26 04 im alumniV8
22 11 im fatiado face
22 11 im fatiado twitter
22 11 im fatiado youtube
22 11 im fatiado gmail
22 11 im fatiado brazil
22 11 im fatiado england
22 11 im fatiado spain

Palestrantes: Andrea Ugolini (UERJ) e Daniel Alves Castello (UFRJ)
Local: Instituto de Matemática e Estatística da UERJ

O COLMEA - Colóquio Interinstitucional Modelos Estocásticos e Aplicações - tem mais um encontro no próximo dia 7 de novembro, a partir de 14h, no Instituto de Matemática e Estatística da UERJ. Nesta ocasião teremos palestras de Andrea Ugolini (UERJ) e Daniel Alves Castello (UFRJ).

Programa

14:00 h - 15:20h Andrea Ugolini (UERJ)
Risco Sistêmico na Rede Bancária Brasileira: Uma abordagem Vine-cópula
15:40h - 17:00h Daniel Alves Castello (UFRJ)
On the Model Building for Transmission Line Cables: A Bayesian Approach

17:00h Discussão e lanche

Local: Instituto de Matemática e Estatística - UERJ, Auditório RAV 62, 6º andar, Bloco F - UERJ Campus Maracanã, Rua São Francisco Xavier, 524 - Maracanã, Rio de Janeiro - RJ

Palestras

Risco Sistêmico na Rede Bancária Brasileira: Uma abordagem Vine-cópula
Palestrante: Andrea Ugolini (UERJ)

Nesse evento, examinamos o risco sistêmico da rede bancária brasileira, utilizando o valor em risco condicional como medida de risco. Modelamos a dependência condicional multivariada entre os bancos brasileiros por meio do modelo Vine-cópula, o qual representa uma estrutura hierárquica de dependência em árvore. Para isso, usamos cópulas bivariadas e, desta forma, modelamos a dependência entre cada banco e o índice representativo do sistema financeiro brasileiro (BFIndex). Os resultados indicam que, para o período de janeiro de 2007 a janeiro de 2016, o risco sistêmico da rede financeira brasileira aumentou drasticamente durante a crise financeira global. Nossas evidências indicam, por um lado, que os bancos Bradesco e Itaú desencadearam os principais impactos sistêmicos no setor bancário brasileiro. Por outro, essas evidências sinalizam que o Banco do Brasil desempenhou um papel menor de transmissão de risco. Os resultados encontrados têm implicações para a regulamentação de capital das instituições financeiras e para as decisões de gestão de risco dos investidores.

On the Model Building for Transmission Line Cables: A Bayesian Approach
Palestrante
: Daniel Alves Castello (UFRJ)

This work is aimed at building models to predict the bending vibrations of stranded cables used in high-voltage transmission lines. The present approach encompasses model calibration, validation and selection based on a statistical framework. Model calibration is tackled using a Bayesian framework and the Delayed Rejection Adaptive Metropolis (DRAM) sampling algorithm is employed to explore the posterior probability of the unknown model parameters. Two model classes are proposed to predict the bending vibrations of a typical high-voltage stranded cable. Both model classes account for the aerodynamic damping with the surrounding medium and the bending stiffness of the cable. The difference between the two relies on the damping model chosen to quantify the energy dissipation due to friction among the constituent wires of the cable. Model ranking is rigorously quantified by means of a Bayesian model class selection approach, in which both the data-fitting capability and complexity of each model class are simultaneously taken into account. Experimental tests are performed on a laboratory span with a typical high-voltage stranded cable. The measured frequency response functions are the observable quantities employed in the Bayesian model updating for the two model classes proposed. Both model classes provide comparable and accurate predictions for the cable’s frequency response functions within the range [5, 25] Hz, with the fractional derivative-based model class providing the most accurate predictions. Nonetheless, both model classes failed to accurately reproduce the measured cable’s dynamic response within the frequency range [25, 30] Hz

Topo