Especialistas Seniores em Covid-19 com atuação no Brasil

Thiago Christiano Silva

Em 2012, obteve o título de Doutor em Ciências Matemáticas e de Computação pelo Instituto de Ciências Matemáticas e de Computação (ICMC), Universidade de São Paulo (USP). Em 2009, completou a graduação em Engenharia de Computação pela Universidade de São Paulo, formando-se em primeiro lugar da turma. Sua tese de doutorado recebeu três prêmios acadêmicos, entre eles o "Prêmio Capes de Tese 2013", outorgado pela Capes. Publicou o livro "Machine Learning in Complex Networks" pela Springer em 2016 (já conta com tradução em chinês). Possui bolsa de Produtividade em Pesquisa Nível 2 na área de Administração, Contabilidade e Economia do CNPq (2020 - 2022) e também coordena projeto da Universal do CNPq (2019 - 2021) na área de Ciência da Computação. O artigo "Stochastic Competitive Learning in Complex Networks" publicado no IEEE Transactions on Neural Networks and Learning Systems foi artigo destaque pela IEEE Computational Intelligence Magazine (vol. 7, no. 3, 2012). É professor doutor da Universidade Católica de Brasília (UCB) e integra dois programas de pós-graduação: (i) o programa de Doutorado/Mestrado em Economia (linha de Finanças) e (ii) e o programa de Mestrado Profissional em Governança, Tecnologia e Inovação (linha de Ciência de Dados e Aprendizado de Máquina). Atua também como pesquisador e chefe de divisão da Consultoria de Pesquisa em Estabilidade Financeira no Departamento de Estudos e Pesquisas (Depep) do Banco Central do Brasil (BCB). Possui interesse em tópicos relacionados a Ciência de Computação, Finanças e Economia. Trabalha com: aprendizado de máquina, redes complexas, estabilidade financeira, risco sistêmico, econometria e banking. (Texto informado pelo autor)

  • https://lattes.cnpq.br/6238208958412798 (27/10/2021)
  • Rótulo/Grupo:
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Banco Central, Banco Central do Brasil, Departamento de Estudos e Pesquisas (DEPEP). Banco Central do Brasil Asa Sul 70074900 - Brasília, DF - Brasil Telefone: (61) 34143870 Ramal: 3870 URL da Homepage: https://www.bcb.gov.br
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (7)
    1. 2020-Atual. Efeitos da Interconectividade na Economia: uma abordagem microeconometrica e com redes complexas
      Descrição: Pretende-se estimar o efeito de políticas públicas na economia e quantificar como a interconectividade econômico-financeira entre os agentes econômicos contribui para atenuar ou amplificar tais efeitos. O projeto abarca várias áreas de pesquisa na Economia e Finanças, bem como métodos instrumentais de Aprendizado de Máquina e Redes Complexas. Entre os tópicos de pesquisa, pretendemos investigar como choques de crédito bancário se propagam por redes de firmas fornecedoras e consumidoras. Para tanto, utilizaremos dados que cobrem transações firma-firma no Brasil durante o período da quebra do Lehman Brothers. Utilizaremos todas as TEDs entre firmas que ocorreram por razões econômicas para compor a rede de dependências econômicas entre as firmas brasileiras. Analisaremos a falência do Lehman Brothers em setembro de 2008 como um choque exógeno e de grandes proporções para a economia brasileira e exploraremos duas características distintivas da resposta de bancos brasileiros à crise. Primeiramente, a intensidade de racionamento de crédito para firmas foi significativamente influenciada pelo tipo de controle dos bancos. Bancos privados cortaram crédito substancialmente, enquanto bancos governamentais mantiveram sua tendência pré-crise nos empréstimos, atuando contraciclicamente. Em segundo lugar, a importância histórica do setor público no sistema bancário de economias emergentes, tais como o Brasil, sugere que choques como esses possuem implicações macroeconômicas. Usando a reação contracíclica dos bancos governamentais no Brasil após a falência do Lehman Brothers como um experimento de política econômica, pretendemos verificar se choques de crédito originados nas relações firma-banco são transmitidos ao longo da rede de firmas fornecedoras e firmas consumidoras, com reflexos na probabilidade de sobrevivência e em variáveis econômicas das firmas.. Situação: Em andamento; Natureza: Pesquisa. Integrantes: Thiago Christiano Silva - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Número de produções C, T & A: 3
      Membro: Thiago Christiano Silva.
    2. 2019-2020. Redes complexas e aprendizado de maquina: o papel da interconectividade
      Descrição: Esta proposta de pesquisa está fortemente ligada à linha de pesquisa Tecnologia da Informação e Suporte a Decisão do curso de pós-graduação em Governança, Tecnologia e Inovação da Universidade Católica de Brasília em diversos aspectos. Instrumentalmente, o projeto se estrutura fortemente em tópicos atinentes à Inteligência Artificial, uma macro-área de pesquisa que engloba dois assuntos de forte utilização nessa proposta: Redes Complexas e Aprendizado de Máquina. No seu propósito final, a proposta de pesquisa visa a dar subsídios que podem ser úteis para formuladores de políticas públicas, pois visa a estudar, entre outros, aspectos econômicos e financeiros de redes econômicas, financeiras e sociais, com um foco aqui no Brasil.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: / Mestrado profissional: (3) . Integrantes: Thiago Christiano Silva - Integrante / Marcelo Estrela Fiche - Coordenador.
      Membro: Thiago Christiano Silva.
    3. 2019-2020. Institucionalizacao da Fundacao de Apoio a Pesquisa do Distrito Federal (FAPDF)
      Descrição: O projeto apresentado trata de uma parceria entre o Centro de Estudos Avançados de Governo e Administração Pública - CEAG/UnB, Centro vinculado à Faculdade de Administração, Contabilidade, Economia e Gestão de Políticas Públicas ? FACE/UnB e à Fundação de Apoio à Pesquisa do Distrito Federal - FAPDF. O projeto é estruturado em 6 seis seções apresentadas abaixo (destaca-se que a última seção é a elaboração de um relatório de consolidação com os principais resultados obtidos): Atividades voltadas ao incremento da capacidade operacional da FAPDF por meio de melhorias em processos produtivos, ferramentas e estrutura de governanc?a; 1. Atividades voltadas ao aumento do desempenho da FAPDF e da sustentabilidade de suas ac?o?es por meio da construc?a?o de ferramentas de gesta?o de talentos; 2. Atividades voltadas ao incremento da efetividade das ac?o?es da FAPDF por meio da construc?a?o de estruturas e processos de monitoramento e avaliac?a?o; 3. Atividades voltadas ao incremento da efetividade das ac?o?es da FAPDF por meio de revisa?o de normas legais e infralegais; 4. Atividades voltadas ao incremento da efetividade das ac?o?es da FAPDF por meio da instituic?a?o de espac?os de articulac?a?o e discussa?o da Poli?tica Distrital de Cie?ncia e Tecnologia; 5. Elaborar e apresentar o relato?rio final.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (10) / Mestrado acadêmico: (14) / Mestrado profissional: (2) / Doutorado: (1) . Integrantes: Thiago Christiano Silva - Integrante / Marcelo Estrela Fiche - Coordenador / Paulo Calmon - Integrante / Antonio Junior Nascimento - Integrante / Luis Guilherme de Oliveira - Integrante. Financiador(es): Fundação de Apoio à Pesquisa do Distrito Federal - Bolsa.
      Membro: Thiago Christiano Silva.
    4. 2018-Atual. Financas e Crescimento: uma abordagem com redes complexas e aprendizado de maquina
      Descrição: PROJETO APROVADO PELA UNIVERSAL/2019 (CNPq): O objetivo deste projeto é investigar o impacto do desenvolvimento financeiro no crescimento econômico em um ambiente de economia interconectada utilizando métodos de redes complexas e de aprendizado de máquina. Normalmente, municípios se especializam em determinados setores de negócio, tais como o agropecuário, industrial e de serviços, e, por conta desta especialização, necessitam comercializar produtos e serviços para suprir suas necessidades locais. O conjunto de todas as transações entre firmas e indivíduos localizados em municípios diferentes gera uma rede econômica entre cidades. A topologia desta rede econômica não é trivial e, portanto, é caracterizada por uma rede complexa de larga escala, tendo em vista a grande quantidade de firmas e indivíduos no Brasil. Utilizaremos técnicas de aprendizado de máquina e de teoria de grafos para entender as interdependências locais, regionais e globais entre as cidades e também extrair a importância de cada cidade para toda cadeia nacional de valor, utilizando medidas de centralidade. Cidades que realizam muita intermediação financeira tendem a ser mais centrais, pois servem como hubs de distribuição de serviços e produtos para o restante da economia. Do ponto de vista social e econômico, a identificação dessas cidades é uma tarefa importante, pois choques nessas cidades possuem o potencial de gerar spillovers econômicos por toda a economia nacional.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (0) / Mestrado profissional: (0) / Doutorado: (0) . Integrantes: Thiago Christiano Silva - Coordenador / ZHAO, LIANG - Integrante / STANCATO DE SOUZA, S. R. - Integrante / Solange Maria Guerra - Integrante / TABAK, BENJAMIN MIRANDA - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro. Número de produções C, T & A: 13
      Membro: Thiago Christiano Silva.
    5. 2016-2018. Analise de Risco Sistemico em Sistemas Financeiros usando Aprendizado de Maquina em Redes Complexas
      Descrição: Aprendizado de máquina figura-se como uma área de pesquisa que visa a desenvolver métodos computacionais capazes de ?aprender? com a experiência. Nos últimos anos, um crescente interesse em técnicas baseadas em redes complexas foi verificado, fenômeno que é explicado pelas inerentes vantagens que a representação em redes complexas traz, tais como a possibilidade de capturarem relações espaciais, topológicas e funcionais dos dados. Neste projeto, serão aplicadas técnicas de aprendizado de máquina e de redes complexas para mensurar risco sistêmico em redes financeiras. O risco sistêmico pode ser entendido como o risco de colapso de um sistema financeiro por conta de eventos isolados ou em conjunto de seus participantes. A manutenção de elevados níveis de exposições ou concentração no mercado entre várias instituições financeiras e a maneira como essas relações formam a rede (topologia) são um dos fatores que contribuem para o aumento do risco sistêmico. Uma das grandes lições da crise financeira de 2008-2009 é que o sistema financeiro é interconectado de forma complexa. Estas interconexões formam grandes redes financeiras nas quais vários tipos de instituições financeiras são conectados por diferentes instrumentos financeiros. Logo, redes financeiras um tipo de redes complexas. Entretanto, até hoje, não há consenso na literatura em como derivar medidas de conectividade financeira que sejam úteis para regulação e monitoramento financeiros. Um dos objetivos desse trabalho é o desenvolvimento de novos indicadores econômicos que mensurem o risco sistêmico inerente na rede por meio de técnicas de aprendizado de máquina e de redes complexas. Espera-se que os índices desenvolvidos tenham uma interpretação clara de risco sistêmico e propriedades que facilitem a sua aplicação em uma eventual política de monitoramento de redes financeiras por reguladores. Em contraste a maioria das técnicas propostas na literatura, objetiva-se desenvolver novas medidas que capturem o risco sistêmico sem choques iniciais (scenario-free). Como a criação desses cenários de choque é custosa na prática, os indicadores desenvolvidos possuem vantagem prática. Outro objetivo do projeto é criar um framework de prognóstico de risco sistêmico em redes financeiras. A ideia é aplicar algoritmos de aprendizado de máquina baseados em redes, tais como de predição de links, para estimar a rede financeira em um tempo futuro. Com a rede estimada, aplicamos os indicadores de risco sistêmico citados anteriormente para estimar o risco sistêmico da rede financeira de forma proativa. Esse estudo é inovador na literatura, já que, até o conhecimento do proponente, os estudos de risco sistêmico em redes financeiras limitam-se a descrever o passado. Com os indicadores calculados sobre a rede estimada futura, reguladores podem concluir sobre a direção que essas redes estão evoluindo, seja para estado mais ou menos perigoso em termos de risco sistêmico. Portanto, esse projeto alia a área de computação ? aprendizado de máquina e redes complexas ? com a área de economia ? redes financeiras, banking ? para gerar métodos robustos que possam auxiliar reguladores a conduzir políticas que objetivem a estabilidade financeira do sistema financeiro.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Thiago Christiano Silva - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa. Número de produções C, T & A: 7
      Membro: Thiago Christiano Silva.
    6. 2013-2014. Deteccao de Vertices Sobrepostos em Redes Complexas
      Descrição: Neste projeto, serão investigadas as possíveis vantagens oferecidas por redes complexas quando utilizadas no domínio de aprendizado de máquina para detecção de vértices sobrepostos. Tais vértices são definidos como membros de mais de uma comunidade ou classe ao mesmo tempo. Por exemplo, em uma rede de associação semântica de conceitos, o conceito ?Brilhante? pode ser um membro de vários grupos, tais como o grupo representando os conceitos relativos à ?Luz?, à ?Astronomia?, à ?Cor?, e assim sucessivamente. Em uma rede social, cada pessoa naturalmente pertence ao grupo da empresa em que trabalha e também ao grupo representando os membros de sua família. Diante desse cenário, a descoberta de vértices e comunidades sobrepostos é importante não só para mineração de dados, mas também para a análise dos dados em geral, uma vez que a presença de dados sobrepostos é encontrada com relativa facilidade no mundo real. A literatura na área de detecção de vértices sobrepostos em redes complexas apresenta um grande número de técnicas desenvolvidas. Todavia, um ponto negativo da maioria dessas técnicas é que a detecção de comunidades e vértices sobrepostos é realizada como um processo dedicado, ou seja, separado do processo de detecção de comunidades per se. Desta forma, um processamento computacional adicional normalmente é necessário. Isto faz com que a complexidade computacional do método seja aumentada, tornando, frequentemente, impraticável a aplicação de tal técnica em dados reais de larga-escala. Neste cenário, este projeto propõe o estudo e desenvolvimento de métodos alternativos para detecção de vértices sobrepostos em redes complexas. Em especial, serão desenvolvidas técnicas alternativas em que o processo de detecção de vértices sobrepostos esteja incorporado no próprio algoritmo de detecção de comunidades. Assim, espera-se que a complexidade computacional não seja afetada. Uma proposta inicial é estender uma técnica recente de competição de partículas para detecção de comunidades em redes, a qual foi rigorosamente descrita a partir de um sistema dinâmico estocástico. A ideia geral de tal técnica é que várias partículas navegam na rede conquistando novos vértices e, ao mesmo tempo, defendem e repelem partículas intrusas de seus territórios. Pretende-se modificar a regra de atualização de tal sistema estocástico, de tal forma que consiga detectar sobreposição de vértices em redes. Por fim, com o objetivo de validar as técnicas desenvolvidas em problemas reais, estas serão aplicadas a várias bases amplamente aceitas da literatura de aprendizado de máquina. Redes complexas são representações poderosas e ainda existe um grande espaço para exploração. Portanto, acredita-se que este estudo possa gerar contribuições para área de aprendizado de máquina.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Thiago Christiano Silva - Coordenador.
      Membro: Thiago Christiano Silva.
    7. 2010-2012. Aprendizado de Maquina em Redes Complexas: Modelagem, Analise e Aplicacoes
      Descrição: Aprendizado de máquina figura-se como uma área de pesquisa que visa a desenvolver métodos computacionais capazes de ?aprender? com a experiência. Embora uma grande quantidade de técnicas de aprendizado de máquina foi proposta e aplicada, com sucesso, em sistemas reais, existem ainda inúmeros problemas desafiantes que necessitam ser explorados. Nos últimos anos, um crescente interesse em técnicas baseadas em redes complexas (grafos de larga escala com padrões de conexão não triviais) foi verificado. Essa emergência é explicada pelas inerentes vantagens que a representação em redes complexas traz, sendo capazes de capturar as relações espaciais, topológicas e funcionais dos dados. Nesta tese, serão investigadas as possíveis vantagens oferecidas por redes complexas quando utilizadas no domínio de aprendizado de máquina. De fato, será mostrado que a abordagem por redes realmente proporciona melhorias nos aprendizados supervisionado, semissupervisionado e não supervisionado. Especificamente, será reformulada uma técnica de competição de partículas para o aprendizado não supervisionado e semissupervisionado por meio da utilização de um sistema dinâmico estocástico não linear. Em complemento, uma análise analítica de tal modelo será desenvolvida, permitindo o entendimento evolucional do modelo no tempo. Além disso, a questão de confiabilidade de dados será investigada no aprendizado semissupervisionado. Tal tópico tem importância prática e é pouco estudado na literatura. Com o objetivo de validar essas técnicas em problemas reais, simulações computacionais em bases de dados consagradas pela literatura serão conduzidas. Ainda nesse trabalho, será proposta uma técnica híbrica de classificação supervisionada que combina tanto o aprendizado de baixo como de alto nível. O termo de baixo nível pode ser implementado por qualquer técnica de classificação tradicional, enquanto que o termo de alto nível é realizado pela extração das características de uma rede construída a partir d. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Thiago Christiano Silva - Coordenador / Liang Zhao - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa. Número de produções C, T & A: 21
      Membro: Thiago Christiano Silva.

Prêmios e títulos

  • Total de prêmios e títulos (20)
    1. Bolsa de Produtividade em Pesquisa - Nível 2 - Área de Administração, Contabilidade e Economia (308171/2019-5), CNPq.. 2020.
      Membro: Thiago Christiano Silva.
    2. Elsevier Reviewer Recognition - Certificate of Reviewing, Physica A: Statistical Mechanics and its Applications.. 2020.
      Membro: Thiago Christiano Silva.
    3. NSE Best Paper Award - "Economic Resilience: Spillovers, Courts, and Vertical Integration" - at ISB Summer Research Conference, Centre for Analytical Finance, Indian School of Business.. 2020.
      Membro: Thiago Christiano Silva.
    4. Coordenador de Projeto Universal Faixa A (408546/2018-2), Chamada MCTIC/CNPq No. 28/2018, CNPq.. 2019.
      Membro: Thiago Christiano Silva.
    5. Vencedor do Prêmio INFI-FEBRABAN de Economia Bancária, Categoria A - Dissertações, Teses e Artigos Acadêmicos, INFI-FEBRABAN.. 2018.
      Membro: Thiago Christiano Silva.
    6. Vencedor do Melhor Working Paper em Finanças e Economia Bancária de 2017, Banco Central do Brasil.. 2018.
      Membro: Thiago Christiano Silva.
    7. Segunda colocação na 3ª Edição do Prêmio BC de Economia e Finanças, Banco Central do Brasil., Banco Central do Brasil.. 2018.
      Membro: Thiago Christiano Silva.
    8. Segunda colocação na 2ª Edição do Prêmio BC de Economia e Finanças, Banco Central do Brasil.. 2017.
      Membro: Thiago Christiano Silva.
    9. Segunda Colocação no Prêmio de Melhor Paper em "Finanças", Sociedade Brasileira de Econometria (SBE).. 2017.
      Membro: Thiago Christiano Silva.
    10. Vencedor do Melhor Working Paper em Finanças e Economia Bancária de 2015, Banco Central do Brasil.. 2016.
      Membro: Thiago Christiano Silva.
    11. Bolsa de Produtividade em Pesquisa - Nível 2 - Área de Ciência da Computação (302808/2015-9), CNPq.. 2016.
      Membro: Thiago Christiano Silva.
    12. Elsevier Reviewer Recognition - Certificate of Reviewing, Journal of Financial Stability.. 2015.
      Membro: Thiago Christiano Silva.
    13. O artigo "An Object-Based Visual Selection Model Combining Physical Features and Memory" recebeu o prêmio: "Honor et meritus award" na "Brazilian Conference on Intelligent Systems", Brazilian Conference on Intelligent Systems (BRACIS).. 2014.
      Membro: Thiago Christiano Silva.
    14. Vencedor do Prêmio Tese Destaque USP 2013 - Grande Área de Ciências Exatas e da Terra (Portaria PRPG 005/2013 de 29/05/2013), Universidade de São Paulo.. 2013.
      Membro: Thiago Christiano Silva.
    15. Vencedor da Competição Internacional de Teses BRICS-CCI (International BRICS-CCI PhD Theses Competition), 1st BRICS Countries Congress (BRICS-CCI) and 11th Brazilian Congress on Computational Intelligence.. 2013.
      Membro: Thiago Christiano Silva.
    16. Vencedor do Prêmio Capes de Tese 2013 - Área: Ciência da Computação (Portaria 142/2013 de 02/10/2013), Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).. 2013.
      Membro: Thiago Christiano Silva.
    17. Paper "Stochastic Competitive Learning in Complex Networks" has been indicated by IEEE Transactions on Neural Networks and Learning Systems as Publication Spotlight, IEEE Computational Intelligence Magazine, August.. 2012.
      Membro: Thiago Christiano Silva.
    18. Best Paper Award for "Stochastic Competitive Learning applied to Handwritten Digit and Letter Clustering", 24th SIBGRAPI Conference on Graphics, Patterns and Images.. 2011.
      Membro: Thiago Christiano Silva.
    19. Diploma de Mérito Acadêmico - Destaque com o melhor desempenho acadêmico de formandos de Engenharia de Computação 2009, Instituto de Ciências Matemáticas e de Computação (ICMC) - Universidade de São Paulo (USP).. 2010.
      Membro: Thiago Christiano Silva.
    20. Prêmio CREA-SP de Formação Profissional, CREA-SP.. 2010.
      Membro: Thiago Christiano Silva.

Participação em eventos

  • Total de participação em eventos (10)
    1. IV Workshop da Rede de Pesquisa.Discussion on ?Bank Loan Forbearance: evidence from a million restructured loans?. 2019. (Seminário).
    2. XII Seminar on Risk, Financial Stability and Banking. Measuring systemic risk under monetary policy shocks: a network approach. 2017. (Congresso).
    3. 17th Annual Conference of Public Economic Theory Association Conference. Systemic risk in financial systems: a feedback approach. 2016. (Congresso).
    4. Econophysics Colloquium. Systemic risk in financial systems: a feedback approach. 2016. (Congresso).
    5. XI Seminar on Risk, Financial Stability and Banking. Financial networks and systemic fragility. 2016. (Congresso).
    6. X Seminar on Risk, Financial Stability and Banking of the Banco Central do Brasil. Liquidity Performance Evaluation of the Brazilian Interbank Market using a Network-Based Approach. 2015. (Congresso).
    7. VIII Congresso Brasileiro de Gerenciamento de Projetos. 2013. (Encontro).
    8. Aula Inaugural e Homenagem aos Melhores Alunos do ICMC de 2009 (14 de abril de 2010).Obtenção do Diploma de Mérito Acadêmico. 2010. (Encontro).
    9. Disciplina de Metodologia de Pesquisa em Computação (SCC0213).Universidade de São Paulo, Prof. Responsável: Dr. Thiago Alexandre Salgueiro Pardo. 2010. (Seminário).
    10. Prêmio Crea-SP de Formação Profissional.Obtenção do Prêmio CREA-SP de Formação Profissional. 2010. (Encontro).

Organização de eventos

  • Total de organização de eventos (1)
    1. ALVES, S. A. L. ; SILVA, T. C.. XIII Seminário Anual sobre Estabilidade Financeira e Economia Bancária. 2018. Congresso

Lista de colaborações



(*) Relatório criado com produções desde 2010 até 2021
Data de processamento: 06/11/2021 15:23:28