Programa

Licenciatura em Ciência de Dados

Licenciatura em Ciência de Dados (PL)

Programa

1. Introdução ao EViews 2. Modelo clássico de regressão linear 2.1. Pressupostos 2.2. Estimação e inferência 2.3. Testes de diagnóstico 2.4. Extensões do modelo clássico 3. Modelos estáticos e modelos dinâmicos 3.1. Modelos estáticos: estimação e interpretação 3.2. Modelos dinâmicos 3.3. Modelos com desfasamento distribuído: modelo de Koyck 3.4. Modelo de correção do erro 4. Modelos dinâmicos vetoriais 4.1. Modelo autorregressivo vetorial 4.2. Modelo vetorial de correção do erro 4.3. Informação de longo prazo e de curto prazo 5. Modelos de variáveis não-estacionárias 5.1. Não-estacionariedade e regressão espúria 5.2. Raízes unitárias 5.3. Cointegração 6. Modelos dinâmicos de volatilidade 6.1. Heteroscedasticidade condicionada 6.2. Modelos GARCH 6.3. Modelos de volatilidade assimétrica 7. Modelos com limiar de mudança de regime