Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Econometria

Departamento / Department

Departamento de Economia

Ano letivo / Execution Year

2024/2025

Pré-requisitos / Pre-Requisites

Conhecimentos básicos em econometria.

Objetivos Gerais / Objectives

O objetivo principal da disciplina é o de fornecer aos alunos uma introdução às técnicas econométricas modernas que são usadas na análise de modelos de economia monetária e financeira. Software: R/RStudio.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Ao final desta unidade curricular o aluno deverá: 1) Conhecer e aplicar os modelos ARIMA e GARCH. 2) Saber como e quando utilizar modelos multivariados de séries temporais. 3) Saber como e quando utilizar modelos para dados em painel. 4) Ser capaz de trabalhar com os softwares EXCEL e R/RStudio.

Conteúdos Programáticos / Syllabus

1) Introdução aos modelos estocásticos de séries cronológicas. 2) Modelos ARIMA: aplicações e revisão dos conceitos. 3) Volatilidade, modelos ARCH e previsão. 4) Introdução aos modelos de séries cronológicas multivariados. 5) Análise de cointegração. 6) Introdução aos modelos de dados em painel.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Os conteúdos programáticos de 1. a 3. estão relacionados com o OA1, porque se pretende que os alunos se familiarizem com os modelos ARMA-GARCH. Os conteúdos programáticos 4. e 5. estão relacionados com o OA3, dependendo se as séries cronológicas envolvidas na modelação são estacionárias ou não. Os dados em painel constituem o OA3 que será alcançado através do ponto 5. do programa. Por último, depois de recorrerem ao software apropriado os alunos deverão ser capazes de interpretar e tirar conclusões sobre os resultados obtidos. Portanto, todos os conteúdos estão relacionados com o OA4.

Avaliação / Assessment

A avaliação processa-se em avaliação ao longo do semestre ou avaliação por exame. A avaliação ao longo do semestre é constituída por um trabalho de grupo (40%) e um teste (60%) que abarca toda a matéria e cuja nota terá de ser superior ou igual a 7.5 valores. A avaliação ao longo do semestre obriga a uma assiduidade mínima de 66.67% das aulas. A avaliação por exame consiste na realização de um exame com uma ponderação de 100%. No teste e no exame os alunos podem usar uma calculadora e todos os materiais disponibilizados pelo docente.

Metodologias de Ensino / Teaching methodologies

O aluno deverá adquirir e/ou desenvolver competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral conforme os objetivos 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) Ativas (trabalhos individuais e de grupo) 4) Experimentais (desenvolvimento e exploração de modelos em computador) 5) Auto-estudo.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

As aulas teórico-práticas permitem a experimentação prática e a aplicação de conhecimentos, o que também implica trabalho autónomo por parte do estudante. è sugerido aos alunos que tragam o seu computador portátil para poderem tirar partido das metodologias propostas.

Observações / Observations

Bibliografia Principal / Main Bibliography

Curto, J. Dias (2021), Econometrics and Statistics - over 100 problems with solution. Amazon. Enders, W. (2014), Applied Econometric Time Series, 4th Edition, John Wiley & Sons. Francq, C., Zakoian, J-M., (2019), GARCH Models, Structure, Statistical Inference and Financial Applications, Second Edition, John Wiley & Sons Ltd. Ghysels, E., Marcellino, M., (2018), Applied economic forecasting using time series methods, Oxford University Press. Tsay, R.S., (2014), Multivariate Time Series Analysis, With R and Financial Applications, John Wiley & Sons, Inc. Professor's Lecture Notes, data and software notebooks/files.

Bibliografia Secundária / Secondary Bibliography

Brooks, C., (2019), Introductory econometrics for finance, 4nd ed., Cambridge University Press. Greene, W., (2018), Econometric Analysis, 8th Edition, Pearson. Philip Hans Franses and Dick van Dijk (2000). Non-linear time series models in empirical finance, Cambridge University Press. Juselius, K., (2006), The Cointegrated VAR Model: Methodology and Applications, Oxford University Press. Helmut Lütkepohl (2007). New Introduction to Multiple Time Series Analysis, Second Edition, Springer Mills, T., (2019), Applied Time Series Analysis: A Practical Guide to Modeling and Forecasting, Academic Press, Elsevier Inc. Bollerslev, T., (1986), Generalized autoregressive conditional heteroskedasticity, Journal of Econometrics, 31, pp. 307-327. Granger, C., (2004), Time Series Analysis, Cointegration, and Applications, American Economic Review, 9, pp. 421-425. Hamilton, J. D., (1989), A New Approach to the Economic Analysis of Nonstationary Time Series and the Business Cycle, Econometrica, Vol. 57, No. 2 (Mar., 1989), pp. 357-384. Hansen, B.E., (1999), Testing for Linearity, Journal of Economic Surveys, Vol. 13, No. 5, pp. 551-576. Johansen, S., (2004), Cointegration: an overview, http://web.math.ku.dk /~susanne/Klimamode /OverviewCointegration.pdf. Stock, J.H., Watson, M.W., (2001), Vector Autoregressions, Journal of Economic Perspectives, Vol. 15, No. 4, pp. 101?115.

Data da última atualização / Last Update Date

2024-07-01