Séries Temporais, Econometria e Finanças

This work attempts to estimate potential output and the output gap for Brazil using the following methods: Hodrick-Prescott filter, Band-Pass Filter, Moving Average, Deterministic Trend, Beveridge-Nelson decomposition, Univariate Unobserved Components Model, Production Function Method, and Structural VAR approach by Blanchard and Quah. Measures of potential output and output gap are essential in assessing a non-inflationary and sustainable growth, guiding macroeconomic policies with supported forecasts. The estimates of potential output help in determining sustainable growth and output gaps indicate inflationary or disinflationary pressures. Comparing all results it is concluded that policymakers should not rely on one single measure of output gap, since there are substantial uncertainties associated with the estimation of potential output and output gap for the Brazilian economy.

In this work the dependence structure of the DJIA and FTSE indexes, as measured by their log-returns copula, will be studied conditionally to the presence of up and down trends in these markets. A hypothesis testing procedure, based on bootstrap sub sampling, is used to test the null hypothesis of equality of dependence structures in up and down trends.

Esta dissertação tem como objetivo principal introduzir uma formulação de modelo não-linear multivariado, a qual combina o modelo STVAR (Smooth Transition Vector Autoregressive) com a metodologia CART (Classification and Regression Tree) a fim de utilizá-lo para geração de cenários e de previsões. O modelo resultante é um Modelo Vetorial Auto-Regressivo com Transição Suave Estruturado por Árvores, denominado STVAR-Tree e tem como base o conceito de múltiplos regimes, definidos por árvore binária. A especificação do modelo é feita através do teste LM. Desta forma, o crescimento da árvore é condicionado à existência de não-linearidade nas séries, que aponta a divisão do nó e a variável de transição correspondente. Em cada divisão, são estimados os parâmetros lineares, por Mínimos Quadrados Multivariados, e os parâmetros não-lineares, por Mínimos Quadrados Não-Lineares. Como forma de avaliação do modelo STVAR-Tree, foram realizados diversos experimentos de Monte Carlo com o objetivo de constatar a funcionalidade tanto do teste LM quanto da estimação do modelo. Bons resultados foram obtidos para amostras médias e grandes. Além dos experimentos, o modelo STVAR-Tree foi aplicado às séries brasileiras de Vazão de Rios e Preço Spot de energia elétrica. No primeiro estudo, o modelo foi comparado estatisticamente com o Periodic Autoregressive (PAR) e apresentou um desempenho muito superior ao concorrente. No segundo caso, a comparação foi com a modelagem Neuro-Fuzzy e ganhou em uma das quatro séries. Somando os resultados dos experimentos e das duas aplicações conclui-se que o modelo STVAR-Tree pode ser utilizado na solução de problemas reais, apresentando bom desempenho.

Neste trabalho foram analisados métodos e resultados empíricos das formas de cálculo do valor de risco (VaR, Value at Risk) de uma carteira de ativos, a fim de comparar e verificar a eficácia dos modelos estudados, além de deixar uma contribuição àqueles que trabalham no mercado financeiro, na qual o conhecimento prévio do valor de risco é incontestavelmente essencial para a sua sobrevivência nesse mercado competitivo e mutável.

MODELAMENTO DO FUNDO DE PARTICIPAÇÃO DOS MUNICÍPIOS POR SÉRIES TEMPORAIS

Maura da Silva Costa Furtado1 Joaquim Carlos B. Queiroz2 e Paula Daniele Mesquita Ferreira3

Resumo

Este trabalho tem por objetivo, apresentar modelos para o ajustamento e previsão que expliquem a evolução do Fundo de Participação dos Municípios brasileiros, a partir da análise de séries temporais. Foram utilizadas séries do Fundo de Participação dos Municípios no período de janeiro de 1994 à dezembro de 2006 para as regiões Norte, Nordeste, Centro-Oeste, Sudeste e Sul, além da série para o Estado do Pará. Para apresentar uma visão básica sobre Fundo de Participação dos Municípios, veremos alguns conceitos importantes, relacionados com este problema, bem como o histórico e a composição do Fundo de Participação dos Municípios (FPM). Os resultados mostraram que a região nordeste apresenta maior volume de recursos do FPM e a região Centro-oeste, com menos Estados, dispõe dos menores recursos. Uma particularidade apresentada pelas séries refere-se à forma muito parecida das mesmas mudando somente quanto aos valores. Isso levou a modelos similares, ou seja, com mesmo número de parâmetros e mesmo número de diferenciações. Os modelos ajustados conseguiram erros de previsões com base no erro percentual médio absoluto (MAPE) em torno de 5%.

Palavras-chave: Modelos ARIMA, Previsão e Fundo de Participação dos Municípios (FPM).

Abstract
This paper aims to present models for the prediction and adjustment to explain the evolution of the Participation Fund of the Brazilian municipalities, from the time series analysis. It was used series of Municipalities Participation Fund from January 1994 to December 2006 for the North, Northeast, Midwest, Southeast and South, in addition to the series for the state of Para to provide a basic insight into Fund Participation of the municipalities, we will see some important concepts related to this problem as well as the history and composition of the Municipal Participation Fund (FPM). The results showed that the Northeast has a higher volume of resources from MPF and the Midwest region, with fewer states have the fewest resources. A peculiarity presented by the series refers to very much like the same changing only on the figures. This led to similar models, ie with same number of parameters and same number of differentiations. The adjusted models were able to errors of predictions based on mean absolute percentage error (MAPE) of around 5%.

Keywords: ARIMA models, forecasting and the Municipal Participation Fund (FPM)

__________________
1Mestranda em Estatística pela Universidade Federal do Pará, Pós graduada em Docência no Ensino Superior pela UCAM/RJ, Graduada em Estatística pela Universidade Federal do Pará, Professora da Faculdade de Castanhal FCAT/PA e Assessora da Comissão Própria de Avaliação (CPA) da FCAT. maura_scfurtado@hotmail.com
2 Prof. Associado II da Faculdade de Estatística da Universidade Federal do Pará. joaquim@ufpa.br
3Graduada em Estatística pela Universidade Federal do Pará.

No contexto de perda de crédito nos portfólios, a quantidade LGD é a proporção do total exposto que será perdido se o default ocorrer. Quatro modelos utilizados para o cálculo de recuperação, definido como 1-LGD, estão presentes na literatura: modelo normal, log-normal, logit-normal e regressão beta. Neste trabalho a variável LGD é modelada usando a regressão beta generalizada. Estimação classica e bayesiana são utilizadas na estimação dos parâmetros do modelo.

A metodologia apresentada neste trabalho é a aplicação do bootstrap para determinar intervalos de previsão para modelos ARFIMA. As técnicas padrões de construção de intervalos de previsão dependem da suposição de normalidade dos dados e não levam em consideração a incerteza associada com a estimação dos parâmetros. A metodologia bootstrap, como um método não paramétrico, pode superar estas dificuldades. Um bootstrap não paramétrico dos resíduos do modelo ARFIMA é utilizado para se ter acesso à distribuição empírica dos valores futuros e dois procedimentos bootstrap são utilizados para construir intervalos de previsão. Os intervalos são comparados através de um experimento de Monte Carlo ao intervalo assintótico nos casos de erros normais e não-normais. Os resultados mostram que os intervalos bootstrap possuem uma cobertura mais próxima à nominal do que o intervalo assintótico.

Analisamos a dinâmica dos focos de calor no Brasil usando o Espectro Multifractal, calculado através dos expoentes de escala obtidos pelo método Multifractal Detrended Fluctuation Analysis (MF-DFA)[1]. Os dados foram obtidos a partir dos registros de focos de calor monitorados pela Divisão de Processamento de Imagens (DPI) do Instituto Nacional de Pesquisas
Espaciais (INPE). No presente trabalho, foram utilizados os dados do satélite GOES-12 do dia 04/06/2003 até 04/03/2007. Os resultados mostraram que os valores dos expoentes de escala h(q) diminuem com q, que indica o comportamento multifractal da série. A função do espectro multifractal apresenta ponto de máximo, a característica do processo multifractal.

Muitas empresas e investidores hoje visam utilizar técnicas cada vez mais precisas com o objetivo de calcular, de forma mais eficiente, uma medida de risco que possa auxiliá-los no gerenciamento do risco de mercado ao qual podem estar expostos.
O trabalho, neste contexto, traz a estimação do Valor em Risco, uma medida de risco muito utilizada no mercado através da abordagem econométrica juntamente com Teoria de Valores Extremos, utilizando "Excessos threshold", que visam utilizar uma maior informação dos dados para a estimação desta medida.
São apresentadas as estimações, testes, comentários e conclusões sobre qual abordagem é mais adequada em períodos de instabilidade ou em condições normais de mercado.

Neste trabalho aplicamos o método Sample Entropy (SampEn) para analisar a complexidade em séries temporais da temperatura do ar, umidade relativa e velocidade da vento, registradas na estação meteorológica em Piracicaba- SP, Brasil no período de 1977 a 2008. Os resultados mostram um nível moderado de complexidade para todas as séries estudadas, com o valor do índice de SampEn mais alto para a velocidade do vento. Uma análise da evolução temporal mostrou que o índice de SampEn apresentou um comportamento inversamente proporcional a intensidade do fenômeno EL Niño.