Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Finanças

Departamento / Department

Ano letivo / Execution Year

2020/2021

Pré-requisitos / Pre-Requisites

NA

Objetivos Gerais / Objectives

O principal objetivo deste curso é desenvolver as competências necessárias para fazer uma análise quantitativa dos dados financeiros. O curso tem a intenção de atingira dois objetivos. Fornecer ferramentas de trabalho empírico dados financeiros e uma introdução para a fundamentação teórica de modelos de regressão e de séries temporais lineares. Este curso alterna entre teoria e aplicações. Após a conclusão deste curso, o aluno será capaz de analisar dados financeiros utilizando o software R para ambos os modelos de regressão e de séries temporais lineares.

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

OA1. Compreender as características dos dados de séries temporais. OA2. Compreender o modelo clássico de regressão linear. OA3. Compreender como utilizar o modelo clássico de regressão linear com dados temporais. OA4. Compreender os modelos autoregressivos e de média móvel como fundamentos para análise de dados de séries temporais. OA5. Compreender os modelos de séries temporais ARMA e ARIMA. OA6. Compreender os modelos de heterocedasticidade conditional (ARCH e GARCH). OA7. Compreender os métodos de aprendizagem supervisionada. OA8. Compreender os métodos de aprendizagem não-supervisionada.

Conteúdos Programáticos / Syllabus

UA1. Introdução aos Métodos Quantitativos em Finanças usando R UA2. O modelo de regressão linear simples e múltipla (MRLM) UA3. O modelo de MRLM com informação quantitativa, heteroscedcasticidade e análise mde especificação UA4. Análise de séries temporais (modelo de decomposição e alisamento, modelos lineares de séries temporais, modelos de heteroscedasticidade condicional). UA5 Métodos de aprendizagem supervisionada em finanças (árvores de decisão, regressão KNN, redes neuronais, support vector machines; modelos lineares de classificação). UA6. Métodos de aprendizagem não-supervisionada (Análise de Clusters, ACP).

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

As unidades de aprendizagem (UA) abrangem os objetivos de aprendizagem (OA) da seguinte forma: - OA1 é abordado na UA1 e UA4; - OA2 é abordado na UA2; - OA3 é abordado na UA3; - OA4 é abordado na UA4; - OA5 é abordado na UA4; - OA6 é abordado na UA4; - OA7 é abordado na UA5; - OA8 é abordado na UA6.

Avaliação / Assessment

Avaliação: 1ª época: exame final (100%) 2ª época: exame final (100%)

Metodologias de Ensino / Teaching methodologies

A unidade curricular é baseada em aulas teóricas e práticas. Serão aplicadas diversas estratégias de ensino, incluindo exposição e demonstrações com apresentação de slides, aplicações passo a passo (com e sem software), perguntas e respostas. As sessões incluem apresentação de conceitos e metodologias, resolução de exemplos, discussão e interpretação de resultados. A componente prática está orientada para a resolução de problemas e exercícios, incluindo a discussão e interpretação de resultados.

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

A apresentação teórica de conceitos e metodologias, seguida de exercícios de aplicação, proporciona aos alunos os conhecimentos, habilidades e competências enumerados como objetivos de aprendizagem no início do semestre. Para cada unidade de aprendizagem (UA), são listados objetivos de aprendizagem detalhados e leituras recomendadas em diferentes recursos. O exame final exigem que os alunos integrem todo o conteúdo da unidade curricular e provem o seu domínio dele.

Observações / Observations

Data Science Tools: www.datacamp.comDataCamp

Bibliografia Principal / Main Bibliography

Hull, J. (2014) Options, Futures, and Other Derivatives, 9th Edition, Pearson Prentice Hall Diebold, F. X. Diebold (2006). Elements of Forecasting, 4th Edition, Cengage Learning Stock, J., Watson, M. (2008). Introduction to Econometrics, Pearson education. Tsay, R. S. (2013). An introduction to Analysis of Financial Data with R, Wiley.

Bibliografia Secundária / Secondary Bibliography

-

Data da última atualização / Last Update Date

2024-02-16