The combination of neural estimates in prediction and decision problems

In this dissertation, different ways of combining neural predictive models or neural-based forecasts are discussed. The proposed approaches consider mostly Gaussian radial basis function networks, which can be efficiently identified and estimated through recursive/adaptive methods. Two different ways of combining are explored to get a final estimate – model mixing and model synthesis –, with the aim of obtaining improvements both in terms of efficiency and effectiveness. In the context of model mixing, the usual framework for linearly combining estimates from different models is extended, to deal with the case where the forecast errors from those models are correlated. In the context of model synthesis, and to address the problems raised by heavily nonstationary time series, we propose hybrid dynamic models for more advanced time series forecasting, composed of a dynamic trend regressive model (or, even, a dynamic harmonic regressive model), and a Gaussian radial basis function network. Additionally, using the model mixing procedure, two approaches for decision-making from forecasting models are discussed and compared: either inferring decisions from combined predictive estimates, or combining prescriptive solutions derived from different forecasting models. Finally, the application of some of the models and methods proposed previously is illustrated with two case studies, based on time series from finance and from tourism.

Determinantes da despesa do turista de cruzeiro: evidência empírica das ilhas atlânticas da Madeira e das Canárias

O turismo de cruzeiro tem vindo a ganhar uma importância cada vez maior nas ilhas atlânticas das Canárias e da Madeira. Como consequência, as despesas dos passageiros dos cruzeiros contribuem cada vez mais para a economia local. O objetivo deste trabalho é investigar as determinantes da despesa do turista de cruzeiro, nomeadamente os efeitos das características sociodemográficas e das características relativas à viagem no montante e no padrão dessa despesa. Estimamos dois modelos de regressão, um modelo Logit e um modelo Tobit, para a despesa agregada e desagregada, utilizando os dados obtidos num questionário realizado nas ilhas da Madeira e das Canárias, no período de 2001 a 2005. Os resultados mostram a existência de diferentes perfis do turista de cruzeiro que estão associados a níveis diferentes de despesa. Verificamos que o perfil do turista que mais gasta é um passageiro do sexo feminino, trabalhador, com um curso superior e de nacionalidade não britânica. Níveis de escolaridade superiores estão associados a gastos maiores em quase todas as categorias da despesa. Além disso, o turista que deseja repetir a visita ao destino revela-se também como sendo mais gastador em qualquer categoria da despesa.