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

2026/2027

Pré-requisitos / Pre-Requisites

N.a.

Objetivos Gerais / Objectives

A UC fornece aos alunos técnicas modernas de econometria para a análise e previsão de séries temporais com dados económicos e financeiros. A relação entre teoria e prática é enfatizada, preparando os alunos para a formulação e teste de vários modelos. Casos com dados reais serão analisados com rigor.

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

No final do período curricular desta UC, o aluno deverá: OA1. Conhecer e aplicar os modelos clássicos de séries temporais; OA2. Avaliar a estacionaridade de uma série temporal; OA3: Escolher, aplicar e avaliar os modelos ARIMA e GARCH; OA4. Familiarizar-se com os modelos multivariados de séries temporais; OA5. Trabalhar com os packages informáticos mais importantes (R/Rstudio)

Conteúdos Programáticos / Syllabus

P1. Métodos clássicos na análise de séries temporais P1.1. Conceitos básicos P1.2. Tendências e sazonalidade P1.3. Métodos de decomposição P1.4. Métodos de alisamento P2. Modelos estocásticos univariados P2.1. Modelos para séries temporais estacionárias: ARMA P2.2. Testes de raiz unitária: ADF, KPSS, PP P2.3. Modelos para séries temporais não estacionárias: ARIMA P2.4. Quebras estruturais: teste e modelação P2.5. Diagnóstico e previsão P2.5. Modelos de volatilidade ARCH/GARCH: estimação, diagnóstico e previsão P3. Introdução aos modelos estocásticos multivariados P3.1. Modelos VAR/VECM P3.2. Análise de Cointegração

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

Esta demonstração de coerência decorre da interligação dos conteúdos programáticos (P) com os objetivos de aprendizagem (OA), como a seguir se explicita: P1 → OA1; OA5 P2 → OA2; OA5 P3 → OA3; OA5 ou seja, os conteúdos programáticos da UC estão estruturados de forma coerente com os objetivos de aprendizagem, garantindo que os alunos desenvolvam competências essenciais na análise de séries temporais. O módulo P1 cobre os métodos clássicos (OA1), fornecendo as bases necessárias para compreender e modelar séries temporais. Em P2, são abordados testes de estacionariedade (OA2) e modelos ARIMA e GARCH (OA3), permitindo aos alunos escolher, aplicar e avaliar essas abordagens. O módulo P3 introduz modelos multivariados, como VAR e VECM, alinhando-se ao OA4. Além disso, a aplicação prática dos conceitos é reforçada pelo uso de software estatístico (OA5), garantindo que os alunos adquiram habilidades computacionais essenciais para a modelação e previsão de séries temporais.

Avaliação / Assessment

A avaliação ao longo do semestre inclui a realização de: a) Teste individual com ponderação de 60%. b) Trabalho de grupo com ponderação de 40%. A avaliação ao longo do semestre exige a presença em, pelo menos, 80% das aulas e abarca toda a matéria leccionada. Os alunos em avaliação ao longo do semestre que não obtenham a nota mínima de 7,5 valores no teste individual e de 10 valores no trabalho, bem como os que não optem pela avaliação ao longo do semestre, deverão realizar um exame final (nota mínima de aprovação: 10 valores).

Metodologias de Ensino / Teaching methodologies

Serão utilizadas as seguintes metodologias de ensino-aprendizagem (ME): ME1. Expositivas, para apresentação dos quadros teóricos de referência ME2. Participativas, com análise de artigos científicos ME3. Ativas, com realização de trabalho de grupo ME4. Auto-estudo, relacionado com o trabalho autónomo (TA) do aluno, tal como consta no Planeamento das Aulas.

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 objetivos de aprendizagem, pelo que, na grelha a seguir, apresenta-se as principais interligações entre as metodologias de ensino-aprendizagem e os respetivos objetivos. 1.Expositivas, para apresentação dos quadros teóricos de referência - OA1 a OA4 2.Participativas, com análise e resolução de exercícios práticos - OA1 a OA4 3. Ativas, com a realização do trabalho de grupo - OA1 a OA4 4. Autoestudo, relacionadas com o trabalho autónomo do aluno, tal como consta no Planeamento das Aulas - OA1 a OA4

Observações / Observations

Os alunos abrangidos pelo «Regulamento Interno para Estudantes com Estatutos Especiais» 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 avaliação na UC.

Bibliografia Principal / Main Bibliography

Mills, T.C. (2019), Applied Time Series Analysis: A Practical Guide to Modeling and Forecasting, Academic Press, Elsevier Inc. Wei, W. W. S. (2020). Multivariate Time Series Analysis and Applications (1st ed.). Wiley. Brooks, C., (2019), Introductory econometrics for finance, 4nd ed., Cambridge University Press.

Bibliografia Secundária / Secondary Bibliography

Curto, José Dias (2018), Mathematics in Bullets points (with AI support): What You Need to Know Before Starting an MSc or PhD Program: Applications in Excel and R/RStudio, 2nd Edition, Amazon. Curto, José Dias (2024), Econometrics and Statistics - Over 100 problems (with solutions): Applications in 'R/RStudio' and 'Excel', 2nd Edition, Amazon. Juselius, K., (2006), The Cointegrated VAR Model: Methodology and Applications, Oxford University Press.

Data da última atualização / Last Update Date

2025-10-28