Identificação de sistemas contínuos utilizando o método dos momentos de Poisson

A maioria dos métodos de síntese e sintonia de controladores, bem como métodos de otimização e análise de processos necessitam de um modelo do processo em estudo. A identificação de processos é portanto uma área de grande importância para a engenharia em geral pois permite a obtenção de modelos empíricos dos processos com que nos deparamos de uma forma simples e rápida. Mesmo não utilizando leis da natureza, os modelos empíricos são úteis pois descrevem o comportamento específico de determinado processo. Com o rápido desenvolvimento dos computadores digitais e sua larga aplicação nos sistemas de controle em geral, a identificação de modelos discretos foi amplamente desenvolvida e empregada, entretanto, modelos discretos não são de fácil interpretação como os modelos contínuos pois a maioria dos sistema com que lidamos são de representação contínua. A identificação de modelos contínuos é portanto útil na medida que gera modelos de compreensão mais simples. A presente dissertação estuda a identificação de modelos lineares contínuos a partir de dados amostrados discretamente. O método estudado é o chamado método dos momentos de Poisson. Este método se baseia em uma transformação linear que quando aplicada a uma equação diferencial ordinária linear a transforma em uma equação algébrica evitando com isso a necessidade do cálculo das derivadas do sinais de entrada e saída Além da análise detalhada desse método, onde demonstramos o efeito de cada parâmetro do método de Poisson sobre o desempenho desse, foi realizado também um estudo dos problemas decorrentes da discretização de sinais contínuos, como por exemplo o efeito aliasing decorrente da utilização de tempos de amostragem muito grandes e de problemas numéricos da identificação de modelos discretos utilizando dados com tempos de amostragem muito pequenos de forma a destacar as vantagens da identificação contínua sobre a identificação discreta Também foi estudado um método para compensar a presença de offsets nos sinais de entrada e saída, método esse inédito quando se trata do método dos momentos de Poisson. Esse trabalho também comprova a equivalência entre o método dos momentos de Poisson e uma metodologia apresentada por Rolf Johansson em um artigo de 1994. Na parte final desse trabalho são apresentados métodos para a compensação de erros de modelagem devido à presença de ruído e distúrbios não medidos nos dados utilizados na identificação. Esses métodos permitem que o método dos momentos de Poisson concorra com os métodos de identificação discretos normalmente empregados como por exemplo ARMAX e Box-Jenkins.

Introdução à integração estocástica (Revisado em Julho de 1999)

A integração estocástica é a ferramenta básica para o estudo do apreçamento de ativos derivados1 nos modelos de finanças de tempo contínuo. A fórmula de Black e Scholes é o exemplo mais conhecido. Os movimentos de preços de ações, são frequentemente modelados - tanto teóricamente quanto empÍricamente - como seguindo uma equação diferencial estocástica. O livro texto de D. Duflle, "Dynamic asset pricing theory)) 1 usa livremente conceitos como o teorema de Girsanov e a fórmula de Feynrnan-Kac. U fi conhecimento básico da integração estocástica é cada vez mais necessário para quem quer acompanhar a literatura moderna em finanças. Esta introdução à integração estocástica é dirigida para alunos de doutourado e no final de mestrado. Um conhecimento sólid02 de continuidade, limites e facilidade de operar com a notação de conjuntos é fundamental para a compreensão do texto que se segue. Um conhecimento básico de integral de Lebesgue é recomendável. No entanto incluí no texto as definições básicas e os resultados fundamentais da teoria da integral de Lebesgue usados no texto.

Testing the optimality of aggregate consumption decisions: is there rule-of-thumb behavior?

Consumption is an important macroeconomic aggregate, being about 70% of GNP. Finding sub-optimal behavior in consumption decisions casts a serious doubt on whether optimizing behavior is applicable on an economy-wide scale, which, in turn, challenge whether it is applicable at all. This paper has several contributions to the literature on consumption optimality. First, we provide a new result on the basic rule-of-thumb regression, showing that it is observational equivalent to the one obtained in a well known optimizing real-business-cycle model. Second, for rule-of-thumb tests based on the Asset-Pricing Equation, we show that the omission of the higher-order term in the log-linear approximation yields inconsistent estimates when lagged observables are used as instruments. However, these are exactly the instruments that have been traditionally used in this literature. Third, we show that nonlinear estimation of a system of N Asset-Pricing Equations can be done efficiently even if the number of asset returns (N) is high vis-a-vis the number of time-series observations (T). We argue that efficiency can be restored by aggregating returns into a single measure that fully captures intertemporal substitution. Indeed, we show that there is no reason why return aggregation cannot be performed in the nonlinear setting of the Pricing Equation, since the latter is a linear function of individual returns. This forms the basis of a new test of rule-of-thumb behavior, which can be viewed as testing for the importance of rule-of-thumb consumers when the optimizing agent holds an equally-weighted portfolio or a weighted portfolio of traded assets. Using our setup, we find no signs of either rule-of-thumb behavior for U.S. consumers or of habit-formation in consumption decisions in econometric tests. Indeed, we show that the simple representative agent model with a CRRA utility is able to explain the time series data on consumption and aggregate returns. There, the intertemporal discount factor is significant and ranges from 0.956 to 0.969 while the relative risk-aversion coefficient is precisely estimated ranging from 0.829 to 1.126. There is no evidence of rejection in over-identifying-restriction tests.

The forward- and the equity-premium puzzles: two symptoms of the same illness?

We build a pricing kernel using only US domestic assets data and check whether it accounts for foreign markets stylized facts that escape consumption based models. By interpreting our stochastic discount factor as the projection of a pricing kernel from a fully specified model in the space of returns, our results indicate that a model that accounts for the behavior of domestic assets goes a long way toward accounting for the behavior of foreign assets. We address predictability issues associated with the forward premium puzzle by: i) using instruments that are known to forecast excess returns in the moments restrictions associated with Euler equations, and; ii) by pricing Lustig and Verdelhan (2007)'s foreign currency portfolios. Our results indicate that the relevant state variables that explain foreign-currency market asset prices are also the driving forces behind U.S. domestic assets behavior.

The forward- and the equity-premium puzzles: two symptoms of the same illness?

Using information on US domestic financial data only, we build a stochastic discount factor—SDF— and check whether it accounts for foreign markets stylized facts that escape consumption based models. By interpreting our SDF as the projection of a pricing kernel from a fully specified model in the space of returns, our results indicate that a model that accounts for the behavior of domestic assets goes a long way toward accounting for the behavior of foreign assets prices. We address predictability issues associated with the forward premium puzzle by: i) using instruments that are known to forecast excess returns in the moments restrictions associated with Euler equations, and; ii) by pricing Lustig and Verdelhan (2007)’s foreign currency portfolios. Our results indicate that the relevant state variables that explain foreign-currency market asset prices are also the driving forces behind U.S. domestic assets behavior.