Licenciatura em Finanças
Plano Curricular Finanças
Métodos de Previsão (MP)
UC Competência
Métodos de Previsão(Matemática)UC Execução
Métodos de Previsão (2020/2021 - Semestre 2)Métodos de Previsão (2019/2020 - Semestre 2)
Métodos de Previsão (2018/2019 - Semestre 2)
Métodos de Previsão (2017/2018 - Semestre 2)
Métodos de Previsão (2016/2017 - Semestre 2)
Métodos de Previsão (2015/2016 - Semestre 2)
Métodos de Previsão (2014/2015 - Semestre 2)
Métodos de Previsão (2013/2014 - Semestre 2)
Métodos de Previsão (2012/2013 - Semestre 2)
Métodos de Previsão (2011/2012 - Semestre 2)
Métodos de Previsão (2010/2011 - Semestre 2)
Métodos de Previsão (2009/2010 - Semestre 2)
Métodos de Previsão (2008/2009 - Semestre 2)
Métodos de Previsão (2007/2008 - Semestre 2)
Contextos
Grupo: Finanças > 1º Ciclo > Unidades Curriculares Optativas
Período: 3 Ano, 2 Semestre
Peso
6.0 (para cálculo da média)
Objectivos
A disciplina de Métodos de Previsão destina-se a alunos de cursos de licenciatura, pós-graduação e mestrado em Gestão, Economia, Finanças, Econometria, entre outras que revelem conhecimentos de teoria estatística. Pretende-se apresentar os principais métodos determinísticos e estocásticos de modelação e previsão univariada de séries temporais e suas aplicações, de modo a permitir aos alunos a exploração e resolução de problemas modernos de economia e gestão.
Programa
Parte 1. Métodos determinísticos de previsão
- Conceitos e objectivos da análise de séries temporais
- Decomposição de séries temporais
- Médias móveis
- Ajustamento de sazonalidade, ajustamento de movimentos cíclicos e efeitos de calendário
- Alisamento exponencial simples, duplo e método de Holt
- Método de Holt-Winters
- Outras formas de alisamento
- Aplicações com o software EViews
Parte 2. Modelos estocásticos de previsão
- Estacionaridade, função de autocorrelação e função de autocorrelação parcial
- Processos estacionários: modelos não sazonais (AR, MA e ARMA), modelos sazonais (SAR, SMA e SARMA) e modelos mistos (sazonais e não sazonais)
- Processos não estacionários: Modelos não sazonais (ARIMA), modelos sazonais (SARIMA) e modelos mistos (sazonais e não sazonais)
- Identificação de modelos, estimação dos parâmetros, avaliação do diagnóstico e selecção de modelos
- Previsão e combinação óptima de previsões
- Aplicações com o software EViews
Metodologia de avaliação
A avaliação da disciplina em Época Normal é constituída por dois elementos:
(a) Teste escrito individual (50%);
(b) Trabalho (máximo de 2 pessoas) com apresentação e discussão presencial (50%).
A classificação mínima em cada um dos elementos de avaliação, para obter aprovação, é de 8 valores.
A avaliação da disciplina em Época de Recurso é constituída por um teste escrito individual (100%). O aluno poderá ainda ponderar a nota do Trabalho na avaliação de Época de Recurso, na mesma proporção da Época Normal, desde que o mesmo seja entregue dentro do prazo estabelecido para a Época Normal.
Bibliografia
Principal
Métodos de Previsão em Gestão com Aplicações em Excel
Caiado, J.
2011
Edições Sílabo, Lisboa
Time Series Analysis: Forecasting and Control
Box, G. Jenkins, G. e Reinsel, G.
1994
(third edition), Prentice-Hall
Time Series Analysis and Its Applications
Robert H. Shumway, David S. Stoffer
2006
(Second Edition), Springer
Forecasting: Methods and Applications, .
Makridakis, S., Wheelwright, S. e Hyndman, R.
1998
3ª edição, John Wiley & Sons, New York
null
null
null
null
Secundária
Não existem referências bibliográficas secundárias.