Search

O presente trabalho tem como principal objetivo estudar séries temporais financeiras, nomeadamente as taxas de câmbio, e identificar o método que apresenta melhores resultados nas suas previsões. Atualmente a análise das taxas de câmbio tem sido um constante desafio, devido à imprevisibilidade das mesmas. Para contornar este problema foram escolhidos instrumentos econométricos específicos com a intenção de encontrar o modelo mais eficiente em prever valores de taxas de câmbio. Neste estudo foram utilizadas as taxas de câmbio EUR/CNY e EUR/USD, ambas com um total de 242 observações entre janeiro de 2002 e fevereiro de 2022 e ambas com frequência mensal, e os modelos econométricos ARIMA, ARIMA-GARCH e Random Walk, incluindo a utilização do algoritmo Prophet. Foram também selecionadas algumas medidas de erro para comparar as previsões obtidas com os valores reais das séries temporais financeiras. Da análise feita, concluiu-se que o modelo ARIMA(0,1,1)-GARCH(1,1) apresentou as melhores previsões in-sample, para ambas as séries originais. As previsões out-of-sample para estas séries não foram as melhores, sendo que o modelo que apresentou a melhor previsão out-of-sample foi o ARIMA(0,1,1), para ambos os casos. Em relação aos retornos, os modelos que apresentaram as melhores previsões in-sample para as séries RetLogEURCNY e RetLogEURUSD foram o Prophet e o MA(1), respetivamente. Nas previsões out-of-sample, foi o Prophet que apresentou o menor erro de previsão, ainda que elevado, para ambos os casos. The main objective of this work is to study financial time series, namely exchange rates, and to identify the method that presents the best results in its forecasts. Currently, the analysis of exchange rates has been a constant challenge, due to their unpredictability. To overcome this problem, specific econometric instruments were chosen with the intention of finding the most efficient model to predict exchange rate values. In this study, the EUR/CNY and EUR/USD exchange rates were used, both with a total of 242 observations between January 2002 and February 2022 and both at a monthly frequency, and the econometric models used were the ARIMA, ARIMA-GARCH and Random Walk, including the use of the Prophet algorithm. Some error measures were also selected to compare the forecasts with the actual values of both financial time series. From the analysis, it was concluded that the ARIMA(0,1,1)-GARCH(1,1) model presented the best in-sample forecasts, for both original series. The out-of-sample forecasts for the original series were not the best, but the model that presented the best out-ofsample forecasts was the ARIMA(0,1,1), for both cases. Regarding the returns, the models that presented the best in-sample forecasts for the RetLogEURCNY and RetLogEURUSD series were the Prophet and MA(1), respectively. In the out-of-sample forecasts, Prophet presented the smallest forecast error, although high, for both cases.

O objetivo desta dissertação é compreender melhor o comportamento da variável, e conseguir perceber os fatores que influenciam o seu preço. A presente dissertação está estruturada por capítulos. Durante o primeiro capítulo realizou-se a revisão de literatura, que se estende sobre a história do ouro e os seus grandes acontecimentos. No segundo, explicou-se sucintamente os conceitos utilizados para estar as séries temporais e contruir os modelos econométricos. Terceiramente, construiu-se o modelo econométrico com as variáveis que assim faziam sentido, sempre tentando explicar em cada passo as devidas razões. Por fim, interpretaram-se os resultados obtidos, tentando desenvolver ao máximo o pensamento de acordo com os dados. This dissertation aims at better understanding how the variable behaves, as well as at establishing which factors influence its price. This dissertation is organised in different chapters. The first chapter covers the relevant literature review and was extended to provide some framework on the history of gold and its major events. The second chapter briefly explains the concepts used to study the time series and building the econometric models. In the third chapter, the econometric model was built with the relevant variables, and an attempt was made to explain at each step of the way the underlying reasons for the relevance of every variable included. Lastly, the findings were interpreted, and conclusions drawn, elaborating as much as possible on the resulting data.

Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial O crescente número de cirurgias programadas ao longo dos anos tem-se mostrado um problema recorrente em Portugal, dado que a consequência deste aumento se traduz em listas de espera extensas e de difícil gestão por parte dos hospitais. Assim, surge a necessidade de se desenvolverem modelos que tenham a capacidade de apoiar o planeamento e o agendamento de cirurgias. No entanto, isto nem sempre se mostra uma tarefa fácil devido a toda a imprevisibilidade que envolve o decorrer de uma cirurgia, havendo fatores externos que por vezes acabam por influenciar a duração da mesma. Desta forma, o foco deste estudo é criar modelos de previsão para durações de cirurgias, através de variáveis obtidas antes dessas mesmas cirurgias, recorrendo a dois modelos distintos: Regressão Linear Múltipla e XGBoost. O primeiro torna-se útil pela fácil interpretação de resultados, servindo de base de comparação para avaliar o desempenho de modelos de ensemble como o XGBoost. Para além da dualidade de modelos, são ainda utilizados dois conjuntos distintos de dados: o primeiro é compostos por todos os dados recolhidos e o segundo corresponde ao primeiro conjunto desagregado por especialidade cirúrgica. Esta divisão em dois conjuntos de dados ocorre dado que, teoricamente, as durações de cirurgias têm a particularidade de estarem dependentes da especialidade na qual se inserem. Posteriormente, são utilizados dois indicadores para efetuar as comparações entre os modelos, nomeadamente o R2 e o Root Mean Squared Error. Com os dados do Hospital do Espírito Santo de Évora, podemos concluir que a um modelo mais complexo não correspondente necessariamente uma melhor performance, estando isto dependente de características específicas de cada conjunto de dados e do próprio objetivo do estudo. Relativamente aos modelos obtidos para ambos os conjuntos de dados, conclui-se ainda que um modelo construído tendo por base cada especialidade pode de facto apresentar resultados piores do que um modelo agregado, acontecendo particularmente quando o número de observações em cada modelo se mostra insuficiente para produzir previsões precisas. The growing number of surgeries scheduled over the years has been a recurring problem in Portugal, as the consequence of this increase translates into long waiting lists that are difficult to manage by hospitals. Thus, there is a need to develop models that have the ability to support the planning and scheduling of surgeries. However, this is not always an easy task due to the unpredictability that involves the course of a surgery, with external factors that sometimes end up influencing its duration. Thus, the focus of this study is to create prediction models for surgery durations, through variables obtained a priori from these surgeries, using two different models: Multiple Linear Regression and XGBoost. The first one becomes useful due to the interpretability of its results, serving as a base for comparison to evaluate the performance of ensemble models such as XGBoost. In addition to the the comparison of the two models, two distinct datasets are also used: the first is composed of all the data collected and the second corresponds to the first dataset disaggregated by surgical specialty. This division into two datasets occurs given that, in theory, the surgery durations have the particularity of being dependent on the specialty in which they are inserted. Subsequently, two indicators are used to make comparisons between the models, namely the R2 and the Root Mean Squared Error. With the data from Hospital do Espírito Santo in Évora, we can conclude that a more complex model does not necessarily correspond to a better performance, this being dependent on the specific characteristics of each data set. Regarding the models obtained for both datasets, we can also conclude that a model built based on each specialty may in fact present worse results than an aggregated model, especially when the number of observations in each specialty proves to be insufficient to produce accurate predictions. info:eu-repo/semantics/publishedVersion

Mestrado Bolonha em Finanças Options are financial derivatives used for risk management and speculation, for example, and have been studied extensively in order to forecast its price. Before the technological revolution, parametric models were used with strict assumptions to forecast the options price, such as the Black-Scholes Model. Since then, Machine Learning models, such as the XGBoost model have been created to make forecasts without such strict assumptions from parametric models. The purpose of this dissertation is to show how the XGBoost model can forecast option prices accurately using variables from the BSM. In addition, by using the structure of the standard deviation, third and fourth moment of the distribution of the stock price, the days to the next dividend and the next dividend to be paid, this study aims to understand by how much it improves the price forecasted from the XGBoost model with variables from the BSM. Thus, options from 100 of the biggest companies in the S&P 500 between November and February of 2020 are used to train and test the two XGBoost models. The BSM is used as the benchmark. The results are very favorable towards the XGBoost models since the RMSE of the first and the second model are lower than the BSM by 29.51% and 35.47% , respectively. When looking at the options by its distance to the strike price, the XGBoost models always perform better than the BSM, but when the latter has a terrible performance for ITM, XGBoost has a bad performance too. For OTM put options, BSM underprices the options while XGBoost models don’t. For short maturities, the XGBoost models don’t improve the performance relative to the BSM by much. Although, they provide a good forecast when compared to BSM for options with long maturities. In a nutshell, the second XGBoost model is always better than the first and almost always they forecast with better accuracy and less bias than the BSM. Opções são derivativos financeiros usados para gestão de risco e especulação, por exemplo, e têm sido estudadas extensivamente de modo a realizar a previsão do seu preço. Antes da revolução tecnológica, os modelos paramétricos eram usados com pressupostos restritivos para prever o preço das opções, tais como o Modelo de Black-Scholes. Desde então, os modelos de Machine Learning, tais como o Modelo XGBoost têm sido criados para realizar previsões sem pressupostos tão restritos como os modelos paramétricos. O objetivo desta dissertação é mostrar como o modelo XGBoost pode prever o preço das opções com precisão usando variáveis do BSM. Além disso, ao usar a estrutura temporal do desvio padrão, terceiro e quarto momento da distribuição do preço da ação, os dias até ao próximo dividendo e o próxumo dividendo a ser pago, este estudo tem como objetivo perceber o quão melhor é a previsão do modelo XGBoost com as variáveis do BSM. Assim, as opções das 100 maiores empresas no S&P 500 entre Novembro e Fevereiro de 2020 são usadas para treinar e testar os dois modelos XGBoost. O BSM é usado como benchmark. Os resultados são muito favoráveis aos modelos XGBoost uma vez que o RMSE do primeiro e segundo modelo são mais baixos do que o BSM em 29.51% e 35.47%, respectivamente. Quando se olha para as opções em termos de distância ao preço de exercício, os modelos XGBoost têm sempre uma previsão melhor que o BSM, mas quando o último tem uma péssima performance para ITM, o XGBoost tem uma má performance também. Para opções put OTM, o preço do BSM é, em média, inferior ao preço justo das opções, enquanto que os modelos XGBoost não. Para opções de curta duração, os modelos XGBoost não melhoram a performance relativamente ao BSM por muito. Contudo, os modelos dão uma boa previsão quando comparado com o BSM para opções com maturidades maiores. Em suma, o segundo modelo XGBoost é sempre melhor que o primeiro e quase sempre prevêem com melhor exatidão e menos enviesamento que o BSM. info:eu-repo/semantics/publishedVersion

Crop insurance has gained greater attention in Brazil since the beginning of the past decade, with the implementation of the Rural Insurance Premium Subvention Program. The present study tested the performance of Machine Learning algorithms for insurers to forecast the occurrence of a claim, using data from policies and climate databases between the years of 2006 and 2017. The Random Forest, Support Vector Machine and k-Nearest Neighbors algorithms were tested. The second method showed a better predictive performance of claims. However, all methods presented a low predictive capacity for the occurrence of claims. O seguro agrícola tem ganho maior atenção no Brasil desde o início da década passada, com a implementação do Programa de Subvenção ao Prêmio do Seguro Rural. O presente estudo testou o desempenho de algoritmos de Machine Learning para as seguradoras anteciparem a ocorrência de sinistro, elaborando previsões por meio de dados de apólices e bases de dados climáticas entre os anos de 2006 e 2017. Foram testados os algoritmos Random Forest, Support Vector Machine e k-Nearest Neighbours. O segundo mostrou melhor performance preditiva de sinistros. No entanto, todos os métodos apresentaram baixa capacidade preditiva para a ocorrência de sinistros.

Resumo Este artigo investiga se os índices de confiança do consumidor podem melhorar as projeções do consumo agregado no Brasil, levando em conta informações dos fundamentos econômicos contidas em defasagens de indicadores financeiros e das taxas de crescimento do PIB e do volume de crédito às famílias. Nesse contexto, permitimos estruturas de defasagens distintas entre os potenciais preditores do consumo, o que dá origem a um grande espaço de potenciais modelos. Usamos, então, técnicas de ponderação bayesiana de modelos como uma estratégia agnóstica para lidar com a inerente incerteza sobre o modelo. Esta abordagem nos permitiu investigar quais regressores podem ser considerados robustos. Os resultados sugerem que PIB, crédito às famílias, retorno do mercado acionário e indicadores de confiança dos consumidores apresentam um potencial preditivo robusto na análise dentro da amostra. Finalmente, os resultados fora da amostra sugerem um papel não desprezível para os índices de confiança do consumidor na previsão da taxa de crescimento do consumo agregado no Brasil, especialmente em horizontes de previsão curtos. Abstract This paper investigates whether consumer confidence indices can improve the forecasts of aggregate consumption in Brazil, taking into account information on economic fundamentals contained in lagged financial indicators and growth rates of GDP and credit to households. In this context, we allow different lag structures for the potential predictors of consumption, which gives rise to a large space of potential models. Thus, we apply Bayesian model averaging techniques as an agnostic strategy to deal with the inherent uncertainty about the model. This approach allowed us to investigate which predictors can be considered robust. The in-sample results suggest that GDP, credit to households, return on stocks and consumer confidence indices have a robust predictive potential. Finally, the out-of-sample results suggest a not insignificant role for consumer confidence indices in forecasting the growth rate of the aggregate consumption in Brazil, especially for short-term forecasting horizons.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2022-08-12T12:16:20Z No. of bitstreams: 1 Hellen P. de Souza.pdf: 17614205 bytes, checksum: fad3a57de63159b62f424a82016ebb2e (MD5) Made available in DSpace on 2022-08-12T12:16:20Z (GMT). No. of bitstreams: 1 Hellen P. de Souza.pdf: 17614205 bytes, checksum: fad3a57de63159b62f424a82016ebb2e (MD5) Previous issue date: 2022-02-25 CNPq Brazil in the last 10 years has a high potential for wind energy production, showing significant growth each year with the installation of new parks and an increase in installed power. In view of the power generation capacity, which makes it possible to generate wind important, how to carry out power which can generate the wind capacity important, as the factors that generate power may generate the wind important. In this sense, the projected wind speed forecast models, numerical weather forecast (NWP) models, many of the weather forecast models occur during generation. Others, such as statistical models and hybrids, perform analyzes based on data from a historical series. Wind power generation is used by many energy companies for the purpose of safety estimation and in this way guaranteeing the resource for the revenue company and the consumer to increase an energy source from source during a certain period of time. Many techniques were calculated with resources and working hours and with the same efficiency, working days and hours. This is an information theory based technique for a wind measurement database, generating new data with the same probability density function as the original set and using these virtual data as forecast scenarios. O Brasil nos últimos 10 anos tem um alto potencial de produção de energia eólica, mostrando crescimento significativo a cada ano com a instalação de novos parques e um aumento potência. Tendo em vista a capacidade de geração de energia, que possibilita a geração eólica importante, como realizar a energia que pode gerar a capacidade eólica importante, como o fatores que geram energia podem gerar o vento importante. Nesse sentido, a projeção modelos de previsão de velocidade do vento, modelos numéricos de previsão do tempo (NWP), muitos dos modelos de previsão do tempo ocorrem durante a geração. Outros, como modelos estatísticos e híbridos, realizam análises com base em dados de uma série histórica. Geração de energia eólica é usado por muitas empresas de energia para fins de estimativa de segurança e desta forma garantindo o recurso para a empresa de receita e o consumidor aumentar uma energia fonte da fonte durante um determinado período de tempo. Muitas técnicas foram calculadas com recursos e horas de trabalho e com a mesma eficiência, dias e horas de trabalho. este é uma técnica baseada em teoria da informação para um banco de dados de medição de vento, gerando novos dados com a mesma função de densidade de probabilidade que o conjunto original e usando estes dados virtuais como cenários de previsão.

Resumo: A previsão dos prêmios do seguro agrícola tem impacto relevante no dimensionamento orçamentário do Programa de Subvenção ao Prêmio do Seguro Rural (PSR). Pela ótica da responsabilidade e do planejamento do gasto público, é preciso estimar com relativa precisão quanto se pretende despender com o Programa no curto e médio prazo (Emenda Constitucional nº 95, de 2016). O presente estudo faz uma comparação de métodos para a projeção do prêmio do seguro agrícola por região. Foram utilizados os modelos SARIMA e os algoritmos NNAR, TBATS, MAPA e ELM, com e sem a covariável de subsídio. As metodologias foram aplicadas aos dados mensais do volume de prêmio do seguro agrícola das regiões Sul, Sudeste, Centro-Oeste e Nordeste do Brasil de 2006 a 2018. Foi observado que o modelo SARIMA univariado mostrou o melhor resultado nas regiões Centro-Oeste e Nordeste, ao passo que o SARIMA e o ELM com a covariável foram superiores na região Sul e Sudeste, respectivamente. A partir desses resultados, foi possível discutir a relevância da subvenção para a ampliação do seguro nas regiões analisadas. Abstract: The forecast of crop insurance premiums has a relevant impact on the budget dimensioning of the Crop Insurance Premium Subsidy Program (PSR). From the perspective of responsibility and public expenditure planning, it is necessary to estimate with relative precision how much is intended to be spent on the program in the short and medium-term (Constitutional Amendment no. 95, 2016). The present study makes a comparison of methods for the projection of the agricultural insurance premium, by region. The SARIMA models and the NNAR, TBATS, MAPA, and ELM algorithms were used, with and without a subsidy covariate. The methodologies were applied to the monthly data of the premium volume of crop insurance in the South, Southeast, Midwest, and Northeast regions of Brazil between 2006 and 2018. It was observed that the univariate SARIMA model showed better results in the Midwest regions and Northeast, while SARIMA and ELM with the covariate were higher in the South and Southeast, respectively. From these results, it was possible to discuss the relevance of the subsidy for the expansion of insurance in the regions analyzed.

Accurate inventory allows for more precise forecasting, including profit projections, easiermonitoring, shorter outages, and fewer delivery interruptions. Moreover, the long hours of physicallabor involved over such a broad area and the effect of inefficiencies could lead to less accurateinventory. Unreliable data and predictions, unannounced stoppages in operations, production delaysand delivery, and a considerable loss of profit can all arise from inaccurate inventory. This paperextends our previous work with drones and RFID by evaluating: the number of flights needed toread all tags deployed in the field, the number of scans per pass, and the optimum drone speed forreading tags. The drone flight plan was divided into eight passes from southwest to northwest andback at a horizontal speed of 2.2, 1.7, and 1.1 m per second (m/s) at a vertically fixed altitude. Theresults showed that speed did not affect the number of new tags scanned (p-value > 0.05). Resultsshowed that 90% of the tags were scanned in less than four trips (eight passes) at 1.7 m/s. Based onthese results, the system can be used for large-scale nursery inventory and other industries that useRFID tags in outdoor environments. We presented two novel measurements on evaluating RFIDreader efficiency by measuring how fast the reader can read and the shortest distance traveled by theRFID reader over tag. Made available in DSpace on 2022-06-08T20:21:16Z (GMT). No. of bitstreams: 1 AP-Relationship-between-drone-2022.pdf: 6622342 bytes, checksum: 2486de35d11f178581f19379c442ae81 (MD5) Previous issue date: 2022 Na publicação: Joao Neto Camargo.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) Different methodologies are proposed and explored aiming to reduce time series forecasting error. A promising approach consists in combining different forecasts from different models in order to get a better accuracy, i.e., a smaller forecast error. This work aims to review and apply the bootstrap aggregating method, also known as bagging, in order to improve time series forecasting. First, each time series is divided into training and testing time series, and then the moving block bootstrap methodology is applied to the training series to generate different resampled time series, and then forecasting for each one of the series is performed and combined, thus obtaining the final combined forecast. The test data set is used to calculate the accuracy of the models, individual and combined. A simulation study of time series and application to a real time series data sets are presented. The chosen and fitted model for each of the time series was an autoregressive integrated moving average (ARIMA). The accuracy measurements used were the mean square error and its root, mean arctangent absolute percentage error and the symmetric mean absolute percentage error. Finally, the impact on the forecasts of the combined model by varying the resampling method parameters was explored and comparisons between the combined and individual forecasting methods were also carried out. Diferentes metodologias são propostas e exploradas com o intuito de reduzir o erro de previsão de séries temporais. Uma estratégia que vem se apresentando bastante promissora consiste em combinar diferentes previsões de diferentes modelos a fim de se obter uma melhor acurácia, ou seja, um menor erro de previsão. Este trabalho teve como objetivo realizar um estudo e aplicação do método bootstrap aggregating, mais conhecido como bagging, para aprimorar previsões de séries temporais. Primeiramente, cada série temporal foi separada em série de treinamento e série de teste, e então utilizou-se a metodologia moving block bootstrap aplicada à série de treinamento para gerar diferentes séries reamostradas, realizar a previsão de cada uma delas e combiná-las, obtendo-se assim uma previsão final combinada. Posteriormente, a série de teste foi utilizada para calcular a acurácia dos modelos, individual e combinado. Foram realizados um estudo com séries simuladas e uma aplicação com séries temporais reais mensais. O modelo escolhido e ajustado para cada uma das séries foi o auto-regressivo integrado de médias móveis (ARIMA). As medidas de acurácia utilizadas foram o erro quadrático médio e sua raiz, o erro percentual absoluto médio arcotangente e o erro percentual absoluto médio simétrico. Ao final do estudo, explorou-se o impacto que a variação dos parâmetros da reamostragem do modelo combinado causa na previsão e foram realizadas comparações entre os métodos de previsão combinado e individual. CAPES: 88882.426988/2019-01

Hoje em dia é de grande importância pouparmos os poucos recursos que ainda existem no planeta Terra, sendo que a água tem um papel fundamental na nossa sobrevivência. Com o desenvolvimento de novas tecnologias, podemos usar a mesmas a nosso favor de forma a contrariar o consumo e o desperdício da água. Recorrendo à internet of things, inteligência artificial e machine learning podemos desenvolver sistemas inovadores e completos que visam efetuar, por um lado, uma poupança do consumo de água e, por outro a adequar a irrigação certa em tempo real e de forma adaptada às necessidades, no sector da agricultura. Esta dissertação apresenta uma proposta de solução para o desenvolvimento de um sistema recorrendo a mecanismos de machine learning, capaz de fazer a previsão de dados meteorológicos futuros e, através da análise dos mesmos de indicar se há necessidade de rega, indicando a hora e a duração da rega. Ao longo do sistema foram testados vários algoritmos de machine learning, sendo que o que apresentou melhores resultados foi o algoritmo floresta aleatória. Com o recurso a este algoritmo foi possível gerar uma redução do tempo de rega na ordem dos 72%. Através deste trabalho foi possível mostrar que a utilização de um sistema que é suportado em machine learning permite reduzir a quantidade de água desperdiçada, quando comparado com sistemas sem a utilização de inteligencia artificial. Nowadays, it is very important that we save the few resources that still exist on planet Earth, and water has a fundamental role in our survival. With the development of new technologies, we can use them to our advantage to counteract the consumption and waste of water. Using the internet of things, artificial intelligence and machine learning we can develop innovative and complete systems that aim to carry out, on the one hand, a saving of water consumption and, on the other hand, to adapt the right irrigation in real time and in a way adapted to the needs, in the agriculture sector. This dissertation presents a proposal for a solution and development for a system using machine learning mechanisms, capable of forecasting future meteorological data and, through their analysis, indicate whether there is a need for irrigation, indicating the time and duration of the irrigation. Throughout the system, several machine learning algorithms were tested, and the one with the best results was the random forest algorithm. With the use of this algorithm it was possible to generate a reduction of the watering time in the order of 72%. Through this work it was possible to show that the use of a system that is supported in machine learning we can reduce the amount of wasted water compared to a conventional method without the use of any intelligence mechanism.

Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial O consumo online é pauta relevante na sociedade desde o início dos anos 2000. Potencializado pela pandemia global, a importância estratégica deste canal para todos os agentes de mercado é indiscutível. O projeto de pesquisa tem como objetivo apresentar a realidade e evolução do e-commerce em Portugal, a partir da análise de um painel de domicílios, bem como prever a evolução de vendas do canal em 2021. São aplicadas metodologias de alisamento exponencial e modelos de previsão ARIMA de Box-Jenkins a uma base de painel de domicílios concedida pela NielsenIQ - líder mundial em pesquisa de mercado. Conforme espetável, o estudo aponta para uma curva ascendente a nível de vendas do canal até o final de 2021 e deve ser alvo determinante para uma estratégia de sucesso de retalhistas e indústria, bem como uma necessidade latente por parte do consumidor. Online consumption has been a relevant issue in society since the early 2000s. Powered by the global pandemic, the strategic importance of this channel for all market agents is remarkable. This project aims to present the reality and evolution of e-commerce in Portugal, from the analysis of a panel of households, as well as to predict the evolution of the channel's sales in 2021. Exponential smoothing methodologies and models of Box- Jenkins ARIMA are applied in a household panel database provided by NielsenIQ - world leader in market research. As expected, the study points to an upward curve in the channel's sales by the end of 2021 and should be a key target for a successful strategy for retailers and industry, as well as a latent demand for the consumer. info:eu-repo/semantics/publishedVersion

Resumen El creciente consumo de energía eléctrica, los cambios climáticos y el desarrollo de nuevas tecnologías exigen mejoras para la gestión eficiente de la energía. El adecuado pronóstico del consumo de energía es relevante para el desarrollo sostenible de cualquier país. En este artículo se propone una revisión sistemática de literatura seleccionada a partir de cadenas de búsqueda formada por las palabras forecasting, energy y consumption aplicadas en las bases de datos científicas. Se comparan principalmente los modelos/técnicas utilizadas, las variables consideradas y las métricas de error usadas con el fin de obtener conocimiento de cada una de las propuestas, relevar sus características y así poder evidenciar el vacío en la literatura que podría determinar la semilla para un nuevo trabajo de investigación. Como conclusiones se observan el uso continuo de redes neuronales artificiales para el pronóstico de consumo, la importancia de determinar las variables de entrada y la medición del error para evaluar la precisión de los modelos. Finalmente, como nueva línea de investigación se propone desarrollar un modelo para el pronóstico de corto plazo de CEE para un país latinoamericano en vías de desarrollo, a partir de la comparación y evaluación de diferentes técnicas/modelos, variables y herramientas ya existentes. Abstract The growing consumption of electrical energy, climate change and the development of new technologies demand improvements for efficient energy management. An adequate forecast of the energy consumption is relevant for the sustainable development of any country. This article proposes a systematic review of selected literature based on search chains formed by the terms forecasting, energy and consumption applied to the scientific databases. In the article are compared mostly the models/ techniques used, the considered variables and the error metrics used for obtaining knowledge on each one of the proposals, relieve its features and thus highlight the void in the literature that might be determinant for new research work. As conclusions are made evident the continuous use of neural networks for forecasting the energy consumption, the importance of determining the input variables and the error measuring for evaluating the precision of the models. Finally, the development of a model for the CEE short term forecast of a Latin-American developing country based on the comparison and evaluation of different techniques/models, variables and already existing tools is proposed as a new line of research. Resumo O crescente consumo de energia elétrica, as mudanças climáticas e o desenvolvimento de novas tecnologias exigem melhoras para a gestão eficiente da energia. A adequada previsão do consumo de energia é relevante para desenvolver sustentável de qualquer país. Neste artigo, é proposta uma revisão sistemática de literatura selecionada a partir de redes de busca formada pelas palavras ""forecasting"", ""energy"" e ""consumption"" aplicadas nas bases de dados científicas. São comparados, principalmente, os modelos ou técnicas utilizados, as variáveis consideradas e as medidas de erro usadas a fim de obter conhecimento de cada uma das propostas, destacar suas características e, assim, poder evidenciar a lacuna na literatura que poderia determinar a semente para um novo trabalho de pesquisa. Como conclusões, são observados o uso contínuo de redes neurais artificiais para prognosticar o consumo, a importância de determinar variáveis de entrada e a medição do erro para avaliar a exatidão dos modelos. Finalmente, como nova linha de pesquisa, propõe-se desenvolver um modelo para prever, em curto prazo, de CEE para um país latino-americano em via de desenvolvimento, a partir da comparação e da avaliação de diferentes técnicas e modelos, variáveis e ferramentas já existentes.

Introduction: dengue is an arbovirus caused by the DENV virus and transmitted to humans through the Aedes aegypti mosquito. Currently, there is no effective vaccine to combat all serology of the virus. Therefore, the fight against the disease turns to preventive measures against the proliferation of the mosquito. Researchers are using Machine Learning (ML) and Deep Learning (DL) as tools to predict cases of dengue and help governments in this fight. Objective: to identify which ML and DL techniques and approaches are being used to predict dengue. Methods: systematic review carried out on the bases of the areas of Medicine and Computing in order to answer the research questions: it is possible to make predictions of dengue cases using ML and DL techniques, which techniques are used, where the studies are being performed, how and what data is being used? Results: after performing the searches, applying the inclusion, exclusion and in-depth reading criteria, 14 articles were approved. The Random Forest (RF), Support Vector Regression (SVR), and Long Short-Term Memory (LSTM) techniques are present in 85% of the works. Regarding the data, most were used 10 years of historical data on the disease and climate information. Finally, the Root Mean Absolute Error (RMSE) technique was preferred to measure the error. Conclusion: the review showed the feasibility of using ML and DL techniques to predict dengue cases, with a low error rate and validated through statistical techniques. Introducción: el dengue es un arbovirus causado por el virus DENV y transmitido al ser humano a través del mosquito Aedes aegypti. Actualmente, no existe una vacuna eficaz para combatir todas las serologías del virus. Por tanto, la lucha contra la enfermedad se convierte en medidas preventivas contra la proliferación del mosquito. Los investigadores están utilizando Machine Learning (ML) y Deep Learning (DL) como herramientas para predecir casos de dengue y ayudar a los gobiernos en esta lucha. Objetivo: identificar qué técnicas y enfoques de LD y LD se están utilizando para predecir el dengue. Métodos: revisión sistemática realizada sobre las bases de las áreas de Medicina y Computación para dar respuesta a las preguntas de investigación: es posible realizar predicciones de casos de dengue utilizando técnicas de ML y DL, qué técnicas se utilizan, dónde se están realizando los estudios, ¿cómo y qué datos se utilizan? Resultados: luego de realizar las búsquedas, aplicando los criterios de inclusión, exclusión y lectura en profundidad, se aprobaron 14 artículos. Las técnicas Random Forest (RF), Support Vector Regression (SVR) y Long Short-Term Memory (LSTM) están presentes en el 85% de los trabajos. En cuanto a los datos, la mayoría se utilizaron 10 años de datos históricos sobre la enfermedad y la información climática. Finalmente, se prefirió la técnica de Root Mean Absolute Error (RMSE) para medir el error. Conclusión: la revisión mostró la viabilidad de utilizar técnicas de LD y LD para predecir casos de dengue, con una baja tasa de error y validadas mediante técnicas estadísticas. Introdução: a dengue é uma arbovirose causada pelo vírus DENV e transmitida para o homem através do mosquito Aedes aegypti. Atualmente, não existe uma vacina eficaz para combater todas as sorologias do vírus. Diante disso, o combate à doença se volta para medidas preventivas contra a proliferação do mosquito. Os pesquisadores estão utilizando Machine Learning (ML) e Deep Learning (DL) como ferramentas para prever casos de dengue e ajudar os governantes nesse combate. Objetivo: identificar quais técnicas e abordagens de ML e de DL estão sendo utilizadas na previsão de dengue. Métodos: revisão sistemática realizada nas bases das áreas de Medicina e de Computação com intuito de responder as perguntas de pesquisa: é possível realizar previsões de casos de dengue através de técnicas de ML e de DL, quais técnicas são utilizadas, onde os estudos estão sendo realizados, como e quais dados estão sendo utilizados? Resultados: após realizar as buscas, aplicar os critérios de inclusão, exclusão e leitura aprofundada, 14 artigos foram aprovados. As técnicas Random Forest (RF), Support Vector Regression (SVR), e Long Short-Term Memory (LSTM) estão presentes em 85% dos trabalhos. Em relação aos dados, na maioria, foram utilizados 10 anos de dados históricos da doença e informações climáticas. Por fim, a técnica Root Mean Absolute Error (RMSE) foi a preferida para mensurar o erro. Conclusão: a revisão evidenciou a viabilidade da utilização de técnicas de ML e de DL para a previsão de casos de dengue, com baixa taxa de erro e validada através de técnicas estatísticas.

Objective - The objective of the study is to examine if the changes in consumer behavior brought about by the COVID-19 pandemic are permanent and if consumers can make predictions about their future consumption patterns. Design/Methodology - The present dissertation applied a longitudinal survey. In Phase 1, before the availability of the vaccine, the frequency of consumption behaviors (in December 2020) was analyzed in a questionnaire and, alongside these questions, participants also indicated their predictions of future behavior after vaccines become available. In phase 2, in May 2021, we inspected if the consumers' predictions were accurate, through the reapplication of the questionnaire. Findings - The results show that consumers can accurately predict future behavior regarding app-based food shopping and online clothing shopping. Despite the absence of statistical significance, participants were wrong about the direction of their future behavior in terms of alcohol consumption and online grocery shopping. Critically, the only behavior that participants were blatantly wrong about was related to physical activities. When it comes to such behavior, their expectations about the future clearly exceeded their actions. Research limitations – The study’s main limitations refer to reliance of self-reported behavior rather than actual behavior, the small sample size at time 2 (n=46) relative to time 1 (n=149), and the fact that the pandemic was still underway during our “post-vaccination” period. Practical implications - The research produced valuable insights on whether consumers are able to predict future behavior, which is central to marketing research. In doing so, it also offers relevant information about how marketing strategies can interfere in consumer behavior. Objetivo - O objetivo deste estudo é examinar se as mudanças no comportamento do consumidor provocadas pela pandemia da COVID-19 são permanentes e se os consumidores podem fazer previsões sobre seus padrões de consumo futuro. Design/Metodologia - A presente dissertação aplicou uma pesquisa longitudinal. Na Fase 1, antes da disponibilidade da vacina, a frequência dos comportamentos de consumo (em dezembro de 2020) foi analisada em um questionário e junto com estas perguntas, os participantes também indicaram suas previsões de comportamento futuro após a disponibilidade das vacinas. Na fase 2, em maio de 2021, inspecionamos se as previsões dos consumidores eram precisas, através da reaplicação do questionário. Conclusões - Os resultados mostram que os consumidores podem prever com precisão o comportamento futuro em relação às compras de alimentos com base em aplicativos e compras de roupas on-line. Apesar da ausência de significância estatística, os participantes estavam errados sobre a direção de seu comportamento futuro em termos de consumo de álcool e compras de supermercado on-line. O único comportamento em relação ao qual os participantes estavam evidentemente errados foi relacionado a atividades físicas. Quando se trata de tal comportamento, suas expectativas sobre o futuro excederam claramente suas ações. Limitações da pesquisa - As principais limitações do estudo se referem à dependência do comportamento auto relatado em vez do comportamento real, ao pequeno tamanho da amostra no tempo 2 (n=46) em relação ao tempo 1 (n=149), e ao fato de que a pandemia ainda estava em curso durante nosso período "pós-vacinação". Implicações práticas - A pesquisa produziu insights valiosos sobre se os consumidores são capazes de prever o comportamento futuro, o que é central para a pesquisa de marketing. Ao fazer isso, também oferece informações relevantes sobre como as estratégias de marketing podem interferir no comportamento do consumidor.

In reservation-based industries, an accurate booking cancellation forecast is of foremost importance to estimate demand. By combining data science tools and capabilities with human judgement and interpretation, this paper aims to demonstrate how the semiautomatic analysis of the literature can contribute to synthesizing research findings and identify research topics about booking cancellation forecasting. Furthermore, this works aims, by detailing the full experimental procedure of the analysis, to encourage other authors to conduct automated literature analysis as a means to understand current research in their working fields. The data used was obtained through a keyword search in Scopus and Web of Science databases. The methodology presented not only diminishes human bias, but also enhances the fact that data visualisation and text mining techniques facilitate abstraction, expedite analysis, and contribute to the improvement of reviews. Results show that despite the importance of bookings’ cancellation forecast in terms of understanding net demand, improving cancellation, and overbooking policies, further research on the subject is still needed. Na gestão de receitas em turismo e hotelaria, a exatidão da previsão de cancelamento de reservas é de extrema importância para estimar a procura. Através da aplicação de ferramentas e recursos de data science, com apoio do julgamento e interpretação humanos, temos como objetivo demonstrar como a análise semiautomática da literatura pode contribuir para sintetizar a investigação existente para a previsão de cancelamento de reservas, incluindo a identificação dos tópicos abordados pela investigação. Para além disso, ao detalhar o procedimento experimental da análise, temos como objetivo encorajar outros autores a realizar análises automatizadas de literatura. Os dados utilizados foram obtidos a partir das bases de dados da Scopus e da Web of Science. A metodologia utilizada, além de atenuar o viés humano, demonstrou como as técnicas de visualização de dados e de text mining facilitam a abstração, fomentam a aceleração da análise e contribuem para a melhoria das revisões. Os resultados mostram que, embora a previsão de cancelamento de reservas seja de reconhecida importância para a compreensão da procura líquida e melhoria das políticas de cancelamento e overbooking, há ainda necessidade de mais investigação sobre o assunto.

Submitted by Salvador Falcón Canillas (sf.canillas@unesp.br) on 2021-05-21T18:16:30Z No. of bitstreams: 1 FalcónCanillas_Salvador_IBEX35.pdf: 2079499 bytes, checksum: f27847afd111d4412e261b46d51d4fa1 (MD5) Approved for entry into archive by Raiane da Silva Santos (raiane.santos@unesp.br) on 2021-05-21T20:24:59Z (GMT) No. of bitstreams: 1 falcón_canillas_s_me_ilha.pdf: 2079499 bytes, checksum: f27847afd111d4412e261b46d51d4fa1 (MD5) Made available in DSpace on 2021-05-21T20:24:59Z (GMT). No. of bitstreams: 1 falcón_canillas_s_me_ilha.pdf: 2079499 bytes, checksum: f27847afd111d4412e261b46d51d4fa1 (MD5) Previous issue date: 2021-04-09 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A previsão de índices bolsistas de diferentes bolsas de valores é uma das questões mais importantes para economistas e investidores, a fim de conhecer, antecipadamente, os movimentos que ocorrem no mercado de investimento. Os investidores confiam, frequentemente, no seu conhecimento da economia dos mercados, dos fatores macroeconômicos dos países e de outros recursos, tais como: o comportamento dos gráficos de ações, para fazerem os seus investimentos da forma mais eficiente possível. O fato de serem pessoas que usam seu julgamento para investir no mercado de ações torna-se uma tarefa complicada, se não impossível, avaliar todos os fatores envolvidos no mercado de ações. Além dessa incapacidade, há fatores como elementos psicológicos e julgamentos errôneos subjetivos que podem levar o investidor a ter perdas econômicas, ou a não aproveitar boas oportunidades de investimento. Por essas razões, ao longo das últimas décadas, foram feitas tentativas de prever índices bolsistas, com diferentes sistemas entre eles: Modelos lineares, tais como ARIMA, Garch e Arch, redes neuronais tais como Feedforward Neural Network (FNN), Generalized Regression Neural Network (GRNN), Probabilistic Neural Network (PNN), etc. e a combinação de modelos lineares e redes neurais. Nesta pesquisa propõe-se uma forma como realizar a previsão do valor no dia seguinte do índice de ações espanhol IBEX 35, utilizando três redes neurais artificiais diferentes e comparando o desempenho de cada uma dessas redes em diferentes situações. O IBEX 35 é o principal índice de referência do mercado acionário da bolsa espanhola. É formado pelas 35 empresas mais líquidas listadas no Sistema de Interconexão da Bolsa de Valores Espanhola nas quatro bolsas de valores espanholas. As redes neurais a serem empregadas são Feedforward, Cascade-Forward e Generalized Regression Forecasting stock market indices from different stock exchanges are one of the most important issues for economists and investors, to know in advance, the movements that occur in the investment market. Investors often rely on their knowledge of the economy of the markets, the macroeconomic factors of the countries, and other resources, such as the behaviour of stock charts, to make their investments as efficiently as possible. Being people who use their judgment to invest in the stock market is complicated, if not impossible, to evaluate all the factors involved in the stock market. In addition to this inability, there are factors such as psychological elements and subjective misjudgements that may lead the investor to have economic losses or not take advantage of good investment opportunities. For this reason, over the last decades, attempts have been made to predict stock market indices, with different systems among them: Linear models, such as ARIMA, Garch, and Arch, neural networks such as the Feedforward Neural Network (FNN), Generalized Regression Neural Network (GRNN), Probabilistic Neural Network (PNN), etc. and the combination of linear models and neural networks. This research presents how to forecast the next day value of the Spanish IBEX 35 stock index using three different artificial neural networks and comparing the performance of each of these nets in different situations. The IBEX 35 is the main reference index of the Spanish stock market. It is formed by the 35 most liquid companies listed on the Spanish Stock Exchange's Interconnection System on the four Spanish stock exchanges. The neural networks to use are Feedforward, Cascade-Forward, and Generalized Regression Neural Network. CAPES: 001

A previsão de séries temporais financeiras, tem como características a grande dificuldade em se realizar predições. Devido à característica de alta volatilidade de seus mercados, a previsão de índices financeiros de países emergentes sul americanos torna-se um desafio maior. Objetivo da dissertação foi analisar o modelo de SVR, denominado GARCH-SVR, como um preditor da volatilidade em ambiente de grande incerteza, provocado pela crise financeira da pandemia da Covid-19. The prediction of financial time series is characterized by the great difficulty in this forecast, due to the high volatility characteristic of this markets, the forecast of financial index of emerging South American countries, becomes a greater challenge. The aim of this dissertation was to analyze the SVR model, denominated GARCH-SVR as a predictor of the volatility an environment of great uncertainty, caused by the financialcrisis due to the Covid-19 pandemic.

A operação de uma usina hidrelétrica é dependente de diversos fatores como a programação de geração de energia, do volume de água disponível no seu reservatório, as condições do rio a jusante e a segurança das barragens. Um grande desafio da operação é controlar o vertimento da água do reservatório. Embora a ação de vertimento represente a perda de recursos energéticos, esta ação também é uma estratégia poderosa para controlar o nível do reservatório, garantindo a segurança da barragem. A tomada de decisão quanto a essa operação é realizada com antecedência e geralmente se baseia em informações estimadas de nível e demanda. Neste contexto, este trabalho aplica técnicas de aprendizado supervisionado de máquina para predizer, cinco horas a frente, a condição operativa de vertimento em uma usina hidrelétrica. Com o objetivo de ser utilizado em tempo real, este método visa auxiliar o operador, de modo que este consiga tomar decisões mais assertivas e seguras, preservando recursos energéticos e promovendo aumento da segurança das barragens e, consequentemente, dos trabalhadores e da população que reside às margens do rio a jusante da usina. Floresta Aleatória, Perceptron Multicamadas e a combinação destes algoritmos de aprendizado são utilizados e comparados neste trabalho. A metodologia proposta foi implementada e testada com uma usina hidrelétrica localizada no Rio Tocantins, Brasil, com capacidade de geração de 902,5MW. Os resultados da metodologia demonstraram ue a ferramenta tem capacidade de ser um auxílio eficiente aos operadores de uma usina nas tomadas de decisão, visto que os modelos de previsão alcançaram patamares superiores à 99% de acerto nas previsões de vertimento. Operation at a hydroelectric plant is dependent on several factors such as the schedule of power generation, the volume of water available in its reservoir, the conditions of the river downstream, and the safety of the dams. A major challenge of the operation is to control the spillage from the reservoir. Although the spillage action represents the loss of energy resources, this action is also a powerful strategy to control the level of the reservoir, ensuring the safety of the dam. Decision-making regarding this operation is carried out in advance and is generally based on estimated level and demand information. In this context, this work applies supervised machine learning techniques to predict, for five hours to come, the operating condition of pouring in a hydroelectric plant. Intending to be used in real-time, this method aims to assist the operator, so that he can make more assertive and safer decisions, preserving energy resources and promoting increased safety of dams, and consequently, of workers and the population that resides river banks downstream of the plant. Random Forest, Multilayer Perceptron and the combination of these learning algorithms are adopted and compared in this work. The proposed methodology was implemented and tested with a hydroelectric plant located on the Tocantins River, Brazil, with a generation capacity of 902.5MW. The results of the methodology demonstrated that the tool has the capacity to be an efficient aid to the operators of a plant in decision making, since the forecasting models reached levels above 99% of correctness in the spillage forecasts.

Breast cancer is the most common type of cancer among women and is the leading cause of death worldwide. It is among the five most incident cancers in Brazil. Given this, it is understood that it is important to assess the number of deaths in Brazil since knowing the behavior of the disease is essential for public agencies focused on the health and well-being of the population. Thus, this study aims to use time series techniques to analyze the number of observations regarding the number of deaths from breast cancer (group ICD-10: Malignant neoplasms in the breast) in Brazil, covering the period from January 1996 to December 2018. For this analysis, the variability of the series was verified and the presence of the trend and seasonality components. The Box-Jenkins methodology was used to model the data, and the series under study was well adjusted using models of the SARIMA class. The comparison between the models considered suitable for the series was performed using the AIC and EQMP. The adjusted model was used to make predictions about future observations in this series. According to this forecast, it was possible to observe that for the following months, the series will maintain the pattern it has been maintaining since the beginning of its observation period: a growing increase in the number of deaths from such disease. El cáncer de mama es el tipo de cáncer más común entre las mujeres y es la principal causa de muerte en todo el mundo. Se encuentra entre los cinco cánceres más incidentes en Brasil. Ante esto, se entiende que es importante evaluar el número de muertes en Brasil ya que conocer el comportamiento de la enfermedad es fundamental para las agencias públicas enfocadas en la salud y el bienestar de la población. Así, este estudio tiene como objetivo utilizar técnicas de series temporales para analizar el número de observaciones sobre el número de muertes por cáncer de mama (grupo CIE-10: Neoplasias malignas en la mama) en Brasil, cubriendo el período de enero de 1996 a diciembre de 2018. En este análisis se verificó la variabilidad de la serie y la presencia de los componentes tendencial y estacionalidad. Se utilizó la metodología Box-Jenkins para modelar los datos y la serie en estudio se ajustó bien utilizando modelos de la clase SARIMA. La comparación entre los modelos considerados adecuados para la serie se realizó mediante el AIC y el EQMP. El modelo ajustado se utilizó para hacer predicciones sobre observaciones futuras en esta serie. De acuerdo con esta previsión, se pudo observar que para los próximos meses la serie mantendrá el patrón que viene manteniendo desde el inicio de su período de observación: un incremento creciente en el número de muertes por dicha enfermedad. O câncer de mama é o tipo de câncer mais comum entre as mulheres e é a principal causa de morte no mundo, está entre os cinco cânceres mais incidentes no Brasil. Diante disso, entende-se que é de grande importância a avaliação do número de óbitos no Brasil, uma vez que conhecer o comportamento da doença é fundamental para os órgãos públicos voltados para a saúde e bem estar da população. Desse modo, este trabalho tem como objetivo utilizar técnicas de séries temporais para analisar a série de observações referentes ao número de óbitos por câncer de mama (grupo CID-10: Neoplasias malignas na mama) no Brasil, abrangendo o período de janeiro de 1996 a dezembro de 2018. Para esta análise, foram verificadas a variabilidade da série, assim como a presença das componentes tendência e sazonalidade. A metodologia Box-Jenkins foi utilizada na modelagem dos dados, sendo que a série em estudo foi bem ajustada utilizando modelos da classe SARIMA. A comparação entre os modelos considerados adequados à série foi realizada através do AIC e EQMP. O modelo ajustado foi utilizado para fazer previsões sobre as observações futuras dessa série. De acordo com essa previsão, foi possível observar que para os meses subsequentes a série manterá o padrão que ela vem mantendo desde o início do seu período de observação: um crescente aumento no número de óbitos por tal enfermidade.

An evaluation of a forecast model of bacterial tomato spot with different levels of disease severity was compared to conventional spraying regime. The following sprayings with severity threshold (ST) of 0.05, 0.15, and 0.25 were carried out, based on the forecast model described by Marcuzzo et al. (2008), and conventional spraying regime with 5- and 7-dayintervals. The results did not reveal any significant differences (P < 0.05) in yield or fruits with symptoms within all treatments. The area under disease progress curve (AUDPC) was reduced by 25.71% for ST 0.15 with the same number ofsprayings carried out weekly. This was not different from AUDPC of ST: 0.05. For ST: 0.25, the number of sprays was54.1% and 35.3% less compared to 5-day and 7-day spray regime, respectively, and the corresponding AUDPC were 9.83% and 19.66%. The forecast model with severity threshold ST 0.15 reduced the spraying number in relation to the conventionalspraying regime. Este trabalho tem como objetivo avaliar um modelo de previsão, com diferentes níveis de severidade, para o controle da mancha bacteriana do tomateiro, comparando-o à pulverização convencional. Realizaram-se os regimes de pulverização com severidade estimada (SE) de 0,05, 0,15 e 0,25, com base no modelo descrito por Marcuzzo et al. (2008), eno sistema convencional com pulverizações a cada 5 e 7 dias. Não houve diferença significativa para produtividade e frutos com sintomas (P < 0,05). Na área abaixo da curva de progresso da doença (AACPD), constatou-se redução de 25,71% na SE = 0,15 para o mesmo número de pulverizações realizadas semanalmente, o qual não diferiu na AACPD da SE =0,05. Para SE = 0,25 houve redução de 54,1% e 35,3% no número de pulverizações e de 9,83% a 19,66% para AACPD quando comparado a cada 5 e 7 dias, respectivamente. O sistema de previsão SE = 0,15 reduziu pulverizações em relação ao sistema convencional de controle.

This paper presents the results of the comparison between three different numeric regression techniques used to forecast typical home electric power consumption values. The data used was real life hourly consumption data gathered from homes in the “Cooservicios” community of the city of Tunja (Colombia). The results of the study suggest that a regression technique based on the comparison between the average and daily values yields the lowest Mean Square Error (MSE). Once the MSE is deemed acceptable, it is possible to utilize the model to forecast power consumption with a relative degree of confidence. This comparison is made with the purpose of improving the dimensioning of renewable energy systems, based on the electricity consumption determined according to the predictions, achieving efficient systems that meet the needs of each one of the homes. Este documento presenta los resultados de la comparación entre diferentes técnicas de regresión numérica, las cuales se realizan con el fin de estimar el consumo eléctrico de un hogar mediante una función matemática. Los datos que se utilizaron para la obtención de este modelo matemático fueron datos de consumo por hora, recopilados de hogares del barrio “Cooservicios” de la ciudad de Tunja (Colombia), consiguiendo una predicción en la demanda de energía eléctrica residencial. Los resultados del estudio sugieren que una técnica de regresión basada en la comparación entre el valor promedio de los días anteriores y el valor diario, produce el error cuadrático medio (MSE) más bajo, de esta forma, una vez que el MSE se considera aceptable, es posible utilizar el modelo para pronosticar el consumo de energía con un grado relativo de confianza, mejorando el dimensionamiento de los sistemas de energía renovable, a partir del consumo eléctrico determinado según las predicciones, para la implementación de sistemas eficientes que cubran las necesidades de cada uno de los hogares. Este documento apresenta os resultados da comparação entre diferentes técnicas de regressão, que são realizadas com o objetivo de prever o consumo elétrico de uma casa, com base em dados reais obtidos em residências na cidade de Tunja no setor “Cooservicios”, estabelecendo uma previsão na demanda de energia elétrica residencial. Dentre as três técnicas utilizadas, verifica-se que a melhor é a terceira, que se baseia na comparação da regressão dos dados medios por hora a cada dia, tendo uma regressão que estima o dia seguinte, bem como a dia anterior e ajustando-se aos dados existentes para reduzir o erro quadrático médio (MSE). Essa comparação é feita com o objetivo de melhorar o dimensionamento dos sistemas de energia renovável, com base no consumo de eletricidade determinado de acordo com as previsões, alcançando sistemas eficientes que atendem às necessidades de cada uma das residências.

Mestrado em Métodos Quantitativos para a Decisão Económica e Empresarial Atualmente, os fluxos migratórios são o fator que determina a dinâmica da população em Portugal, sendo, contudo, o processo demográfico mais volátil. A previsão de fluxos migratórios é uma tarefa multidimensional, caracterizada por elevados níveis de erro, não existindo uma teoria robusta para diferentes fluxos. O presente relatório de estágio tem como objetivo obter projeções para Portugal, entre 2018 e 2038. Para tal, foi aplicado o modelo proposto por Rogers e Castro (1981), bem como uma regressão linear com o intuito de identificar possíveis fatores explicativos. O cálculo dos parâmetros do modelo permite uma representação dos dados e uma melhor interpretação dos mesmos, sendo a sua projeção feita recorrendo a modelos auto-regressivos integrados de médias móveis. Os resultados alcançados apresentam conclusões positivas para o panorama atual da estrutura etária portuguesa, verificando-se um saldo migratório positivo em alguns dos cenários definidos. Apesar das limitações verificadas, foi também possível aferir o impacto significativo do desemprego no saldo migratório. Nowadays, migratory flows are the factor that determines the population dynamics in Portugal, being, however, the most volatile demographic process. The prediction of migratory flows is a multidimensional task, characterized by high levels of error, and there is no robust theory for different flows. This internship report aims to obtain projections for Portugal, between 2018 and 2038. To this end, the model proposed by Rogers and Castro (1981) was applied, as well as a linear regression in order to identify possible explanatory factors. The calculation of the model parameters allows a representation of the data and a better interpretation of the same, being projected using autoregressive integrated moving average models. The results achieved show positive conclusions for the current panorama of the Portuguese age structure, with a positive net migration in some of the defined scenarios. Despite the verified limitations, it was also possible to assess the significant impact of unemployment on the net migration. info:eu-repo/semantics/publishedVersion

Mestrado em Econometria Aplicada e Previsão Na sociedade atual a inovação surge como um papel cada vez mais preponderante nas empresas. O presente relatório surge no âmbito de um estágio curricular desenvolvido numa empresa líder a nível mundial no comércio grossista de azeites, com o principal objetivo de encontrar um modelo capaz de prever os preços das suas mercadorias. Para tal, foram analisadas várias metodologias, fazendo uma junção entre modelos tradicionais e mais inovadores e recentes. Sendo por isso, analisados os modelos ARIMA; ARIMAX; VAR como modelos mais tradicionais, em contradição às redes neuronais artificiais do tipo MLP; GMDH. Para o estudo de caso foram utilizados os dados dos três azeites de mais interesse para a empresa, distribuídos por dois conjuntos temporais diferentes, permitindo assim a análise do impacto da dimensão da amostra nas previsões. Estudou-se o impacto de variáveis independentes (nomeadamente meteorológicas, macroeconómicas, entre outras que afetam a produção da azeitona), têm nos preços de compra do azeite. Os resultados apontam para um melhor desempenho do modelo VAR em todos os grupos de dados em análise, obtendo assim as melhores previsões dentro do conjunto de modelos. Destaca-se ainda, a preferência de modelos mais tradicionais quando a série tem um menor comprimento temporal, e uma melhor eficácia das redes neuronais em conjuntos de dados mais elevados, destacando ainda a preferência da rede do tipo GMDH face à rede MLP. Conclui-se ainda, que dentro do vasto conjunto de variáveis em análise, é uma variável binária que influencia a produção (safra), a que possuí maior impacto nas previsões. In today's society, innovation appears as an increasingly prevalent role in companies. This report comes as a part of a curricular internship developed at a world leader in the wholesale of olive oil with the main objective of finding a model capable of predicting the prices of its goods. To this end, several methodologies were analyzed, making a junction between traditional and more innovative and recent models. Therefore, the ARIMA models were analyzed; ARIMAX; VAR as more traditional models, in contradiction to artificial neural networks of the MLP type; GMDH. For the case study, data from the three olive oils of most interest to the company was used, distributed over two different time sets. Thus, allowing the analysis of the impact of the sample size on the forecasts. The impact of independent variables (namely meteorological, macroeconomic, among others that affect olive production) was studied on the purchase prices of olive oil. The results point to a better performance of the VAR model in all groups of data under analysis, thus obtaining the best forecasts within the set of models. Also, noteworthy is the preference for more traditional models when the series has a shorter time length, and a better efficiency of neural networks in higher data sets, also highlighting the preference of the GMDH type network over the MLP network. It is also concluded that, within the vast set of variables under analysis, it is a binary variable that influences production (safra), which has the greatest impact on forecasts. info:eu-repo/semantics/publishedVersion

Mestrado em Econometria Aplicada e Previsão O presente relatório tem por base as atividades desenvolvidas no estágio na empresa Gallo Worldwide, nomeadamente a análise das bases de dados da empresa de modo a efetuar a previsão do preço do azeite extra-virgem, azeite virgem e lampante. Uma vez que a modelação dos preços dos azeites é realizada através da modelação de séries temporais, existem diversos modelos que podem ser aplicados. Segundo a literatura científica analisada, a estimação das séries temporais utilizadas pode ser realizada através do modelo ARIMA, ARIMAX, GARCH e SUR. Neste sentido, será apresenta de uma forma detalhada a análise dos modelos econométricos em estudo para a obtenção das previsões pretendidas. Os modelos utilizados foram aplicados a conjuntos de dados com diferentes periodicidades: semanal e mensal. Sendo os modelos aplicados a conjuntos de dados com diferentes periodicidades também foram efetuadas previsões através de todos os modelos aplicados aos dois conjuntos de dados, existindo conclusões para ambos os casos. The current report was built around the tasks performed during the internship on the company Gallo Worldwide, where the main responsibilities consisted in the analysis of the database to be able to forecast extra-virgin olive oil, virgin olive oil and lampante prices. Considering the olive oil pricing modelling is achieved through the modelling of time series, several models can be applied. According to the scientific literature reviewed, the estimation of time series may be accomplished using the ARIMA, ARIMAX, GARCH and SUR models. In this sense, it will be presented, in a detailed manner, the analysis of the econometrical models being studied as a resource to obtain the intended predictions. The models utilized were applied to a group of data with different periodicities: data with weekly periodicity and data with monthly periodicity. Considering the models are employed over a set of data with different periodicities, similarly the predictions were made through all the models used in both sets of data, resulting in the existence ofconclusions for both cases. info:eu-repo/semantics/publishedVersion

Mestrado em Gestão de Sistemas de Informação O mundo como o conhecemos irá mudar caso não façamos nada para o impedir. Apela-se cada vez mais a uma maior consciencialização das populações alertando-as para a adoção de comportamentos mais sustentáveis. Sustentáveis não só a nível ambiental como também ao nível social e económico para que, sem exclusões, contribuamos para a mudança que deve ser feita. A dissertação procura analisar e avaliar o comportamento de um conjunto de indicadores de sustentabilidade em Portugal de forma a perceber enquanto país, se estão a ser tomadas as decisões e as estratégias mais acertadas para contribuir para um planeta mais sustentável. Para essa avaliação será desenvolvido para cada um dos indicadores selecionados um modelo de previsão tendo como base os dados registados até ao ano de 2019. Para o seu desenvolvimento vai ser seguida uma abordagem de aprendizagem automática que se espera que auxilie na resolução do objetivo proposto. Os resultados do trabalho desenvolvido permitiram concluir que apesar dos desafios inerentes, Portugal está comprometido e num bom caminho para contribuir para um mundo mais sustentável. The world as we all know will change in case we did not do anything to stop it. There is an increasing call for the awareness of populations by alerting them to adopt more sustainable behaviours. Not only at the environmental level but also at the social and economic level so that, without exclusions, we contribute to the change that must be made. The dissertation seeks to analyse and evaluate the behaviour of a set of sustainability indicators in Portugal to understand, as a country, if the measures and strategies implemented have been the most appropriate to contribute for a more sustainable planet. To make that evaluation will be developed for each one of the selected indicators a forecast model having into account all recorded data until the year of 2019. For its development will be followed a machine learning approach, which is expected to help in the resolution of the proposed objective. The results of the developed work allowed to conclude that despite the challenges, Portugal is committed and on track to contribute for a more sustainable world. info:eu-repo/semantics/publishedVersion

The internalization of confirmed cases of COVID-19 in the state of Pernambuco has raised concerns among the population. Thus, it was analyzed the official data provided by the daily bulletins of the municipal health secretariats of the municipalities, in the period from 23/04/2020 to 06/25/2020, collected weekly and the objective was to adjust different non-linear models in the analysis of cases / 10 thousand inhabitants of COVID-19 in the Pernambuco municipalities of Lajedo, Bom Conselho and Garanhuns, in addition to checking the inflection point of the disease, the period that informs about the decrease in the evolution of cases. For the comparison between the models, the adjusted determination coefficient, mean absolute deviation and Akaike information criterion were used. The verification of the assumptions of the residues was carried out through the Shapiro-Wilk tests for normality, Durbin-Watson tests for independence and Breush-Pagan tests for homoscedasticity, the assumptions were met. The best adjustments were Von Bertalanffy for the municipalities of Garanhuns and Bom Conselho and Gompertz for the municipality of Lajedo, despite overestimating the number of cases in the asymptotic limit. In calculating the absolute growth rate (ACT) it was found that the inflection points of all models occurred within the period of 64 days after the start of the pandemic. However, it is not possible to make reliable predictions of when the numbers of confirmed cases will be minimized due to being in an initial stage of interiorization. However, these results can be important in controlling the spread, guiding the authorities and the population to preventive care. La internalización de casos confirmados de COVID-19 en el estado de Pernambuco ha generado preocupación entre la población. Así, se analizaron los datos oficiales proporcionados por los boletines diarios de las secretarías municipales de salud de los municipios, en el período del 23/04/2020 al 25/06/2020, recogidos semanalmente y el objetivo fue ajustar diferentes modelos no lineales en el análisis de casos. / 10 mil habitantes del COVID-19 en los municipios de Pernambuco de Lajedo, Bom Conselho y Garanhuns, además de verificar el punto de inflexión de la enfermedad, período que informa sobre la disminución en la evolución de los casos. Para la comparación entre los modelos se utilizó el coeficiente de determinación ajustado, la desviación media absoluta y el criterio de información de Akaike. La verificación de los supuestos de los residuos se realizó mediante las pruebas de normalidad de Shapiro-Wilk, pruebas de independencia de Durbin-Watson y pruebas de homocedasticidad de Breush-Pagan, se cumplieron los supuestos. Los mejores ajustes fueron Von Bertalanffy para los municipios de Garanhuns y Bom Conselho y Gompertz para el municipio de Lajedo, a pesar de sobrestimar el número de casos en el límite asintótico. Al calcular la tasa de crecimiento absoluto (TCA), se encontró que los puntos de inflexión de todos los modelos ocurrieron dentro del período de 64 días después del inicio de la pandemia. Sin embargo, no es posible hacer predicciones confiables de cuándo se minimizará el número de casos confirmados debido a que se encuentra en una etapa inicial de interiorización. Sin embargo, estos resultados pueden ser importantes para controlar la propagación, orientando a las autoridades y la población hacia la atención preventiva. A interiorização dos casos confirmados de COVID-19 no estado de Pernambuco trouxe preocupação a população. Sendo assim analisou-se os dados oficiais disponibilizados pelos boletins diários das secretarias municipais de saúde dos municípios, no período de 23/04/2020 a 25/06/2020, coletados semanalmente e objetivou-se ajustar diferentes modelos não lineares na análise de casos / 10 mil habitantes de COVID - 19 nos municípios pernambucanos de Lajedo, Bom Conselho e Garanhuns, além de verificar o ponto de inflexão da doença, o período que informa sobre a diminuição da evolução dos casos. Para comparação entre os modelos empregaram-se o coeficiente de determinação ajustado, desvio médio absoluto e critério de informação de Akaike. A verificação dos pressupostos dos resíduos foi realizada por meio dos testes de Shapiro-Wilk para a normalidade, de Durbin-Watson para a independência e o de Breush-Pagan para a homocedasticidade, os pressupostos foram atendidos. Os melhores ajustes foram o Von Bertalanffy para os municípios de Garanhuns e Bom Conselho e o Gompertz para o município de Lajedo, apesar de superestimarem o número de casos no limite assintótico. No cálculo da taxa de crescimento absoluto (TCA) verificou-se que os pontos de inflexões de todos os modelos ocorreram dentro do período de 64 dias após o início da pandemia. Todavia, não é possível realizar previsões seguras de quando os números de casos confirmados minimizarão por razão de estar-se em um estágio inicial da interiorização. No entanto, esses resultados podem ser importantes no controle da propagação, norteando as autoridades e a população aos cuidados de prevenção

Objective: analyze and describe the best fit for time serie of solar radiation in the city of Recife/PE, applying the ARMA and ARMAX models, in addition to forecasting radiation levels for the next six years. Method: used climate series data of the National Institute of Meteorology (INMET), available from January 2009 to December 2018. The comparison of the models was performed by Akaike's information criteria. Results: the series of solar radiation presents a high variability of the monthly averages, indicating the presence of seasonality and a strong negative asymmetry. The results of the error statistics show the accuracy of the ARMAX model (2.1), with a percentage error close to 18.68%, comparing the observed and adjusted series, in addition, it was possible to identify that the forecast manages to capture the existence seasonality. Conclusion: ARMAX model was adequate to describe a solar radiation including exogenous variables, being a tool capable of assisting in public health policies in the fight against skin cancer and interventions. Objetivo: analizar y describir el mejor ajuste para la serie temporal de radiación solar en la ciudad de Recife / PE, aplicando los modelos ARMA y ARMAX, además de predecir los niveles de radiación para los próximos seis años. Método: se utilizaron datos del Instituto Meteorológico Nacional (INMET), disponible desde enero de 2009 hasta diciembre de 2018. Los modelos se compararon utilizando los criterios de información de Akaike. Resultados: la serie de radiación solar presenta una alta variabilidad de los promedios mensuales, lo que indica la presencia de estacionalidad y una fuerte asimetría negativa. Los resultados de las estadísticas de error muestran la precisión del modelo ARMAX (2.1), con un error porcentual alrededor del 18.68%, comparando las series observadas y ajustadas, además, fue posible identificar que el pronóstico es capaz de capturar la existencia. Conclusión: el modelo ARMAX se adaptó para describir la radiación solar incluidas las variables exógenas, presentando un mejor pronóstico con buena precisión, siendo una herramienta capaz de ayudar a las políticas de salud pública en la combatir el cáncer de piel y la intervención. Objetivo: analisar e descrever o melhor ajuste para série temporal de radiação solar na cidade do Recife/PE, aplicando os modelos ARMA e ARMAX, além de prever os níveis de radiação para os próximos seis anos. Método: utilizaram-se dados de séries climáticas do Instituto Nacional de Meteorologia (INMET), disponibilizados no período de janeiro de 2009 a dezembro de 2018. A comparação dos modelos foi realizada pelos critérios de informação de Akaike. Resultados: a série de radiação solar apresenta uma alta variabilidade das médias mensais, indicando a presença de sazonalidade e uma forte assimetria negativa. Os resultados da estatística de erros mostram a acurácia do modelo ARMAX(2,1), com erro percentual próximo de 18,68%, comparando-se a série observada e ajustadas, além disso, foi possível identificar que a previsão consegue captar a existência de sazonalidade. Conclusão: o modelo ARMAX foi adequado para descrever a radiação solar incluindo variáveis exógenas, apresentando melhor previsão com boa acurácia, sendo uma ferramenta capaz de auxiliar em políticas de saúde pública no combate ao câncer de pele e intervenções.