1. Processos estocásticos em tempo discreto (revisão de conceitos): processos estacionários e processos integrados; cointegração; dimensão do espaço de cointegração e tendências estocásticas comuns.

2. Modelos autoregressivos vectoriais (VAR): formulação na forma reduzida; estimação e teste de hipóteses; escolha da ordem do VAR; estimação bayesiana do VAR na forma reduzida; previsão; causalidade à Granger; formulações estruturais do VAR, funções de resposta a impulso, decomposição de variâncias dos erros de previsão e decomposição histórica; restrições de identificação sobre efeitos contemporâneos e/ou de longo prazo; identificação com restrições de sinal sobre as respostas a impulsos; aplicações.

3. Modelos VAR com restrições de cointegração: representação VEC ( Vector Error Correction); abordagem de máxima verosimilhança de Johansen; testes da dimensão do espaço de cointegração; identificação económica da base do espaço de cointegração; exogeneidade fraca para a estimação dos vectores cointegrantes; modelos VAR condicionais; modelos uniequacionais ARDL ( Auto-Regressive Distributed Lag); identificação de choques permanentes e transitórios em modelos VEC; aplicações.

4. Método generalizado dos momentos (GMM): GMM como extensão do método (ordinário) dos momentos; formulação do estimador GMM como estimador de distância mínima; utilização de momentos condicionais e GMM como generalização do método de variáveis instrumentais; consistência e distribuição assimptótica do estimador GMM; escolha óptima da matriz da métrica e sua estimação não-paramétrica; aplicações em macroeconomia.

5. Modelos factoriais dinâmicos: Formulações exactas e aproximadas; representação estática do modelo e estimador das componentes principais; determinação do número de factores estáticos e do número de factores dinâmicos; abordagem de quase-máxima-verosimilhança para a estimação da representação dinâmica; filtro e alisador de Kalman; algoritmo EM; extensões (componentes idiossincráticas autocorrelacionadas e missing values); aplicações.