de pesos responsável pelo menor erro RSE (raz do erro médo quadráco) observado no segmeno de valdação fo preservado e ulzado para predzer o reorno para 2-jan Ese procedmeno fo repedo para cada uma das 59 predções resanes, avançando a janela de 205 semanas, uma semana por vez, nas daas menconadas acma. Os amanhos dos segmenos de renameno e valdação foram obdos com a heurísca proposa em Haykn (999, pág. 27). Tabela. Normaldade dos erros de predção para os predores RNAR-R e para as séres de reornos 5. Expermenos e Resulados Tese do Qu-quadrado para as 46 séres dos erros de predção RNAR-R(4,) α H 0 não rejeada H 0 rejeada (96%) 2 ( 4%) (85%) 7 (5%) (78%) 0 (22%) Tese do Qu-quadrado para as 46 séres de reornos α H 0 não rejeada H 0 rejeada (30%) 32 (70%) (3%) 40 (87%) (%) 4 (89%) Os resulados dos expermenos conduzdos com o méodos descros na Seção 4 são apresenados a segur. 5.. Normaldade dos Erros de Predção A Normaldade dos erros de predção dos predores RNAR-R(4,) e das séres de reornos ulzadas nos expermenos fo esada e os resulados são mosrados na Tabela. Os eses do Qu-quadrado para as 46 séres dos erros de predção, cada uma com 60 observações, foram conduzdos para os níves de sgnfcânca (α) padrão de 0.0, 0.05 e 0.0. A Normaldade dos erros de predção fo acea (.e. não rejeada) para 44 (96%), 39 (85%) e 36 (78%) dos predores RNAR-R(4,), respecvamene. Conudo, para os mesmos níves de sgnfcânca (α), a normaldade das séres de reornos fo acea para apenas 4 (30%), 6 (3%) e 5 (%) das ações, respecvamene. Eses resulados sugerem a possbldade de se ober erros de predção Normas a parr de séres de reornos não Normas. Ese fao é especalmene mporane para o desenvolvmeno de novos modelos predvos de seleção de careras que se benefcem dos desenvolvmenos eórcos do arcabouço Normal Desempenho do odelo de Careras com Predção de Reornos Ulzamos uma janela de 40 predções, ncada na prmera das 60 predções realzadas, para esmar as varâncas e covarâncas dos erros de predção necessáras ao modelo predvo de seleção de careras (Eqs. (20), (2) e (22)). Os reornos médos, varâncas e covarâncas necessáras ao modelo de arkowz foram calculados a parr de uma janela com 245 das 265 semanas dsponíves, ncada na prmera semana. As careras formadas com os modelos de arkowz e predvo foram comparadas ulzando as 20 semanas resanes do conjuno de dados. A comparação fo conduzda seleconando-se careras das Froneras Efcenes de cada modelo, obdas aravés dos procedmenos de omzação descros na Seção 3. A esraéga de nvesmeno ulzada fo re-balancear as careras a cada 4 semanas [ 734 ]
9 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO consecuvas; assm, formamos um oal de 5 careras para cada modelo (20 semanas/4 semanas de vgênca para cada carera). A Fg. mosra as Froneras Efcenes para os modelos de arkowz e predvo, obdas aravés da paramerzação dos modelos da Seção 3 para R. Os valores de R foram escolhdos de forma que, a parr de um deermnado valor mínmo, fossem obdas Froneras Efcenes com 30 careras ómas para cada modelo, e que odo o espaço de soluções váves de cada problema fosse percorrdo ( = 300 problemas quadrácos). Desa forma, foram ulzados valores de R enre e 0.0 para as careras de arkowz, e enre e 0.2 para as careras predvas. A pare superor da Fg. mosra as 5 Froneras Efcenes para o modelo de arkowz, FE-, FE-2, FE-3, FE-4 e FE-5, obdas no período ncal e na seqüênca dos 4 re-balanceamenos durane as smulações. Seus rscos ómos fcaram enre e 0.003, para reornos enre e 0.008, respecvamene. Na pare nferor da Fg. emos as 5 Froneras Efcenes para o modelo predvo, FE-P, FE-P2, FE-P3, FE-P4 e FE-P5, obdas da mesma forma e com rscos ómos enre e , para reornos enre e 0.228, respecvamene. Desa forma, podemos verfcar que as careras predvas apresenaram resulados de rsco e reorno sgnfcanemene melhores do que aqueles apresenados pelas careras de arkowz, em ermos de Fronera Efcene. Esa superordade pode ser explcada pela maor dversdade de soluções enconradas pelo modelo predvo (veja os formaos e as localzações das Froneras Efcenes dos modelos na Fg. ), demonsrando capurar melhor as dnâmcas de curo prazo do que o modelo de arkowz. Após a obenção das Froneras Efcenes, nós realzamos smulações dos nvesmenos no período acma cado e compuamos os reornos acumulados para ambos modelos. Cada carera fo seleconada no nível de rsco de 0.00 (varânca da dsrbução Normal conjuna das careras) da sua respecva Fronera Efcene vgene (lnhas vercas racejadas da Fg. ), e sua renabldade fo acompanhada durane 4 semanas consecuvas. Ese processo se repeu para cada um dos 4 períodos de re-balanceameno das careras Fg.. Froneras Efcenes para os modelos de arkowz (superor) e Predvo (nferor). A Fg. 2 mosra as dsrbuções Normas para cada uma das 5 careras seleconadas [ 735 ]
10 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO para os modelos de arkowz e predvo, obdas a parr dos seus respecvos reornos esperados e rscos. As careras, 2, 3, 4 e 5 foram obdas com o modelo de arkowz e suas dsrbuções são mosradas na pare superor da Fg. 2. Elas apresenaram reornos esperados basane smlares devdo à pequena varação da méda ponderada (por cada X ) dos reornos das ações no período das 245 semanas, que ambém pode ser verfcada pela smlardade das suas Froneras Efcenes na pare superor da Fg.. As careras P, P2, P3, P4 e P5 foram obdas com o modelo predvo e são mosradas na pare nferor da Fg. 2. Como mosrado no gráfco, elas apresenaram valores de reorno esperados basane dsnos, exbndo suas propredades predvas de curo prazo, verfcadas ambém pela dversdade das suas Froneras Efcenes na pare nferor da Fg.. Fg. 2. Dsrbuções Normas para cada uma das 5 careras seleconadas para os modelos de arkowz (superor) e Predvo (nferor). A Fg. 3 mosra uma comparação dos reornos acumulados no período de smulação para as 5 careras de arkowz, as 5 careras predvas e o índce Ibovespa (IBOV). Como menconado acma, as careras foram re-balanceadas 4 vezes, nas semanas 4, 8, 2 e 6 do período de smulação, ulzando os dados dsponíves neses momenos. Os períodos de smulação para cada um dos 5 pares de careras é mosrado enre as lnhas vercas da Fg. 3. [ 736 ]
11 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO reorno acumulado 0,35 0,30 0,25 0,20 0,5 0,0 0,05 P arkowz () Predção (P) IBOV 2 P2 3 P3 4 P4 5 P5 0, semana Fg. 3. Reornos acumulados para as careras de arkowz e predvas comparadas com o índce Ibovespa (IBOV). As careras predvas (P) melhor se susenaram frene à queda do IBOV após a semana 0, em comparação com as careras de arkowz (). Como a Fg. 3 mosra, ncalmene, ambos modelos de careras e o Ibovespa veram desempenho equvalene. Na semana 8, a carera de arkowz apresenou um aumeno sgnfcavo de desempenho, porém fo ulrapassada pela carera predva na semana 0, que se susenou melhor que a carera de arkowz frene a uma mporane baxa do mercado na semana segune (veja o gráfco do Ibovespa). As careras predvas subseqüenes manveram ese desempenho superor aé o fnal do período de análse, nclusve frene ao período remanescene da baxa do Ibovespa. As careras predvas obveram um reorno acumulado de 29.83% no período, enquano as careras de arkowz obveram 24.45%, próxmos aos 24.66% do Ibovespa. 6. Conclusão e Trabalhos Fuuros Nese argo ulzamos um novo méodo de predção denomnado rede neural auoregressva com referênca móvel (RNAR-R) para predzer os reornos fuuros do mercado de ações Braslero. Nese méodo, as varáves de regressão são as dferenças dos valores das séres hsórcas e um deermnado valor passado. A Normaldade dos erros de predção produzdos pelos predores RNAR-R fo examnada, sendo verfcada para 45 das 46 séres esudadas, enquano a Normaldade das séres de reornos fo verfcada para apenas 4 das 46 séres. Ese fao sugere a possbldade de se produzr erros de predção Normas a parr de séres de reorno não Normas. Esa caracerísca dos erros de predção suporou o desenvolvmeno de um novo modelo de seleção de careras baseado em predção que ulza o arcabouço Normal. Smulações de nvesmeno com ese novo modelo mosraram que ele pode produzr resulados melhores que o modelo de seleção de careras de arkowz ele alcançou reornos acumulados 5.7% superores aos do modelo de arkowz no período esudado. Também, as careras predvas demonsraram uma melhor capacdade de acompanhameno do índce de mercado, alcançando reornos 6.38% superores aos do índce Ibovespa, enquano as careras de arkowz alcançaram uma superordade de apenas.2%. Nossos rabalhos fuuros ncluem a nvesgação de melhores ssemas neuras de predção, que mnmzem os erros de predção e a sua varânca, e novas esraégas de nvesmeno que capurem dnamcamene as oporundades de re-balanceameno mas promssoras. [ 737 ]
12 XXXVIII SIPÓSIO BRASILEIRO DE PESQUISA OPERACIONAL Pesqusa Operaconal na Socedade: Educação, eo Ambene e Desenvolvmeno 2 a 5/09/06 Goâna, GO Agradecmenos Os auores agradecem o apoo da empresa Enfoque Informações Fnanceras Lda. (hp:// no fornecmeno das séres hsórcas de longo prazo ulzadas nese rabalho. Referêncas Box, G. E. P., Jenkns G.. e Rensel G. C., Tme Seres Analyss: Forecasng and Conrol. Prence Hall, hrd edon, 994. Elon, E. J., Gruber,. J., Brown, S. J. e Goezmann, W. N., odern Porfolo Theory and Invesmen Analyss. John Wley & Sons, Inc., sxh edon, Fama, E. (965), Porfolo Analyss n a Sable Parean arke. anagemen Scence, Vol., No. 3 Seres A, pp Freas, F. D., De Souza, A. F. e Almeda, A. R. (2005), Auoregressve neural nework predcors n he Brazlan sock markes. VII Smpóso Braslero de Auomação Inelgene (SBAI)/II IEEE Lan Amercan Robocs Symposum (IEEE-LARS), São Lus, Brasl. Gll,. e Kellez, E. (2000), Heursc approaches for porfolo opmzaon. VI Inernaonal Conference on Compung n Economcs and Fnance. Hamza, F. e Janssen, J. (996), Lnear approach for solvng large-scale porfolo opmzaon problems n a lognormal marke. In IAA/AFIR Colloquum, pages , Nürnberg, Germany. Haykn, S., Neural Neworks: a Comprehensve Foundaon. Prence Hall, Inc., 2 edon, 999. Kon, S. J. (984), odels of sock reurns - a comparson. Journal of Fnance, XXXIX(): Konno, H. (990), Pecewse lnear rsk funcons and porfolo opmzaon. Journal of Operaons Research Socey of Japan, (33): Konno, H. e Suzuk, S. (992), A fas algorhm for solvng large scale mean-varance models by compac facorzaon of covarance marces. Journal of Operaons Research Socey of Japan, (35): Konno, H. e Yamazak, H. (99), ean-absolue devaon porfolo opmzaon model and s applcaons o Tokyo sock marke. anagemen Scence, 37(5): arkowz, H.. (952), Porfolo selecon. Journal of Fnance, VII():77 9. arkowz, H.. (956), The opmzaon of a quadrac funcon subjec o lnear consrans. Naval Research Logscs Quarerly, (3): 33. arkowz, H.., Porfolo Selecon: Effcen Dversfcaon on Invesmen. John Wlley & Sons, New York, 2 edon, 99. Sharpe, W. F. (963), A smplfed model for porfolo analyss. anagemen Scence, (9): Sharpe, W. F. (97), A lnear programmng approxmaon for he general porfolo selecon problem. Journal of Fnancal and Quanave Analyss, (6): Sorno, F. A. e Van der eer, R. (99), Downsde rsk. Journal of Porfolo anagemen, pages Suon, R. S. (988), Learnng o predc by he mehods of emporal dfferences. achne Learnng, 3:9 44. Whe, H. (988), Economc predcon usng neural neworks: The case of IB daly sock reurns. In Proceedngs of The IEEE Inernaonal Conference on Neural Neworks. [ 738 ]
Olinda - 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 maisDepartamento de Informática. Modelagem Analítica. Modelagem Analítica do Desempenho de Sistemas de Computação. Disciplina:
Deparameno de Informáca Dscplna: Modelagem Analíca do Desempenho de Ssemas de Compuação Fluxos de Enrada Fluxos de Saída Le de Lle Faor de Ulzação rof. Sérgo Colcher colcher@nf.puc-ro.br rocesso de Chegada
Leia mais5 Programação Matemática Princípios Básicos
5 Programação Maemáca Prncípos Báscos 5. Consderações Geras Ese capíulo em por objevo apresenar os conceos báscos de Programação Maemáca (PM), necessáros à compreensão do processo de omzação de dmensões,
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 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 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 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 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 maisdefi departamento de física
def deparameno de físca Laboraóros de Físca www.def.sep.pp.p Equações de Fresnel Insuo Superor de Engenhara do Poro Deparameno de Físca Rua Dr. Anóno Bernardno de Almeda, 431 400-07 Poro. Tel. 8 340 500.
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 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 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 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 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 mais2 Programação Matemática Princípios Básicos
Programação Maemáca Prncípos Báscos. Consderações Geras Os objevos dese capíulo são apresenar os conceos de Programação Maemáca (PM) necessáros à compreensão do processo de omzação de dmensões e descrever
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 maisTÉCNICAS DE OTIMIZAÇÃO DE PROBLEMAS COM MÚLTIPLOS OBJETIVOS UM ESTUDO SOBRE O MÉTODO DE MINIMIZAÇÃO DE ENERGIA E SUAS VARIANTES
TÉCNICA DE OTIMIZAÇÃO DE PROBLEMA COM MÚLTIPLO OBJETIVO UM ETUDO OBRE O MÉTODO DE MINIMIZAÇÃO DE ENERGIA E UA VARIANTE Mlon Jonahan Marco Aurélo Cavalcane Pacheco ICA: Núcleo de Pesqusa em Inelgênca Compuaconal
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY 22 a 25 Novembro de 2009 Recfe - PE GRUPO IX GRUPO DE ESTUDO DE OPERAÇÃO DE SISTEMAS ELÉTRICOS - GOP PROCESSO
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 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 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 mais. Para cada conexão i é atribuído um peso φ
Escalonador WF 2 Q O escalonador WF 2 Q [3] é uma aproxmação baseada em pacoes do GP, que em por obevo emular ese escalonador fluído o mas próxmo possível De acordo com Groux e Gan [1], o escalonador WF
Leia maisCapítulo 3. Dinâmica crítica do modelo de Baxter-Wu. 3.1 O Modelo
Capíulo 3 Dnâmca críca do modelo de Baxer-Wu 3.1 O Modelo O modelo de Baxer-Wu fo nroduzdo por Wood e Grffhs 56 e resolvdo exaameno no conexo de mecânca esaísca de equlíbro por R.J. Baxer e F.Y.Wu em 1973
Leia maisConceitos Básicos de Circuitos Elétricos
onceos Báscos de rcuos lércos. nrodução Nesa aposla são apresenados os conceos e defnções fundamenas ulzados na análse de crcuos elércos. O correo enendmeno e nerpreação deses conceos é essencal para o
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 maisParte III. Objetivo: estudar o deslocamento de um corpo quando esta rolando
Pare Objevo: esudar o deslocameno de um corpo quando esa rolando 1 Coneúdo programáco: 6. Movmeno de Roação Varáves da roação, Relação enre Cnemáca Lnear e Cnemáca Angular, Energa cnéca de roação, nérca
Leia maisSistema de Suporte à Decisão para Predição de Cargas e Modelagem de Dependência em Sistemas Elétricos de Potência
Anas do XXVI Congresso da SBC SEMISH l XXXIII Semnáro Inegrado de Sofware e Hardware 14 a 20 de julho de 2006 Campo Grande, MS Ssema de Supore à Decsão para Predção de Cargas e Modelagem de Dependênca
Leia maisRAD1507 Estatística Aplicada à Administração I Prof. Dr. Evandro Marcos Saidel Ribeiro
UNIVERIDADE DE ÃO PAULO FACULDADE DE ECONOMIA, ADMINITRAÇÃO E CONTABILIDADE DE RIBEIRÃO PRETO DEPARTAMENTO DE ADMINITRAÇÃO RAD1507 Estatístca Aplcada à Admnstração I Prof. Dr. Evandro Marcos adel Rbero
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 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 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 maisFísica I. 2º Semestre de Instituto de Física- Universidade de São Paulo. Aula 5 Trabalho e energia. Professor: Valdir Guimarães
Físca I º Semesre de 03 Insuo de Físca- Unversdade de São Paulo Aula 5 Trabalho e energa Proessor: Valdr Gumarães E-mal: valdrg@.usp.br Fone: 309.704 Trabalho realzado por uma orça consane Derenemene
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 mais2 O Modelo Teórico O Modelo Básico
O Modelo Teórco Nese capíulo serão apresenadas as dversas hpóeses e as abordagens eórcas a serem esudadas nese rabalho. Prmeramene, será apresenado o modelo básco, que supõe separabldade neremporal. m
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 maisO MODELO DE PRECIFICAÇÃO POR ARBITRAGEM NO CONTEXTO DOS FUNDOS DE INVESTIMENTOS BRASILEIROS RESUMO
55 O MODELO DE PRECIFICAÇÃO POR ARBITRAGEM NO CONTEXTO DOS FUNDOS DE INVESTIMENTOS BRASILEIROS Bruno Mlan¹ Paulo Sérgo Cerea² RESUMO O objevo dese argo é precfcar o reorno dos fundos de nvesmeno brasleros
Leia maisCalibração Virtual de Projetores
Dsseração de Mesrado Calbração Vrual de Projeores Aluno: Orenador: Pablo Alfredo Sap Baer Paulo Cezar Pno Carvalho 9 de Seembro de Sumáro Ø Movação e descrção do problema Ø Objevo Ø Calbração da câmera
Leia maisOTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA
OTIMIZAÇÃO POR ENXAME DE PARTÍCULAS COM EXTINÇÃO EM MASSA: UMA ABORDA- GEM APLICADA AO PROBLEMA MULTIDIMENSIONAL DA MOCHILA FERNANDA HEMBECKER, HEITOR S. LOPES, DANIEL ROSSATO Unversdade Tecnológca Federal
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 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 maisEixo Temático: Estratégia e Internacionalização de Empresas O MODELO DE PRECIFICAÇÃO DE ARBITRAGEM NO CONTEXTO DOS FUNDOS DE INVESTIMENTO BRASILEIROS
Sana Mara/RS 23 e 24 de Seembro de 2013 Exo Temáco: Esraéga e Inernaconalzação de Empresas O MODELO DE PRECIFICAÇÃO DE ARBITRAGEM NO CONTEXTO DOS FUNDOS DE INVESTIMENTO BRASILEIROS THE ARBITRAGE PRICING
Leia maisMECÂNICA CLÁSSICA. AULA N o 4. Carga de Noether- Simetrias e Conservação
MECÂNIC CLÁSSIC UL N o 4 Carga de Noeher- Smeras e Conservação Vamos ver o caso de uma parícula movendo-se no plano, porém descrevendo-a agora em coordenadas polares: r r d dr T T m dr m d r d d m r m
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 maisModelo de Precificação de Capital: Segmento de Commodities Agrícola
Modelo de Precfcação de Capal: Segmeno de Commodes Agrícola Capal Asse Prcng Model: Secor of Agrculural Commodes Táco Auguso Faras 1 Luz Eduardo Nascmeno Fgueredo Fábo Rodrgues Moura 3 Resumo: O objevo
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 mais4 Sistema Inteligente de Otimização
4 Ssema Inelgene de Omzação 4.. Inrodução Nese capíulo é dealhado o ssema nelgene proposo de omzação de alernavas de desenvolvmeno de campos perolíferos, descrevendo-se a modelagem global do ssema e as
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 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 maisErlon Cristian Finardi UFSC
GOP/015 1 a 6 de Ouubro de 001 Campnas - São Paulo - Brasl GRUPO IX GRUPO DE ESTUDOS DE OPERAÇÃO DE SISTEMAS ELÉTRICOS COMISSIONAMENTO DE UNIDADES HIDRÁULICAS NO PROBLEMA DA PROGRAMAÇÃO ENERGÉTICA ξ Edson
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 maisCONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO
CEPEL Cenro de Pesqusas de Energa Elérca Projeo DESSEM Relaóro Técnco: CONSIDERAÇÃO DAS PERDAS NA REDE ELÉTRICA NO MODELO DESSEM-PAT METODOLOGIA E ANÁLISE DE DESEMPENHO ÍNDICE 1. INTRODUÇÃO... 3 2. O
Leia maisExperiência IV (aulas 06 e 07) Queda livre
Experênca IV (aulas 06 e 07) Queda lvre 1. Obevos. Inrodução 3. Procedmeno expermenal 4. Análse de dados 5. Quesões 6. Referêncas 1. Obevos Nesa experênca esudaremos o movmeno da queda de um corpo, comparando
Leia maisMODELO DE PRECIFICAÇÃO DE ATIVOS DE CAPITAL: UM ESTUDO DE CASO NO SETOR DE FRIGORÍFICOS
MODELO DE PRECIFICAÇÃO DE ATIVOS DE CAPITAL: UM ESTUDO DE CASO NO SETOR DE FRIGORÍFICOS CAPITAL ASSET PRICING MODEL: A CASE STUDY ON MEAT SECTOR RESUMO Táco Auguso Faras 1 Luz Eduardo Nascmeno Fgueredo
Leia mais3 Planejamento da Operação Energética no Brasil
3 Planeameno da Operação Energéca no Brasl 3.1 Aspecos Geras O ssema elérco braslero é composo por dos dferenes pos de ssemas: os ssemas solados, os quas predomnam na regão Nore do Brasl e represenam cerca
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 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 maisDINÂMICA E PREVISÃO DE PREÇOS DE COMMODITIES AGRÍCOLAS COM O FILTRO DE KALMAN
XXVIII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO DINÂICA E PREVISÃO DE PREÇOS DE COODITIES AGRÍCOLAS CO O FILTRO DE KALAN Flávo Pnhero Corsn (POLI-USP) flavo.corsn@gmal.com Celma de Olvera Rbero (POLI-USP)
Leia maisCOMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS
COMPARAÇÃO DE DIFERENTES METODOLOGIAS APLICADAS AO CONTROLE DE CHEIAS Marco Aurélo de Almeda Casro Adrano Alber de França Mendes Carnero Marnho Gomes de Andrade Deparameno de Engenhara Elérca Escola de
Leia maisAnálise comparativa e teste empírico da validade dos modelos CAPM tradicional e condicional: o caso das ações da Petrobrás
Análse comparava e ese empírco da valdade dos modelos capm radconal e condconal: o caso das ações da Perobrás Análse comparava e ese empírco da valdade dos modelos CAPM radconal e condconal: o caso das
Leia maisda rede são atualizados de acordo com a equação 2 [13]:
LS-DRAUGHTS - UM SISTEMA DE ARENDIZAGEM ARA DAMAS COM GERAÇÃO AUTOMÁ- TICA DE CARACTERÍSTICAS HENRIQUE CASTRO NETO, RITA MARIA SILVA JULIA Faculdade de Compuação, Unversdade Federal de Uberlânda Av. João
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS
1 PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO GRANDE DO SUL FACULDADE DE MATEMÁTICA CÁSSIA PEREIRA DA ROSA MOSCHOUTIS ANÁLISE DO CRESCIMENTO POPULACIONAL BRASILEIRO Poro Alegre 13 CÁSSIA PEREIRA DA ROSA MOSCHOUTIS
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 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 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 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 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 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 maisEstudo da temperatura da transição de Fase do modelo de potts bidimensional
Esudo da emperaura da ransção de Fase do modelo de pos bdmensonal Wharley osa Gomes 1, Sergo Murlo da Slva Braga Marns Junor 2, Fred Jorge arvalho Lma 3, Anono Soares dos Anjos Flho 4 1 Graduando em Lcencaura
Leia mais4 Premissas quanto aos Modelos de Despacho de Geração, Formação do Preço da Energia e Comercialização de Energia
61 4 Premssas quano aos Modelos de Despacho de Geração, Formação do Preço da Energa e Comercalzação de Energa 4.1. Inrodução A remuneração de uma geradora depende do modelo de despacho de geração e formação
Leia maisCapítulo 1 Introdução
Capíulo Inrodução No mercado braslero de prevdênca complemenar abera e de seguro, regulado e fscalzado pela Supernendênca de Seguros Prvados SUSEP, os planos de prevdênca e de seguro de vda que possuam
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 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 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 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 maisAnomalies on the Brazilian Stock Market: a Modification of the Fama and French Model
Dsponível em hp:// RAC-Elerônca, Curba, v., n. 3, ar. 9, p. 509-530, Se./Dez. 008 Anomalas no Mercado de Ações Braslero: uma Modcação no Modelo de Fama e French Anomales on he Brazlan Sock Marke: a Modcaon
Leia maisDESENVOLVIMENTO DE MODELOS NEURAIS AUTÔNOMOS PARA PREVISÃO DE CARGA ELÉTRICA. Vitor Hugo Ferreira TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS
DESENVOLVIMENTO DE MODELOS NEURAIS AUTÔNOMOS PARA PREVISÃO DE CARGA ELÉTRICA Vor Hugo Ferrera TESE SUBMETIDA AO CORPO DOCENTE DA COORDENAÇÃO DOS PROGRAMAS DE PÓS-GRADUAÇÃO DE ENGENHARIA DA UNIVERSIDADE
Leia maisESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE
ESTIMADOR DE ESTADOS ORTOGONAL COM RESTRIÇÕES DE IGUALDADE José Paulo da Slva Gouvêa (*) Anôno José Alves Smões Cosa Unversdade Federal de Sana Caarna CTC/EEL/GSP Campus Unversáro, Floranópols, S.C. C.
Leia maisFACULDADE IBMEC SÃO PAULO Programa de Mestrado Profissional em Economia
FACULDADE IBMEC SÃO PAULO Programa de Mesrado Profssonal em Economa ANTONIO ARTHUR PITANGUY SAMPAIO ALOCAÇÃO DE ATIVOS COM MODELOS DE VOLATILIDADE MULTIVARIADA EVIDÊNCIAS COM DADOS BRASILEIROS São Paulo
Leia maisPrevisão de Demandas para Controle dos Montantes de Uso do Sistema de Transmissão para Distribuidoras de Energia Elétrica
XVIII Semnáro aconal de Dsrbução de Energa Elérca SEDI 008-06 a 0 de ouubro Olnda - Pernambuco - Brasl Prevsão de Demandas para Conrole dos Monanes de Uso do Ssema de Transmssão para Dsrbudoras de Energa
Leia maisHEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE
Pesqusa Operaconal e o Desenvolvmeno Susenável 7 a /9/5, Gramado, RS HEURÍSTICA PARA O PROBLEMA DE ROTEIRIZAÇÃO E ESTOQUE André Luís Shguemoo Faculdade de Engenhara Elérca e Compuação Unversdade Esadual
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 maisANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR MEIO DOS MODELOS CAPM NÃO-CONDICIONAL E CAPM CONDICIONAL
ANÁLISE DO CUSTO DE CAPITAL PRÓPRIO NO BRASIL POR EIO DOS ODELOS CAP NÃO-CONDICIONAL E CAP CONDICIONAL (Cos of equy analyss n Brazl: Non-Condonal CAP and Condonal CAP) Lumla Souza Grol 1 1 Unversdade Federal
Leia maisXX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL
XX SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA Versão 1.0 XXX.YY a 5 Novembro de 009 Recfe - PE GRUPO - VII GRUPO DE ESTUDO DE PLANEJAMENTO DE SISTEMAS ELÉTRICOS - GPL HIDROTERM
Leia maisAVALIAÇÃO PROBABILÍSTICA DO IMPACTO DE GD FOTOVOLTAICA NOS ÍNDICES DE CONFORMIDADE DE TENSÃO
AVALAÇÃO PROBABLÍSTCA DO MPACTO DE GD FOTOVOLTACA NOS ÍNDCES DE CONFORMDADE DE TENSÃO ELSON N. M. SLVA, ANSELMO B. RODRGUES, MARA G. SLVA Laboraóro de Confabldade e Qualdade, Deparameno de Engenhara Elérca,
Leia maisAnálise Tecno-Econômica da Correção do Perfil de Tensão de Alimentadores de Média Tensão
Análse Tecno-Econômca da Correção do Perfl de Tensão de Almenadores de Méda Tensão M. F. de Mederos Jr., DCA/UFRN, M. C. Pmenel Flho, DEE/UFRN, A. L. A. de Araújo, COSERN, J. A. N. de Olvera, DEE/UFRN
Leia maisUMA ABORDAGEM PARA OTIMIZAÇÃO DE PORTFÓLIO DE CONTRATOS DE ENERGIA NO SETOR ELÉTRICO BRASILEIRO
SNPTEE SEMINÁRIO NACIONAL DE PRODUÇÃO E TRANSMISSÃO DE ENERGIA ELÉTRICA GAE-15 19 a 24 Ouubro de 2003 Uberlânda - Mnas Geras GRUPO VI GRUPO DE ESTUDO DE ASPECTOS EMPRESARIAIS - GAE UMA ABORDAGEM PARA OTIMIZAÇÃO
Leia mais