Disciplina Métodos Matemáticos de Previsão

Utilização do software Gretl para análise de séries temporais, estimação de modelos/construção e previsão. Aquisição de conhecimentos na pesquisa de Bases de Dados nacionais e internacionais. Independência na pesquisa de dados, na sua interpetação e transformação com recurso a técnicas estatísticas adquiridas na disciplina de Estatística do ano anterior. Identificação das principais propriedadas matemáticas em séries temporais com vista à aplicação da designada Metodologia Box-Jenkins, técnica essencial à previsão de modelos na disciplina de Métodos Matemáticos de Previsão. Construção de estimações e previsões. Análise crítica dos resultados e comparação com aqueles que seriam os resultados expectáveis.

Não aplicável

Descrição dos conteúdos   1. Revisões de Estatística 2. Modelos de Regressão Linear com séries temporais com recurso ao Método dos Mínimos Quadrados com restrições  3. Componentes de uma série: Tendência Sazonalidade Ciclos Observações anómalas (outliers) 4. A estacionariedade de uma série  e os testes de Dickey Fukller 5. A Metodologia Box-Jenkins Modelos Auto-Regressivos, AR Modelos de Média Móvel, MA Modelos ARMA, ARIMA e SARIMA  6. Estimação e validação de modelos Seleção de modelos 7. Previsão

Regime de Avaliação : Um teste Intermédios (30% cada), Teste Final (50%) e Avaliação em Aula (dois casos de estudo - 10%). Treinar em Gretl incentiva os alunos a pesquisar dados e a ganhar uma maior sensibilidade às matérias

Gujarati, Damodar - Basics Econometrics. 4th, McGraw-Hill Amaro A., 2012 Caiado, J. (2016). Métodos de Previsão em Gestão: com aplicações em Excel. 2ª edição. Edições Sílabo Franses, Philip Hans, 1998, Time Series Models for Business and Economic Forecasting, Cambridge University Press.