• Joel Corrêa da Rosa
• Alexandre Moreira Batista
• Higor Manginelli

Não-linearidades estão presentes em diversas séries temporais em fenômenos como ciclo-limite, amplitude dependente de freqüência, assimetria, saltos de ressonância, subharmônicos e harmônicos superiores e saturações. Muitas vezes um comportamento caótico é interpretado como aleatoriedade. Há um número crescente de modelos não lineares para análise e previsão de séries temporais. Parte deste aumento deve-se as recentes facilidades computacionais e o desenvolvimento de sistemas híbridos de previsão.

Nonlinear Econometric Models

Mudanças Climáticas e Perspectivas Canadenses

Probabilistic Climate Change Predictions applying Bayesian Model Averaging

Modelling Multiple Regimes in Business Cycles

A Multifractal Walk Down in Wall Street

Nonlinear AutoRegressive Time Series Models in R

• Projeto Batista-Manginelli: utilizar modelos não-lineares que ajustam modelos auto-regressivos por limiar. Estes são os modelos da classe STAR: TAR, SETAR e LSTAR. Estes modelos estão implementados no pacote tsDyn no software R. (Sumário do Projeto)

• Projeto IC: dinâmica não-linear aplicada em séries de retornos; conceitos derivados da Física aplicados à Estatística.

• Projeto IC: impacto do clima na dinâmica de séries financeirasProjeto IC 2008 (tex).

[2006, book]

Granger, C. W. J., & Teräsvirta, T. (2006). Modelling Nonlinear Economic Relationships. Oxford: Oxford University Press.

[2007, article]

Min, S.-K., Simonis, D., & Hense, A. (2007). Probabilistic climate change predictions applying Bayesian model averaging. Philosophical Transactions of the Royal Society A.} language = {pt, 365, 2103-2116.