Mostrar registro simples

dc.creatorXavier, Patricia Cristiane da Cunha
dc.date.accessioned2018-10-16T21:09:16Z
dc.date.available2018-10-16T21:09:16Z
dc.date.issued2017-08-21
dc.identifier.urihttp://repositorio.ufsm.br/handle/1/14570
dc.description.abstractThis study is a price analysis of two important civil engineering commodities in Rio Grande do Sul. It is based on the examination of each series composed of monthly prices of Portland cement and steel in order to predict their prices in the state using the wavelet-ARIMA model in order to improve the sector development. Directly affected by the economic instability, the cement and steel industry decelerates. The activity level diminishes if compared to the previous month and there is less work opportunities mainly in Rio Grande do Sul. Considering this, this study focuses on the role of these materials in the civil engineering market, aiming at predicting the cement and the steel prices in Rio Grande do Sul. ARIMA methods were used which represent the stochastic process that generates the time series data whose source is the Brazilian Construction Industry. The analyzed period goes from September/1995 to December/2016, equals 256 observations of the Portland cement monthly price and 128 observations of the steel monthly price from February/2007 to September/2017. After this, the original data series is decomposed by Haar wavelets in approximations and details. The approximations are decomposed in different levels, the details are wavelets coefficients that with the scale functions reconstruct the new data series. In every discretization process there is loss. Thus, the transformed series is more accurate than the original, that is, the wavelets decomposition is used as a way to achieve a more accurate prediction when the approximation factors and the details are adjusted to the autoregressive integrated moving average. Finally, in Rio Grande do Sul, the model that best represents the steel price series is an ARIMA (1,1,0) and the model that best represents the Portland cement price series is a ARIMA (1,1,1).eng
dc.languageporpor
dc.publisherUniversidade Federal de Santa Mariapor
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectCimentopor
dc.subjectAçopor
dc.subjectPrevisãopor
dc.subjectPreçopor
dc.subjectModelospor
dc.subjectWaveletpor
dc.subjectCementeng
dc.subjectSteeleng
dc.subjectForecasteng
dc.subjectPriceeng
dc.subjectModelseng
dc.subjectWaveleteng
dc.titlePrevisão do preço do cimento Portland e do aço no Rio Grande do Sul por meio de modelagem wavelet- ARIMApor
dc.title.alternativePrice forecasting of Portland cement and steel in Rio Grande do Sul using the wavelet- ARIMA modeleng
dc.typeDissertaçãopor
dc.description.resumoEste trabalho apresenta um estudo sobre o comportamento dos preços de duas das mais importantes commodities do setor da construção civil no estado do Rio Grande do Sul. A partir deste, faz-se uma análise de cada uma das séries compostas por dados mensais de preços do cimento Portland e do aço em R$/Kg, cujo objetivo é prever o preço de ambos no referido estado, por meio da modelagem wavelet-ARIMA, para auxiliar no planejamento do desempenho do setor. Afetadas diretamente pela instabilidade econômica, a indústria cimenteira e do aço recuam. Intensificam-se as quedas no nível de atividade em relação ao mês anterior, perdas dos postos de trabalho ganham força no Rio Grande do Sul. Nesse sentido, foram utilizados métodos de modelagem Autorregressivos Integrados de Médias Móveis – ARIMA em dados cujo período analisado está compreendido entre setembro/1995 a dezembro/2016, totalizando 256 observações referentes ao preço mensal do cimento Portland e um total de 128 observações, para o preço mensal do aço no período de fevereiro/2007 a setembro/2017 cuja fonte é a Câmara Brasileira da Indústria da Construção. Posteriormente, a série cujos dados são preços mensais em R$/Kg das referidas commodities foi decomposta por wavelets de Haar em aproximações e detalhes. Tais aproximações são decompostas em diferentes níveis, e os detalhes já são em si coeficientes wavelets que, junto das funções escalas, irão reconstruir a nova série de dados. A decomposição por wavelets foi utilizada como forma de buscar uma melhor acurácia de previsão, ajustando os fatores de aproximação e detalhes ao modelo autorregressivo integrado de médias móveis. Assim, conclui-se que, no Rio Grande do Sul, o modelo que melhor representa a série do preço do aço é um ARIMA (1,1,0), e o modelo que melhor representa a série do preço do cimento Portland é um ARIMA (1,1,1).por
dc.contributor.advisor1Souza, Adriano Mendonça
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/5271075797851198por
dc.contributor.referee1Flôres, Maria Lucia Pozzatti
dc.contributor.referee1Latteshttp://lattes.cnpq.br/8670584898353787por
dc.contributor.referee2Jacobi, Luciane Flores
dc.contributor.referee2Latteshttp://lattes.cnpq.br/4372969575747920por
dc.creator.Latteshttp://lattes.cnpq.br/5140118151957783por
dc.publisher.countryBrasilpor
dc.publisher.departmentEngenharia de Produçãopor
dc.publisher.initialsUFSMpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia de Produçãopor
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAOpor
dc.publisher.unidadeCentro de Tecnologiapor


Arquivos deste item

Thumbnail
Thumbnail

Este item aparece na(s) seguinte(s) coleção(s)

Mostrar registro simples

Attribution-NonCommercial-NoDerivatives 4.0 International
Exceto quando indicado o contrário, a licença deste item é descrito como Attribution-NonCommercial-NoDerivatives 4.0 International