Universidade Nova de Lisboa

Universidade Nova de Lisboa

NOVA Information Management School

Métodos de Previsão

Código

200088

Unidade Orgânica

NOVA Information Management School

Créditos

7.5

Professor responsável

Jorge Morais Mendes

Língua de ensino

Português. No caso de existirem alunos de Erasmus, as aulas serão leccionadas em Inglês

Objectivos

O principal objetivo deste curso é desenvolver as habilidades necessárias para fazer a pesquisa empírica em campos que operam com séries temporais. O curso tem a intenção de atender a dois objetivos. Fornecer ferramentas para o trabalho empírico com dados de séries temporais e Introduzir a fundamentação teórica de modelos de séries temporais. Grande parte da metodologia estatística está preocupada com modelos em que as observações são assumidas ser independentes. No entanto, muitos conjuntos de dados ocorrer sob a forma de séries temporais em que as observações são dependentes. Neste curso, vamos nos concentrar na análise de séries temporais, com um equilíbrio entre teoria e aplicações. No final do curso, o aluno será capaz de analisar dados de séries temporais usando software disponíveis. Para enfatizar aplicação da teoria a dados reais (ou simulados), será utilizado o software R.

Pré-requisitos

Estatística e algebra linear (recomendado)

Conteúdo

1.Conceitos básicos: visão geral, autocorrelação e modelo AR(1)
2. Tutorial R
3. Modelo de média móveis (MA) e autocorrelação parcial
4. Modelos ARIMA; modelos ARIMA não sazonais; diagnóstico; previsão
5. Modelos ARIMA sazonais; identificação
6. Modelos de decomposição
7. Alisamento exponencial
8. O periodograma
9. Regressão com erros ARIMA
10. Duas séries temporais e correlação cruzada
11. Modelos VAR
12. ARCH e GARCH
13. Análise longitudinal
14. Análise de intervenção

Bibliografia

Shumway, R.H. and Stoffer, D.S. Time Series Analysis and its Application with R Examples, 3rd edition, Springer, 2011. (http://www.stat.pitt.edu/stoffer/tsa3/); Makridakis, S., Wheelwright, S.C., Hyndman, R.J. Forecasting: Methods and Applications, 3rd edition, John Wiley & Sons, 1998.; Forecasting: principles and practice: https://www.otexts.org/book/fpp; Little Book of R for Time Series: http://a-little-book-of-r-for-time-series.readthedocs.org/en/latest/; Murteira, B., Muller, D., Turkman F. Análise de Sucessões Cronológicas, 1ª edição, McGraw Hill, 1993.

Método de ensino

O curso é baseado em aulas teórico-práticas e aulas práticas

Método de avaliação

 -    (60%) Exame final (1ª ou 2ª épocas)
 -    (40%) Projeto

Cursos