Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Instituto de Ciências Matemáticas e de Computação
 
Matemática Aplicada e Estatística
 
Disciplina: SME0262 - Análise de Séries Temporais em Finanças
Time Series Analysis with Applications in Finance

Créditos Aula: 4
Créditos Trabalho: 2
Carga Horária Total: 120 h
Tipo: Semestral
Ativação: 01/01/2024 Desativação:

Objetivos
Apresentar as terminologias, definições básicas e os principais modelos de séries temporais aplicados em finanças, preparar o aluno para análise de séries financeiras.
 
Introduced the terminology, basic definitions and the main time series models applied in finance, to enable students to analyze financial time series.
 
 
Docente(s) Responsável(eis)
1595890 - Mariana Cúri
 
Programa Resumido
Modelos lineares estacionários. Modelos não estacionários com raiz unitária. Mdelos com heterocedasticidade. Modelos de regressão com erros. Modelos de volatilidade estocásticas.
 
Stationary linear time series models. Models for time series with non-stationary unit root. Heteroscedastic models for time series. Models for time series with stochastic volatility.
 
 
Programa
Definições básicas em problemas de finanças e econometria, modelos lineares estacionários: AR, MA e ARMA, modelos não estacionários com raiz unitária, ARIMA, modelos com heterocedasticidade (ARCH / GARCH), modelos de regressão com erros (ARCH / GARCH), modelos de volatilidade estocásticas.

Atividades de extensão: Desenvolvimento de projetos práticos de interesse da sociedade ou de um pesquisador/empresa, para serem conduzidos por Problem-based Learning (PBL), captado pelo Núcleo de Estatística Aplicada (NEA), Centro de Ciências Matemáticas Aplicadas à Industria (CeMEAI) ou outros centros de pesquisa. Estas atividades correspondem a 60 horas de atividades de extensão.
A disciplina poderá ser oferecida de forma híbrida, sendo parte das atividades desenvolvidas remotamente.
 
Basic definitions in econometrics and finance problems, stationary linear models: AR, MA and ARMA models with non-stationary unit root ARIMA. Models with heteroskedasticity (ARCH / GARCH) models for time series with stochastic volatility.
 
 
Avaliação
     
Método
A avaliação será realizada por um ou mais dos seguintes meios: - Provas individuais - Trabalhos ou exercícios realizados individualmente ou em grupo - Estudos de casos em grupos - Apresentação de seminários individualmente ou em grupo.
Critério
Provas e exercícios, dentro e fora da classe.
Norma de Recuperação
Número de provas: no mínimo uma (01) e no máximo duas (02) provas. Critério de aprovação: a nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue: • MF = 5 se 5 <= MR <= (10 - MS) • MF = (MS + MR) / 2 se MR > (10 - MS) • MF = MS se MR< 5
 
Bibliografia
     
Livro Texto:
Morettin, P.A., Toloi, C.M.C. , Análise de Séries Temporais, Blucher, 2004

Bibliografia Complementar:
Hamilton. D, "Time Series Analysis" Princeton University Press, 1994,
Box, J.., Jenkins, G.M, Reisel, G.C., Time series analysis: Forecasting and Control, Prentice Hall, 1994.
Brockwell, P.J, e Davis, R.A.,; Introduction to Time Series and Forecasting, Springer-Verlag, 1996
 

Clique para consultar os requisitos para SME0262

Clique para consultar o oferecimento para SME0262

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP