book

BOOK OF ABSTRACTS

The electronic version of this booklet can be found at: 

http://redeabe.org.br/este2019/ 

The open L A TEX template used to generate this booklet is available at 

https://github.com/maximelucas/AMCOS_booklet

Contents 

About the 18th ESTE 4 

Timetable 5 

Tutorial 6 

Minicourse 7 

Plenary Talks 8 

Wednesday, September 4th . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 

Thursday, September 5th . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 

Friday, September 6th . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14 

Thematic Sessions 16 



Oral Communications 28 

Tuesday, September 3rd . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 



Poster Communications 50 



Useful Information 125 

Partner Institutions and Sponsors 126 

3

About the 18th ESTE 

18th ESTE 

The 18th Time Series and Econometrics Meeting (18th ESTE) will take place from 3 to 6 of 

September 2019 at Serra Azul Hotel in Gramado (RS), Brazil. These series of meetings have 

both national and international scopes and are organized every two years. They gather important 

Brazilian researchers as well as a selected number of international experts in the areas of Time 

Series and Econometrics. ESTE’s are promoted by the Brazilian Statistical Association. This 

edition is organized by the Department of Statistics of Universidade Federal do Rio Grande do Sul 

(UFRGS), having the support from from the graduate programmes of Statistics and Economics 

from UFRGS. 

Organizing committee 

Departamento de Estatística e Programa de Pós-Graduação em Economia – UFRGS 

Flávio Ziegelmann (Chair) 

Danilo Marcondes Filho 

Eduardo Horta 

Hudson da Silva Torrent 

Marcelo Savino Portugal 

Patrícia Klarmann Ziegelmann 

Scientific committee 

Flávio Ziegelmann (UFRGS, Brazil – Chair) 

Aluísio Pinheiro (Unicamp, Brazil) 

André Portela (UFSC, Brazil) 

Brani Vidakovic (Georgia Tech, USA) 

Marcelo Medeiros (PUC-Rio, Brazil) 

Márcio Laurini (FEARP/USP, Brazil) 

Pedro Morettin (USP, Brazil) 

4

Timetable 

The 18th ESTE will be occurring from September 3rd to September 6th, 2019. 

CF: Plenary Talk ST: Thematic Session MC: Minicourse 

CO: Oral Communications SP: Poster Communications 

Time Tuesday Wednesday Thursday Friday 

8:30-10:00 MC (Medeiros) MC (Medeiros) MC (Medeiros) 

10:00-10:30 Coffee break Coffee break Coffee break 

10:30-12:30 

ST1 

Data Science 

ST2 

Nonlinear 

ST3 Sicredi 

High 

Dimensional 

ST4 

Econometrics 

CF7 (Fernandes) 

CF8 (Pinheiro) 

12:30-14:00 WWlet registration Lunch 

Lunch 

14:00-14:30 

Opening 

WWlet 

14:30-15:30 CF1 (Fan) CF4 (Yao) 

Conclusion and 

lunch 

15:30-16-30 LASA WWlet CF2 (Lopes) CF5 (Izbicki) 

16:30-17:00 Coffee break Coffee break Coffee break 

17:00-18:00 

CF3 (Chang) 

CF6 (Lund) 

Tutorial 

WWlet 

(Perlin) 

18:00-19:40 CO3 CO4 CO5 CO6 

19:45-21:00 CO1 CO2 SP1 SP2 

21:00- Dinner 

Plenary Talks 

CF1: Jianqing Fan (Princeton, USA) 

CF2: Hedibert Lopes (Insper, Brazil) 

CF3: Jinyuan Chang (SUFE, China) 

CF4: Qiwei Yao (LSE, UK) 

CF5: Rafael Izbicki (UFSCar, Brazil) 

CF6: Robert Lund (Clemson, USA) 

CF7: Marcelo Fernandes (FGV/EESP, Brazil) 

CF8: Aluísio Pinheiro (IMECC/Unicamp, Brazil) 

Minicourse: Marcelo Medeiros 

Tutorial: Marcelo Perlin (EA/UFRGS, Brazil) 

Thematic Sessions 

ST1 – Data Science 

Jianqing Fan 

Marcelo Medeiros (PUC-Rio, Brazil) 

Etiënne Wijler (Maastricht, Netherlands) 

ST2 – Nonlinear Time Series 

Pedro L. Valls Pereira (FGV/EESP, Brazil) 

Márcio Laurini (FEARP/USP, Brazil) 

Robert Lund 

ST3 – High Dimensional Time Series 

Eduardo Horta (IME/UFRGS, Brazil) 

Jinyuan Chang 

Qiwei Yao 

ST4 – Econometrics 

Eduardo Mendes (FGV/RJ, Brazil) 

Nathalie Sanches (PUC-Rio, Brazil) 

Rodrigo Targino (FGV/RJ, Brazil) 

5

Tutorial 

Tuesday, September 3th 

17:00 

Importação on-line de séries temporais 

econômicas e financeiras usando R 

Marcelo Perlin 

EA/UFRGS 

Este workshop será um tutorial prático sobre a importação de dados de séries econômicas e 

financeiras com a plataforma R. Iremos percorrer as seguintes operações: 

- Importação de dados via pacote (online) 

- Inspecionamento e visualização gráfica dos dados importados 

- Exportação de dados para formatos populares (csv/xlsx/ods) 

Os dados trabalhados serão: 

- Séries de preços de fechamento de ações e índices 

- Séries de preços e yields de títulos da dívida Brasileira (Tesouro Direto) 

- Séries econômicas diversas dos sistemas do Banco Central do Brasil e IBGE 

- Demonstrativos financeiros e eventos corporativos de empresas negociadas em bolsa 

Um exemplo de ciclo completo de pesquisa em finanças será apresentado no final do workshop. 

Requerimentos: 

- Conhecimentos básicos de R ou programação 

- Cada participante deve trazer seu próprio laptop com R (https://www.r-project.org/) e Rstudio ( 

https://www.rstudio.com/ ) instalados 

6

Minicourse 

Wednesday to Friday, September 4th-6th 

8:30 

Statistical Learning 

Marcelo Medeiros 

PUC/Rio 

Neste mini-curso serão apresentados métodos de aprendizado por máquinas (“Machine Learning”) 

para seleção de variáveis em modelos lineares assim como modelos não-lineares para previsão de 

séries temporais. Serão revistas também tanto aplicações em Economia quanto em Finanças. 

Dentre as técnicas lineares, destacamos as seguintes: Ridge, LASSO, LASSO adaptativo, Elastic 

Net e Complete Subset Regression. Já em relação aos modelos não-lineares o foco será em árvores 

de regressão, random forests, boosted forests e deep learning. 

7

Plenary Talks 

CF1 

Wednesday, September 4th 

14:30 

Communication Efficient Distributed Statistical 

Estimation 

Jianqing Fan 

Princeton University 

When the data are stored in a distributed manner, direct application of traditional statistical 

inference procedures is often prohibitive due to communication cost and privacy concerns. This 

paper develops and investigates iterative algorithms for distributed statistical estimation. In each 

iteration, node machines carry out computation in parallel and communicates with the central 

processor, which then broadcasts aggregated gradient vector to node machines for new updates. 

The algorithms can adapt to the similarity among loss functions on node machines, and converge 

rapidly when each node machine has large enough sample size. Moreover, they do not require 

good initialization and enjoy linear converge guarantees under general conditions. In addition, the 

improved statistical accuracy per iteration is derived. Extensive numerical experiments on both 

synthetic and real data validate the theoretical results and demonstrate the superior performance 

of our algorithms. 

8

Plenary Talks 

CF2 


15:30 

Learning a latent pattern of heterogeneity in 

the innovation rates of a time series of counts 

Hedibert Lopes 

Insper 

We generalize the original integer autoregressive time series model of McKenzie, Al-Osh and Alzaid, 

introducing time varying innovation rates. Through data augmentation and hierarchical extension, 

we model the distribution of the innovation rates conditionally, by means of a Dirichlet process. The 

clustering properties of the Dirichlet process allow us to learn a latent pattern of heterogeneity in 

the innovation rates. Applying this semiparametric Bayesian model to forecast time series of crime 

events in Pittsburgh, it outperforms the original model in the majority of the patrol areas. 

9

Plenary Talks 

CF3 


17:00 

Optimal covariance matrix estimation for 

high-dimensional noise in high-frequency data 

Jinyuan Chang 

Southwestern University of Finance and Economics 

In this paper, we consider efficiently learning the structural information from the high-dimensional 

noise in high-frequency data via estimating its covariance matrix with optimality. The problem is 

uniquely challenging due to the latency of the targeted high-dimensional vector containing the noises, 

and the practical reality that the observed data can be highly asynchronous – not all components 

of the high-dimensional vector are observed at the same time points. To meet the challenges, 

we propose a new covariance matrix estimator with appropriate localization and thresholding. 

In the setting with latency and asynchronous observations, we establish the minimax optimal 

convergence rates associated with two commonly used loss functions for the covariance matrix 

estimations. As a major theoretical development, we show that despite the latency of the signal in 

the high-frequency data, the optimal rates remain the same as if the targeted high-dimensional 

noises are directly observable. Our results indicate that the optimal rates reflect the impact due 

to the asynchronous observations, which are slower than that with synchronous observations. 

Furthermore, we demonstrate that the proposed localized estimator with thresholding achieves the 

minimax optimal convergence rates. We also illustrate the empirical performance of the proposed 

estimator with extensive simulation studies and a real data analysis. 

Keywords: High-dimensional covariance matrix; High-frequency data analysis; Measurement error; 

Minimax optimality; Thresholding 

10

Plenary Talks 

CF4 

Thursday, September 5th 

14:30 

Multiple Forecasting based on Time Series PCA 

Qiwei Yao 

London School of Economics 

When forecasting large number of time series, the conventional wisdom is to forecast each time 

series separately, as the potential gain from looking into the cross correlations is typically cancelled 

out by the estimation errors. We extend the principal component analysis (PCA) to vector time 

series in the sense that we seek for a contemporaneous linear transformation for a p-variate time 

series such that the transformed series is segmented into several lower-dimensional subseries, and 

those subseries are uncorrelated with each other both contemporaneously and serially. Therefore 

those lower-dimensional series can be forecasted separately. Technically it boils down to an 

eigenanalysis for a positive definite matrix. When the number of time series is large, an additional 

step is required to perform a permutation in terms of either maximum cross-correlations or FDR 

based on multiple tests. Numerical illustration with real data indicates that the forecasting based 

this new PCA outperforms those based on the original time series – a phenomena can be clearly 

understood analytically. The approach can be extended to forcasting multivariate volatility process, 

or a bundle of curve time series. 

11

Plenary Talks 

CF5 


15:30 

ABC-CDE: Toward Approximate Bayesian 

Computation with Complex High-Dimensional 

Data and Limited Simulations 

Rafael Izbicki 

UFSCar 

Approximate Bayesian computation (ABC) is typically used when the likelihood is either unavailable 

or intractable but where data can be simulated under different parameter settings using a forward 

model. Despite the recent interest in ABC, high-dimensional data and costly simulations still 

remain a bottleneck in some applications. There is also no consensus as to how to best assess the 

performance of such methods without knowing the true posterior. We show how a nonparametric 

conditional density estimation (CDE) framework, which we refer to as ABC-CDE, help address 

three nontrivial challenges in ABC: (i) how to efficiently estimate the posterior distribution with 

limited simulations and different types of data, (ii) how to tune and compare the performance of 

ABC and related methods in estimating the posterior itself, rather than just certain properties of the 

density, and (iii) how to efficiently choose among a large set of summary statistics based on a CDE 

surrogate loss. We provide theoretical and empirical evidence that justify ABC-CDE procedures 

that directly estimate and assess the posterior based on an initial ABC sample, and we describe 

settings where standard ABC and regression-based approaches are inadequate. Supplemental 

materials for this article are available online. 

Keywords: Nonparametric methods; Conditional density estimation; Approximate Bayesian computation; 

Likelihood-free inference 

12

Plenary Talks 

CF6 


17:00 

Stationary Count Time Series 

Robert Lund 

Clemson University 

This talk overviews the modeling of stationary count time series, detailing some history and recent 

breakthroughs. Classical work involving the discrete and integer autoregressive moving-average 

model classes is first reviewed. Drawbacks with these models are illuminated and used to motivate 

two more modern approaches: copulas and construction from stationary sequences of zeroes and 

ones. What emerges are very flexible model classes that are naturally parsimonious, can have 

negative autocorrelations and/or long-memory features, and can be statistically fitted by likelihood, 

composite likelihood, and/or moment methods. Various applications are pursued, including a 

bivariate hurricane count model with Poisson components that are negatively correlated. 

13

Plenary Talks 

CF7 

Friday, September 6th 

10:30 

Price discovery and market microstructure noise 

Marcelo Fernandes 

FGV/EESP 

Using a continuous-time price discovery model, we show that the standard econometric framework 

typically yields inconsistent estimates of the price discovery measures in the presence of 

market microstructure noise due the usual errors-in-variable problem. We address this issue using 

instrumental variables. We devise two sets of valid instruments for alternative assumptions on 

the market microstructure noise, and then establish consistency and asymptotic normality of the 

corresponding price discovery measures. We illustrate our findings by investigating price discovery 

for Alcoa, showing that market leadership conclusions depend heavily on whether we account or 

not for market microstructure noise. 

14

Plenary Talks 

CF8 

Friday, September 6th 

11:30 

Wavelet estimation of the dimensionality of 

curve time series 

Aluísio Pinheiro 

IMECC/Unicamp 

Functional data analysis is ubiquitous in most areas of sciences and engineering. Several paradigms 

are proposed to deal with the dimensionality problem which is inherent to this type of data. 

Sparseness, penalization, thresholding, among other principles, have been used to tackle this issue. 

We discuss here a solution based on a finite-dimensional functional space. We employ wavelet 

representation of the functionals to estimate this finite dimension, and successfully model a time 

series of curves. The proposed method is shown to have nice asymptotic properties. Moreover, 

the wavelet representation permits the use of several bootstrap procedures, and it results in faster 

computing algorithms. Besides the theoretical and computational properties, simulation studies 

and application to real data sets are provided. 

Keywords: Aggregate data; Bootstrap testing; Finite dimension; Functional data analysis 

15


ST1: Data Science 

Chair: Marcelo Medeiros 


10:30 

Optimality of Spectral Methods for Ranking, 

Community Detections and Beyond 

Jianqing Fan 

Princeton University 

Spectral methods have been widely used for a large class of challenging problems, ranging from 

top-K ranking via pairwise comparisons, community detection, factor analysis, among others. 

Analyses of these spectral methods require super-norm perturbation analysis of top eigenvectors. 

This allows us to UNIFORMLY approximate elements in eigenvectors by linear functions of the 

observed random matrix that can be analyzed further. We first establish such an infinity-norm 

perturbation bound for top eigenvectors and apply the idea to several challenging problems such 

as top-K ranking, community detections, Z 2 -synchronization and matrix completion. We show 

that the spectral methods are indeed optimal for these problems. We illustrate these methods via 

simulations. 

16





10:30 

ArCo: An Artificial Counterfactual Approach for 

Aggregate Data 

Marcelo Medeiros 

PUC/Rio 

We consider a new method to conduct counterfactual analysis with aggregate data when a “treated” 

unit suffers a shock or an intervention, such as a policy change. The proposed approach is based 

on the construction of an artificial counterfactual from a pool of “untreated” peers, and is inspired 

by different branches of the literature such as: the Synthetic Control method, the Global Vector 

Autoregressive models, the econometrics of structural breaks, and the counterfactual analysis based 

on macro-econometric and panel data models. We derive an asymptotic Gaussian estimator for 

the average effect of the intervention and present a collection of companion hypothesis tests. We 

also discuss finite sample properties and conduct a detailed Monte Carlo experiment. 

17





10:30 

An Automated Approach Towards Sparse 

Single-Equation Cointegration Modelling 

Etienne Wijler 

Maastricht University – Netherlands 

In this paper we propose the Single-equation Penalized Error Correction Selector (SPECS) as 

an automated estimation procedure for dynamic single-equation models with a large number of 

potentially (co)integrated variables. By extending the classical single-equation error correction 

model, SPECS enables the researcher to model large cointegrated datasets without necessitating 

any form of pre-testing for the order of integration or cointegrating rank. We show that SPECS 

is able to consistently estimate an appropriate linear combination of the cointegrating vectors 

that may occur in the underlying DGP, while simultaneously enabling the correct recovery of 

sparsity patterns in the corresponding parameter space. A simulation study shows strong selective 

capabilities, as well as superior predictive performance in the context of nowcasting compared 

to high-dimensional models that ignore cointegration. An empirical application to nowcasting 

Dutch unemployment rates using Google Trends confirms the strong practical performance of our 

procedure. 

Keywords: SPECS; Penalized Regression; Single-Equation Error-Correction Model; Cointegration; 

High-Dimensional Data 

18

ST2: Nonlinear Time Series 

Chair: Aluisio Pinheiro and Pedro Morettin 



10:30 

The Effects of Estimation Sample Size in 

Forecast Performance: The Case of Brazilian 

Industrial Production Index 

Pedro L. Valls Pereira 

FGV/EESP&CEQEF 

Brazilian Industrial Production Index undergoes different methodological updates and periods of high 

inflation over time, which prompts researchers to avoid using too long industrial production series. 

We analyze how performance of different models in forecasting the Brazilian Industrial Production 

Index one-step ahead is influenced by the use of samples of different lengths. Relative performance 

of these models is also assessed. Results show that most models benefit from expanding the 

estimation sample beginning at least up to 1993:12. Autometrics lag selection with impulse 

dummy saturation forecasting performance is improved almost monotonically with sample size. 

For estimation starting in January 1975 and 1985, predictions from Autometrics with impulse 

dummy saturation and the average of forecasts are statistically more accurate than those from the 

benchmark AR model. However, the average of predictions performs better in the first half of the 

forecast horizon and Autometrics performs better in the second half. 

Keywords: Industrial production index; Nonlinear methods; Lag selection; Dummy saturation; 

Forecasting 

19





10:30 

Trend-Cycle Decompositions in 

Spatio-Temporal Point Processes 

Márcio Laurini 

FEARP/USP 

In this work we discuss the use of trend-cycle decompositions in spatio-temporal point processes. 

These decompositions allow to model the variation in the intensity function of log-Gaussian Cox 

processes in an intuitive way, allowing the representation of stationary and non-stationary processes 

of occurrence of events in space. Using Bayesian inference methods, we apply these decompositions 

to model climate change effects (spatio-temporal distribution of fires, thermal anomalies and 

tropical storms) and incidence of crimes in the metropolitan region of São Paulo. 

20





10:30 

Multiple Breakpoint Detection: Mixing 

Documented and Undocumented Changepoints 

Robert Lund 

Clemson University 

This talk presents methods to estimate the number of changepoint time(s) and their locations in time 

series when prior information is known about some of the changepoint times. A Bayesian version 

of a penalized likelihood objective function is developed from minimum description length (MDL) 

information theory principles. Optimizing the objective function yields estimates of the changepoint 

number(s) and location time(s). Our MDL penalty depends on where the changepoint(s) lie, but not 

solely on the total number of changepoints (such as classical AIC and BIC penalties). Specifically, 

configurations with changepoints that occur relatively closely to one and other are penalized more 

heavily than sparsely arranged changepoints. The techniques allow for autocorrelation in the 

observations and mean shifts at each changepoint time. This scenario arises in climate time series 

where a “metadata” record exists documenting some, but not necessarily all, of station move 

times and instrumentation changes. Applications to climate time series are presented throughout, 

including some recent controversies about Atlantic hurricane changes. 

21


ST3: High Dimensional Time Series 

SICREDI Session 

Chair: Flavio Ziegelmann 


10:30 

Generalized Conjugate Processes: Lévy 

Diffusions and Financial Applications 

Eduardo Horta 

IME/UFRGS 

We consider sequences of Lévy Diffusions driven by a latent, discrete time state (possibly infinite 

dimensional). The proposed model is a generalization of Horta and Ziegelmann (Stochastic 

Processes and Applications, 2018). We show that the usual approach of estimating the covariance 

operator of the diffusion entails difficulties in this framework, and propose an alternative based on 

the functional Fourier transform. Asymptotic results are derived, and the theory is illustrated by an 

application to financial data. 

Keywords: Functional Time Series; High Frequency Financial Data; Conjugate Processes; Random 

measure 

22






10:30 

Testing for high-dimensional white noise using 

maximum cross-correlations 

Jinyuan Chang 

Southwestern University of Finance and Economics 

We propose a new omnibus test for vector white noise using the maximum absolute autocorrelations 

and cross-correlations of the component series. Based on an approximation by the L ∞ -norm of 

a normal random vector, the critical value of the test can be evaluated by bootstrapping from a 

multivariate normal distribution. In contrast to the conventional white noise test, the new method 

is proved to be valid for testing departure from white noise that is not independent and identically 

distributed.We illustrate the accuracy and the power of the proposed test by simulation, which 

also shows that the new test outperforms several commonly used methods, including the Lagrange 

multiplier test and the multivariate Box-Pierce portmanteau tests, especially when the dimension of 

the time series is high in relation to the sample size. The numerical results also indicate that the 

performance of the new test can be further enhanced when it is applied to pre-transformed data 

obtained via the time series principal component analysis proposed by Chang, Guo and Yao (2018, 

Annals of Statistics). The proposed procedures have been implemented in an R package. 

23






10:30 

High Dimensional and Banded Vector 

Autoregressions 

Qiwei Yao 

London School of Economics 

We first consider a class of vector autoregressive models with banded coefficient matrices. The 

setting represents a type of sparse structure for high-dimensional time series, though the implied 

autocovariance matrices are not banded. The structure is also practically meaningful when the order 

of component time series is arranged appropriately. We then consider such a banded autoregression 

in the context of spatio-temporal modelling, for which the conventional least squares estimation 

is no longer valid. Instead we apply the least squares method based on a Yule-Walker equation 

to estimate autoregressive coefficient matrices. Illustration with both simulated and real data 

examples will be presented. 

24


ST4: Econometrics 

Chair: Marcelo Fernandes 


10:30 

Nonparametric testing of conditional 

independence using asymmetric kernels 

Eduardo Mendes 

FGV/RJ 

Statistical tools for testing conditional independence between X and Y given Z are developed. In 

particular, we test whether the conditional density of X given Y and Z is equal to the conditional 

density of X given Z only. We gauge the closeness between these conditional densities using a 

generalized entropic measure. To avoid degeneracy issues, we transform the variables of interest 

(X, Y, Z) to bound them in the unit interval, and then estimate their conditional densities using 

beta kernels. The latter are convenient because they are free of boundary bias. We show that our 

test statistics are asymptotically normal under the null hypothesis as well as under local alternatives. 

We assess the finite-sample properties of our entropic-based tests of conditional independence 

through Monte Carlo simulations. 

25





10:30 

Semiparametric Quantile Models for Ascending 

Auctions with Asymmetric Bidders 

Nathalie Gimenes 

PUC/Rio 

Asymmetry is a relevant question when bidders of different sizes and technological capability are 

competing at the same auction. This issue is especially important if the econometrician provides 

the seller with a policy recommendation (auction optimal design) based on a misspecified symmetric 

setup, which may bring a significant expected loss to the seller, depending on the degree of 

asymmetry. Therefore, a parsimonious and easy estimation approach that accounts for bidders 

asymmetry can be very useful for policy analysis. In this paper, we suggest an identification and 

estimation approach to recover the latent private value conditional quantile function when bidders 

are asymmetric. The estimation strategy is done in two steps: in the first-step, the asymmetric 

parameters are estimated via maximum likelihood method; and then used in the second-step to 

estimate the type private value conditional quantile functions. The methodology is illustrated using 

USFS timber ascending auctions. According to our estimates, Loggers (firms lacking technological 

capability to process the timber) provides the US Government with an expected revenue on average 

14% lower than Mills. 

Keywords: Private values; Asymmetry; Ascending auctions; Seller expected revenue; Quantile 

regression identification; Quantile regression estimation 

26





10:30 

A novel framework for semi-automatic text 

classification 

Rodrigo Targino 

FGV/RJ 

The Economic Policy Uncertainty (EPU) index, proposed by Baker et al. (2016), is computed as a 

proportion of news articles related to this topic. In the original paper the classification of a news 

article as EPU related is performed automatically: if the article contains a set of specific words, it 

is classified in the topic. Motivated by a deeper understanding of the drivers of the EPU index, we 

propose a semi-automatic algorithm for text classification and analysis. Given a set of documents 

manually classified we are able to (1) infer the time series with the importance of each word for 

the specific classification and (2) compute the probability of a non-classified document to belong 

to the category. As an example we apply the algorithm to millions of Brazilian news articles, with a 

few hundreds manually classified as EPU related or not. 

27

Oral Communications 

CO1 

Tuesday, September 3rd 

19:45 

Testing for Mean-Reversion in Bitcoin returns 

with Gibbs-sampling-augmented randomization 

Fernando Henrique de Paula e Silva Mendes 

UFRGS 

Douglas Turatti 

João F. Caldeira 

In this paper we test for the presence of mean-reversion in the dynamics of Bitcoin log-returns. 

Recent studies have found that cryptocurrencies volatility exhibits clustering and leverage effect 

commonly observed in financial time-series. A recent strand of research studies the volatility 

dynamics of Bitcoin returns using regime-switching models. This approach is useful for capturing 

shifts and turning points in the volatility process that is difficult to accommodate by GARCH-type 

models. In the present paper we attempt to contribute to the empirical analysis of regime changes 

of Bitcoin volatility using Markov-switching models. Our main purpose is to verify whether the 

log-returns of Bitcoin are mean-reverted in the presence of heteroskedastic disturbances driven 

by a mixture distribution. To tackle this problem we use a Bayesian Gibbs-Sampling augmented 

randomization methodology initially proposed by Kim and Nelson (1998) inside an ordinary Gibbssampling 

estimation procedure. In general, our results indicated that Bitcoin is strongly mean-avert 

for different returns horizons, model specifications and for sub-sample periods, which show the 

explosive characteristic of the Bitcoin in the period of analysis from 2010 to 2019. 

Keywords: Autoregression tests; Mean-reversion in Bitcoin market; Markov-switching models; 

Gibbs-sampling-augmented randomization 

28


CO1 


19:45 

Analysis of a complex network: effects of 

volatility among commodities in the short term 

Marcelo de Oliveira Passos 

UFPel 

Mathiaz Schneid Tessmann 

Lisa Mariane Bueno 

Regis Augusto Ely 

Márcio Taceli Taveira 

The purpose of this paper is to generate a complex network from volatility spillover data between 

ten of the major energy and agricultural commodities traded on the Chicago Commodity Exchange. 

Spillover indices proposed by Diebold and Yilmaz (2012) are used, as well as non-parametric 

complex network statistics distributed in a layout obtained by the Force Atlas 2 layout algorithm. 

The results show that there is a concentration in the main cluster and that There are two cycles. 

The main cluster is dense and has thicker edges, reflecting the most relevant volatility transmissions 

between corn, wheat, soy, oats and rice assets. In the two cycles, with thinner edges than those of 

the main cluster, are the oil-gas and coffee-sugar binomials. Cotton is the only asset that does not 

belong to the two cycles or the main cluster, so it is the least relevant among the ten commodities 

analyzed. 

Keywords: Commodity market; Volatility spillovers; Complex network; Force Atlas 2; Diebold- 

Yilmaz index 

29


CO1 


19:45 

On the subprime crisis and the Latin American 

financial markets: A regime switching 

skew-normal approach 

Andreza Aparecida Palma 

UFSCar 

Diego Ferreira 

This paper analyzes the potential occurrence of financial contagion in Latin American markets 

from the recent US subprime crisis. Distinctively from the usual empirical approaches for contagion 

analyses, a regime-switching skew-normal (RSSN) model is implemented in order to assess both 

correlation and coskewness contagion as well as investigate the occurrence of structural breaks in 

the moments of the mean, variance and skewness. Even though correlation contagion was observed 

in all selected Latin American markets, coskewness contagion was only detected in Brazil. Variance 

structural breaks were found in all financial markets while structural breaks in the mean were only 

detected in Argentinian, Mexican and the US markets. Yet, joint contagion and structural break 

tests suggested the occurrence of these phenomena in all considered markets. 

Keywords: Financial Contagion; Regime Switching; Skew-Normal Distribution; Bayesian Estimation; 

Latin America 

30


CO2 


19:45 

Nonparametric short- and long-run 

Granger-causality testing in the frequency 

domain 

Cleiton Guollo Taufemback 

UFRGS 

We propose on this paper a novel nonparametric frequency Granger-causality test. Before testing 

for causality absence of one series on to another, we apply a filtering process, removing any 

presence of reverse causality. Then, performing a local kernel regression for each frequency, we 

can test the hypothesis of non-causality from the distance between each estimate to zero. We 

provide asymptotic results for strict stationary series respecting α-mixing conditions. Monte Carlo 

experiments illustrate that our method has comparable performance with other alternative methods 

present in the literature and superior performance whenever the tested model presents smooth 

transition coefficients in the frequency domain. Finally, we test causality of term spread and money 

stock (M2) on real economic growth, as well as, between Monetary Policy Variables and Stock 

Prices. 

Keywords: Granger-causality; Frequency-domain; Nonparametric test; Alpha-mixing 

31


CO2 


19:45 

On the behavior of the DFA and DCCA in 

trend-stationary processes 

Taiane Schaedler Prass 

IME/UFRGS 

Guilherme Pumi 

In this work we develop the theory of Detrended Fluctuation Analysis (DFA) and Detrended Cross- 

Correlation Analysis (DCCA) for trend-stationary stochastic processes without any assumption 

on the specific form of the underlying distribution. All results are derived without the assumption 

of non-overlapping boxes for the polynomial fits. We show that by considering the appropriate 

polynomial regression, the DFA and the DCCA of a pure stationary process is the same as the 

DFA and the DCCA of the same process plus a polynomial trend. We prove the stationarity of 

the DFA and DCCA, viewed as a stochastic processes, obtain closed forms for moments up to 

second order, including the covariance structure for DFA and DCCA and a miscellany of law of 

large number related results. To verify the behavior of our theoretical results in small samples, we 

present a Monte Carlo simulation study and an empirical application. 

Keywords: Trend-stationary time series; DCCA; Cross-correlation 

32


CO2 


19:45 

A Dynamic Model for Double Bounded Time 

Series With Chaotic Driven Conditional 

Averages 

Rafael Rigão Souza 

IME/UFRGS 



In this work we introduce a class of dynamic models for time series taking values on the unit 

interval. The proposed model follows a generalized linear model approach where the random 

component, conditioned on the past information, follows a beta distribution, while the conditional 

mean specification may include covariates and also an extra additive term given by the iteration of 

a map that can present chaotic behavior. This extra term can present a wide variety of behaviors 

including attracting and/or repelling fixed or periodic points, presence or absence of absolutely 

continuous invariant measure, etc. The resulting model is very flexible and its systematic component 

can accommodate short and long range dependence, periodic behavior, laminar phases, etc. We 

derive sufficient conditions for the stationarity of the proposed model, as well as conditions for 

the law of large numbers and a Birkhoff-type theorem to hold. We also discuss partial maximum 

likelihood inference and present some examples. A Monte Carlo simulation study is performed to 

assess the finite sample behavior of the proposed estimation procedure. 

Keywords: Séries temporais; Processos caóticos; Sistemas dinâmicos; Modelos lineares generalizados 

33


CO3 


18:00 

Estimating long memory stochastic volatility 

models using integrated nested Laplace 

approximations 

Pedro Luiz Paolino Chaim 

FEARP/USP 


In this work we discuss the use of integrated nested Laplace approximations to perform the 

estimation of stochastic volatility models with long memory. Log volatility persistence is given by a 

Fractional Gaussian Noise process, which is approximated as a linear combination of independent 

1st-order autoregressive processes that has a Gaussian Markov Random Field representation. We 

show that this approach is computationally ecient, and performs comparable to a Markov Chain 

Monte Carlo estimator. We used this methodology to estimate the volatility dependency patterns 

for the S&P500 index and the most important cryptocurrencies, analyzing the in-sample t and 

the construction of out-of-sample forecasts. We also show that this method can be used for the 

construction of realized volatility measurements using high frequency data, showing the optimal 

computational performance of the proposed method. 

Keywords: Long Memory; Gaussian Markov Random Field; Laplace Approximations; Volatility 

Forecasting 

34


CO3 


18:00 

Modeling and forecasting long memory 

stochastic volatility 

Omar Muhieddine Franco Abbara 

Mauricio Zevallos 

MFA 

Stochastic Volatility (SV) models are an alternative to GARCH models for estimating volatility, 

and the main objective of this work is to propose a new method to estimate a univariate Long 

Memory Stochastic Volatility (LMSV) model. This model is an extension the SV model where the 

volatility presents long memory. We write the LMSV model in state space representation with non 

Gaussian perturbations in the observation equation and the estimation of parameters is performed 

by maximum likelihood. We obtained a Kalman filter algorithm and we propose procedures for 

diagnostics and forecasting volatility. We assess the proposal by Monte Carlo experiments and we 

applied in real-life time series where an illustration of market risk calculation is presented. 

Keywords: Volatility; Long memory; Forecasting 

35


CO3 


18:00 

Non-Gaussian Stochastic Volatility Model with 

Jumps via Gibbs Sampler 

Thiago Rezende dos Santos 

UFMG 

Arthur T. Rego 

In this work, we propose a model for estimating volatility from financial time series, extending the 

non-Gaussian family of space-state models with exact marginal likelihood introduced by Gamerman, 

Santos and Franco (2013). On the literature there are models focused on estimating financial 

assets risk; however, most of them rely on MCMC methods based on Metropolis algorithms, since 

full conditional posterior distributions are not known. We present an alternative model capable of 

estimating the volatility, automatically, since all full conditional posterior distributions are known, 

and it is possible to obtain an exact sample of parameters via Gibbs Sampler. The incorporation 

of jumps in returns allows the model to capture speculative movements of the data so that their 

influence does not propagate to volatility. We evaluate the performance of the algorithm using 

synthetic and real data time series. 

Keywords: Financial time series; Stochastic volatility; Gibbs Sampler; Dynamic linear models; 

Bayesian inference 

36


CO3 


18:00 

Stable Randomized Generalized Autoregressive 

Conditional Heteroskedastic Models 

Jhames Matos Sampaio 

UnB 

Pedro Alberto Morettin 

GARCH models are well known and often used in time series and finance with the aim of describing 

volatility. GARCH models are heavy-tailed distributed, with time-dependent conditional variance. 

Also, we can model clustering of volatility. Despite the good properties mentioned previously, 

GARCH models are built in a way that imposes some limits on the heaviness of the tails of 

their unconditional distribution. The class of Randomized Generalized Autoregressive Conditional 

Heteroskedastic (R-GARCH) is a generalization of the GARCH which adds to the volatility also 

a term that is random. In fact, it is assumed that this term has stable distribution. Clearly the 

R-GARCH models includes the class of GARCH models. In this paper, we propose the class of 

SR-GARCH models, where both returns and volatility have stable distribution. Theoretical results, 

estimation methods and empirical analysis of SR-GARCH models are the focus of this work. We 

present the indirect inference method to estimate the SR-GARCH models, some simulations and 

an empirical application. 

Keywords: Indirect Inference; Stable Distribution; SR-GARCH; Volatility Models 

37


CO4 


18:00 

Testando as Implicações dos Modelos de 

Consumo com o uso do Modelo de Fator 

Estocástico de Desconto 

Marcel Stanlei Monteiro 

Carlos Enrique Carrasco-Gutierrez 

UCB 

Este artigo tem como objetivo testar os modelos de consumo agregado, incorporando, na análise, 

o modelo de Fator Estocástico de Desconto – SDF descrito na literatura de finanças. Assim, para 

a realização das análises, consideramos a existência de uma parcela da população míope e outra 

otimizadora que faz escolhas intertemporais segundo o modelo CCAPM como descrito por Lucas 

(1978). Os modelos SDF foram estimados com a utilização de toda a base de ativos financeiros 

disponíveis na BM&FBOVESPA no período de 1996Q1 a 2016Q4. Os resultados demonstram 

que os parâmetros do modelo de consumo com Hábito Externo foi o que melhor respondeu às 

hipóteses relacionadas à modelagem proposta. 

Keywords: Rule of Thumb; Modelos de consumo; Fator Estocástico de Desconto 

38


CO4 


18:00 

Machine learning methods for inflation 

forecasting in Brazil: new contenders versus 

classical models 

Gustavo Silva Araujo 

BACEN 

Wagner Piazza Gaglianone 

We conduct an extensive out-of-sample forecasting exercise, across a variety of machine learning 

techniques and traditional econometric models, with the objective of building accurate forecasts of 

the Brazilian consumer prices inflation at multiple horizons. A large database of macroeconomic 

and financial variables is employed as input to the competing methods. The results corroborate 

recent findings in favor of the nonlinear automated procedures, indicating that machine learning 

algorithms (in particular, random forest) can outperform traditional forecasting methods in terms of 

mean-squared error. The main reason is that some machine learning methods can yield a sizeable 

reduction in the forecast bias, while keeping the forecast variance under control. As result, forecast 

accuracy can be improved over traditional inflation forecasting models. These findings offer a 

valuable contribution to the eld of macroeconomic forecasting, and provide alternative methods to 

the usual statistical models often based on linear statistical relationships. 

Keywords: Machine Learning; Elastic Net; Lasso; Ridge Regression; Random Forest 

39


CO4 


18:00 

The non-linear relationship between oil prices 

and stock prices: Evidence from oil-importing 

and oil-exporting countries 

Diego Pitta de Jesus 

PPGE/UFPB 

Bruno Felipe Lenin Souza Bezerra 

Cássio da Nóbrega Besarria 

This paper investigates the long-run dynamics between stock prices and oil prices over the period 

from 13 March 2001 to 25 August 2017 using two approaches: the first includes the structural 

breaks in the relationship between the variables in a Dynamic Ordinary Least Squares (DOLS). The 

other approach verifies the existence of cointegration and asymmetry using a Markov-Switching 

model. The main results indicate that when we use non-linear approaches, we can find cointegration 

and asymmetry. For oil-exporting countries was found a positive long-term relationship between 

oil prices and stock prices, in this case, the wealth effect prevailing for these countries. For 

oil-importing countries that are developed economies, a negative signal was found, confirming that 

in these economies the business cost channel prevails. But the oil-importing countries that are 

emerging economies have found a positive sign in the long-term relationship, probably due to the 

economic cycle. 

Keywords: Crude oil; Stock markets; Cointegration 

40


CO4 


18:00 

Unemployment Duration in Brazilian 

Metropolitan Cities: a Censored Quantile 

Regression Approach 

Wilton Bernardino da Silva 

Ana Katarina Campelo 

Rafael Moura Azevedo 

UFPE 

Chauduri, Doksum and Samarov (1997) emphasize that the quantile regression vector β(τ) is 

“a unifying concept that represents the coefficient vectors in the linear, Cox, proportional odds, 

accelerated failure time model and so on”. In addition, the advantages of the quantile regression 

technique is considered by estimating these models for comparative analysis with the quantile 

treatment effect derived from the Cox proportional hazards model. The results reveal that the 

age factor is irrelevant to the unemployment duration, along with this duration is lower across all 

quantiles for people who have previously worked, as well as for individuals who hold any degree, 

notably those who have postgraduate degrees. This last conclusion differs from earlier works, which 

suggest an average positive effect for years of education. Furthermore, unemployment spells tend 

to be longer in all sectors of activities considered, relative to those less representative ones in the 

labor market and domestic services. Finally, another very interesting result is that the duration 

tends to be shorter for individuals residing in the metropolitan areas of Recife, Belo Horizonte and 

Porto Alegre, compared to those living in Salvador, Rio de Janeiro and São Paulo. This latter 

evidence also differs from previous results reported in the literature. 

Keywords: Unemployment duration in Brazil; Quantile regression for survival analysis; Quantile 

treatment effect in the Cox model 

41


CO5 


18:00 

DSGE Estimation using Generalized Empirical 

Likelihood and Generalized Minimum Contrast 

Gilberto Oliveira Boaretto 

PUC/Rio 


The objective of this work is to investigate the performance of moment-based estimators of 

the generalized empirical likelihood (GEL) and generalized minimum contrast (GMC) families in 

estimation of dynamic stochastic general equilibrium (DSGE) models, with special attention to 

the robustness properties under misspecification. As benchmark we used generalized method of 

moments (GMM), maximum likelihood (ML) and Bayesian inference (BI).We work with a real 

business cycle (RBC) model considered the core of DSGE models and that has a smaller number 

of parameters, which facilitates a analysis of the estimators. From the Monte Carlo experiments 

we found that (i) empirical likelihood (EL) estimator - as well as its version with smoothed moment 

conditions (SEL) - and Bayesian inference (BI) obtained, in that order, the best performances, 

including misspecification cases; (ii) continuous updating empirical likelihood (CUE), minimum 

Hellinger distance (HD), exponential tilting (ET) estimators and their smoothed versions exhibit 

intermediate comparative performance; (iii) performance of exponentially tilted empirical likelihood 

(ETEL), exponential tilting Hellinger distance (ETHD) and its smoothed versions was seriously 

compromised by atypical estimates; (iv) smoothed and non-smoothed GEL/GMC estimators exhibit 

very similar performances; (v) GMM, especially in over-identified case, and ML estimators performed 

worse than their competitors. 

Keywords: Dynamic stochastic general equilibrium models; Method of moments; Empirical 

likelihood; Minimum contrast; Robustness 

42


CO5 


18:00 

A Conway-Maxwell-Poisson GARMA Model for 

Count Time Series Data 

Ricardo Sandes Ehlers 

ICMC/USP 

We propose a flexible model for count time series which has potential uses for both underdispersed 

and overdispersed data. The model is based on the Conway-Maxwell-Poisson (COM-Poisson) 

distribution with parameters varying along time to take serial correlation into account. Model 

estimation is challenging however and require the application of recently proposed methods to 

deal with the intractable normalising constant as well as efficiently sampling values from the 

COM-Poisson distribution. 

Keywords: Bayesian methods; COM-Poisson; Generalized ARMA; Intractable likelihood 

43


CO5 


18:00 

Generalized Additive model for count time 

series: An application to study the impact of air 

pollutants on human health 

Ana Júlia Alves Câmara 

ICEx/UFMG 

Glaura da Concei¸cão Franco 

Valdério Anselmo Reisen 

The GAM model has been used in many epidemiological studies where frequently the response 

variable is a nonnegative integer-valued time series. However, GAM assumes that the observations 

are independent, which is generally not the case in time series. Therefore, in this work, we 

propose the Generalized Additive Autoregressive Moving Average (GAM-ARMA) model, which 

is an extension of GAM with an autoregressive moving average component. The GAM-ARMA 

is based on the GLARMA model, with some linear components of GLARMA being replaced by 

natural splines. To evaluate the performance of the GAM-ARMA we performed two simulation 

studies which showed that in general the estimates presented small bias and mean squared error. 

In a real data analysis of the effects of air pollution on respiratory disease in Belo Horizonte, Brazil, 

we observed that the proposed model presented a better fit when compared to the widely used 

GAM approach. 

Keywords: Arima models; Semi-parametric models; Respiratory diseases; Principal component 

analysis; Relative Risk 

44


CO5 


18:00 

Optimized particle-based algorithms for state 

filtering and parameter learning 

Uriel Moreira Silva 

UFMG 

Felipe Carvalho álvares da Silva 

Denise Bulgarelli Duczmal 

Luiz Henrique Duczmal 

In this work we present optimal implementation guidelines for sequential Monte Carlo methods in 

state-space models with the presence of unknown static parameters. We study in detail typical 

examples of degeneration and propose computationally efficient solutions capable of improving the 

performance of the filtering devices. First, an alternative interpretation of the artificial rejuvenation 

concept explored by most traditional approaches is provided. We then explore the concept of fertility 

factors in this context and introduce dynamic renewal and regularized resampling schemes, which 

reduce the selective pressure on the particle set and also the number of resampling steps necessary in 

the filtering algorithm (thus reducing the set’s susceptibility to degeneracy and increasing efficiency). 

Finally, we provide empirical and simulation-based evidence that simple particle approximations 

built upon these concepts can satisfactorily deal with complex parameter estimation problems such 

as relative abundance ecological models. 

Keywords: Particle filters; Bayesian filtering; Parameter learning; Fertility factors; Regularized 

resampling 

45


CO6 


18:00 

A Bootstrap Approach for Generalized 

Autocontour Testing. Implications for VIX 

Forecast Densities 

João Henrique Gonçalves Mazzeu 

IMECC/Unicamp 

Gloria González-Rivera Esther Ruiz Helena Veiga 

We propose an extension of the Generalized Autocontour (G-ACR) tests for dynamic specification 

of in-sample conditional densities and for evaluation of out-of-sample forecast densities. The new 

tests are based on probability integral transforms (PITs) computed from bootstrap conditional 

densities that incorporate parameter uncertainty. Then, the parametric specification of the 

conditional moments can be tested without relying on any parametric error distribution yet exploiting 

distributional properties of the variable of interest. We show that the finite sample distribution 

of the bootstrapped G-ACR (BG-ACR) tests are well approximated using standard asymptotic 

distributions. Furthermore, the proposed tests are easy to implement and are accompanied by 

graphical tools that provide information about the potential sources of misspecification. We apply 

the BG-ACR tests to the Heterogeneous Autoregressive (HAR) model and the Multiplicative Error 

Model (MEM) of the U.S. volatility index VIX. We find strong evidence against the parametric 

assumptions of the conditional densities, i.e. normality in the HAR model and semi non-parametric 

Gamma (GSNP) in the MEM. In both cases, the true conditional density seems to be more skewed 

to the right and more peaked than either normal or GSNP densities, with location, variance and 

skewness changing over time. The preferred specification is the heteroscedastic HAR model with 

bootstrap conditional densities of the log-VIX. 

Keywords: Distribution Uncertainty; Model Evaluation; Parameter Uncertainty; PIT 

46


CO6 


18:00 

GROEC: Combination method via Generalized 

Rolling Origin Evaluation 

José Augusto Fiorucci 

UnB 

Francisco Louzada Neto 

Combination methods have performed well in time series forecast competitions. This study 

proposes a simple but general methodology to combine time series forecast methods. Weights 

are calculated using a cross-validation scheme that assigns greater weights to methods with more 

accurate in-sample predictions. The methodology was applied to combine forecasts from Theta, 

Exponential Smoothing, and ARIMA models, placing fifth in the M4 Competition for point and 

interval forecasting. 

Keywords: M4 Competition; Time Series Forecasting; Combination Method; Rolling Origin 

Evaluation; Makridaks Competitions 

47


CO6 


18:00 

Dynamic VAR Model-Based Control Charts for 

Batch Process Monitoring 

Marcio Valk 

IME/UFRGS 

Danilo Marcondes Filho 

In the field of Statistical Process Control (SPC) there are several different approaches to deal 

with monitoring of batch processes. Such processes present a three-way data structure (batches x 

variables x time-instants), so that for each batch a multivariate time series is available. Traditional 

approaches do not take into account the time series nature of the data. They deal with this kind of 

data by applying multivariate techniques in a reduced two-way data structure, in order to capture 

variables dynamics in some way. Recent developments in SPC have proposed the use of the Vector 

Autoregressive (VAR) time series model considering the original three-way structure. However, 

they are restricted to control approaches focused on VAR residuals. This paper proposes a new 

approach to deal with batch processes using the VAR model, but focusing on coefficients instead of 

residuals. Through a simulated batch process, we illustrate the better performance of our approach 

over the residual-based control charts in both offline and online context. 

Keywords: Multivariate Statistical Process Control; Vector Autoregressive Model; Batch Process; 

Control Charts 

48


CO6 


18:00 

On the robustness of the general dynamic 

factor model with infinite-dimensional space: 

identification, estimation and forecasting 

Luiz Koodi Hotta 

IMECC/Unicamp 

Carlos Trucíos 

Pedro L. Valls Pereira 

João Henrique Gon¸calves Mazzeu 

Marc Hallin 

General dynamic factor models (GDFM) have shown to be a promising tool to circumvent the 

curse of dimensionality in time series and have been successfully applied in many economic and 

financial applications. However, their performance in the presence of outliers has not been analyzed 

yet. In this paper, we study the impact of additive outliers on the identification, estimation and 

forecasting performance of GDFM. Based on our findings, we propose a robustified version of the 

procedures introduced by Hallin and Liska (2007, JASA 102(478): 603-617), Forni et al. (2015, J 

Econom 185(2): 359-373) and Forni et al. (2017, J Econom 199(1): 74-92). Our proposal is 

evaluated via Monte Carlo experiments and in empirical data. 

Keywords: Dimension reduction; Large dimension volatility; Large panels 

49

Poster Communications 

SP1 


19:45 

Bayesian Dynamic Models for Count Data with 

Overdispersion and Inflation of Zeros 

Victor Schmidt Comitti 

IF Sudeste/MG 

Thiago Rezende dos Santos 

Fabio Nogueira Demarqui 

Most of the proposed dynamic parameter-driven models for count time series assume a Poisson 

distribution for the observations ignoring, sometimes, problems related to overdispersion and zero 

inflation in the data. The objective of this paper is to introduce new Bayesian dynamic models for 

count time series to overcome this problem. A family of Bayesian dynamic uniparametric models 

for count data is introduced whose particular cases are the Bell, Poisson-Lindley, Yule-Simon 

and Borel models. Furthermore, a biparametric Negative binomial model with unknown shape 

parameter is provided. The inferential procedure preserves the sequential analysis of the models and 

is similar to the Dynamic Generalized Linear Models (DGLM) with a novel of incorporating Monte 

Carlo integration to the recursive algorithm in order to deal with the intractability of the updating 

distributions. The simulation results show a good performance of the estimators considered for 

the static parameter of the biparametric Negative binomial model with unknown shape parameter, 

which can be reasonably estimated. The application results also highlights a better performance of 

the proposed uni/biparametric models over the Poisson model. 

Keywords: Dynamic generalized linear model; Bayesian Inference; Parameter Driven Model 

50


SP1 


19:45 

Support Vector Machine Applied in the Study 

of Financial Time Series 

Paulo Henrique Sales Guimarães 

UFLA 

Os modelos de aprendizagem de máquinas (Machine Learning-ML) vêm ganhando cada vez mais 

notoriedade em diversas áreas do conhecimento, pois devido a sua flexibilidade e não suposições de 

distribuição, além de grande adaptabilidade, conseguem fazer classificações e predições a diversos 

tipos de dados. As Support Vector Machines (Máquinas de vetores de suporte) fazem parte do 

ML. Constituem uma técnica que vem recebendo crescente atenção nos últimos anos, podendo 

ser utilizada em diversas tarefas de reconhecimento de padrões, obtendo resultados superiores aos 

alcançados por outras técnicas de aprendizado em várias aplicações. Neste trabalho é feito uma 

comparação ao ajuste de modelos de volatilidade (GARCH) no qual é feito uma comparação com 

a técnica de Support Vector Machine. 

Keywords: Machine Learning; Volatilidade; Retornos 

51


SP1 


19:45 

A Liberdade como condicionante do 

Desenvolvimento Humano: Uma análise de 

dados em painel para os países da América 

Latina e do Caribe no período de 2005 a 2016 

Daniel Arruda Coronel 

UFSM 

Angel Maitê Bobato 

Fabiana Barros Correia 

Elisangela Gelatti 

Adeilson Elias Souza 

A abordagem Seniana considera as liberdades como promotora de desenvolvimento, devido a isso, 

o objetivo desta pesquisa é analisar a liberdade como condicionante do desenvolvimento humano 

na região da América Latina e Caribe no período de 2005 a 2016. Para isso, foi utilizado o índice 

de Desenvolvimento Humano e como proxy para as liberdades foi utilizado o índice de Liberdade 

Econômica publicado pela Fundação Heritage, com esses dados foi realizada uma análise descritiva 

e a construção de um painel de dados com vinte e nove países da América Latina e Caribe. Foi 

constatado que existe uma relação positiva entre as liberdades e o desenvolvimento humano na 

região analisada. 

Keywords: Liberdade; Desenvolvimento Humano; Dados em Painel; América Latina e Caribe 

52


SP1 


19:45 

A Pesquisa Mensal de Emprego no contexto de 

séries temporais 

Rafael Cabral Fernandez 

ENCE/IBGE 

João Victor Aguiar de Oliveira Messa 

A Pesquisa Mensal de Emprego (PME) foi, para todos os efeitos, uma das principais abordagens 

de campo no contexo de delineamento da força de trabalho nacional. Desenvolvida pelo Instituto 

Brasileiro de Geografia e Estatística (IBGE) de 1980 até 2016 e com periodicidade mensal, a 

pesquisa detêm abrangência para as principais regiões metropolitanas do país. A literatura da 

temática comumente traça recortes regionais, analisando a PME dado uma região metropolitana 

de interesse. Por tratar-se de um quadro de desemprego, é esperado que apresente características 

de fenômenos sazonais; propõe-se então um modelo seasonal autoregressive integrated moving 

average (SARIMA) com a amostra completa, isto é, todas as regiões metropotolitanas abrangidas 

no escopo da pesquisa, com objetivo de predizer a conjuntura de desemprego a nível nacional. 

Keywords: Previsão; Desemprego; Sazonalidade 

53


SP1 


19:45 

A crise hídrica e o desempenho dos 

reservatórios que compõem o Sistema 

Cantareira 

Flávia Cristina Martins Queiroz Mariano 

Alan Lima dos Reis 

UNIFESP 

A acelerada expansão urbana advinda da migração populacional rural e de outras regiões do 

Brasil, que outrora, motivada pela intensa oferta de emprego e renda na cidade de São Paulo, 

desencadearam ao longo do tempo, várias políticas públicas, sistemas e infraestruturas complexas 

para garantir o abastecimento público de água. Na contramão deste princípio, o Estado de 

São Paulo mostrou-se vulnerável para ofertar água potável aos seus habitantes, dado que, foi 

extremamente castigado pelos eventos climáticos que aconteceram nos anos de 2014 e 2015. 

Neste período, devido à baixa precipitação ocorrida, a Região Metropolitana enfrentou a pior crise 

hídrica da história e com reflexos ainda perceptíveis. De tal forma, o objetivo deste trabalho 

consiste em gerar uma estrutura temporal dos reservatórios que compõem o Sistema Cantareira, 

identificando os períodos críticos e simulando cenários com o mesmo comportamento. Para 

isto, foram compilados dados históricos dos anos de 2008 até 2018 referentes ao nível, volume, 

precipitação acumulada e vazão afluente de cada reservatório, obtidos pelo portal dos sistemas 

produtores da Companhia de Saneamento Básico do Estado de São Paulo (SABESP). Além destas 

variáveis, também foram considerados os indicadores de evaporação, temperatura e umidade relativa 

do ar, retirados do cenário mais pessimista das Projeções de Mudança do Clima para América 

do Sul (PROJETA). Todas as análises estatísticas foram desenvolvidas no software R. Logo, a 

contribuição deste trabalho está em reunir alguns fatores para ilustrar o desempenho do Sistema 

Cantareira durante estes dez anos e portanto, possibilitar o aprendizado das condições reais que 

prejudicaram o fornecimento de água mediante uma análise que faz uso exclusivamente de um 

banco de dados. Contudo, este estudo não considerou os valores referentes à vazão de produção e 

a opinião de especialistas em recursos hídricos. 

Keywords: Crise Hídrica; São Paulo; Série Temporal; Sistema Cantareira 

54


SP1 


19:45 

A general method for sequential learning of 

states and parameters for state space models. 

An application to stochastic volatility models 

Ivan Robert Enriquez Guzman 

UFES 

Sequential Monte Carlo methods or particle filters are extensively applied in the stochastic volatility 

models (SV) to describe time varying volatilities and estimate the parameters. Theses methods 

have been proposed as alternative methods to improve the efficiency of algorithm, present in the 

Kalman filter combined with Markov chain Monte Carlo methods, theses ones become less effective 

for the non-Gaussian and or non linear models. Unfortunately, the particle filter methods have 

either several problems regarding convergence of parameters, or show high level of inefficiency. In 

this article, we developed a new method combining the structure of particle filter (PF) and bare 

bornes particle swarm optimization (BBPSO) to overcome the inefficiency and degeneracy problem 

of the parameters. The process of smoothing and filtering of the states in the stochastic volatility 

models following ideia of PF, but the parameters of the model can be estimated via BBPSO. The 

new proposed method (BBPSLO) is applied to stochastic volatility models, which are non-linear 

models where the assumption of normality is relaxed. Two case studies are illustrated by using the 

IBOVESPA and S&P500 index. The empirical results show that the new methodology exhibited 

better predictive performance when compared to particle filters. 

Keywords: Particle Filters; Particle Swarm Optimization; Stochastic Volatility Models 

55


SP1 


19:45 

A new autorregressive moving average model 

based on the unit Rayleigh distribution for rates 

and proportions: a simulation study 

Renata Rojas Guerra 

UFSM 

Fernando A. Peña-Ramírez 

The unit Rayleigh (UR) is a one-parameter model that is suitable to accommodate asymmetric 

unimodal data. It was pioneered Mazucheli et. al. (2018) as a special case of the unit Weibull 

distribution. From the results of Guerra (2019), we can cite two main advantages of this model. 

The first one is that it presents the maximum likelihood estimator in closed-form. Secondly, it 

has a simple expression for the median. In this work, we consider a median re-parametrization 

for the UR distribution and propose an autoregressive moving average structure based on this. 

We aim to provide a simple alternative for modeling double bounded variables under the presence 

of serial correlation in the conditional median of the UR distribution. Once the parent model is 

a one-parameter distribution, the introduced model is more parsimonious than the most popular 

autoregressive moving average time series. We discuss a conditional maximum likelihood approach 

to estimate the model parameters and present a Monte Carlo simulation study to assess its finite 

sample performance. 

Keywords: ARMA models; Bounded data; Unit Rayleigh distribution 

56


SP1 


19:45 

Análise Temporal do Efeito das UPPs dos 

Crimes Violentos Ocorridos na Região 

Metropolitana do Rio de Janeiro 

Sandra Canton Cardoso 

Julia dos Santos Porphirio 

Cassio Freitas Pereira de Almeida 

ENCE/IBGE 

Neste trabalho é realizado um estudo sobre mortes violentas ocorridas na região metropolitana 

do Rio de Janeiro levando em consideração a inserção da política de segurança conhecida como 

Unidades de Polícia Pacificadora (UPPs). Apesar de o contexto ser bastante complexo e difícil de 

ser mensurado, é importante estudar as taxas de criminalidade nos períodos pré e pós intervenção 

das UPPs para verificar se houve redução nas taxas de criminalidade. é entendido como mortes 

violentas a soma das ocorrências dos seguintes delitos: homicídio doloso, latrocínio e lesão corporal 

seguida de morte. A variável de interesse nesse estudo será chamada de Taxa de Homicídios, que 

é criada a partir da divisão da quantidade de mortes violentas pelo total da população da região 

metropolitana. O objetivo do trabalho é estimar um modelo multivariado temporal, que descreva 

bem os dados no período pré intervenção das UPPs - 2003 até 2008, para essa modelagem foi 

utilizado o Modelo de Regressão Linear Dinâmico, que faz uso de variáveis exógenas ao longo do 

tempo para explicar o comportamento da variável dependente. As variáveis exógenas utilizadas 

provêm da Pesquisa Mensal de Emprego (IBGE) que possui indicadores mensais sobre força de 

trabalho da região metropolitana do Rio de Janeiro. A partir da estimação dos modelos, será 

realizada uma previsão para o período pós implementação - 2009 a 2016, como se a intervenção 

nunca tivesse ocorrido, essa previsão é conhecida como Contrafactual Artificial, ou seja, uma 

situação que não aconteceu, mas poderia ter acontecido. O Contrafactual é comparado à série 

real através da metodologia ArCo, para averiguarmos se houve algum efeito da intervenção das 

UPPs nos crimes da região metropolitana. Como resultados, obtivemos que as séries Taxa de 

Desemprego, Taxa de Atividade e a própria Taxa de Homicídios defasadas em alguns lags explicam a 

Taxa de Homicídios. Foram obtidos dois modelos que se ajustaram bem aos dados e a metodologia 

ArCo mostrou evidências para ambos os modelos estimados que a inserção das UPPs influenciou 

na dinâmica criminal da região estudada. 

Keywords: Séries Temporais; CRIMES; UPP 

57


SP1 


19:45 

Additive mixed models with time series 

structures 

Caio Lucidius Naberenzy Azevedo 

Unicamp 

Valderio Anselmo Reisen Pascal Bondon Higor Cotta 

Faradiba Sarquis 

Many longitudinal studies are designed to investigate changes over time in a characteristic which is 

measured repeatedly for each individual. In this formulation, the probability distribution for the 

multiple measurements usually has the same form for each participant, but the parameters of that 

distribution vary over individuals. In this context, the linear mixed model has been widely used 

in epidemiologic studies quantifying the air pollutant effect on the health of the population with 

a special attention to respiratory condition. Since, in general, the individuals are observed over 

time, the variable measured repeatedly on a same subject is serially correlated. Therefore, time 

correlation is one of the factors to be considered in the model. As in the standard regression 

model with time series covariates, neglecting time correlation in the model estimation is likely 

to cause bias in the parameter estimates. In this context, this paper investigate the effect of 

time correlation in the additive mixed models with a special attention to the interaction between 

the covariates variables such as, for example, temperature and pollutants. We suggest to use of 

non-(semi-)parametric regression to mitigate this problem. 

Keywords: Longitudinal data modeling; Additive mixed-models; Time-series models; Dependency 

structure 

58


SP1 


19:45 

An application of prediction of mixed logit 

discrete choice model 

Awo Sitsofe Tsagbey 

IME/USP 

Viviana Giampaoli 

In our everyday lives, we all face choices such as which brand of product to purchase, which type of 

footwear to buy or which restaurant to go. Since this is true for everyone, observing the choices of 

an individual or even a population of people can be very insightful - behavioural patterns or better 

still a demand for a particular service or product can be discovered. Obtaining data on the choices 

made by a population can be simple but the when it comes to analyzing the data, the analyst 

must consider a model that accommodates the nature of the process that generates the data. 

Discrete Choice Models(DCMs) are a group of models that embraces this (Train, 2009; Hensher 

et. al., 2015). The most common types of discrete models include the logit, probit, multinomial 

logit, nested logit, mixed logit and most recently the generalized multinomial logit. Discrete choice 

models have been mostly used in the area economics, transportation, energy, psychology, etc. But, 

DCMs need not be about choices per se. The underlying economic or psychological theories can be 

adapted to fit any discrete outcome. For example, it has been recently applied to election outcomes 

and model corporate bankruptcies. Prediction is most often one of the objectives of creating 

statistical models. As such, prediction in DCMs isn’t uncommon. In fact, in contexts such as 

engineering, marketing, and production, discrete choice models are mostly used to forecast demand. 

Unfortunately, very few works involve predicting the random effects of a new decision-maker. Thus, 

there isn’t much information regarding this in mixed logit discrete choice models. On the other 

hand, there are number of proposals in literature on how to estimate/predict the random effects in 

mixed linear models. In this work, we briefly review some of these methods and apply the method 

proposed by Tamuraet. al. (2013) to mixed logit discrete model using real life data. We found 

that the prediction accuracy of this new method was better than the naive method. 

Keywords: Discrete choice model; Mixed logit model; Prediction 

59


SP1 


19:45 

An empirical investigation of Coverage and 

structural change tests in a Value at Risk 

analysis based on quantile regression estimation 

Wilton Bernardino 

Raydonal Ospina 

Yuri Martí Santana Santos 

UFPE 

This work proposes an evaluation on a subgradient test for structural change and on the usual 

coverage tests to evaluate Value at Risk (VaR) estimates obtained by quantile regression. In an 

initial analysis, exchange traded funds returns were evaluated during the subprime crisis. Motivated 

by the empirical results, simulation studies using heteroscedastic autoregressive processes were 

performed under different scenarios with and without structural breaks. The simulation studies 

show that the structural change test can detect breaks quite accurately. However, the usual VaR 

coverage tests are conservative. 

Keywords: Subprime crisis; Quantile Regression; Structure change; Valueat-Risk; Linear autoregressive 

conditional heteroskedasticity 

60


SP1 


19:45 

Análise da Taxa de Incidência de Tuberculose 

no Brasil utilizando Combinações de Previsão 

Matisa Andresa Maas 

Cleber Bisognin Giovana de Souza Camila Malu da Rosa 

UFSM 

A tuberculose (TB) é uma doença infecto-contagiosa, cuja incidência no Brasil em 2017 foi de 

33,5 casos por 100 mil habitantes, de acordo com o Boletim Epidemiológico do Ministério da 

Saúde do Brasil. Segundo o Relatório Mundial de Tuberculose, da OMS, o Brasil está entre os 

30 países que concentram 83% dos casos. Dada a importância da TB, este trabalho tem como 

objetivo comparar vários modelos e métodos de previsão e verificar o mais acurado para prever o 

número de novos casos. Os dados para análise foram obtidos do DATASUS e do IBGE, para o 

período de janeiro/2001 até novembro/2018. As previsões foram calculadas utilizando os modelos 

SARIMA(0,1,2)x(2,0,0)12 e Suavização Exponencial, com efeitos sazonais aditivos, além de quatro 

métodos de combinações de previsão: média, variância mínima, regressão robusta (quantílica) 

e método dos mínimos quadrados (OLS). Para encontrarmos a melhor previsão, analisamos as 

medidas de acurácia. A combinação de previsões por regressão robusta apresentou menores valores 

das medidas de acurácia. Analisando o resultado da previsão utilizando a técnica de previsão 

selecionada podemos perceber que haverá uma tendência de crescimento na taxa de TB no Brasil 

no período de dezembro de 2018 a novembro de 2020. Neste sentido, sugere-se aos órgãos 

Governamentais, que iniciem campanhas para prevenção da TB dado que seu tratamento é longo 

e com alta oneração para o sistema de saúde brasileiro. 

Keywords: Tuberculose; Combinação de Previsão; SARIMA; Suavização Exponencial 

61


SP1 


19:45 

Análise da Temperatura Mensal Média 

Compensada de Passo Fundo - RS utilizando 

combinação de previsões 

Aldiara Fernanda Pavão Garcia 

Cleber Bisognin 

UFSM 

A temperatura mensal média compensada, juntamente com a temperatura máxima e mínima, são 

elementos meteorológicos muito importantes para os climatologistas. O município de Passo Fundo, 

localizado no interior do estado do Rio Grande Sul, apresenta uma temperatura média compensada 

anual de 18 ◦ C, com máxima em torno de 28 ◦ C e mínima em torno de 8 ◦ C. O presente trabalho 

tem por objetivo comparar alguns modelos e métodos de previsão, buscando encontrar o mais 

acurado para prever tal série temporal, no período de 01/2002 a 01/2019. Foram ajustados os 

modelos Holt-Winters e SARIMA(p,d,q)×(P,D,Q)s, para realizar as predições e previsões, além 

de quatro métodos de combinações: variância mínima, média aritmética, regressões por mínimos 

quadrados e robusta (quantílica), para as quais foram calculadas as suas respectivas medidas de 

acurácia. As medidas de acurácia analisadas foram: RSME, MPE, MAPE e coeficiente U de Theil. 

A combinação de previsões por regressão por mínimos quadrados (OLS) obteve menores medidas 

de acurácia (RSME, MPE, MAPE) e para tal foram calculadas as previsões 12 passos à frente, ou 

seja, para o período de 02/2019 a 01/2020. 

Keywords: Temperatura Média Compensada; Predição; Previsão; Séries Temporais 

62


SP1 


19:45 

Análise de tendências em séries 

espaço-temporais para avaliação do impacto da 

supressão da vegetação no microclima urbano 

Vinicius Soares Martins Alves 

IME/USP 

Chang Chiann 

Luciana Ferreira Schwandner 

Denise Helena Silva Duarte 

Michel Soares 

A evolução na tecnologia dos satélites nas últimas décadas resultou numa profusão de imagens 

do planeta Terra que são de grande interesse da comunidade científica, em particular daqueles 

que estudam as transformações da cobertura vegetal da superfície terrestre e seus impactos 

climáticos. O objetivo deste trabalho é estabelecer a relação entre a remoção de áreas verdes na 

Região Metropolitana de São Paulo e o aumento da temperatura de superfície nessas zonas. O 

Módulo MODIS do satélite Aqua da NASA fornece coleçõ‘es de imagens do período entre 2003 

e 2017 com informações pixel a pixel acerca da temperatura de superfície (do dia e da noite) e 

da vegetação (pelos índices EVI e NDVI). A exploração desses dados envolve a escolha de um 

corte em função do erro experimental estimado pelo módulo, a equiparação das resoluções espaçotemporais 

entre as diferentes coleções (1 Km2 e 8 dias para temperatura de superfície, 250m2 

e 16 dias para vegetação) e a mudança de coordenadas da projeção senoidal para uma projeção 

mais adequada para a visualização dos dados. A análise de tendências mostrou que áreas onde 

ocorreram remoção de vegetação, como a recém industrializada região de Cajamar e o trajeto do 

Rodoanel, apresentaram aumento de temperatura, em particular onde ocorreu maior remoção de 

mata original no entorno. 

Clima urbano; Dados georreferenciados; Sensoriamento remoto; Séries espaço- 

Keywords: 

temporais 

63


SP1 


19:45 

Análise do ciclo anual de queimadas em Goiás 

Paulo Henrique Brasil Ribeiro 

UFG 

Amanda Buosi Gazon Milan 

Eder Angelo Milani 

Neste estudo utilizou-se uma abordagem de inferência clássica para modelos de séries temporais 

da família GARMA, aplicado em dados contagem, do número mensal de queimadas no estado de 

Goiás. 

Keywords: Queimadas em Goiás; Distribuição binomial negativa; Modelo GARMA 

64


SP1 


19:45 

Análise do número de suicídios de países 

desenvolvidos e subdesenvolvidos utilizando 

ondaletas 

Kelly Pereira de Lima 

UFLA 

Leila Maria Ferreira 

Augusto Ramalho de Morais 

Paula Ribeiro Santos 

Conforme Venco (2014), o suicídio é uma palavra de origem latina, cujo significado está relacionado 

à autoeliminação, à autodestruição e ao autoassassinato. Atualmente, o suicídio está relacionado 

aos transtornos mentais como angústias, depressão, alterações de comportamento, bipolaridade, 

bullying, alcoolismo e drogas, e entre outros fatores. Nesse contexto, valorizou-se a política de 

prevenção pontuada pela Organização de Saúde (OMS) que atualmente reconhece o suicídio como 

um problema de saúde pública, pois é pautado como uma patologia. De acordo com a OMS 

(Organização Mundial de Saúde), os índices de suicídios são maiores nos países considerados os 

“mais felizes” como Holanda e Estados Unidos. Desta maneira, objetivou-se verificar se existe relação 

de similaridade entre número de suicídio de países desenvolvidos e subdesenvolvidos utilizados 

ondaletas. Os dados foram obtidos a partir do relatório da Organização Mundial de Saúde (WHO), 

no período de 1986 a 2015 correspondente a informação anual. Para análise foi empregada a técnica 

de ondaletas usando a transformada não-decimada, a função ondaleta aplicada foi a Daubechies 

com cinco níveis de decomposição. Com relação, ao agrupamento utilizou-se a energia (variância) 

para analisar os clusters e para a visualização do processo de clusterização usou-se o dendograma, 

no qual empregou-se a distância de Mahalanobis. A partir da análise de cluster verificou-se a 

formação de quatros grupos. No qual, Japão e Estados Unidos e Brasil localizam-se em grupos 

distintos e isolados. E os demais países (Austria, Bélgica, Chile, Israel, México e Países Baixos) 

em um único grupo. 

Keywords: Autoeliminação; Cluster; Transformada não-decimada 

65


SP1 


19:45 

Modelagem de séries temporais de coordenadas 

GPS com identificação de efeitos cíclicos em 

multiescala a partir da análise wavelet contínua 

Eniuce Menezes de Souza 

UEM 

Gabriela de Oliveira Nascimento Brassarote 

João Francisco Galera Monico 

José Raimundo de Souza Passos 

Luiz Gonzaga Jr 

Mauricio Roberto Veronez 

A proposta deste trabalho é analisar as séries temporais não estacionárias de coordenada vertical 

de estações GPS no Brasil, por meio da Transformada Wavelet Contínua, com o objetivo de 

identificar a frequência do sinal periódico contido na série, caracterizar os efeitos que afetam 

a coordenada vertical da estação e, integrado a modelos harmônicos, estimar um modelo mais 

representativo para cada série. Como resultado, as frequências identificadas na análise wavelet das 

séries mostram estar relacionadas a efeitos que afetam a posição da estação GPS, tais como efeitos 

de Chandler e draconiano que ocorrem a cada 433 e 351,6 dias, respectivamente. A consideração 

dessas frequências na modelagem da série de coordenadas contribuiu para uma representação mais 

realística da variabilidade da coordenada da estação. 

Keywords: Séries temporais de coordenadas GPS; Efeitos periódicos; Análise wavelet; Transformada 

wavelet contínua 

66


SP1 


19:45 

Avaliação da Medida de Núcleo de Inflação 

baseada no Método Wavelet para o Brasil 

Anderson Antonio Denardin 

Alice Kozakevicius 

Alex A. Schmidt 

UFSM 

This article aims to use the wavelet method for the estimation of a core inflation measure for 

Brazil. Considering that monetary policy operates under the regime of inflation targeting, the 

identification of an indicator that can separate the signal from noise, ie, identify which part of 

the inflation is persistent, and what is merely transient is essential to establish monetary policy 

rules and the success of controlling inflation. In practice, central banks perform this task using 

so-called “core inflation measures”. An appropriate measure of core inflation tends to be compatible 

with the two basic functions, namely, it is a good representation for the inflation trend, and a 

good predictor for future inflation. Taking this into account, the article proposes to build an 

alternative measure of core inflation, the so-called “Wavelet-based core Inflation Measures” (WIM) 

and “Multiple Resolution Analysis” (ARM), considering the period for analysis 1996.01 - 2014.05. 

Comparisons with the official core inflation used by the central bank and measures based on 

regression functions seeking to test their effectiveness to follow the trend of inflation and its ability 

to predict future inflation. The results suggest that the measures based on wavelets to Brazil 

show a better performance than the traditional approach of core inflation, since they have proven 

superior in terms of long-term performance and can help improve short-term projections, indicating 

the wavelet method is a promising avenue for future core inflation research and a more efficient 

mechanism to guide monetary policy. 

Keywords: Wavelets; Núcleo de inflação; Tendência de Inflação; Previsão de Inflação 

67


SP1 


19:45 

Bias corrected minimum distance estimator for 

short and long memory processes 

Gustavo de Carvalho Lana 


Sokol Ndreca 

UFJF 

This work proposes a new minimum distance estimator (MDE) for the parameters of short and 

long memory models. This bias corrected minimum distance estimator (BCMDE) considers a 

correction in the usual MDE to account for the bias of the sample autocorrelation function when 

the mean is unknown. We prove the weak consistency of the BCMDE for the general fractional 

autoregressive moving average (ARFIMA(p, d, q)) model and derive its asymptotic distribution for 

some particular cases. Simulation studies show that the BCMDE presents a good performance 

compared to other procedures frequently used in the literature, such as the maximum likelihood 

estimator, the Whittle estimator and the MDE. The results also show that the BCMDE presents, 

in general, the smallest mean squared error and is less biased than the MDE when the mean is a 

non-trivial function of time. 

Keywords: Sample autocorrelation and autocovariance; ARMA; ARFIMA; Whittle; MLE 

68


SP1 


19:45 

Bolsonaro and Taurus Armas SA: an 

intervention analysis in the period from 2015 to 

2019 

Thelma Safadi 

UFLA 

Thaís Alves dos Santos 

Gabriel Rodrigo Gomes Pessanha 

Nikolaos Kourentzes 

With the signing of Jair Bolsonaro’s candidacy for presidency in mid-2018 and the intensification of the 

dissemination of his electoral flags, among them the improvement of public security and the easing of the 

rules for granting arms possession, there was a significant increase in the shares of Taurus Armas S.A., one 

of the three largest manufacturers of light weapons in the world. Therefore, the main objective of this 

study is to measure and analyze the impacts of the 2018 elections on the Taurus Armas S.A. stock return 

series from January 2015 to March 2019. After collecting the daily series of Taurus stock prices obtained by 

through the Economatica software, the ARIMA class models were used as methodology, specifically the 

intervention models, to verify if the performance during the campaign and, later election of the candidate 

Jair Bolsonaro represented an intervention able to modify the behavior of the series time of return of Taurus. 

Based on the surveys of voting intentions published by IBOPE (Brazilian Institute of Opinion and Statistics), 

the interventions to be studied were constructed. After adjustment of the models, it was noticed that all the 

adjusted models presented statistical significance and, from the results, it was possible to observe that the 

leadership of the right candidate, Jair Bolsonaro, the presidency of the republic in the surveys of intention to 

vote (abrupt and temporary intervention) and, later, his election in October 2018 (abrupt and permanent 

intervention) were configured as an intervention in the return series of Taurus Armas S.A.. Thus, it was 

found that the performance of the then candidate during the campaign and in the elections were able to 

change and/or influence changes in the behavior of the return series of the company studied. However, 

it is interesting to note that intervention during the electoral campaign showed a positive relationship 

with the series of returns and the intervention represented by the victory in the elections represented a 

negative intervention in the series of returns, a fact that can be explained by the speculative character of 

the stock market. The results were expected, as one of the promises of candidate Jair Bolsonaro was to 

liberalize the possession and possession of firearms. In addition, the results are consistent with the theory of 

market efficiency by revealing the stock market reaction by accessing new information and the potential 

new scenario. The results contribute to firm theory addressing the clash between the political environment 

and the investment market, more specifically its interdependence relationship. The study is current and 

innovative because it reveals the interventionist nature of the performance of a presidential candidate in the 

stock return series of the company studied. 

Keywords: Bolsonaro; Elections; Intervention analysis; Taurus 

69


SP1 


19:45 

Classificação em Intensidades SAR 

Multidimensionais de Terrenos via Processos 

VARMA 

Jodavid de Araújo Ferreira 

UFPB 

Abraãoo D. C. do Nascimento 

Pedro M. A. Junior 

Os sistemas PolSAR têm sido indicados como ferramentas eficientes na resolução de problemas de 

sensoriamento remoto, porém essas imagens PolSAR são afetadas por uma interferência particular 

multidimensional, chamada ruído speckle, que deve ser levando em conta no processamento. Uma 

imagem PolSAR multilook pode ser entendida como um mapa em que cada entrada está associada 

a uma matriz hermitiana definida positiva cuja diagonal principal é o vetor de intensidades ou 

intensidade multimensional. Neste trabalho, assumimos que dados de intensidades multidimensionais 

de janelas retangulares de imagens PolSAR podem ser entendidos como realizações de um processo 

VARMA (Vector Autoregressive Moving Average). 

Keywords: Imagens PolSAR; VARMA; Teoria da Informação 

70


SP1 


19:45 

Comparação de Métodos para tratamento de 

dados Ausentes em Séries Temporais 

Univariadas. 

Isabela de Lima Severino 


UFMG 

Tratando-se de ausência de dados, uma grande parte dos livros didáticos na área de estatística 

quase não trata do tema, e quando o trata pode-se observar uma tendência simplista, de excluir 

o caso ausente e seguir as análises. No entanto, essa estratégia em estudos de séries temporais 

pode gerar uma falha na estrutura da série e levar a análises e predições equivocadas. Com isso, 

esse trabalho tem o objetivo de tentar estabelecer melhores métodos de tratamento de dados 

ausentes, que nesse contexto são as imputações, em séries temporais univariadas. Para comparar 

os métodos utilizaram-se séries temporais simuladas, de tamanhos e estruturas de autocorrelação 

diferentes, além de séries reais. As séries foram submetidas a um processo de retirada de dados, de 

forma aleatória e sequencial, nas proporções de 10% e 30% dos dados. Em seguida, aplicaram-se 7 

métodos de imputação de dados, que consistem em uma substituição do caso ausente por um valor 

razoável, nessas séries. Os métodos utilizados foram: Suavização de Kalman (usando modelos de 

espaço de estados, modelos ARIMA com ajuste automático e modelos ARIMA com definição da 

ordem do modelo), imputação pela Média, pela Média Móvel Ponderada, pela última Observação 

e por Algoritmo EM. Ao final, avaliou-se quais os métodos resultaram em melhores valores de 

imputação, utilizando métricas de qualidade de ajustes das séries após a imputação dos dados. 

Concluiu-se, de uma forma geral, que os métodos que respeitam as estruturas de autocorrelação 

das séries para realizar as imputações, ou seja, os métodos que utilizam a Suavização de Kalman, 

são melhores que os métodos mais simples que desprezam esse fato. Como esperado, quando a 

proporção de ausência de dados é menor as imputações são mais robustas. 

Keywords: Imputação de dados; Séries Temporais; Comparação de Métodos 

71


SP1 


19:45 

Correlated INARMA(1,1) Process 

Nikolai Kolev 

IME/USP 

Al-Osh and Alzaid (1987) defined the INAR(1) model by X t = α◦X t−1 +ɛ t , with α◦X t−1 = ∑ X t−1 

i=1 Y i, 

for t = 1, 2, . . . , where {Y i } is a sequence of i.i.d. Bernoulli random variables with parameter 

α ∈ (0, 1), under assumption that Y t−1 ’s are independent Poisson distributed with parameter λ, being 

independent of innovation term ɛ t which is also Poisson distributed, but with parameter λ(1 − α). 

Using integer-valued operation ◦ as a substitute for the ordinary multiplication of ARMA recursion, 

Dion et al. (1995) define INARMA(p,q) models by relation X t = ∑ p 

i=1 α i ◦X t−i + ∑ q 

i=1 β i ◦ɛ t−i +ɛ t , 

where the sequence of innovations {ɛ t , ɛ t−1 , . . . , ɛ t−q } are i.i.d. random variables. Kolev and Paiva 

(2000) introduced the correlated INAR(1) process replacing the binomial thinning operator α ◦ X t−1 

by the correlated binomial thinning α ◦ ρ X t−1 , assuming that random variables Y i are identically 

Bernoulli distributed with E(Y i ) < α, but being equicorrelated, i.e., Corr(Y i , Y j ) = ρ > 0 for i ≠ j, 

i, j = 1, 2, . . .. In this note, we will explore the correlated binomial thinning operator ◦ ρ in the 

context of INARMA(1,1) model specified by X T = α 1 ◦ ρ1 X t−1 + β 1 ◦ ρ2 ɛ t−1 + ɛ t , t = 1, 2, . . ., 

where α 1 , β 1 ∈ (0, 1) with ρ 1 and ρ 2 being equicorrelation parameters. Statistical inference and 

specific results when innovation sequence ɛ t is Poisson distributed illustrate our findings. We apply 

the correlated INARMA(1,1) model to study real mortality data observed in the state of São Paulo, 

Brazil. 

Keywords: Correlated; INARMA(1,1); Binomial thinning 

72


SP1 


19:45 

Critical Analysis of the Econometric Models 

used in the Regulatory Framework of 

Non-technical Losses in Brazil Electric Sector 

Murilo de Miranda 

Daniel Viana Arthur Tavares Ana Carolina Chaves 

Marcelo Maestrini Luiz Ozório Guilherme Dantas 

Priscila Mendes 

Jairo Eduardo 

GESEL 

The non-technical losses in Electric Sector are all the wastes of energy that occurs in the electricity 

distribution grid because of commercials and manageable aspects. For example, this losses are 

higher associated with electric theft. To incentive the concessionaires to have a good performance 

in combat these losses, there is a regulatory treatment that imposes some targets for this issue. 

In Brazil, the regulatory framework adopt a benchmark model to determine the target. In this 

model, the regulator uses a regulator econometric approach with socioeconomic data to subsidize 

the comparison between companies based on the complexity of each concession area. This article 

execute a critical econometric analysis of this methodology. For this, the article discuss the 

effectiveness of the model based on econometric test of estimations and residuals. Moreover, there 

is a specific analysis for the specification of variables and for the autocorrelations in the model. In 

the end, the paper demonstrate the weaknesses of the model to represent the reality of fighting 

against losses in the sector. As a result, there are contests about the choice of this type of model 

and the biases of omitted variables. 

Keywords: Econometric Analysis; Regulation of Electricity Non-technical Losses; Socioeconomic 

Model; Panel Data with Random Effects 

73


SP1 


19:45 

Desenvolvimento de um modelo de previsão em 

tempo real para demanda e reservação com 

dados Big Data na indústria da água 

Leonardo Fonseca Larrubia 

IME/USP 

Chang Chiann 

Olga Satomi Yoshida 

O objetivo deste projeto é explorar uma solução Big Data da indústria da água para a automação 

sem supervisão da programação diária dos controles operacionais da adução da água usando alguns 

modelos paramétricos de séries temporais, tais como modelo harmônico com periodicidade de 12 

e 24 horas + modelo autorregressivo; modelo SARIMA (autorregressivos integrados de medias 

moveis sazonais); modelo ARFIMA (autorregressivo fracionário integrado de médias moveis) e 

modelo de regressão usando ondaletas (wavelets). 

Keywords: Previsão; Dados Omissos; Big Data; Iot; Indústria da água 

74


SP1 


19:45 

Detecção de pontos de mudança na série 

temporal de citações do Bolsonaro na mídia 

impressa brasileira durante as eleições 2018 

Marina Alves Amorim 

UFMG 

Florencia Lorenzo 

Pedro Paschoalin de Amorim 

Bárbara Salatiel Borges 

Lilian Bernardes 

Este artigo apresenta a análise do número de menções aos candidatos às eleições que ganharam 

espaço e visibilidade na mídia impressa brasileira em 2018, ano em que ocorreram as eleições no 

país. Para a pesquisa, foram coletadas todas as entradas de primeira página, durante o período 

do dia 1 ◦ de junho de 2018 a 31 de outubro de 2018. Os veículos que compõem a análise são os 

principais de abrangência nacional de grande circulação: O Globo, Correio Braziliense, Estadão 

e Folha de São Paulo; e os de abrangência do estado de Minas Gerais: O Tempo, Hoje em Dia, 

Estado de Minas , Super Notícia e Metro. Partiremos do pressuposto de que as capas de jornais 

têm um poder comunicativo muito maior do que o conteúdo completo das notícias, presentes 

na parte interna dos jornais. Além disso, a manchete, as chamadas e as fotos da capa são os 

elementos mais vistos, seja pelos assinantes e seus familiares, pelas pessoas que compram os 

jornais nas bancas ou mesmo pelas pessoas que circulam todos os dias em frente às bancas de 

revistas, onde as capas dos jornais diários são expostas para a apreciação pública. A estratégia 

implementada consiste no uso de séries temporais para representar as frequências dos personagens 

políticos citados pela mídia. Esse método permite a visualização do crescimento e/ou queda das 

menções ao candidato. Em seguida, aplicamos o método de pontos de mudança. A detecção de 

pontos de mudança tenta identificar os momentos em que a distribuição de probabilidade de uma 

série temporal muda. Com isso, foi possível destacar alterações significativas e vincular aos fatos 

ocorridos no período eleitoral, compreendendo, assim como esses episódios afetaram a visibilidade 

política do candidato. Conseguimos identificar estes pontos analisando as mudanças na média e 

na variância de uma série temporal através do método Pruned Exact Linear Time (PELT). Foi 

possível evidenciar várias fases da trajetória eleitoral. Reunimos alguns acontecimentos que são 

confirmados pela série temporal, um deles indica que Bolsonaro passou a ser o personagem político 

com maior visibilidade na mídia impressa, tanto nacional quanto mineira, após o atentado ocorrido 

em Juiz de Fora, dia 6 de setembro. 

Keywords: Change Points; Séries Temporais; Eleições; Pontos de mudança; Mídia Impressa 

75


SP1 


19:45 

Duration-dependent Markov-switching in 

Bitcoin volatility with Value-at-Risk application 

Fernando Henrique de Paula e Silva Mendes 

UFRGS 

João Frois Caldeira 

This paper extends research concerned with the evaluation of alternative volatility modeling and 

forecasting methods for Bitcoin log-returns by broadening the class of single-regime GARCH models 

to include duration-dependent Markov-switching models (DDMS). In addition to the in-sample 

statistical evaluation, we compare the DDMS model to single-regime GARCH-types predicting 

one-day ahead Value-at-Risk (VaR). Despite using a two-state model, the DDMS specification used 

in this empirical application acts like a large N-state model capturing a broad range of volatility 

levels, since duration also affects the conditional variance. To assess the economic significance 

of the Bitcoin volatility forecast to investors, we investigate the advantages of regime-switching 

models in the Bitcoin returns for the accurateness of the Value-at-Risk models. For one-day holding 

period, the best results were obtained for DDMS model at the 1% risk level. 

Keywords: Bitcoin; Duration Dependence; Markov-switching; Value-at-Risk 

76


SP1 


19:45 

Estudos de Séries Temporais Binárias Aplicadas 

ao Nível de Precipitação do Município Rio 

Verde 

Fernanda Kelly Romeiro Silva 

UFG 

Eder Angelo Milani 

A observação ou não de um determinado evento de interesse ao longo do tempo constitui uma série 

temporal binária, e esse tipo de dados são observados em diferentes áreas, tais como: economia, 

meteorologia e sensoriamento remoto. Existem vários modelos de séries temporais para analisar 

séries com essa peculiaridade, dentre eles os modelos GARMA, BARMA e Dynamic, que adotam, 

comumentemente, a função logito ou probito como função de ligação. Entretanto, pouco se estuda 

qual seria a melhor maneira de representar a estrutura autorregressiva do modelo, dado que a série 

temporal é geralmente representada por valores 0 ou 1, e os modelos consagrados pela literatura 

não necessariamente acompanham tal interpretação. Este estudo teve por objetivo explorar 

o modelo de séries temporais Bernoulli-ARMA empregando as técnicas referentes a Inferência 

Bayesiana. Sendo assim, foi analisada a estrutura autorregressiva do modelo Bernoulli-ARMA 

proposto por Milani et al. (2019), e notou-se com os estudos desenvolvidos ao longo deste, de 

uma maneira geral, que o modelo Bernoulli-ARMA produz resultados satisfatórios em estudos de 

séries temporais binárias por descrever bem o comportamento de séries binárias com a utilização 

das técnicas da Inferência Bayesiana. Portanto, o modelo aqui estudado apresentou-se como uma 

excelente alternativa para estimação diante do modelo Generalizado Autorregressivo de Médias 

Móveis(GARMA). Nas aplicações do modelo Bernoulli-ARMA, verifica-se que este é conveniente 

quanto as aplicações em dados simulados por obter resultados precisos e constata-se também que o 

modelo Bernoulli-ARMA(2,0), de acordo com os critérios de informação adotados, melhor se ajusta 

aos dados reais de ocorrência ou não de precipitação do município Rio Verde. O modelo escolhido 

conduz a interpretação de que a probabilidade de chuva em uma determinada data depende de 

dois dias anteriores a ela, e esta informação, a priori, pode trazer ao município Rio Verde e outros 

municípios grandes resultados referentes ao agronegócio e ao meio ambiente. 

Keywords: Modelo GARMA; Modelo Bernoulli-ARMA; Séries Temporais Binárias; Inferência 

Bayesiana 

77


SP1 


19:45 

Ensemble Kalman Filter: An analysis of the 

joint estimation of states and parameters 

Rafael Oliveira Silva 

Márcia D’Elia Branco 

USP 

The Ensemble Kalman Filter (EnKF) is a sequential Monte Carlo algorithm for inference in linear 

and nonlinear state-space models. This filter combined with some other methods propagates the 

joint posterior distribution of states and parameters over time. There are fewer papers that consider 

the problem of simultaneous state-parameter estimation and existing methods have limitations. 

The purpose of this work is to analyze the efficiency of these methods by means of simulation 

studies in linear and nonlinear state-space models. The nonlinear estimation problem addressed 

here refers to the logistic surplus-production model, for which the EnKF can be considered as a 

possible alternative to MCMC algorithms. The simulation results reveal that the accuracy of the 

estimates increases when the time series grows, but some parameters present problems in the 

estimation. 

Keywords: Ensemble Kalman Filter; Joint estimation; Logistic surplus-production model 

78


SP1 


19:45 

Estimation of ARFIMA models: a minimum 

distance approach 

Mauricio Enrique Zevallos Herencia 

IMECC/Unicamp 

The paper proposes a new minimum distance estimator (MDE) for Gaussian ARFIMA processes 

with long-memory parameter in the interval (-1/2,1/2). The MDE method is based on the 

minimization of the distance between sample and population autocovariance differences. This 

permits, in addition, the simultaneous estimation of the variance of the errors. It is shown that 

the new estimator satisfies a central limit theorem and Monte Carlo experiments indicate that the 

proposed estimator performs very well. The proposed method is illustrated with the estimation of 

real-life time series. 

Keywords: ARFIMA; Autocovariances; MDE 

79


SP1 


19:45 

Estimation of the Hurst Parameter for the 

Quadratic FIMA Processes 

Guilherme de Lima Feltes 

Jonas F. de Medeiros 

Sílvia R.C. Lopes 

UFRGS 

In this work, we present an estimator for the parameter H in a Quadratic FIMA Process, driven by 

fractional Brownian motion. We present the proof that this estimator is asymptotically unbiased 

and some simulation results. 

Keywords: Quadratic OU Type processes; Fractionally Integrated Moving Average processes; 

Estimation of the Hurst Index 

80


SP1 


19:45 

Exports, Productivity and Factor Intensity: 

Evidence for Brazilian Firms 

Dieison Lenon Casagrande 

PIMES/UFPE 

Álvaro Barrantes Hidalgo 

Paulo Ricardo Feistel 

Based on the theory of heterogeneous firms, participation in the international market leads to 

changes in performance and efficiency gains at the firm level. This article uses microdata at the level 

of firms of the Brazilian manufacturing industry (2007-2014) to investigate the impacts of exporting 

on the productivity trajectory and intensity of factors. The empirical strategy, via Differences 

in Differences, explores the fact that firms enter at different moments into the external market, 

generating a variation in the period and in the intensity of the permanence. The results evidence 

learning effects and the use of comparative advantages so that firms that start exporting have an 

immediate productivity growth of around 5% and an instantaneous decrease in capital intensity 

(2.3%) in relation to the pre-entry period compared to non-exporting firms in the comparison 

group. The permanence on the activity intensifies the effects, so that, after four periods, the 

growth (reduction) in productivity (intensity of capital) is, approximately, 12% (15%). Among the 

sources of heterogeneities investigated, the magnitude of effects varies in dimensions such as size, 

technological intensity and pre-entry levels of productivity and capital intensity. 

Keywords: Productivity; Factor Intensity; Start Export; Manufacturing Industry 

81


SP1 


19:45 

Extended Nelson and Siegel Yield Curve: A 

Modified Version applied to US Term Structure 

William Lima Leão 

Carlos Antonio Abanto-Valle 

UFRJ 

The term structure of interest rates refers to the relationship between interest rates in different 

maturities. It plays a relevant role in the economic scenario, the shape of the interest rate curve 

gives an idea of current economic activity and also assists in predicting possible changes in future 

rates. The basic three-factor model presented in Diebold and Li (2006) of the yield curve of 

Nelson and Siegel (1987) offers a flexible approach to estimating the different forms that the term 

structure of interest rates can assume, however, when working with maturity yields greater than 

10 years, long terms, the adjustment begins to lose its accuracy. Svensson’s (1994) approach to 

the Nelson and Siegel curve improves the adjustment of long terms by adding an extra curvature 

factor, thus creating a way to estimate long-term maturities not only depending on the curve level 

but also of a long-term curvature. Several extensions have been introduced for this approach, 

but in some cases, they present problems of identifiability of the parameters present in factor 

loads. Thus, the objective of this work is to present a new version for the Extended Nelson and 

Siegel yield curve, which improves the adjustment by improving the identifiability of exponential 

decay parameters of the curves, providing more accurate forecasts for future rates. Inference is 

accomplished through the Bayesian paradigm. We have developed an algorithm based on Markov 

Chain Monte Carlo Simulations (MCMC) for estimation of parameters and latent variables. An 

empirical application with the term structure of the United States government is presented and, 

for purposes of comparison, using goodness of fit statistics, we compare the proposed model with 

relevant approaches in the literature. 

Keywords: Bayesian inference; Term Structure; MCMC; Interest rates 

82


SP1 


19:45 

Fatos inesperados e o mercado de petróleo: 

Abordagem de saltos condicionais 

Max Cardoso de Resende 

Evandro Castro Pedro 

UFPel 

Esta pesquisa tem por objetivo analisar os movimentos de preços estimulados por fenômenos 

inesperados, como explosão de plataforma, crises geopolíticas e financeiras no mercado de petróleo 

e compreender a reação e a persistência desses efeitos sobre o preço da commoditie. Foram utilizadas 

quatro especificações para a metodologia de saltos condicionais ARJI-GARCH, desenvolvida por 

Chan & Maheu (2002). Os dados consistem em 1190 registros diários do preço de fechamento do 

petróleo do tipo light (WTI) no período de janeiro de 2010 a setembro de 2014, obtidos junto 

à NYMEX. Dentre vários resultados verificou-se que a chegada de novas informações provoca 

alterações significativas nos retornos do petróleo contrariando a hipótese de mercados eficientes. 

Também verificou-se que as variações no preço do petróleo podem ser especificadas através de 

saltos condicionais que são variantes no tempo, porém pouco sensíveis a choques passados e de 

persistência de curtíssimo prazo. 

Keywords: Petróelo; Volatilidade; Fatos inesperados; Modelos ARJI-GARCH 

83


SP1 


19:45 

Filtragem de Imagens SAR via Processos 

ARMA Gama 

Pedro Monteiro de Almeida Junior 

Abraão David Costa do Nascimento 

UFPE 

Neste trabalho, apresentam-se evidências, em termos de qualidade de filtragem de imagens SAR 

simuladas e reais, de que o uso de processos ARMA Gama para dependência espacial de intensidades 

pode apresentar melhoras expressivas relativamente a algumas abordagens clássicas. 

Keywords: Distribuição Gama; Filtragem; GARMA; Imagens SAR 

84


SP1 


19:45 

Forecasting Brazilian Industrial Production 

Index with level and trend changes after crises 

and SARIMA models 

Francisco Marcelo Monteiro da Rocha 

EPPEN/UNIFESP 

Airlane Pereira Alencar 

Two models are proposed for the monthly Brazilian industrial production index from 2002 to April 

2015. The first model considers transient falls after the crisis in 2008 and another fall from 

December 2014 to April 2015, monthly fixed effects, different trends before and after 2008 and an 

autoregressive serial correlation for the errors. Another model without structural changes is the 

SARIMA model, including only a significant drop after the crisis in 2008. The first model identified 

a significant rising trend before the crisis of 2008, no significant growth after the crisis, significant 

declines just after the 2008 crisis and significant drop after December 2014. The SARIMA model 

do not assume different trends and levels but its forecasts indicates a worse scenario with no 

recovery in 2016. 

Keywords: Autoregressive regression; Seasonality; Trend changes 

85


SP2 


19:45 

Determinantes e Concentração Espacial das 

Exportações Paranaenses por Intensidades 

Tecnológicas: Análise no Período de 2000 a 

2016 

Daniel Arruda Coronel 

UFSM 

Angel Maitê Bobato 

Clailton Ataides de Freitas 

Elisangela Gelatti 

Paulo Ricardo Feistel 

O objetivo desta pesquisa foi analisar os determinantes das exportações por níveis de intensidade 

tecnológica (alta e baixa tecnologia, e não industriais) do estado do Paraná no período de 2000 a 

2016. Aém disso, contruir um índice de concentração normalizado dessas exportações desagregadas 

tecnologicamente para os municipios paranaenses para verificar onde ocorre a distribuição destas 

exportações no território do Paraná no ano de 2016. Para mensurar os determinantes da exportações 

foi utilizado o modelo gravitacional tradicional do comércio atráves da técnica de dados em painel, 

já a construção do índice foi feita atráves da análise de componentes principais, e por fim, foi 

utilizado a análise exploratória de dados espaciais (AEDE) para a distribuição espacial. Os dados 

foram coletados no sítio do Comex Stat, Wordl Bank, do Instituto Paranaense de Desenvolvimento 

Econômico e Social (IPARDES), do instituto Brasileiro de Geografia e Estatística (IBGE) e do 

site Horlage Parlante. Como principais resultados foi obtido que os determinantes das exportações 

alteram-se conforme o tipo de nível tecnologico analisado, além disso, verificou-se a existência de 

um aglomerado produtivo de produtos de alta tecnologia na região metropolitana de Curitiba, ou 

seja, essa região é onde concentra-se as exportação desse tipo de tecnologia. 

Keywords: Comércio Intra-Regional; Exportações; Paraná; Modelo Gravitacional 

86


SP2 


19:45 

Functional coefficient regression models for the 

problem of Okun’s Law 

Michel Helcias Montoril 

Sidney M. Caetano 

UFJF 

In 1962, Arthur Okun posited an empirical relationship between the change in the unemployment 

rate and growth rate. He explained the difference in the unemployment rate (Y ) by the growth 

rate of the real gross national product (X). Such a relationship became known as Okun’s law. 

Using quarter-to-quarter data from 1947 to 1960, Okun fitted a linear regression and concluded 

that Ŷ = 0.3 − 0.3X. Over time, Okun’s law has been studied under different models and different 

time samples. Among the approaches, it has been considered dynamic models assuming that the 

regression coefficient varies over time. In this work, instead of evaluating the regression coefficient 

as a function of time, we consider a wavelet-based functional regression model to study the Okun’s 

law, where (in our case) the regression coefficient changes according to lagged growth rates of the 

GNP. In this case, one can interpret that variations of the GNP in the past will be able to explain 

changes in Okun’s law in the present. 

Keywords: Functional coefficient regression models; Okun’s law; Wavelets 

87


SP2 


19:45 

Graph wavelet analysis of fMRI time series 

Rodney Vasconcelos Fonseca 

IMECC/Unicamp 

Aluísio Pinheiro Clarissa Yasuda Debashis Mondal 

Several applications in science and engineering can be represented through graphs that have signals 

observed on the nodes. The analysis of this type of data is called graph signal processing and 

consists in a growing field of research with potential application to a wide variety of fields. Wavelets 

have a large tradition on the signal process literature, notably for its capacity of representing a 

signal well on both time and frequency domains and in multiple resolutions of scale. Therefore, 

some efforts have been made to adapt concepts in the classical wavelet theory for the graph domain 

counterpart, which resulted in different approaches. In this work, we apply a wavelet method 

developed for graph time series to analyze the dynamics of measurements taken from the brains of 

patients with epilepsy. These results are compared with similar measurements taken from control 

individuals and we are able to identify interesting characteristics for the brain regions of epileptic 

patients, which illustrates the applicability of graph wavelet methods for dynamic networks. 

Keywords: Graph wavelet; Time series; Functional magnetic resonance imaging 

88


SP2 


19:45 

Introdução a Análise de Componente de 

Volatilidade Principal: Resultados Preliminares 

em uma Aplicação em Retornos de Ações da 

Bovespa 

Manoel Vitor De Souza Veloso 

ICSA/Unifal-MG 

Gislene Araújo Pereira 

Letícia Lima Milani 

Diversas séries temporais possuem variância condicional no tempo. Em séries financeiras, essa 

variância é chamada de volatilidade ou heterocedasticidade condicional. No mercado de ações, 

a variância dos retornos dos preços das ações é, em geral, constante ao longo do tempo, e 

a volatilidade dos retornos pode ser bem diferente em diferentes intervalos de tempo. Quase 

todos os investimentos reais exigem modelar as volatilidades de vários ativos em conjunto. Assim, 

torna-se importante modelar a matriz de variância-covariância condicional, por meio de modelos 

multivariados. Hu e Tsay (2014) generalizaram a ideia de análise de componente principal clássica 

(PCA) para análise de componente de volatilidade principal (PVCA), em que baseia-se na matriz 

de curtose generalizada acumulada e é usada para capturar a heterocedasticidade condicional do 

conjunto de dados, identificando fatores de volatilidade comuns. Diante do exposto, o presente 

trabalho tem por objetivo usar a técnica de PVCA para agrupar retornos de ações de 5 empresas 

da Bovespa, segundo fatores de volatilidade comuns. Foram extraídos os retornos de ações 

(média fechamento diário, corrigido pela inflação) de 5 empresas da Bovespa, nos período de 

03/01/2011 a 21/06/2017: Petrobras, Bradesco, ItauUnibanco, Ambev e BRF Foods. A PVCA 

é aplicada nos resíduos do VAR (ruídos brancos), mas no presente estudo, foram aplicadas nos 

retornos das ações que já são ruídos brancos, segundo resultados do teste de Ljung-Box aplicado 

nestes. O Teste ARCH Multivariado indicou que existe efeito ARCH nos retornos. Aplicou-se 

a PCVA e em seguida foi feito o teste ARCH para cada PVC, indicando que a 5 a PVC não 

tem heterocedasticidade condicional, determinando volatilidade comum e, então, observou-se as 

cargas do autovetor correspondente discriminando 2 grupos com volatilidades comuns: Petrobras, 

Bradesco e BRF (cargas positivas) e ItauUnibanco e Ambev (cargas negativas). 

Keywords: PVCA; Volatilidade; ARCH; Retornos 

89


SP2 


19:45 

Impactos assimétricos da incerteza na produção 

industrial brasileira 

Ariana Stephanie Zerbinatti 

UFABC 

Bruno de Paula Rocha 

Ana Luísa Gouvêa Abras 

Diante dos impactos negativos da incerteza na atividade econômica descritos pela literatura e 

dos poucos estudos sobre o tema no Brasil, este artigo tem como objetivo analisar a relação 

entre incerteza e produção industrial. Buscou-se testar a presença de não-linearidade dos efeitos 

da primeira variável sobre a segunda, com a estimação de modelos Logistic Smooth Transition 

Autoregressive (LSTAR). Esses modelos incorporam mudança de regime com transição suave entre 

um estado e outro, que, neste estudo, se referem a períodos de alta e baixa incerteza. Foram 

construídas duas variáveis proxies de incerteza: (i) um índice industrial agregado, que captura a 

incerteza dentre os segmentos da indústria de transformação e (ii) uma medida agregada, que 

consiste na média ponderada de 17 indicadores subsetoriais. Os resultados apontam para assimetria 

da incerteza, tanto macroeconômica como industrial, com efeitos mais intensos para patamares 

mais elevados. 

Keywords: Incerteza; Atividade econômica; Produção industrial; Modelos LSTAR 

90


SP2 


19:45 

Inflação Brasileira como um Processo de 

Memória Longa: Análise a partir do Modelo 

SARFIMA 

Marcela de Marillac Carvalho 

Ana Cláudia Festucci de Herval 

Thelma Sáfadi 

UFLA 

Uma relevante questão sobre a dinâmica dos preços da economia brasileira está relacionada à 

persistência inflacionária. Tal fenômeno pode ser caracterizado como a influência da variação de 

preços passados na inflação presente e está ligado ao processo de precificação dos produtos, a 

condução de política monetária e a formação de expectativas dos agentes econômicos (BATINI, 

2006). Neste contexto, este estudo tem como objetivo analisar o comportamento do processo 

da inflação brasileira após Plano Real, descrevendo-a como um processo de memória longa. Para 

tanto, modelos da classe ARFIMA (autorregressivo fracionário integrado de médias móveis) foram 

utilizados, pois permitem estudar séries caracterizadas por longas dependências temporais captando, 

assim, a presença de memória longa em altas defasagens de um processo autorregressivo. A análise 

considerou a variação percentual mensal do IPCA (índice de Preços ao Consumidor Amplo) no 

período de agosto de 1994 a abril de 2019. Inicialmente, aplicou-se testes de raiz unitária e de 

memória longa na série. Utilizou-se os testes de raíz unitária KPSS e Dickey-Fuller Aumentado 

(DFA) para averiguar a estacionariedade e determinar a integração a ser aplicada na série, conforme 

Nusair (2003). Já os procedimentos para detecção de memória longa basearam-se no GPH e 

Estatística R/S apresentados por Morettin (2017). A partir de então, estima-se modelos ARFIMA 

e SARFIMA, e com o modelo que descreve melhor o comportamento da série obtêm-se as previsões 

para o período. Os resultados indicam que para o período, o processo inflacionário brasileiro pode 

ser descrito por um modelo SARFIMA, ou seja, ele exibe um comportamento de persistência em sua 

média com a inserção de componentes sazonais. Além disso, a ordem integração fracionária obtida 

indicam um caráter estacionário na série do IPCA. Dessa forma, mesmo após o Plano Real é possível 

evidenciar a presença de um resquício de memória inflacionária na economia brasileira. Diante 

destes resultados, ferramentas econométricas, como processos da classe ARFIMA, são importantes 

no que se refere a elaboração de estratégias como formulações de políticas macroeconômicas e 

planejamento dos agentes. 

Keywords: Persistência Inflacionária; Memória Longa; Modelos SARFIMA 

91


SP2 


19:45 

Information Theory Applied to Spatial ARMA 

Process: Boundary Detection on SAR Imagery 

Rinaldo do Herval Neto 

Abraão D. C. Nascimento 

UFPE 

Synthetic Aperture Radar (SAR) has been indicated as an efficient remote sensing tool (Lee & 

Pottier 2009). This fact is due to such systems may produce high resolution images and have the 

capability to operate under all weather conditions. However, SAR images are strongly contaminated 

by speckle noise. This phenomenon affects the visibility of SAR image features, precluding their 

analysis. Speckled data of SAR intensity often present a non-Gaussian and non-additive nature, 

requiring a treatment different of the image processing classic techniques. Thus, SAR imagery 

imposes two conditions for proposals of processing methods: models which take into account the 

noise and relief effects and the spatial dependence among pixels. In this work, one assumes that 

SAR intensities follow a spatial ARMA process (see, e.g., Bustos et al. 2009, Yao & Brockwell 

2006). Additionally, information theory measures are used to detect contrasts between SAR regions 

following the spatial ARMA process. In recent years the application of information theory (IT) 

operators to describe SAR image features has achieved a prominent position (Goudail et al. 2004, 

Nascimento et al. 2014). In particular, works in this line can be classified in two groups: papers 

which address deterministic measures (Goudail et al. 2004) and the ones that consider probability 

models associated with IT measures (Nascimento et al. 2010, Frery et al. 2013, 2014, Nascimento 

et al. 2014). This work collaborates in the second line. The adequacy of spatial ARMA models is 

firstly checked on actual SAR images. Subsequently, the following goals are addressed: 1. The 

implementation of distance measures for the spatial ARMA process and; 2. The proposal of 

boundary detectors as adaptation of the approach of Nascimento et al. (2014), for correlated SAR 

intensities. 

Keywords: Spatial ARMA Models; SAR Images; Boundary Detectors 

92


SP2 


19:45 

Interval Prediction for Exponencial Smoothing 

Kaê da Silva Gremes 

Maria Sílvia de Assis Moura 

UFSCar 

Time series occupy an important place in statistical sciences, with a whole new variety of techniques 

developed just to the study and analyze of this kind of phenomena. Among these techniques, there 

is exponential smoothing. The 1st apparitions of these methods occurred by the late 50s, being 

improved and updated with the time, currently the exponential smoothing methods are popular 

in the analysis of a broad variety of time series. This work contains ways of generating interval 

predictions for the linear exponential smoothing methods, in other words, models in which the error 

has and additive structure. At 1st the models which are going to be analyzed are identified, then a 

brief review of theoretical prediction intervals based on the gaussian distribution is made. Finally 

some methods of bootstraping are developed. 

Keywords: Bootstraping; Exponencial Smoothing; Prediction interval; Time Series 

93


SP2 


19:45 

Large deviations for Gaussian AR(1) Processes 

Maicon Josué Karling 

UFRGS 

Sílvia Regina Costa Lopes 

We have studied the large deviation properties of the Yule-Walker estimators for the parameter of 

a first order autoregressive Gaussian stationary process. The method that was used here consists 

in the decomposition of the Yule-Walker estimators into a linear combination of independent and 

identically distributed random variables, with a chi-squared distribution. The coefficients of this 

linear combination are the eigenvalues of a product of two Toeplitz matrices. 

Keywords: Large deviations; Autoregressive processes; Yule-Walker estimators 

94


SP2 


19:45 

Locally stationary ARMA processes with 

tempered stable innovations 

Shu Wei Chou Chen 

IME/USP 

Pedro A. Morettin 

Locally stationary process is the class of processes that are approximately stationary in a neighborhood 

of each time point, but its structure, such as covariances and parameters, gradually 

changes throughout the time period. This type of processes has been proved to achieve meaningful 

asymptotic theory by applying infill asymptotics. In the literature, different areas have observed 

phenomena with heavy tail distributions and/or infinite variance. Although stable distribution 

presents attractive theoretical properties, such as the extremely heavy tails and stability under 

linear combinations, the fact that moments of order greater than two do not exist is a restrictive 

assumption in real-world applications. It is possible to change the tail behavior by tempering 

the stable distributions. As results, its center is similar to that of a stable distribution, but its 

tails are lighter and all moments are finite. This class of distribution, called tempered stable 

distributions, have been proved to fit in several applications. In this work, we study the locally 

stationary ARMA processes with standardized classical tempered stable (stdCTS) innovations ε t 

where ε t has zero mean and unit variance. Formally, the parameter space can be separated in two 

sets, that is, θ = (θ 1 , θ 2 ) where θ 1 is the parameter vector related to the locally stationary process 

and θ 2 = (α, λ + , λ − ) is related to the innovations. We propose a two-step parametric estimation 

in the following manner. Suppose that we are interested in estimating θ by maximizing a likelihood 

function L T (θ 1 , θ 2 ). In the first step, we obtain the blocked Whittle estimates ˆθ 1 , which does 

not depends on θ 2 . In the second step, we estimate θ 2 by maximizing L T (ˆθ 1 , θ 2 ). Note that if θ 1 

is known, we can recursively obtain ε t and by assuming {ε t } iid 

∼ stdCT S(α, λ + , λ − ), consistent 

maximum likelihood estimates for θ 2 can be obtained. However, although ˆθ 1 is asymptotically 

consistent and normal, it has a bias of ˆθ 1 − θ 1 , which can produce inaccurate estimation for θ 2 . In 

this paper, we present some theoretical results of the process and simulation study of the estimation 

method. 

Keywords: Locally stationary process; Tempered stable distributions; Two-step estimation 

95


SP2 


19:45 

Long Memory and Term Structure of Interest 

Rates 

Fernanda Valente 


This article presents a modified version of Dynamic Nelson-Siegel model with long memory 

properties. The evolution of the latent factors are given by a fractional Gaussian noise process, 

which is approximated with a weighted sum of independent first-order autoregressive process, that 

can be represented as a Gaussian Markov Random Field. The purpose is to assess if a long memory 

component on the Dynamic Nelson-Siegel model helps to obtain more accurate forecasts of the 

term structure of interest rates. We compare our model with alternative specifications for the 

factors, including autoregressive and autoregressive fractionally integrated moving average models. 

The results indicate that long memory is indeed helpful for longer forecasting horizons. However, a 

persistence component do not seem to improve short horizon forecasts. 

Keywords: Term Structure; Long Memory; Bayesian Forecasting; Laplace Approximations 

USP 

96


SP2 


19:45 

Modelagem da Volatilidade do índice Semanal 

de Preços do Etanol Hidratado Combustível no 

Estado de São Paulo Usando o Modelo 

Component GARCH 

Sandra Canton Cardoso 

ENCE/IBGE 

Fernanda Brito Mesquita 

Walter Macieira Vieira 

O carvão, o petróleo e o gás natural são as principais matrizes energéticas usadas na indústria. 

Junto com o crescimento acelerado da demanda destas, manifestou-se uma preocupação com a 

segurança de suprimento e com o meio ambiente, pois ocorrem na maioria das regiões produtoras 

de gás natural e de petróleo instabilidades geopolíticas, e também há pressões pela busca de fontes 

de energia renováveis e limpas para a redução das emissões dos gases de efeito-estufa. Esses 

fatores trazem preocupações sobre a avaliação da oferta de energia e também causa impactos nos 

preços desses insumos energéticos (CNI, 2007). Grando (2005) afirma que a expectativa de que 

as reservas globais de petróleo e gás natural venham a se tornar limitadas nas próximas décadas, 

causando um novo fomento para a procura de novos meios de suprimento energético. O Brasil é 

considerado um dos pioneiros no emprego do etanol na matriz de transporte e em 2008, no setor 

sucroalcooleiro foi calculado um valor referente a quase 2% do PIB total do Brasil. O fato do país 

deter o posto de segundo maior produtor de etanol no mundo e que no ano de 2011, São Paulo 

concentrou 58% da produção nacional de cana-de-açúcar e 60% de etanol hidratado, motivou este 

este estudo que tem por objetivo modelar a volatilidade do índice semanal de preços do Etanol 

Hidratado combustível no Estado de São Paulo no período de novembro de 2002 a setembro de 

2017 utilizando modelos ARMA-GARCH. Para isto foi utilizado o modelo Component GARCH, que 

é mais complexo que o GARCH padrão e foi desenvolvido em 1999 por Engle e Lee. O mesmo tem 

por objetivo explicar as volatilidades de longo e curto prazo. Foram testados modelos CGARCH(1,1) 

com distribuições condicionais t-Student e t-Student assimétrica e o modelo CGARCH(1,1) com 

Et t3 apresentou melhor desempenho na estimação da volatilidade. 

Keywords: Séries financeiras; Volatividade; ARCH; GARCH; Etanol 

97


SP2 


19:45 

Modelos Fatoriais Bayesianos Aplicados a Séries 

Temporias 

Beatriz Rodrigues Pinna 

ENCE/IBGE 

Danielle Rodrigues Pinna 

Renata Souza Bueno 

Larissa de Carvalho Alves 

O objetivo deste trabalho é estudar os modelos fatoriais dinâmicos sob o ponto de vista Bayesiano. 

Para isso, estudos simulados são propostos para investigar a aplicabilidade destes modelos. Além 

disso, é realizada uma análise para investigar a relação entre séries temporais de mortalidade 

causadas por doenças relacionadas a fatores climáticos e séries temporais de indicadores ambientais, 

como temperatura, poluentes do ar e do solo. 

Keywords: Modelo fatorial; Inferência bayesiana; Fatores latentes 

98


SP2 


19:45 

Macroeconomic Forecasting with Dynamic 

Factor Model: A Sparse Principal Components 

Approach 

Igor Ferreira Batista Martins 

FEARP/USP 


In recent years, the availability of large macroeconomic data sets has become increasingly common. 

If the number of potential predictors is larger than the number of time series observations, methods 

such as ordinary least squares and vector autoregressions are inadequate. An alternative is to 

represent the data set by a few latent factors and idiosyncratic components, indicating comovements 

and individual features, respectively. This representation suggests a factor model structure. Among 

factor models, Stock and Watson (2009) suggests the dynamic factor model as the standard 

framework for macroeconomic forecasting. Therefore, we will use it in this article. Both the 

loading and factors matrices are consistently estimated using principal component analysis (PCA). 

However, in finite samples, the model may have poor performance. This paper aims to estimate 

the dynamic factor model using sparse principal component analysis (SPCA). As presented in Zou 

et al (2006), SPCA is similar to PCA but allows the loading matrix to be sparse. Because of the 

sparse structure, it is possible to use the bias-variance trade-off to achieve more accurate estimates 

in finite samples. We apply the proposed methodology to the macroeconomic data set presented 

in Stock and Watson (2009). The Model Confidence Set does not reject the null hypothesis of 

equal predictive ability for the majority of variables. However, in some cases, the SPCA estimates 

provide better results than PCA ones. This is possible because PCA assumes that there are no 

measurement errors in the data set, while SPCA can remove noisy variables. 

Keywords: Dynamic Factor Model; Sparse Principal Components; Model Selection; Forecast 

99


SP2 


19:45 

Maximum Entropy distributions on the circle 

with given cross-moment. 

J. C. S. de Miranda IME/USP 

We determine the maximum entropy distribution on the circle, D = {(x, y) ∈ R 2 : x 2 + y 2 ≤ 1}, 

i.e., we determine the probability density function of the bivariate random vector (X, Y ) whose 

image is contained in D, under the following moment and cross-moment restrictions: EX = 0, 

EY = 0 and EXY = m, for an arbitrary real constant m. 

Keywords: Maximum Entropy; Calculus of Variations; Bessel Functions 

100


SP2 


19:45 

Modelagem e Previsão da Inflação Anual 

Efetiva medida pelo IPCA 

Adriana dos Santos Lima 

UFMG 

Renato Valladares Panaro 

Patrícia Viana da Silva 

Silvio Cabral Patricio 

A inflação é o aumento do nível do preço de um determinado produto ao longo do tempo. Hoje, a 

inflação oficial dos bens e serviços presentes na economia brasileira é medida pelo índice de Preços 

ao Consumidor Amplo (IPCA) e essa medida representa o aumento ou a diminuição dos preços em 

um determinado período. A alta inflação é prejudicial para a economia de um país e, quando fora de 

controle, pode gerar diversos problemas, tais como, a desvalorização da moeda nacional e aumento 

dos preços de produtos importados, a diminuição dos investimentos no setor produtivo, aumento 

da especulação financeira, elevação da taxa de juros e aumento do desemprego, além do clima de 

instabilidade econômica e insatisfação popular. Para conter a inflação, no Brasil, desde 1999, é 

adotada a política de metas de inflação que consiste em manter a inflação anual dentro do intervalo 

de tolerância estipulado para o ano, conforme estabelecido pelo Conselho Monetário Nacional 

(CMN). O objetivo desse trabalho consiste em avaliar a série histórica do IPCA, considerando os 

índices produzidos entre dezembro de 1999 e março de 2019 (inclusive) e comparar modelos. Para 

tanto, foram depurados dados mensais do Sistema IBGE de Recuperação Automática (SIDRA) 

referentes ao IPCA acumulado anual. O foco do estudo é modelar e produzir estimativas para 

valores futuros do IPCA e, dessa forma, identificar padrões e tendências presentes na economia 

do Brasil por meio de modelos preditivos que serão comparados em termos da qualidade de suas 

previsões. Foi utilizada abordagem de modelos lineares dinâmicos normal com dois harmônicos 

e fatores de desconto baseados nas resoluções do histórico de metas para a inflação. O modelo 

de Box-Jenkins escolhido através do predictive power foi o modelo SARIMA(2,1,3)(1,0,2), este 

apresentou erros de estimação próximos a zero e as previsões foram comparadas com os valores 

do IPCA Efetivo, no entanto, apresentou erros de previsão expressivos. Foram confrontados os 

modelos de Box-Jenkins com o modelo linear dinâmico normal, e constatou-se a melhor performance 

do modelo dinâmico com relação ao seu poder preditivo. 

Keywords: Modelos Dinâmicos; Box-Jenkins; Séries temporais; IPCA; Inflação 

101


SP2 


19:45 

Modelo Dinâmico Bayesiano para Avaliação do 

Impacto da Restrição de Vendas de 

Antimicrobianos na Resistência da Bactéria E. 

Coli 

Victor Fossaluza 

IME/USP 

Manuela Blaque Almeida 

Rafael Make Mussarelli 

A resistência bacteriana é considerada um grave problema de saúde pública segundo a Organização 

Mundial de Saúde (OMS) e o uso de antimicrobianos é um dos principais fatores relacionados 

a esse efeito. Com o intuito de diminuir o consumo desnecessário de antimicrobianos, assim 

como o uso de doses superiores as necessárias, a ANVISA criou uma lei para restringir as vendas 

desse medicamento (RDC 44), tornando obrigatório a apresentação de guia médica para adquirir 

o antimicrobiano. O objetivo deste estudo é avaliar o impacto dessa regulação nas vendas e 

na resistência bacteriana na região metropolitana de São Paulo. Para avaliar o consumo de 

antimicrobianos, foram utilizados dados do consumo de antimicrobianos em doses diárias definidas 

(DDD) por 1000 habitantes/dia, que indica a quantidade média de determinado antibiótico que 

uma dada população consome diariamente, observados mensalmente entre 2008 e 2016 na região 

metropolitana de São Paulo. Para a avaliação da resistência bacteriana, serão utilizados dados de 

amostras mensais obtidos em uma rede de laboratórios para esse mesmo período, relacionados à 

resistência da bactéria E. coli para diversos tipos de antimicrobianos. A série temporal das Vendas 

será relacionada com a série de Resistência da bactéria E. Coli para cada antimicrobiano estudado, 

utilizando um modelo dinâmico sob a abordagem bayesiana. Para o medicamento Amoxicilina, 

por exemplo, foi possível notar que com a redução nas vendas há uma redução na resistência da 

bactéria a esse antibiótico. 

Keywords: Modelo Dinâmico; Inferência Bayesiana; Séries Temporais 

102


SP2 


19:45 

Modelo GAS Beta Univariado Aplicado a 

Inadimplência de Crédito do Brasil 

Renata Rojas Guerra 

UFSM 

Carla Daniela Monteiro da Silva 

Augusto Maciel da Silva 

Os modelos generalized autoregressive score (GAS) são modelos de séries temporais com parâmetros 

variantes no tempo e utilizam o vetor score como mecanismo de atualização.Foi realizada uma 

aplicação do modelo GAS beta univariado para analisar o comportamento da inadimplência de 

crédito do Brasil. Foram implementadas computacionalmente as funções GAS beta, e realizadas 

simulações de Monte Carlo para avaliação dos estimadores dos parâmetros do modelo. Foi ajustado 

um modelo GAS(1,1) considerando o modelo beta como densidade preditiva. Através dos testes 

de diagnóstico e medidas de precisão das previsões, o modelo GAS beta foi considerado como 

apropriado para avaliar o comportamento da inadimplência no país. 

Keywords: Inadimplência de crédito; Modelo GAS beta; Sistema financeiro nacional; Taxas e 

proporções 

103


SP2 


19:45 

Modelo Lee-Carter Bayesiano com 

Improvement Dinâmico 


ENCE/IBGE 

Victhor Simões Sartório 

Larissa de Carvalho Alves 

O comportamento do decaimento da mortalidade tem se alterado nos últimos anos e hipóteses 

utilizadas por modelos estatísticos usados para sua modelagem podem necessitar de revisões. O 

Modelo Lee-Carter (Lee e Carter, 1992), e a sua versão bayesiana proposta por Pedroza (2006), 

assume que a velocidade relativa de queda de mortalidade entre idades diferentes se mantém 

constante ao longo do tempo, o que não parece ser uma hipótese razoável ao se considerar dados 

recentes para as taxas de mortalidade da população masculina dos Estados Unidos da América. 

Esse trabalho propõe um modelo baseado em Pedroza (2006) que incorpora a dinâmica temporal 

para essas velocidades de decaimento. Neste trabalho também é proposta uma metodologia para 

estimação aproximada desse modelo, a qual é aplicada aos dados da população masculina dos 

Estados Unidos da América e cujos resultados são comparados com a metodologia já existente na 

literatura. 

Keywords: Mortalidade; Inferência Bayesiana; Modelos Dinâmicos Lineares 

104


SP2 


19:45 

Modelo Simplex Autoregressivo de Médias 

Móveis para Séries Temporais Limitadas 

(SARMA) 

Alisson de Oliveira Silva 

UFPE 

Camila R. da Silva 

Pedro A. Monteiro 

Jodavid de Araújo Ferreira 

Em várias situações práticas temos interesse em modelar dados restritos ao intervalo unitário 

(0,1), tais como taxas, razões e proporções. Dados dessa natureza surgem em diversos áreas do 

conhecimento, de modo que diversos autores têm dedicado especial atenção no desenvolvimento de 

modelos que levem em consideração a natureza limitada dos dados. Nesse sentido, as distribuições 

beta e simplex têm sido utilizadas em diferentes contextos para modelar dados restritos ao intervalo 

(0,1). Na perspectiva de modelos de regressão, Ferrari e Cribari-Neto (2004) propuseram um 

modelo de regressão baseado no modelo beta e Myashiro (2008) propôs um modelo de regressão 

baseado na distribuição simplex. Extensões desses modelos foram propostas por Simas et al. (2010) 

e Espinheira e Silva (2018) para os modelos beta e simplex, respectivamente, cujos autores assumem 

preditores não lineares para a estrutura da média e da dispersão. Apesar dos avanços no contexto 

de análise de regressão, existe uma quantidade incipiente de métodos que permitam considerar 

uma estrutura de dependência temporal entre observações limitadas ao intervalo (0,1). Rocha e 

Cribari-Neto (2009) apresentam um modelo para séries limitadas baseado na distribuição beta, 

considerando uma estrutura similar aos modelos autoregressivos de média móveis generalizados 

(Benjamim, 2003) que estendem os modelos ARMA (Box e Jenkins, 1994). Uma alternativa foi 

proposta por Bayer et al. (2017) em que se assume uma distribuição Kumaraswamy. Nesse trabalho, 

propomos um modelo alternativo aos modelos baseados nas distribuições beta e Kumaraswamy, 

supondo para a série observada uma distribuição simplex e preditor semelhante ao apresentado em 

Benjamim (2003). Os parâmetros do modelo serão estimados por máxima verossimilhança. Além 

disso, serão apresentadas expressões fechadas para a função escore e matriz de informação de 

Fisher associadas aos parâmetros do modelo. Além disso, será apresentado um estudo de simulação 

de Monte Carlo para avaliar o comportamento dos estimadores. Uma aplicação a dados reais será 

realizada para ilustrar a aplicabilidade do modelo proposto. 

Keywords: Séries temporais; Distribuição Simplex; SARMA 

105


SP2 


19:45 

Modelos dinâmicos para dados censurados 

assimétricos e com caudas pesadas 

Gustavo Henrique Mitraud Assis Rocha 

ENCE/IBGE 

Roberto da F. Rutz 

Renata S. Bueno 

Os modelos de regressão censurados ou modelos Tobit são bastante usados para modelar variáveis 

respostas que são parcialmente observadas ou que possuem uma quantidade de valores agrupados 

em um valor limite. Esta classe de modelos pode ser aplicada em diversas áreas da ciência tais 

como econometria, biometria, ensaios clínicos, dentre outros. Um modelo robusto que acomoda 

observações atípicas para variáveis dependentes censuradas é o chamado modelo t-Tobit. O 

objetivo do trabalho é estudar a classe de modelos de regressão para dados censurados quando 

a variável de interesse é uma série temporal. A partir desta classe de modelos são analisados os 

casos em que a distribuição da componente de erro é assimétrica e/ou com caudas pesadas. Esta 

análise tem como finalidade investigar a flexibilização dos modelos dinâmicos Tobit. 

Keywords: Distribuição t assimétrica; Regressão censurada; Aumento de dados 

106


SP2 


19:45 

Mudanças na estrutura de dependência 

intersetorial utilizando R-vine cópulas 

Renata Tavanielli 

FEARP/USP 

O objetivo deste trabalho é analisar a estrutura de dependência intersetorial utilizando dados de 

índices teóricos da BM&FBovespa de 2008 a 2018 e associar mudanças em sua composição a 

eventos econômicos e políticos. Para a modelagem dessa estrutura de dependência foram utilizadas 

R-vine cópulas devido a sua flexibilidade e parcimônia. Pela complexidade das R-vine cópulas e da 

utilização de dados multivariados neste contexto, foram utilizados dois métodos simples para análise 

do ajuste do modelo e verificação de mudanças na estrutura de dependência. Primeiramente, os 

modelos foram reestimados utilizando uma rolling window fixa e assim foram identificadas mudanças 

na estrutura de dependência dos retornos, inclusive mudanças das famílias de cópulas na relação 

entre eles. A segunda abordagem utilizada foi baseada no procedimento de Vostrikova (1981). As 

mudanças mais persistentes e prolongadas foram identificadas pelos dois métodos. Pela análise dos 

resultados, nota-se que a família de cópula predominante em todo o período analisado foi t-Student, 

indicando dependência simétrica entre os retornos e caudas inferior e superior pesadas. Durante o 

período de 2008 a 2012, nota-se uma maior dependência da maioria dos retornos em relação ao 

retorno do setor industrial. Aproximadamente de 2013 a 2015, nota-se uma maior dependência em 

relação ao setor financeiro. Por fim, do final de 2015 a 2018, nota-se uma maior dependência em 

relação ao retorno do setor de consumo. Estas mudanças das relações de dependência podem ser 

associadas aos períodos em que a economia brasileira estava aquecida, depois a crise política e 

início de recessão e, por fim, ao período de crise com aumento do desemprego e desaquecimento 

da indústria. Assim, os resultados aqui obtidos sugerem que a situação econômica-financeira da 

população afetam diretamente a estrutura de dependência dos retornos intersetoriais. 

Keywords: R-vine cópulas; Estrutura de dependência; Intersetorial 

107


SP2 


19:45 

O Impacto dos Programas de Transferência de 

Renda Sobre a Oferta de Trabalho dos Casais 

Cristiane Alves dos Santos 

IFPA 

Marinalva Cardoso Maciel 

Fabrício Henrique Silva Cayres 

Samara Viana Costa 

Este trabalho pretende avaliar o efeito de Programas de transferência condicional de renda, em 

particular o Bolsa Família, sobre a oferta do trabalho de casais. Considerando o problema de 

não aleatoriedade na seleção dos beneficiários, será utilizada a técnica de pareamento por escores 

de propensão (propensity score). Os resultados demonstram que Programas de transferência 

condicional de renda, não afetam a probabilidade de participação no mercado de trabalho dos 

cônjuges de famílias beneficiárias. No entanto há uma redução nas horas dos cônjuges alocadas ao 

mercado de trabalho, sendo o impacto maior nas mulheres. 

Keywords: Transferência condicional de renda; Oferta de trabalho; Casais; Escores de propensão. 

108


SP2 


19:45 

On Birnbaum-Saunders range model applied to 

financial data 

Erico Jander da Silva Lopes 

UFAM 

Jeremias Leão 

Themis Leão 

In this paper we introduce a new approach to the model conditional autoregressive range (CARR) 

model based on Birnbaum-Saunders distribution (BS). The model derived from this approach is 

named Birnbaum-Saunders CARR model (BSCARR).We use the likelihood approach to estimate 

the model parameters of BSCARR model and evaluate their performance using a Monte Carlo 

simulation study. The usefulness of the estimation methodology is demonstrated by analyzing 

real-world data. 

Keywords: Birnbaum-Saunders distribution; CARR model; Simulation study 

109


SP2 


19:45 

On weighted Mallows distance in linear 

sequences 


IME/UFRGS 


In this work we derive central limit theorems for the Mallows and weighted Mallows α-distance for 

causal linear processes under short and long range dependence. Under short range dependence, the 

limiting distribution is similar to the i.i.d. case, while under long range dependence, the results 

are very different presenting a slower decay rate and a certain degree of degeneracy. Based on 

the presented results, we study the problem of parametric estimation on causal linear processes 

for which the underline distribution belong to a location-scale family, under short and long range 

dependence. We introduce a weighted Mallows α-distance based estimator, which is shown to be 

strongly consistent. Central limit theorems for the short and long range dependent cases are derived. 

To asses the finite sample performance of the proposed estimator, a Monte Carlo simulation study 

is conducted and an application to the S&P500 stock index is presented. 

Keywords: Asymptotic theory; Linear processes; Mallows Distance; Time series; Long memory 

110


SP2 


19:45 

Political Institutions and Economic 

Development: a Local Spatial Analysis for Brazil 

William Yasuhiko Nagai Suzuki 

FEARP/USP 

Márcio P. Laurini 

Political institutions, characterized by Acemoglu et al. (2001) and North and Thomas (1973), are 

an important component to explain economic development. The objective of this work is to measure 

the spatial heterogeneity of the relationship between political institutions and development. For 

this we use a spatial rolling window method applied to regressions, first presented in Fotheringham 

et al. (2002). The rolling method is: we select a municipality, open a window of the k nearest 

municipalities and run the regression on them; associate the estimates with the initial municipality 

and repeat this for all municipalities. In spatial econometrics, the common assumption is that the 

DGP is homogeneous for the whole map, that is an example of global statistical analysis. On 

the other hand, the advantage of the local statistical analysis is that we can capture the spatially 

changing DGP underlying the map. We find that using local samples, spatial regressions are 

easier to identify then using the whole country. Overall we find evidence that institutions increase 

development. But the local regressions show that for many parts of Brazil the effect is null. We 

present maps indicating where the relationship is positive, negative and non-significant. Our data 

is a spatial cross-section on the municipalities of Brazil for the year 2000. 

Keywords: Economic Development; Institutions; Local Statistical Analysis 

111


SP2 


19:45 

Por quanto tempo durarão os recordes de Usain 

Bolt? Uma abordagem bayesiana em teoria de 

valores extremos para previsão de recordes no 

atletismo 

Daniel Takata Gomes 

ENCE/IBGE 

Lígia Henriques-Rodrigues 


No atletismo, os recordes do jamaicano Usain Bolt e da norte-americana Florence Griffith Joyner 

nos 100 m e 200 m rasos estão entre os mais espetaculares da história e foram estabelecidos 

há muitos anos. Muitos se perguntam quando serão superados, dada a evolução dos atletas ao 

longo do tempo. Esse trabalho tem como objetivo tentar responder a essa pergunta. Os dados 

considerados são os tempos dos 50 primeiros colocados do ranking mundial das provas de 100 m e 

200 m rasos, de 1989 a 2018. A distribuição desses tempos, em cada ano, sob certas condições, 

converge para uma distribuição de Pareto generalizada (GPD). Um modelo dinâmico bayesiano é 

proposto para os parâmetros de forma e de escala da distribuição. Consideramos uma distribuição 

a priori Beta modificada para o parâmetro de forma, de modo com que este varie em um intervalo 

negativo. Para o parâmetro de escala, uma distribuição a priori Gama deslocada é considerada. O 

limiar da GPD, em cada ano, corresponde ao 50 ◦ tempo do ranking mundial. A probabilidade de o 

recorde ser superado é obtida através de simulações da distribuição preditiva. Também é possível 

obter uma estimativa do valor esperado do tempo do primeiro colocado do ranking mundial. Os 

resultados indicam que existe uma baixa probabilidade de que os recordes analisados sejam em 

breve superados (probabilidades abaixo de 20% para um período de cinco anos). 

Keywords: Teoria de valores extremos; Distribuição de Pareto generalizada; Modelos dinâmicos 

bayesianos; Estatística em esportes 

112


SP2 


19:45 

Precificação ao Mercado de Exportações 

Brasileiras: Uma análise de painel com fatores 

comuns não observados 

Daniel Quinaud Pedron Silva 

FEARP/USP 

Sérgio Kannebley Júnior 

Este trabalho utiliza modelos de painel com fatores comuns não observados para estimar coeficientes 

de Precificação ao Mercado de firmas exportadoras brasileiras. Estes modelos seriam mais adequados 

para esta estimação pois modelam os erros como estruturas de fatores, o que considera uma 

possível presença de dependência cross-section e heterogeneidade de efeitos dos fatores comuns. 

Comparando esta abordagem econométrica com estimadores tradicionais como o de Efeitos Fixos, 

foi encontrado que estimadores que modelam os erros como estruturas de fatores apresentaram 

melhor desempenho em termos de resíduos estacionários e não correlacionados na dimensão 

cross-section. Os resultados dos estimadores que apresentaram melhor desempenho nestes modelos 

indicaram que a maioria dos produtos estudados apresentou prática de Precificação ao Mercado no 

período analisado, havendo uma prevalência de coeficientes negativos, o que indica amplificação 

do efeito de variações cambiais pelo exportador. Este padrão é similar ao encontrado em Knetter 

(1989) para exportadores americanos. A média dos coeficientes variou entre 0,0251 e -0,0906, 

de acordo com o estimador considerado. Foram encontradas indícios de relação negativa entre o 

grau de intensidade tecnológica dos produtos e as estimativas dos coeficientes. As estimativas de 

modelos de correção de erros indicaram que as variáveis de preços de exportação, taxa de câmbio 

e os fatores comuns não observados possuem relações de longo prazo para todos os produtos. Os 

coeficientes de longo prazo do Modelo de Correção de Erros com fatores comuns não observados 

apresentaram um padrão diferente, sendo em sua maioria positivos e não significantes. 

Keywords: Comércio Internacional; Repasse Cambial; Modelos de Correção de Erros; Modelos de 

dados em painel; Precificação ao Mercado 

113


SP2 


19:45 

Previsão dos preços do mercado de milho: 

existe modelo ótimo? 

Diego Pitta de Jesus 

UFPB 

Vinícius Phillipe de Albuquerquemello 

Rennan Kertlly de Medeiros 

Felipe Oliveira de Araújo 

Devido à relevância do milho em discussões de segurança alimentar e em assuntos energéticos, o 

uso de modelagens estatísticas que auxiliem na previsibilidade e no entendimento de determinantes 

de preços desse grão é de fundamental importância. Nesse sentido, o objetivo desse trabalho 

consistiu na comparação do grau de precisão de diferentes modelos econométricos aceitos na 

literatura de macro-econometria financeira para o período entre 1995 e 2017. A contribuição 

desse trabalho está no uso de diferentes pressupostos da dinâmica de preços do milho por meio 

de modelos random-walk, autorregressivos uni e multivariados, além de modelos que acomodam 

quebras estruturais. Os principais resultados apontam que o melhor modelo depende do horizonte 

em que a análise out-of-sample foi feita, e da estrutura de mercado dessa commodity em diferentes 

momentos do tempo. 

Keywords: Previsão; Milho Spot; Precisão; Modelos Econométricos 

114


SP2 


19:45 

Previsão via modelos de Regressão de 

Decomposição Temporal, Box-Jenkins e Rede 

Neural MLP para série mensal média de 

temperatura mínima de Campinas 

Miriam Rodrigues Silvestre 

UNESP 

Manoel Ivanildo Silvestre Bezerra 

O estudo e acompanhamento das séries de dados climatológicos vêm sendo uma preocupação da 

sociedade atual, principalmente no tocante ao tema mudanças climáticas e todas as implicações que 

estas podem provocar no futuro. Desta forma, são necessários modelos estatísticos e computacionais 

com boa capacidade preditiva para a realização dessa tarefa. Entre as séries de dados relacionadas 

ao clima, as de temperatura apresentam especial interesse, por sua importância para as atividades 

humanas, principalmente para atividades agrícolas, além de interferir diretamente na saúde e bem 

estar de animais e do próprio homem. O município de Campinas (SP) é um dos mais importantes 

do estado de São Paulo, com uma população estimada de 1.194.094 habitantes em 2018; o 

PIB per capita, em 2016, foi de R$49.876,62, ocupando a 70 a posição entre 645 municípios do 

estado, segundo dados do IBGE. Em 2010, obteve o índice de Desenvolvimento Humano Municipal 

(IDH-M) de 0,805, na faixa muito alto (0,800 a 1), ocupando a 14 a posição no ranking estadual e 

28 a no país (Brasil). O município conta com a estação meteorológica da CEPAGRI/Unicamp, da 

qual foram obtidos os dados e ajustados três modelos à série de médias mensais de temperatura 

mínima do ar, sendo esses: o modelo de regressão de decomposição temporal; o modelo SARIMA 

de Box-Jenkins e um modelo Perceptrons de Múltiplas Camadas (MLP) de Redes Neurais Artificiais 

(ANN). O período utilizado foi de junho de 1988 a junho de 2016, sendo que, do início do período 

até maio de 2015 foi destinado para a construção dos modelos e de junho de 2015 a junho de 

2016 para avaliar a capacidade preditiva dos mesmos. Os resultados obtidos indicam que a rede 

neural MLP obteve melhores resultados para as estatísticas: Erro Médio Absoluto (MAE) e Raiz 

do Erro Quadrático Médio (RMSE). A rede neural MLP foi gerada usando o software R, mais 

especificamente o pacote “forecast”. Os resultados foram promissores para a técnica de ajuste por 

Rede Neural Artificial. 

Keywords: Temperatura mínima; Perceptrons de Múltiplas Camadas; Sarima; Regressão por 

Decomposição Temporal; Série Temporal 

115


SP2 


19:45 

Redes neurais wavelets no reconhecimento de 

doenças 

Aline Edlaine de Medeiros 

UEM 

Eniuce Menezes de Souza 

Mauricio Roberto Veronez 

Márcia Lorena Alves dos Santos 

José Raimundo de Souza Passos 

Luiz Gonzaga Jr 

Este trabalho trata da possiblidade de análise de dados bidimensionais (imagens) com natural 

dependência entre as observações para discernimento entre doenças em folhas de Eucalypto como 

a bacteriose e a mancha foliar a partir de redes neurais wavelets. Com a combinação das wavelets 

e redes neurais é possível estimar parâmetros de translação e dilatação das wavelets otimizados, 

adaptativos e adequados para a representação de relações entre dados dependentes específicos e 

alguma variável de interesse. Resultados preliminares mostraram que a rede neural wavelet foi capaz 

de discriminar satisfatoriamente a doença foliar do eucalipto apresentando resultados melhores em 

comparação com investigações anteriores usando redes neurais tradicionais e modelos clássicos 

estatísticos. 

Keywords: Wavelets; Redes neurais; Eucalipto; Doenças foliares 

116


SP2 


19:45 

Regressão Quantílica e VaR: Uma Aplicação de 

Quantis Condicionais Extremos para os 

Retornos Relativos ao IBOVESPA e Petrobrás 

Wilton Bernardino da Silva 

UFPE 

Renan Oliveira Regis 

Rafael Moura Azevedo 

Ana Katarina Campelo 

Análises de risco têm recebido uma atenção substancial em Economia e Finanças ao ser o foco 

de uma vasta literatura neste campo. O principal foco deste trabalho é aplicar a teoria e os 

métodos de quantis extremos na avaliação de fatores correlacionados à gestão de risco em duas 

séries do mercado financeiro brasileiro (IBOVESPA e Petrobrás). A principal metodologia utilizada 

é proposta por Chernozhukov and Du (2006), que descreve técnicas de estimação para quantis 

extremos condicionais, tendo como base a regressão quantílica (Koenker and Bassett, 1978). 

A atratividade desse método reside no fato de que ele estima diretamente os quantis extremos 

condicionais, os quais representam as estimativas do VaR. Finalmente, o índice de cauda pode ser 

calculado, dando uma idéia da probabilidade de ocorrência desses eventos extremos. Os resultados 

adquiridos com o uso do bootstrap extremo atestam que a regressão quantílica aplicada à quantis 

extremos fornece previsões precisas de VaR. 

Keywords: Regressão quantílica; Teoria do valor extremo; Valor em risco 

117


SP2 


19:45 

Resampling Time Series using the Wavelet 

Transform 

Aline Edlaine de Medeiros 

UEM 

Márcia L. A. dos Santos 

Eniuce M. de Souza 

Brani Vidakovic 

Among the techniques that allow the resampling in Time Series is the decomposition from the 

Wavelet Transform. This technique is able to rewrite time series in terms of smooth and detail 

wavelet coefficients with reduced serial autocorrelation. One of the classical methods of resampling 

is the Parallel Bootstrap that uses the Decimated Discrete Wavelet Transform and the parallel 

re-sampling of wavelet coefficients to generate replicas of a time series. The advantage of applying 

the bootstrap is due to the possibility of estimating parameters as well as confidence intervals even 

with small time series. In this paper, we propose to comparethe bootstrap method using a new 

resampling methodology based on the Non-decimated Discrete Wavelet Transform (NDWT). Unlike 

the decimated transform, the potential of the NDWT is to preserve the same number of wavelet 

coefficients at each level of multiresolution. To evaluate the performance of both techniques, 

confidence intervals were estimated for simulated time series and also for time series from the 

number of Meninginte cases collected from the Brazilian DATASUS system. In addition, both 

methods were evaluated for the preservation of the Hurst exponent, a measure used to evaluate 

the intensity of autocorrelation inherent to time series, especially Higuchi’s estimation method is 

being used due to its robustness. When assessing the Hurst exponent before and after resampling, 

it is possible to analyze whether the autocorrection present in the time series was preserved by the 

bootstrap. The obtained results indicate that both resampling methods are effective in preserving 

the Hurst exponent, as well as generating satisfactory confidence intervals. 

Keywords: Non-decimate Wavelet Transform; Bootstrap; Hurst Exponent 

118


SP2 


19:45 

Tragedies of Mariana and Brumadinho and the 

stock market of Companhia Vale S.A.: an 

application of ARIMA models with intervention 

Thelma Safadi 

UFLA 

Thaís Alves dos Santos 

Gabriel Rodrigo Gomes Pessanha 

Nikolaos Kourentzes 

Vale S.A. is a Brazilian publicly traded company headquartered in the state of Rio de Janeiro (RJ), with 

operations in more than 30 countries. Its shares are traded on the B3 stock exchanges, New York, Hong 

Kong and Paris. It is present in 38 countries in the Americas, Africa, Europe, Asia and Oceania, being the 

world’s largest producer of iron ore. In recent times, the breakdown of the dams of Mariana (November 

2015) and Brumadinho (January 2019) brought social, environmental, economic and financial impacts to the 

families and regions in which the tragedies occurred. Given the importance of the company to the Brazilian 

economy and the consequences of the tragedies of Mariana and Brumadinho, the objective of this work is to 

verify the interventionist character of the dam breaks in the series of daily return of the stock price of Vale do 

Rio Doce in the period of January from 2010 to March 2019. In other words, the purpose of this study is to 

verify how the stock market reacted after the tragedies and whether they were in any way incorporated into 

the returns of VRD’s shares. The stock price series is daily and was collected in the Economtica database. 

The stock return series was calculated and implemented the first difference in the series to remove the 

trend component. Next, the models of the ARMA class were adjusted with the inclusion of the dates of 

the rupture of the dams of Mariana and Brumadinho as potential interventions in the time series of return. 

The ARIMA model (8,1,3) presented statistical significance and the interventions included in the models 

presented a negative relationship with the series of returns, presenting a coefficient of -13.6193 for the 

breakdown of the Mariana dam and -0.2279 for the Brumadinho dam. In other words, it can be stated on 

the basis of the results found that the stock market reacted to the rupture of the Mariana and Brumadinho 

dams with a destruction of value for the shareholders of Companhia Vale S.A.. It is important to point out 

that it is also possible to observe a financial and economic impact on the company’s equity, since it required 

and still needs to pay fines and compensation for the social and environmental damages caused. For future 

research, it is suggested that the company Samarco Minerao S.A. be included in the analyzes and, later, an 

evaluation of the impacts of the dam disruptions on its economic and financial situation. Finally, we highlight 

the importance of studies of this nature, since it addresses a current and relevant topic in the national and 

international scenario as well as the quantitative measurement of its impact on the Brazilian stock market. 

Keywords: Dams; Intervention analysis; Companhia Vale S.A.; Mariana; Brumadinho 

119


SP2 


19:45 

Utilizando um Modelo Probit Espacial para 

Analisar a Relação entre o Ambiente Construído 

e a Escolha pelo Modo a Pé 

Alan Ricardo da Silva 

Carlos Eduardo Teixeira Neves 

Fabina Serra de Arruda 

UnB 

A pesquisa sobre como as características urbanas, comumente categorizadas nas 5 D’s (densidade, 

diversidade, desenho, disponibilidade de destinos e distância para o transporte coletivo), influenciam 

a escolha modal nos deslocamentos cotidianos é recorrente, principalmente em países desenvolvidos. 

O objetivo principal é que o entendimento dessas relações consiga subsidiar a criação de políticas 

urbanas que promovam o desenvolvimento sustentável. Nesse sentido, a caminhada representa 

um dos meios de locomoção a serem incentivados, pois é o modo com menor gasto energético e 

exigência de espaço de circulação. Este estudo buscou então analisar a relação entre a escolha por 

esse modo e as características do ambiente construído por meio de um modelo de regressão probit 

espacial. A pesquisa utilizou como base de dados de viagens a pesquisa Origem-Destino de 2007 

do município de São Paulo e as características do ambiente construído foram obtidas em ambiente 

SIG. Após o tratamento e filtragem da amostra, foram consideradas 7.329 viagens. Os resultados 

indicaram que a inclusão de dependência espacial na escolha (variável dependente) não melhora o 

ajuste em comparação ao modelo probit não espacial, mas ocorre melhora de ajuste quando são 

considerados os efeitos espaciais das variáveis independentes. Ademais, os resultados indicam que, 

para São Paulo, as medidas do ambiente construído mais relacionadas à escolha pelo modo a pé 

são a entropia e a distância para o centro, variáveis representantes da diversidade de usos e da 

disponibilidade de destinos, respectivamente. 

Keywords: Regressão espacial; Probit espacial; Modelo de escolha discreta 

120


SP2 


19:45 

Uma abordagem intervalar para estimação do 

risco na determinação de ativos de capital 

Wanessa Weridiana da Luz freitas 

UFPE 

Dailys Maité Aliaga Reyes 

Renata Maria Cardoso Rodrigues de Souza 

Francisco José de Azevêdo Cysneiros 

Aplicação do Modelo Capital Asset Pricing Model (CAPM), utilizando a abordagem de dados 

intervalar. 

Keywords: CAPM; REGRESSAO; ANáLISE DE DADOS SIMBóLICO; DADOS INTERVALAR 

121


SP2 


19:45 

Utilização de Séries Temporais em modelagem 

na Bolsa de valores: Uma aplicação em dados 

da BM&FBOVESPA 

Anny Kerollayny Gomes Rodrigues 

UFPE 

Pedro M. A. Junior 

Jodavid A. Ferreira 

Neste trabalho foi utilizado a classe de modelos de espaço de estado juntamente com o ARIMA 

para prever o preço de fechamento mensal da ação do Itau S.A. nos meses de janeiro a abril de 

2019. 

Keywords: Séries Temporais; Modelos de Espaço de Estado; Mercado Financeiro 

122


SP2 


19:45 

Wavelet Estimation for Factor Models with 

Time-Varying Loadings 

Chang Chiann 

IME/USP 

Duván H. Cataño 

Daniel Peña 

Carlos Vladimir Rodríguez-Caballero 

We introduce a non-stationary factor model with time-varying loadings and propose an estimation 

procedure in two stages. First, we estimate common factors by principal components. In the 

second step, given these estimated factors, the time-varying loadings are estimated by an iterative 

procedure of generalized least squares using wavelet functions. A Monte Carlo simulation study 

is conducted to examine the finite sample features of the proposed methodology. Moreover, we 

illustrate the proposed methodology with an application to a real data set. 

Keywords: Factor models; Wavelet functions; Generalized least squares; Principal components 

123


SP2 


19:45 

São Paulo city is 2oC hotter in the last 50 years: 

regression model with autoregressive errors or 

with lagged temperatures? 

Airlane Pereira Alencar 

IME/USP 

Our main goal is to estimate the annual mean increase of the monthly mean temperature in São 

Paulo city based on the temperature from 1960 to 2017. Firstly, it is proposed a regression model 

with linear trend and sine and cosine functions to take into account the seasonality. As the errors 

are supposed to be autocorrelated, this may be modelled including autoregressive errors or including 

the lagged temperature in the regression model. The main advantages and disadvantages of both 

proposals are discussed, as the easier parameter interpretation and the asymptotic variance of 

the trend estimator. There is evidence that the temperature trend is not changing over time. All 

the proposed models, leads to a significant increase of 1.9oC in 50 years in São Paulo city, with 

95% CI = [1.6; 2.2] for the AR error model, which is beyond the limits announced in the Paris 

Agreement of 2015. 

Keywords: Autoregressive models with covariates; Global warming; Autocorrelated regression 

model; Temperature; Time series analysis 

124

Useful Information 

Talks will be held at the Rubi and Safira Conference Halls of Serra Azul Hotel. 

The poster sessions will be held at the Esmeralda and Topazio Conferance Halls, where the 

coffee breaks will also be offered. 

The electronic version of this book of abstracts can be found at: 

http://redeabe.org.br/este2019/ 

125

Partner Institutions and Sponsors 

Sponsors 

Organization 

Support 

126

book

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?