Forecasting 3

Forecasting e Otimizao de F ti Oti i d Carteiras com Matlab
AULA 3
Guia de Estudo para Aula 03

Modelos Discretos
- Formulao de um modelo -P Programao d modelos com f de d l for - A simulao de um modelo - Formas de apresentao do modelo
Exerccios
- Simulao de modelos discretos
Objetivos da Aula
- Aprender function - Simular modelos discretos - uso de variveis globais. - uso de modelos estocsticos.
Aula 3- Prof. Dr. Marco Antonio Leonel Caetano
Criar e salvar um programa em Matlab onde est a funo. C s v u p og e b o de es u o. Programar o algoritmo principal do problema. Ligar o principal com a function usando type
function Programa g
Principal
Function nome_da_function (parmentro1,...,parmetroN)
nome_da_function=...calculo da funo...
A function do problema
Nome no incio obrigatrio
Nome da funo e parmetros de entrada
Mesmo nome da funo

5
Programa Principal
Indicao do link do programa p g com a function f
Chamada da funo para o clculo
O que uma Si Simulao? l ?
Em sistemas Dinmicos a resoluo de
dx = f (t , x ) dt x ( t 0 ) = x0
Aula 3- Prof. Dr. Marco Antonio Leonel Caetano 7
A Diferenciabilidade e a Previso de Eventos Futuros

x
PONTO DE TANGNCIA
x dx
dt
TEMPO (t)
Sistemas Discretos
Aproxima-se um sistema contnuo
dx = f (t , x ) dt x (t0 ) = x0
Pelo sistema discreto l i di

x = f ( t, x ) t
x dx = Lim = f ( t, x ) dt t 0 t
x k +1 x k = f (t k , x k ) t k +1 t k
Supondo tempo discreto de 1 unidade
x k +1 x k = f ( t k , x k )
x k +1 = x k + f ( t k , x k )
Problema Exemplo
Simular o seguinte modelo no Matlab (usando function)
x k +1 = x k 0.1x
Com as condies iniciais: t(0) = 0 x(0) = 1 ( ) tempo final = 15
2 k
10
Modelo entra aqui na f function i
11
Programa Principal
Chamada da function
12
Resultado da simulao
13
Mtodo de Newton-Raphson
Determina as razes de um polinmio da seguinte forma:
f ( xk ) xk +1 = xk f ' ( xk )
Onde f() o polinmio e f() a derivada.
14
Problema 2
Encontrar as razes do polinmio abaixo no Matlab (usando function), pelo mtodo de Newton: ( d f ti ) l t d d N t
f ( x) = x 5 x + 6
2
15
Algoritmo
1- chutar 1 h t a semente x0. t 2- h 2 chamar a f function d funo f( ) ti da f f(x). 3- h 3 chamar a f function d d i d f( ) ti da derivada f(x). 4- calcular no o 4 calc lar o novo xk+1. 5 5- calcular a diferena entre o novo xk e antigo xk+1. 6 6- fazer o antigo x igual ao novo.
Arquivo ff.m A i ff
f ( x) = x 5 x + 6
2
Arquivo ffL.m
f ' ( x) = 2 x 5
17
Programa Principal
Chute inicial
18
Com x0 = 0 ...
Com x0 = 10 ... C 0
19
Funo do Matlab fsolve()
Encontra as razes de um polinmio pelo mtodo de Newton. A sintaxe :
O smbolo @ chama a function ff.m
Chute inicial
20
Dois chutes diferentes
x(0) = 0
x(0) = 10
21
Problema 3
Simular o seguinte modelo no Matlab (usando function)
xk +1 = 5sen(0.1xk ) e 0.001xk
Com as condies iniciais: t(0) = 0 x(0) = 1 ( ) tempo final = 15
22
23
Programa Principal
24
25
Simulando Modelos de ordem superiores
Modelo
x k +1 = 1.875 + 0.25x k + 0.375 y k y k +1 = 10 2 x k + 0.5 y k x(0) = 2.5 y(0) = 15
26
A function do sistema
vetor de variveis do modelo
27
Programa Principal
Comando para gerar nova janela de figura
28
Subplot(211)
Subplot(212)
Figure 2
29
Problema 4
x k +1 = 0.4 x k y k +1 = 0.4 x k 0.5 y k x(0) = 2.5 y(0) = 15
30
A function do sistema
31
32
A estocasticidade entra em cena
O matlab possui geradores de nmeros aleatrios conforme a distribuio de probabilidade desejada. Distribuio Uniforme : i i i i rand d
Distribuio Gaussiana : randn Faz-se necessrio antes a busca de uma semente para g p gerao de nmeros aleatrios. Antes do uso das funes, gera-se a semente da seguinte forma: Uniforme: U if rand(seed, sum(100*clock)) d( d (100* l k)) Gaussiana: randn(seed, sum(100*clock))
Processos Estocsticos Sinal no tempo
Estatstica E t t ti (varivel aleatria)
34
Busca da semente
35
A incerteza no modelo
x k +1 = 0.4 x k + w k y k +1 = 0.4 x k 0.5 y k x(0) = 2.5 y(0) = 15
Onde wk ~N(0,0.42) Incerteza!
36
A function modificada
Desvio-padro D i d
Rudo branco gaussiano
37
O resultado
38
Variveis Globais
So Variveis cujo valores so recebidos no programa principal, mas reconhecidos pelas subrotinas ou functions chamadas durante a execuo.
Comando
Global nome da varivel
39
Um Modelo de terremoto para o mercado financeiro
B C (t c t ) y ( t ) = A + B (t c t ) + cos( ln (t c t ) + ) (t c t )
Exemplo
A = 20000; B = -6; C = 19; = 1.33; = 20; = 5.9
tc=242
40
41
Usando Matlab
Variveis globais
42
Na Function
As variveis tambm so indicadas aqui
43
A realidade do Crash na Bovespa

25000 20000 15000 10000 5000 0 0 100 200 300 400
Dados reais da Bovespa- Ago/99 a Jun/00 Simulado

Caminho aleatrio sem drift
xk +1 = xk + k +1
=0 = desvio da srie tamanho da srie
45
Srie histrica ( opes) PetrB28 Jan/2009
1.3
1.2 12
1.1
0.9
0.8
FUTURO U U O ??????
0.7
0.6
500
1000
1500
2000
2500
46
Intervalo de Confiana
Lim sup( xk +1 ) = estimativa + z.. k Lim sup( xk +1 ) = estimativa z.. k p(

z : indica o nvel de confiana da distribuio normal
z = 1 -z = 1,96 -z = 3 -Aula 3- Prof. Dr. Marco Antonio Leonel Caetano
69% de confiana f 95% de confiana 99% de confiana f

47
Forecasting
2.5
1.5
0.5 05
95%
68%
-0.5
500
1000
1500
2000
2500
3000
48
Forecasting
1.6 1.4 1.2 1 0.8 0.6 0.4 0.2 0
Banda de confiana para um desvio padro (68% de confiana)
500
1000
1500
2000
2500
3000
49
Forecasting
1.05
0.95
Banda de confiana para 1.96 desvio padro (95% de confiana)
0.9
0.85
0.8 08
0.75 1900 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900
Comparao com valor real (verde)

Deteriorao da previso
1.1 1.05 1 0.95 0.9 0.85 0.8 0.75 0 75 0.7 2000 2100 2200 2300 2400 2500 2600 2700 2800 2900
Banda de confiana para 3 desvio padro (99% de confiana)
Tempo (minutos)
O Programa
modelo superior inferior
52
Caminho aleatrio com drift
xk +1 = + xk + k +1
= = desvio da srie tamanho da srie
53
O CASO BOVESPA
REGIO DE INTERESSE
8 7 6 5 4 3 2 1 0 x 10
4
BOVESPA
Supor
= 40
500
1000
1500
2000
2500
3000
54
Novo Intervalo de Confiana
Lim sup( xk +1 ) = xk + z.. k Lim sup( xk +1 ) = xk z.. k p(
Ateno: como existe drift ao invs da mdia (que fixa), toma-se cada dado da iterao.
55
Clculos errados do intervalo de confiana !
x 10
Feito pela mdia
Lim sup( xk +1 ) = xk + z.. k

0
4
500
1000
1500
Lim sup( xk +1 ) = xk z.. k
x 10
Escolhendo o ltimo dado (fixo) existe uma tendncia que o intervalo no acompanha.
Lim sup( xk +1 ) = x(n) + z.. k Lim sup( xk +1 ) = x(n) z.. k

0 500 1000 1500
56
Intervalo de confiana iterativo

necessrio o clculo do valores mximos e mnimos para cada valor k k em cada simulao para a construo do intervalo.
9 8 7 6 5 4 3 2 1 0 x 10
4
k=1 max(1),min(1) max(1) min(1)
500
1000
1500
57

9 8 7 6 5 4 3 2 1 0 x 10
4
k 2 k=2 max(2),min(2)
500
1000
1500
58

9 8 7 6 5 4 3 2 1 0 x 10
4
k=n max(n),min(n)
500
1000
1500
59
Borda dos Intervalos de confiana Aps 20 iteraes, a borda ser:

x 10
4
9 8 7 6 5 4 3 2 1 0
500
1000
1500
60
Comparao com dados reais (bovespa)

8 7 6 5 4 3 2 1 0 x 10
4
DADOS REAIS
INTERVALO DE CONFIANA DE 99%
500
1000
1500
61
O PROGRAMA
62
63

Forecasting 3

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Forecasting 3

Загружено:

Авторское право:

Доступные форматы

Forecasting e Otimizao de F ti Oti i d Carteiras com Matlab

Guia de Estudo para Aula 03

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Function nome_da_function (parmentro1,...,parmetroN)

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Nome no incio obrigatrio

Nome da funo e parmetros de entrada

Mesmo nome da funo

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Indicao do link do programa p g com a function f

Chamada da funo para o clculo

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

O que uma Si Simulao? l ?

Em sistemas Dinmicos a resoluo de

A Diferenciabilidade e a Previso de Eventos Futuros

Aproxima-se um sistema contnuo

Pelo sistema discreto l i di

Supondo tempo discreto de 1 unidade

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Simular o seguinte modelo no Matlab (usando function)

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Modelo entra aqui na f function i

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Determina as razes de um polinmio da seguinte forma:

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Funo do Matlab fsolve()

Encontra as razes de um polinmio pelo mtodo de Newton. A sintaxe :

O smbolo @ chama a function ff.m

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Dois chutes diferentes

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Simular o seguinte modelo no Matlab (usando function)

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Simulando Modelos de ordem superiores

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

vetor de variveis do modelo

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Comando para gerar nova janela de figura

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

x k +1 = 0.4 x k y k +1 = 0.4 x k 0.5 y k x(0) = 2.5 y(0) = 15

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

A estocasticidade entra em cena

Processos Estocsticos Sinal no tempo

Estatstica E t t ti (varivel aleatria)

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

x k +1 = 0.4 x k + w k y k +1 = 0.4 x k 0.5 y k x(0) = 2.5 y(0) = 15

Onde wk ~N(0,0.42) Incerteza!

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano

Rudo branco gaussiano

Aula 3- Prof. Dr. Marco Antonio Leonel Caetano