Programa

Métodos de Previsão para Finanças

Mestrado Bolonha em Finanças

Programa

1. Introdução: - Séries Cronológicas; objetivos; - Component models; - Moving averages filters; - Sample autocorrelation function; - Forecasting accuracy measures; - Exponential smoothing methods. 2. Modelos lineares time series Estacionários e integrados: - Séries estacionárias e não estacionárias; - Processo ruído branco e processo linear geral; - Modelos Autoregressivos, medias móveis e mixed ARMA; - Processos Integrados: passeio aleatório; - Modelos ARIMA(p,d,q); - Modelização de Sazonalidade: modelos ARIMA(p,d,q)(P,D,Q)s. 3. Previsão: - Previsões ótimas e forecast error variance; - Forecast function profiles ode modelos ARIMA; - Modelos ARIMA para métodos exponential smoothing. 4. Construção do modelo: - Identificação; - Estimação e verificação: testes aos resíduos; - Critérios de seleção; - Interventions, outliers e variáveis explicativas. 5. Modelos de Conditional heteroskedasticity: - Padrões; - Modelos de volatilidade ARCH e GARCH; - Efeitos assimétricos e o modelo TARCH.