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

2024/2025

Pré-requisitos / Pre-Requisites

Conceitos básicos de matemática e estatística.

Objetivos Gerais / Objectives

Dar a conhecer as metodologias quantitativas mais utilizadas na avaliação de projetos de investimento com elevada incerteza nos retornos futuros. Apresentar, para cada metodologia, 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: OA1. Caracterizar o projeto e eleger a metodologia adequada para o avaliar; OA2. Descrever a Metodologia de Simulação e adaptá-la à avaliação de um projeto; OA3. Implementar no computador um modelo de simulação para avaliar um projeto e interpretar os resultados; OA4. Enumerar as características de um procedimento em Programação Dinâmica e adaptá-lo à avaliação de um projeto; OA5. Implementar no computador um procedimento em Programação Dinâmica para avaliar um projeto e interpretar os resultados; OA6. Identificar os casos em que a Aproximação em Árvore Binomial pode ser útil para avaliar um projeto; OA7. Implementar um procedimento em Árvore Binomial para avaliar um projeto 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. 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

A demonstração de coerência apresentada decorre da interligação dos conteúdos programáticos com os objetivos de aprendizagem (OA), como a seguir se explicita: OA1 - Todos os conteúdos programáticos OA2 - 2. Simulação de Monte Carlo (2.1.) OA3 - 2. Simulação de Monte Carlo (2.2. e 2.3.) 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.) OA7 - 4. Aproximações em Árvore Binomial (4.2., 4.3. e 4.4.).

Avaliação / Assessment

A avalição da Unidade Curricular pode ser feita recorrendo à Avaliação ao Longo do Semestre ou à Avaliação por Exame. Avaliação ao Longo do Semestre : - 1 trabalho de grupo (peso: 30%) - 1 exercício individual realizado em aula (peso: 20%) - 1 teste final (peso: 50%) Condições de Aprovação na Avaliação ao Longo do Semestre: - Assiduidade >= 2/3 das aulas - Exercício individual (classificação) >=7.5 valores - Teste final (classificação) >=7.5 valores Avaliação por Exame Final (100%): para alunos que não optaram pela Avaliação ao Longo do Semestre ou que desistiram da Avaliação ao Longo do Semestre. 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). Em ambas as formas de avaliação poderá ser necessário realizar uma prova oral. Escala: 0-20 valores

Metodologias de Ensino / Teaching methodologies

As aulas da Unidade Curricular são teórico-práticas. Nestas aulas serão aplicadas diversos modelos e metodologias de ensino. As aulas teórico-práticas permitem utilizar metodologias de ensino expositivas, experimentais e de discussão. A Metodologia Expositiva (ME1) é utilizada para apresentar os quadros teóricos de referência de forma que os alunos adquiram os conceitos das metodologias mencionadas nos conteúdos programáticos. A Metodologia Experimental (ME2) é utilizada para desenvolver, explorar e implementar, no computador, modelos para avaliar os projetos. Esta metodologia será aplicada em aula e na resolução do trabalho de grupo e do exercício individual, recorrendo a software específico. A Metodologia de Discussão (ME3) é utilizada para interpretar e discutir os resultados obtidos para cada projeto. Além das metodologias já mencionadas, o Trabalho Autónomo dos alunos é relevante para a aquisição e o desenvolvimento das competências. O Trabalho Autónomo consiste na leitura da bibliografia, na resolução de exercícios e na resolução do trabalho de grupo. O Planeamento de Aulas inclui linhas orientadoras para o Trabalho Autónomo.

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 (ME) visam o desenvolvimento das principais competências de aprendizagem dos alunos que permitam cumprir com cada um dos objetivos de aprendizagem (OA). Os objetivos de aprendizagem consistem na aquisição de competências de avaliação de um conjunto diversificado de projetos de investimento, de análise de resultados e na elaboração de recomendações. A grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino (ME) e os respetivos objetivos de aprendizagem (OA): ME1 – Objetivos de aprendizagem OA1, OA2, OA4 e OA6 ME2 – Objetivos de aprendizagem OA3, OA5 e OA7 ME3 – Objetivos de aprendizagem OA3, OA5 e OA7 Todos os objetivos de aprendizagem serão avaliados no teste final exceto a implementação computacional da metodologia de avaliação. Em concreto, no teste final avalia-se a identificação das características do projeto, as metodologias adequadas à sua avaliação, o desenvolvimento das metodologias, a análise dos resultados e a elaboração de recomendações. O trabalho de grupo permite avaliar os objetivos de aprendizagem OA2 e OA3. Ou seja, no trabalho de grupo avalia-se o desenvolvimento e a implementação computacional do modelo de Simulação de Monte Carlo para avaliar um projeto, a interpretação dos resultados obtidos e a elaboração de recomendações. O exercício individual permite avaliar os objetivos de aprendizagem OA4 e OA5. Ou seja, no exercício individual avalia-se o desenvolvimento e a implementação computacional do modelo de Programação Dinâmica para avaliar um projeto, a interpretação dos resultados obtidos e a elaboração de recomendações.

Observações / Observations

·Os estudantes abrangidos pelo “Regulamento de Estudantes com Estatuto Especial” deverão contactar o docente da UC, ou o Coordenador da mesma, na primeira semana de aulas de cada semestre, com vista ao enquadramento dos processos de aprendizagem e de avaliação na Unidade Curricular.

Bibliografia Principal / Main Bibliography

Hillier, Frederick S. e Lieberman, Gerald J, Introduction to Operations Research, 11th ed., 2021 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.

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. Anabela Costa, Lectures notes provided by the lecturer of Course, 2024/ 25.

Data da última atualização / Last Update Date

2024-07-24