Séries Temporais, Econometria e Finanças

A poluição dos recursos hídricos, causada por diferentes fontes conduz a necessidade de elaboração e implantação de planos de prevenção e recuperação das condições ambientais. A bacia hidrográfica do Rio dos Sinos tem o Rio dos Sinos como seu principal formador. Este rio é hoje considerado um dos mais poluídos do Brasil devido a enorme carga de esgoto in natura e de efluentes tóxicos que recebe diariamente. No entanto neste rio é captado o maior volume de água para abastecimento publico do Vale do Rio dos Sinos. Este trabalho teve como objetivo modelar através de modelos de Séries Temporais o Índice de Qualidade da Água (IQA), proveniente de dados de monitoramento da qualidade da água disponibilizados pela FEPAM de 2000 a 2007. Antes da modelagem foi necessário um ajuste da série, pois a mesma apresentava diversos valores faltantes, onde se utilizou modelos de regressão para interpolação destas falhas na série. Foi possível identificar que o modelo que melhor se ajusta a série do IQA é o modelo ARMA(2,1). Através de uma abordagem temporal, onde as séries são descritas e modeladas em função do tempo será possível realizar previsões e simulações de cenários. Estas previsões e simulações possibilitam a avaliação das condições presentes e futuras do rio, os quais poderão contribuir de forma significativa na gestão e conservação deste recurso, e na construção de políticas publicas no sentido de melhorar a qualidade da água da Bacia hidrográfica.

Desde o crescente aumento da globalização, o ambiente empresarial tem demonstrado ser extremamente competitivo e instável, tornando cada vez mais difícil tomar decisões vitais para o sucesso da empresa de forma consciente. A determinação da demanda tornou-se um fator importante na estratégia gerencial a fim de reduzir riscos na tomada de decisões. Manter estoques de produtos acabados ou perder mercado para empresas concorrentes por falta de produtos nas prateleiras torna-se um custo desnecessário para a organização. Este trabalho tem por objetivo, estudar modelos de previsão de demanda para a indústria de cimento no Brasil através da análise de séries temporais. Serão abordados o conceito de séries temporais e as características de alguns modelos relevantes ao caso em questão. Será mostrado como a sazonalidade e tendência podem ser identificados em um conjunto de dados em função do tempo. Depois de feita a análise, foi realizada uma comparação entre diferentes métodos, sendo eles Análise Exponencial Simples, Análise Exponencial de Holt e Análise Exponencial de Holt Winters multiplicativo e aditivo, visando mostrar a empregabilidade e funcionalidade que cada modelo apresenta. Após as análises foi escolhido o modelo que melhor se ajustou à série e foi realizado uma tentativa de previsão da demanda para dois anos posteriores.

Apresentamos, neste trabalho, um estudo de simulações de Monte
Carlo para a estimação semi-paramétrica da função memória presente
em processos estocásticos oriundos da equação de Langevin
generalizada. Esse estudo é apresentado para a situação em que a
função memória é uma delta de Dirac e o processo de ruído é
Gaussiano com média zero e variância um.
O objetivo é estimar o parâmetro do processo através da
estatística R/S(n), introduzida por H.E. Hurst. O desempenho
deste estimador é analisado através de seu vicío, desvio padrão e
erro quadrático médio para diferentes tamanhos amostrais e
diferentes números de replicações, quando o valor inicial do
processo é zero.
Palavras-chave: Equação de Langevin Generalizada; Função Memória; Processo Gaussiano; Estimação Semi-paramétrica; Estimador de Hurst.

A nonparametric regression with a wavelet estimator is proposed to correct undesired effects
(bias) that, in general, can not be handle in functional or stochastical models of Least Squares method. An application was carried out with real data from Global Positioning System to correct the multipath effect from signal reflection. Improviments of up to 99% was reached in root mean squared error of the residuals.

Um modelo é a representação simplificada de algum problema ou situação da vida real destinado
a ilustrar certos aspectos do problema sem se ater a todos os detalhes. Não raro, mais de
um modelo pode descrever um mesmo fenômeno, haja vista que cada pesquisador tem a liberdade
de modelar o fenômeno seguindo a metodologia que julgar mais adequada. Aqui a seleção do
“melhor” modelo torna-se então evidente.
Burnham e Anderson (2004), enfatizam a importância de selecionar modelos baseando-se em
princípios científicos. Dentre as diversas metodologias utilizadas para este fim, neste trabalho realizamos
uma análise comparativa dos critérios de informação de Akaike (AIC), Akaike Corrigido
(AICc) e Bayesiano (BIC), quanto a sua performance na seleção de modelos. Tais critérios são
comparados via simulação em modelos normais e em modelos de séries temporais.

O homem vem acompanhando na história do planeta mudanças climáticas provocadas pelo aquecimento global. Tais mudanças ocorrem obviamente na temperatura, como também no nível de chuva, etc.
Para estimar o impacto de mudanças climáticas na incidência de leptospirose, cuja relação com o regime de chuvas é conhecida, propomos avaliar cenários diversos quanto ao padrão de pluviosidade, verificando o impacto na ocorrência da doença.
Para gerar os diferentes cenários de chuva, algumas características devem ser contempladas: estrutura temporal e valores extremos. Os cenários pessimistas devem apresentar maior probabilidade de eventos com nível e variabilidade de chuva acima do atual.
A média diária da série histórica de precipitação de 1996 a 2006 foi utilizada como linha de base. A distribuição Gama foi usada para obtermos os cenários e a escolha dos parâmetros se deu utilizando a linha de base como média da distribuição, e controlando a variância fixado um valor do coeficiente de variação (CV).
Foram geradas 2000 amostras para a série diária de precipitação com coeficientes de variação de 1 a 4, e os critérios de escolha do CV que melhor representaria a realidade foram testes comparação de média (teste t) e variância (teste F). Verificamos que com CV=1,8 o método de simulação proposto foi eficiente para representar a série observada.
A segunda etapa foi, com base em um modelo aditivo generalizado relacionando os casos de leptospirose com as variáveis climáticas, e no aumento percentual médio da pluviosidade, estimar o número de casos para cada cenário. Para o cenário com aumento médio de 20% na pluviosidade obtivemos quantil 99% máximo de 32 casos em uma única semana.

O modelo fatorial dinâmico cujos fatores seguem um modelo auto-regressivo é
utilizado para analisar a associação entre séries climáticas e séries de internação por problemas pulmonares. As séries consideradas foram taxa de internação por tuberculose, taxa de internação por problemas pulmonares, temperatura mínima, índice pluviométrico e umidade relativa mínima na cidade de São Paulo no período de Janeiro de 1998 a Setembro de 2009. Para os dados analisados, foram identificados dois fatores. O primeiro fator associa positivamente as taxas de internação por tuberculose e problemas pulmonares e negativamente com a umidade relativa mínima, o segundo fator associa a taxa de internação por problemas pulmonares com as séries de temperatura mínima, índices pluviométricos e umidade relativa mínima.

Neste trabalho é apresentado um estudo sobre os processos ARFIMA(p,d,q) com decaimento hiperbólico da função de autocorrelação. Foram analisadas séries temporais com inovações estáveis, isto é, distribuições caracterizadas pela presença de caudas pesadas. O objetivo principal é verificar a consistência de diversos estimadores utilizados para o parâmetro de diferenciação do processo e para o parâmetro de estabilidade das distribuições estáveis.

No mercado acionário é de extrema importância o estudo da relação entre risco sistemático e retorno de ativos. Esta relação tem duas principais utilidades: a primeira é fornecer um benchmark como taxa de retorno para avaliar possíveis investimentos e a segunda é apresentar uma estimativa fundamentada sobre a taxa de retorno esperada de ativos os quais ainda não são negociados no mercado, tal como em Initial Public Offerings (IPOs).
Este trabalho apresenta a análise do risco sistemático para o mercado brasileiro de ações, em diferentes escalas, baseado no uso da decomposição discreta de ondaletas e no Capital Assets Pricing Model (CAPM). Os resultados apontam que entre os anos de 2004 a 2007, para o Brasil, há uma relação negativa ou nula entre risco sistemático e retorno, além de um excesso de retorno de mercado positivo. Com base nestas evidências, conclui-se que a relação positiva entre risco e retorno esperada pelo CAPM não foi satisfeita no mercado brasileiro para o período avaliado, ou seja, o mercado não apreçou o risco sistemático de acordo com a previsão do CAPM neste período para nenhum dos horizontes de tempo (curto, médio ou longo prazos).

Uma série temporal, tem por objetivo construir modelos para determinadas séries com um próposito pré especificado. Dentro dos enfoques possíveis no ajuste de um modelo temporal, existem os modelos paramétricos (Modelo SARIMA, por exemplo), o qual foi trabalhado nesse estudo. Quando um modelo temporal é ajustado em uma série de dados é possível descrever o comportamento desta série, encontrar periodicidades relevantes nos dados e fazer previsões para os períodos seguintes e, com essa ideia, um modelo SARIMA foi ajustado em uma série relativa à produção mensal de automóveis de passeio no Brasil, no período de janeiro de 1998 à junho de 2008, período no qual, o Brasil estava com uma crescente produção de automóveis nesta classe.