Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Estatística e Análise de Dados

Departamento / Department

Departamento de Métodos Quantitativos para Gestão e Economia

Ano letivo / Execution Year

2023/2024

Pré-requisitos / Pre-Requisites

Conceitos básicos de matemática e estatística.

Objetivos Gerais / Objectives

Dar a conhecer as técnicas quantitativas mais utilizadas na avaliação de projectos com elevada incerteza nos retornos futuros. Apresentar, para cada técnica, casos práticos de avaliação.

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

Após a frequência da UC, o aluno está habilitado a: 1. Caracterizar o projecto e eleger a técnica adequada para o avaliar; 2. Descrever a Metodologia de Simulação e adaptá-la à avaliação de um projecto; 3. Implementar um modelo de simulação para avaliar um projecto e interpretar os resultados; 4. Enumerar as características de um procedimento em Programação Dinâmica e adaptá-lo à avaliação de um projecto; 5. Implementar um procedimento em Programação Dinâmica para avaliar um projecto e interpretar os resultados; 6. Identificar os casos em que a Aproximação em Árvore Binomial pode ser útil para avaliar um projecto; 7. Implementar um procedimento em Árvore Binomial para avaliar um projecto e interpretar os resultados.

Conteúdos Programáticos / Syllabus

1. Introdução 1.1. Tipos de projectos de investimento; 1.2. Técnicas quantitativas usadas na avaliação de projectos. 2. Simulação de Monte Carlo (SMC) 2.1. Descrição da metodologia; 2.2. Implementação de um modelo de SMC; 2.2.1. Geração de números aleatórios; 2.2.2. Geração de observações aleatórias; 2.2.3. Validação do modelo; 2.3. Técnicas de redução da variância 2.3.1. Antithetic Variable Technique; 2.3.2. Exemplo; 2.4. Casos práticos recorrendo a software específico. 3. Programação Dinâmica (PD) 3.1. Introdução; 3.2. Características dos problemas de PD; 3.3. PD determinística; 3.4. PD probabilística; 3.5. Implementação de um modelo de PD; 3.6. Casos práticos recorrendo a software específico. 4. Aproximações em Árvore Binomial 4.1. Introdução; 4.2. Procedimento em Árvore Binomial usual; 4.3. Esquemas binomiais alternativos; 4.4. Casos práticos recorrendo a software específico.

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

OA1 - Todos OA2 - 2. Simulação de Monte Carlo (2.1.) OA3 - 2. Simulação de Monte Carlo (2.2., 2.3. e 2.4.) OA4 - 3. Programação Dinâmica(3.1., 3.2., 3.3. e 3.4.) OA5 - 3. Programação Dinâmica (3.5. e 3.6.) OA6 - 4. Aproximações em Árvore Binomial (4.1. e 4.2.) OA7 - 4. Aproximações em Árvore Binomial (4.3. e 4.4.).

Avaliação / Assessment

Avaliação Periódica: - 2 trabalhos de grupo (pesos: 25% e 25%) - 1 teste final (peso: 50%) Condições de Aprovação na Avaliação Periódica: - Assiduidade >= 2/3 das aulas - Teste final (classificação) >=7.5 valores Exame Final: para alunos que não optaram pela Avaliação Periódica ou que desistiram da Avaliação Periódica; se 7.5<= classificação do exame <9.5, os alunos podem realizar uma prova oral Aprovação na UC: Classificação Final maior ou igual a 10 valores. Caso Classificação Final >16.5, se considerado necessário, os alunos podem realizar uma prova oral (a falta de comparência à prova oral fixa a Classificação Final em 16 valores).

Metodologias de Ensino / Teaching methodologies

O aluno deverá adquirir e desenvolver competências de análise e síntese, de pesquisa, de crítica, de comunicação escrita e oral, no âmbito desta UC e em conformidade com os objectivos definidos. Metodologias: 1. Expositivas, para apresentação dos quadros teóricos de referência. 2. Participativas, com análise e resolução de exercícios práticos. 3. Activas, com realização de trabalhos de grupo. 4. Experimentais, com 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 metodologias de ensino-aprendizagem visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objectivos de aprendizagem, pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respectivos objectivos. Metodologias de ensino-aprendizagem (MEA) Objectivo de aprendizagem (OA) 1. Expositivas, para apresentação dos quadros teóricos de referência - Todos 2. Participativas, com análise e resolução de exercícios práticos - Todos 3. Activas, com realização de trabalhos de grupo - OA3, OA5 e OA7 4. Experimentais, em laboratório, com desenvolvimento e exploração de modelos em computador - OA3, OA5 e OA7 5. Auto-estudo, relacionadas com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas - Todos

Observações / Observations

·

Bibliografia Principal / Main Bibliography

Hillier, Frederick S. e Lieberman, Gerald J, Introduction to Operations Research, 10th ed., 2015, McGraw-Hill, Uwe, G., Northcott, D. and Schuster, P., Investment Appraisal: Methods and Models, 2015, Springer, Peters, L., Real Options Illustrated, 2016, Springer, Rees, M., Principles of Financial Modelling: Model Design and Best Practices using Excel and VBA,, 2018, Wiley, Damodaran, Aswath, Investment Valuation: Tools and Techniques for determining the value of any asset, 2012, Wiley Finance, Anabela Costa, Lectures notes provided by the lecturer of Course., 2023, null,

Bibliografia Secundária / Secondary Bibliography

Mun, J., Modeling Risk: Applying Monte Carlo RiskSimulation, Strategic Real Options, Stochastic Forecasting and Portfolio Optimization + Websit, 3rd ed., 2015, Wiley, Winston, Wayne L., Operations Research: Applications and Algorithms 4th ed., 2013, Duxbury Press, Chan, N. H., Wong, H. Y., Simulation Techniques in Financial Risk Management, 2nd ed., 2015, Wiley, Sniedovich, M., Dynamic Programming: Foundations and Principles, 2nd ed., 2010, CRC Press, Chelst, K. and Canbolat, Y. B., Value-Added Decision Making for Managers,, 2012, CRC Press,

Data da última atualização / Last Update Date

2024-02-16