Aviso: Se está a ler esta mensagem, provavelmente, o browser que utiliza não é compatível com os "standards" recomendados pela W3C. Sugerimos vivamente que actualize o seu browser para ter uma melhor experiência de utilização deste "website". Mais informações em webstandards.org.

Warning: If you are reading this message, probably, your browser is not compliant with the standards recommended by the W3C. We suggest that you upgrade your browser to enjoy a better user experience of this website. More informations on webstandards.org.

Sub Menu
ISCTE-IUL  >  Ensino  >  MG  >  Gestão - 2011  >  Currículo  >  Métodos de Previsão (2º Ciclo)

Mestrado em Gestão

Plano curricular Gestão - 2011


Métodos de Previsão (2º Ciclo) (M3507)

Contextos

Grupo: Gestão - 2011 > 2º Ciclo > Optativas > 1º Ano - 2º Semestre

Período: 1º Ano, 2º Semestre

Créditos ECTS

6.0

Tipo de ensino

Ensino presencial

Língua(s) de Ensino

Inglês

Pré-requisitos

Introdução à Econometria.

Objectivos Gerais

Métodos de Previsão é uma disciplina optativa dos Mestrados de Gestão e Finanças (leccionada em inglês) da ISCTE - IUL Business School. O curso fornece técnicas modernas econométricos e de previsão de dados económicos e financeiros. A interação entre teoria e prática é enfatizada, e os alunos serão preparados na formulação e teste de modelos financeiros.

Objectivos de Aprendizagem

No final do período curricular desta UC, o aluno deverá:
1. Conhecer e aplicar os modelos clássicos de séries cronológicas;
2. Saber utilizar métodos de estimação alternativos;
3. Conhecer e aplicar os modelos ARIMA e GARCH;
4. Familiarizar-se com os modelos multivariados de séries cronológicas;
5. Familiarizar-se com os modelos para dados em painel;
6. Ser capaz de trabalhar com os packages informáticos mais importantes (EXCEL, SPSS e EVIEWS):
As sessões decorrerão sempre na sala de computadores.

Programa

1. Tendências e métodos de alisamento exponencial simples(2 aulas)
2. Métodos de decomposição e métodos de alisamento avançados (2 aulas)
3. Métodos de estimação alternativos(2 aulas)
4. Introdução aos modelos estocásticos de séries cronológicas(2 aulas)
5. Modelos ARIMA (2 aulas)
6. Modelos ARIMA: aplicações e revisão dos conceitos (2 aulas)
7. Volatilidade, modelos ARCH e previsão (2 aulas)
8. Introdução aos modelos de séries cronológicas multivariados (2 aulas)
9. Análise de Cointegração: aplicações (2 aulas)
10. Introdução aos Modelos de Dados em Painel (2 aulas)

Processo de avaliação

1. Exame (60%): material de consulta limitado a uma folha de papel tamanho A4. A data do exame ainda está para ser fixada.
2 Trabalhos de grupo a distribuir ao longo do semestre (40%).

Processo de ensino-aprendizagem

O aluno deverá adquirir e/ou desenvolver competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral conforme os objectivos definidos. Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME):
1. Expositivas (quadros teóricos de referência)
2. Participativas (análise e resolução de exercícios práticos)
3. Activas (trabalhos individuais e de grupo)
4. Experimentais (desenvolvimento e exploração de modelos em computador)
5. Auto-estudo.

Bibliografia

Básica

Financial Econometrics:
o Campbell, J.Y., Lo, A.W. and MacKinlay, A.C. (1997), ?The Econometrics of Financial Markets?, Princeton University Press: Princeton, NJ.
o Cochrane, J.H. (2005), ?Asset Pricing?, Princeton University Press: Princeton, NJ.
Forecasting:
o Diebold, Francis X. (2004), ?Elements of forecasting?, South-Western: Canada, third edition.
o Pindyck, R. S. and Rubinfeld, D. L. (1998), ?Econometric models and economic forecasts?, McGraw-Hill, 4th edition.
o DeLurgio, S. A. (1998), ?Forecasting principles and applications?, McGraw-Hill.
Lecture Notes

Complementar

Financial Econometrics: Brooks, C. (2002); Cuthbertson, K. (1996); Gourieroux, C. and Jasiak, J. (2001); Blake, D. (2001).
Econometrics: Hayashi, F. (2000); Davidson, J. (2000); Greene, W. (2003).