Rational expectations? Developer behaviour and development cycles in the central London office market

Purpose – Expectations of future market conditions are acknowledged to be crucial for the development decision and hence for shaping the built environment. The purpose of this paper is to study the central London office market from 1987 to 2009 and test for evidence of rational, adaptive and naive expectations. Design/methodology/approach – Two parallel approaches are applied to test for either rational or adaptive/naive expectations: vector auto-regressive (VAR) approach with Granger causality tests and recursive OLS regression with one-step forecasts. Findings – Applying VAR models and a recursive OLS regression with one-step forecasts, the authors do not find evidence of adaptive and naïve expectations of developers. Although the magnitude of the errors and the length of time lags between market signal and construction starts vary over time and development cycles, the results confirm that developer decisions are explained, to a large extent, by contemporaneous and historic conditions in both the City and the West End, but this is more likely to stem from the lengthy design, financing and planning permission processes rather than adaptive or naive expectations. Research limitations/implications – More generally, the results of this study suggest that real estate cycles are largely generated endogenously rather than being the result of large demand shocks and/or irrational behaviour. Practical implications – Developers may be able to generate excess profits by exploiting market inefficiencies but this may be hindered in practice by the long periods necessary for planning and construction of the asset. Originality/value – This paper focuses the scholarly debate of real estate cycles on the role of expectations. It is also one of very few spatially disaggregate studies of the subject matter.

Determinantes do nível de caixa das empresas: análise de amostra de países da América Latina

Neste estudo são analisados, através de técnicas de dados em painel, os fatores determinantes dos níveis de ativos líquidos de empresas abertas do Brasil, Argentina, Chile, México e Peru no período de 1995 a 2009. O índice utilizado nas modelagens é denominado de ativo líquido (ou simplesmente caixa), o qual inclui os recursos disponíveis em caixa e as aplicações financeiras de curto prazo, divididos pelo total de ativos da firma. É possível identificar uma tendência crescente de acúmulo de ativos líquidos como proporção do total de ativos ao longo dos anos em praticamente todos os países. São encontradas evidências de que empresas com maiores oportunidades de crescimento, maior tamanho (medido pelo total de ativos), maior nível de pagamento de dividendos e maior nível de lucratividade, acumulam mais caixa na maior parte dos países analisados. Da mesma forma, empresas com maiores níveis de investimento em ativo imobilizado, maior geração de caixa, maior volatilidade do fluxo de caixa, maior alavancagem e maior nível de capital de giro, apresentam menor nível de acúmulo de ativos líquidos. São identificadas semelhanças de fatores determinantes de liquidez em relação a estudos empíricos com empresas de países desenvolvidos, bem como diferenças devido a fenômenos particulares de países emergentes, como por exemplo elevadas taxas de juros internas, diferentes graus de acessibilidade ao mercado de crédito internacional e a linhas de crédito de agências de fomento, equity kicking, entre outros. Em teste para a base de dados das maiores firmas do Brasil, é identificada a presença de níveis-alvo de caixa através de modelo auto-regressivo de primeira ordem (AR1). Variáveis presentes em estudos mais recentes com empresas de países desenvolvidos como aquisições, abertura recente de capital e nível de governança corporativa também são testadas para a base de dados do Brasil.

Structural Health Monitoring in Smart Structures Through Time Series Analysis

Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)

Identificação e comparação entre controle preditivo com modelo não linear e PI sintonizados com PSO em sistema de separação gravitacional de águia-óleo

The separation methods are reduced applications as a result of the operational costs, the low output and the long time to separate the uids. But, these treatment methods are important because of the need for extraction of unwanted contaminants in the oil production. The water and the concentration of oil in water should be minimal (around 40 to 20 ppm) in order to take it to the sea. Because of the need of primary treatment, the objective of this project is to study and implement algorithms for identification of polynomial NARX (Nonlinear Auto-Regressive with Exogenous Input) models in closed loop, implement a structural identification, and compare strategies using PI control and updated on-line NARX predictive models on a combination of three-phase separator in series with three hydro cyclones batteries. The main goal of this project is to: obtain an optimized process of phase separation that will regulate the system, even in the presence of oil gushes; Show that it is possible to get optimized tunings for controllers analyzing the mesh as a whole, and evaluate and compare the strategies of PI and predictive control applied to the process. To accomplish these goals a simulator was used to represent the three phase separator and hydro cyclones. Algorithms were developed for system identification (NARX) using RLS(Recursive Least Square), along with methods for structure models detection. Predictive Control Algorithms were also implemented with NARX model updated on-line, and optimization algorithms using PSO (Particle Swarm Optimization). This project ends with a comparison of results obtained from the use of PI and predictive controllers (both with optimal state through the algorithm of cloud particles) in the simulated system. Thus, concluding that the performed optimizations make the system less sensitive to external perturbations and when optimized, the two controllers show similar results with the assessment of predictive control somewhat less sensitive to disturbances

Application of ARX neural networks to model the rate of penetration of petroleum wells drilling

Bit performance prediction has been a challenging problem for the petroleum industry. It is essential in cost reduction associated with well planning and drilling performance prediction, especially when rigs leasing rates tend to follow the projects-demand and barrel-price rises. A methodology to model and predict one of the drilling bit performance evaluator, the Rate of Penetration (ROP), is presented herein. As the parameters affecting the ROP are complex and their relationship not easily modeled, the application of a Neural Network is suggested. In the present work, a dynamic neural network, based on the Auto-Regressive with Extra Input Signals model, or ARX model, is used to approach the ROP modeling problem. The network was applied to a real oil offshore field data set, consisted of information from seven wells drilled with an equal-diameter bit.

A genetic neuro-model reference adaptive controller for petroleum wells drilling operations

Motivated by rising drilling operation costs, the oil industry has shown a trend towards real-time measurements and control. In this scenario, drilling control becomes a challenging problem for the industry, especially due to the difficulty associated to parameters modeling. One of the drill-bit performance evaluators, the Rate of Penetration (ROP), has been used in the literature as a drilling control parameter. However, the relationships between the operational variables affecting the ROP are complex and not easily modeled. This work presents a neuro-genetic adaptive controller to treat this problem. It is based on the Auto-Regressive with Extra Input Signals model, or ARX model, to accomplish the system identification and on a Genetic Algorithm (GA) to provide a robust control for the ROP. Results of simulations run over a real offshore oil field data, consisted of seven wells drilled with equal diameter bits, are provided. © 2006 IEEE.

Implementação e testes de campo de um ESP digital

Neste trabalho é apresentado o desenvolvimento e os resultados da implementação e testes em campo de um estabilizador de sistema de potência (ESP) projetado com técnica de controle digital para fins de amortecimento de modos de oscilação eletromecânica observáveis em sinais de potência elétrica medido em uma unidade hidro-geradora, de 350 MVA da Usina Hidrelétrica de Tucuruí. É apresentada e aplicada a metodologia de identificação de modelos paramétricos lineares do tipo auto regressivo com entradas exógenas (ARX), para estimação de modelos com capacidade de capturar a informação relevante (amortecimento e freqüência natural) dos modos eletromecânicos dominantes do sistema. De posse do modelo paramétrico ARX, é efetuada então a síntese da lei de controle digital amortecedor para o ESP, através da técnica de deslocamento radial dos pólos da função de transferência de malha fechada. Para a síntese da lei de controle digital, utilizou-se uma estrutura canônica do tipo RST. Para os testes de campo, a lei de controle amortecedor do ESP digital foi codificada em linguagem C e embarcada em um protótipo cujo hardware é baseado em microcontrolador modelo DSPIC 30F3014, o qual incorpora um grande número de periféricos para aquisição e comunicação de dados. Para avaliar o desempenho do ESP digital desenvolvido, testes experimentais foram realizados em uma unidade geradora de 350 MVA da casa de força número 1, da UHE de Tucuruí. O estabilizador desenvolvido atua através da modulação da referência de tensão do regulador automático de tensão da respectiva unidade geradora, de acordo com as oscilações observadas através da medida de potência elétrica no estator do gerador. Os resultados de testes de campo mostraram um excelente desempenho do ESP digital no amortecimento de um modo eletromecânico, de freqüência natural de aproximadamente 1,7 Hz, observado nos teste de campo realizado.

Estratégias de identificação paramétrica aplicadas à modelagem dinâmica de um servidor web Apache

Este artigo apresenta um estudo experimental de técnicas de identificação paramétrica aplicadas à modelagem dinâmica de um servidor web Apache. Foi desenvolvido um arranjo experimental para simular variações de carga no servidor. O arranjo é composto por dois computadores PC, sendo um deles utilizado para executar o servidor Apache e o outro utilizado como um gerador de carga, solicitando requisições de serviço ao servidor Apache. Foram estimados modelos paramétricos auto-regressivos (AR) para diferentes pontos de operação e de condição de carga. Cada ponto de operação foi definido em termos dos valores médios para o parâmetro de entrada MaxClients (parâmetro utilizado para definir o número máximo de processos ativos) e a saída percentual de consumo de CPU (Central Processing Unit) do servidor Apache. Para cada ponto de operação foram coletadas 600 amostras, com um intervalo de amostragem de 5 segundos. Metade do conjunto de amostras coletadas em cada ponto de operação foi utilizada para estimação do modelo, enquanto que a outra metade foi utilizada para validação. Um estudo da ordem mais adequada do modelo mostrou que, para um ponto de operação com valor reduzido de MaxClients, um modelo AR de 7a ordem pode ser satisfatório. Para valores mais elevados de MaxClients, os resultados mostraram que são necessários modelos de ordem mais elevada, devido às não-linearidades inerentes ao sistema.

Previsão multi-passos a frente do preço de energia elétrica de curto prazo no mercado brasileiro

A predição do preço da energia elétrica é uma questão importante para todos os participantes do mercado, para que decidam as estratégias mais adequadas e estabeleçam os contratos bilaterais que maximizem seus lucros e minimizem os seus riscos. O preço da energia tipicamente exibe sazonalidade, alta volatilidade e picos. Além disso, o preço da energia é influenciado por muitos fatores, tais como: demanda de energia, clima e preço de combustíveis. Este trabalho propõe uma nova abordagem híbrida para a predição de preços de energia no mercado de curto prazo. Tal abordagem combina os filtros autorregressivos integrados de médias móveis (ARIMA) e modelos de Redes Neurais (RNA) numa estrutura em cascata e utiliza variáveis explanatórias. Um processo em dois passos é aplicado. Na primeira etapa, as variáveis explanatórias são preditas. Na segunda etapa, os preços de energia são preditos usando os valores futuros das variáveis exploratórias. O modelo proposto considera uma predição de 12 passos (semanas) a frente e é aplicada ao mercado brasileiro, que possui características únicas de comportamento e adota o despacho centralizado baseado em custo. Os resultados mostram uma boa capacidade de predição de picos de preço e uma exatidão satisfatória de acordo com as medidas de erro e testes de perda de cauda quando comparado com técnicas tradicionais. Em caráter complementar, é proposto um modelo classificador composto de árvores de decisão e RNA, com objetivo de explicitar as regras de formação de preços e, em conjunto com o modelo preditor, atuar como uma ferramenta atrativa para mitigar os riscos da comercialização de energia.

Pricing-to-market for UK export sector

This thesis investigates the pricing-to-market (PTM) behaviour of the UK export sector. Unlike previous studies, this study econometrically tests for seasonal unit roots in the export prices prior to estimating PTM behaviour. Prior studies have seasonally adjusted the data automatically. This study’s results show that monthly export prices contain very little seasonal unit roots implying that there is a loss of information in the data generating process of the series when estimating PTM using seasonally-adjusted data. Prior studies have also ignored the econometric properties of the data despite the existence of ARCH effects in such data. The standard approach has been to estimate PTM models using Ordinary Least Square (OLS). For this reason, both EGARCH and GJR-EGARCH (hereafter GJR) estimation methods are used to estimate both a standard and an Error Correction model (ECM) of PTM. The results indicate that PTM behaviour varies across UK sectors. The variables used in the PTM models are co-integrated and an ECM is a valid representation of pricing behaviour. The study also finds that the price adjustment is slower when the analysis is performed on real prices, i.e., data that are adjusted for inflation. There is strong evidence of auto-regressive condition heteroscedasticity (ARCH) effects – meaning that the PTM parameter estimates of prior studies have been ineffectively estimated. Surprisingly, there is very little evidence of asymmetry. This suggests that exporters appear to PTM at a relatively constant rate. This finding might also explain the failure of prior studies to find evidence of asymmetric exposure in foreign exchange (FX) rates. This study also provides a cross sectional analysis to explain the implications of the observed PTM of producers’ marginal cost, market share and product differentiation. The cross-sectional regressions are estimated using OLS, Generalised Method of Moment (GMM) and Logit estimations. Overall, the results suggest that market share affects PTM positively.Exporters with smaller market share are more likely to operate PTM. Alternatively, product differentiation is negatively associated with PTM. So industries with highly differentiated products are less likely to adjust their prices. However, marginal costs seem not to be significantly associated with PTM. Exporters perform PTM to limit the FX rate effect pass-through to their foreign customers, but they also avoided exploiting PTM to the full, since to do so can substantially reduce their profits.

A dinâmica da taxa de câmbio no Brasil face às operações swap (2002-2015)

This dissertation investigates, based on the Post-Keynesian theory and on its concept of monetary economy of production, the exchange rate behavior of the Brazilian Real in the presence of Brazilian Central Bank's interventions by means of the so-called swap transactions over 2002-2015. Initially, the work analyzes the essential properties of an open monetary economy of production and, thereafter, it presents the basic propositions of the Post-Keynesian view on the exchange rate determination, highlighting the properties of foreign exchange markets and the peculiarities of the Brazilian position into the international monetary and financial system. The research, thereby, accounts for the various segments of the Brazilian foreign exchange market. To accomplish its purpose, we first do a literature review of the Post-Keynesian literature about the topic. Then, we undertake empirical exams of the exchange rate determination using two statistical methods. On the one hand, to measure the volatility of exchange rate, we estimate Auto-regressive Conditional Heteroscedastic (ARCH) and Generalized Auto-regressive Conditional Heteroscedastic (GARCH) models. On the other hand, to measure the variance of the exchange rate in relation to real, financial variables, and the swaps, we estimate a Vector Auto-regression (VAR) model. Both experiments are performed for the nominal and real effective exchange rates. The results show that the swaps respond to exchange rate movements, trying to offset its volatility. This reveals that the exchange rate is, at least in a certain magnitude, sensitive to swaps transactions conducted by the Central Bank. In addition, another empirical result is that the real effective exchange rate responds more to the swaps auctions than the nominal rate.

Análise espacial dos determinantes socioeconômicos dos homicídios no Estado de Pernambuco

OBJETIVO: Investigar a associação entre variáveis socioeconômicas e taxas de homicídio, considerando a localização espacial dos indicadores. MÉTODOS: Utilizou-se o método de estudo ecológico. A variável dependente foi taxa de homicídio da população masculina de 15 a 49 anos, residente nos municípios do Estado de Pernambuco, em 1995 a 1998. As variáveis independentes referem-se a: índice de condições de vida, renda familiar per capita, desigualdade de Theil, índice de Gini, renda média do chefe de família, índice de pobreza, taxa de analfabetismo, densidade demográfica.Utilizou-se teste de correlação espacial determinado pelo Índice de Moran, regressão múltipla, Conditional Auto Regressive (CAR) e a função Loess, como modelo de detecção de tendência especial. RESULTADOS: Os indicadores taxa de analfabetismo e índice de pobreza explicaram 24,6% da variabilidade total das taxas de homicídio, cuja associação foi inversa. O índice de Moran revelou autocorrelação espacial entre os municípios. O modelo de regressão espacial que melhor se adequou ao estudo foi o CAR, que confirmou a associação entre índice de pobreza, analfabetismo e homicídio. CONCLUSÕES: A relação inversa observada entre os indicadores socioeconômicos e homicídios pode expressar determinado processo que propicia melhoria das condições de vida, e está atrelado predominantemente a condições geradoras de violência, como a do tráfico de drogas.

Seasonal variation in hospitalizations due to heart failure in Niterói city, Southeastern Brazil

The objective of the study was to describe seasonality of hospitalizations for heart failure in tropical climate as it has been described in cold climates. Seasonal Auto-regressive Integrated Moving-Average model was applied to time-series data of heart failure hospitalizations between 1996 and 2004 in Niteroi (Southeastern Brazil), collected from the Brazilian National Health Service Database. The standard seasonal variation was obtained by means of moving-average filtering and averaging data. The lowest and the highest annual hospital admissions were 507 (1997) and 849 (2002), respectively; the lowest and the highest monthly rates were 419 (December) and 681 (October), respectively. Peak admission rates were seen during the fall and winter. Although weak, the seasonality observed indicates that slight variations result in increased hospitalizations for heart failure.

A new least-squares approach to differintegration modeling

Signal Processing, Vol. 86, nº 10

Inserção de todos os consumidores no mercado liberalizado de energia elétrica: oportunidades e desafios

O processo de liberalização do setor elétrico em Portugal Continental seguiu uma metodologia idêntica à da maior parte dos países europeus, tendo a abertura de mercado sido efetuada de forma progressiva. Assim, no âmbito do acompanhamento do setor elétrico nacional, reveste-se de particular interesse caracterizar a evolução mais recente do mercado liberalizado, nomeadamente em relação ao preço da energia elétrica. A previsão do preço da energia elétrica é uma questão muito importante para todos os participantes do mercado de energia elétrica. Como se trata de um assunto de grande importância, a previsão do preço da energia elétrica tem sido alvo de diversos estudos e diversas metodologias têm sido propostas. Esta questão é abordada na presente dissertação recorrendo a técnicas de previsão, nomeadamente a métodos baseados no histórico da variável em estudo. As previsões são, segundo alguns especialistas, um dos inputs essenciais que os gestores desenvolvem para ajudar no processo de decisão. Virtualmente cada decisão relevante ao nível das operações depende de uma previsão. Para a realização do modelo de previsão de preço da energia elétrica foram utilizados os modelos Autorregressivos Integrados de Médias Móveis, Autoregressive / Integrated / Moving Average (ARIMA), que geram previsões através da informação contida na própria série temporal. Como se pretende avaliar a estrutura do preço da energia elétrica do mercado de energia, é importante identificar, deste conjunto de variáveis, quais as que estão mais relacionados com o preço. Neste sentido, é realizada em paralelo uma análise exploratória, através da correlação entre o preço da energia elétrica e outras variáveis de estudo, utilizando para esse efeito o coeficiente de correlação de Pearson. O coeficiente de correlação de Pearson é uma medida do grau e da direção de relação linear entre duas variáveis quantitativas. O modelo desenvolvido foi aplicado tendo por base o histórico de preço da eletricidade desde o inicio do mercado liberalizado e de modo a obter as previsões diária, mensal e anual do preço da eletricidade. A metodologia desenvolvida demonstrou ser eficiente na obtenção das soluções e ser suficientemente rápida para prever o valor do preço da energia elétrica em poucos segundos, servindo de apoio à decisão em ambiente de mercado.