| Código |
12431
|
| Ano |
1
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
OT(15H)/TP(30H)
|
| Área Científica |
Economia
|
|
Tipo de ensino |
Teórico-prático
|
|
Estágios |
Não aplicável.
|
|
Objectivos de Aprendizagem |
-Aprender a importância da previsão de grandezas económicas
-Aprender algumas das mais importantes técnicas de previsão em economia, sejam de curto, médio, longo ou muito longo prazos
-Aprender como lidar com a sazonalidade na previsão económica usando diversas metodologias
-Aprender a efetuar previsões económicas no curto, médio e no longo prazo e até muito longo prazo.
Aprender a efetuar previsões simultâneas de diversas variáveis com recurso aos modelos VAR e VAR/ECM (VECM) e redes neurais.
|
|
Conteúdos programáticos |
- Introdução à Previsão e à Seleção de Modelos em Economia
- Decomposição da Série Cronológica e Previsão pelo Método Clássico: Tendência, Efeitos Sazonais, Cíclicos e Irregulares
- Previsão com Médias Móveis Simples e Duplas e com Alisamento Exponencial Simples e Duplo
- Previsão com Modelos de Regressão Simples e Múltiplos
- Previsão com Modelos Avançados: Metodologia Box-Jenkins e modelos ARIMA
- Previsão de séries com Sazonalidade Aditiva e Multiplicativa
- Previsão de diversas variáveis com Modelos VAR e VAR/ECM
- Previsão de séries com redes neurais.
|
|
Metodologias de Ensino e Critérios de Avaliação |
A disciplina é lecionada sempre numa perspetiva prática, sempre no laboratório de informática com utilização contínua de software. Na exposição das matérias recorre-se frequentemente à projeção de diapositivos e criação de scripts em tempo real. Nas aplicações económicas e econométricas usam-se dados colhidos de bases de dados nacionais e internacionais que depois são introduzidos no software com vista à estimação dos modelos, à realização de testes estatísticos, à interpretação económica dos resultados e à previsão de grandezas económicas seja no curto, no médio, no longo ou no muito longo prazo.
A classificação ensino-aprendizagem corresponde à ponderação de dois momentos de aprendizagem: prova escrita: 50% (2 de junho); e trabalho individual: 50% (9 de junho).
|
|
Bibliografia principal |
- Elliott, G., & Timmermann, A. (2016). Economic Forecasting. Princeton University Press.
- Fuleky, P. (2020). Macroeconomic Forecasting in the Era of Big Data. Springer
- Ghysels, E., & Marcelino, M. (2018). Applied Economic Forecasting using Time Series Methods. Oxford University Press
- Mills, T. C. (2019). Applied Time Series Analysis: A Practical Guide to Modeling and Forecasting. Academic Press.
- Powers, D. (2019). On Trend: The Business of Forecasting the Future. University of Illinois Press.
- Agung, I. G. N. (2019). Advanced Time Series Data Analysis: Forecasting Using Eviews. Wiley
|
| Língua |
Português
|