1. Início
  2. NOVA School of Business and Economics
  3. Mestrado em Finanças
  4. Macroeconometria

Macroeconometria

Objetivos

Nesta disciplina, os alunos aprenderão os conceitos, modelos e técnicas mais importantes usados ??na nálise econométrica empírica de dados macroeconómicos. O foco será em modelos dinâmicos usando métodos econométricos de séries temporais. Os alunos também aprenderão a usar ferramentas de software econométricas especializadas. 



Caracterização geral

Código

2168

Créditos

7

Professor responsável

Luís Catela Nunes

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Inglês

Pré-requisitos

n/a 


Bibliografia

The main material for the course will be available on the course page on Moodle, including papers for specific topics. Recommended readings from the following textbooks will also be indicated on moodle:

Enders, W. (2014), Applied Econometric Time Series, 4th ed., John Wiley & Sons, Inc.

Lütkepohl, H. (2005). New introduction to multiple time series analysis. Springer Science & Business Media.

Hamilton, J.D. (1994), Time Series Analysis, Princeton University Press.

Canova, F. (2007), Methods for Applied Macroeconomic Research, Princeton University Press.  


Método de ensino

Os alunos deverão frequentar as aulas semanais para compreender a utilização das principais ferramentas macroeconométricas de séries temporais e os argumentos teóricos utilizados para derivar os principais resultados, e familiarizar-se com a interpretação dos resultados para os exemplos selecionados. A utilização de software econométrico especializado ajudará os alunos a compreender e aplicar os métodos e modelos esenvolvidos ao longo do curso. Os trabalhos são importantes para desenvolver todos os objetivos de aprendizagem.



Método de avaliação

A nota final é baseada em um exame final (60%) e quatro trabalhos de grupo (40%). A nota dos trabalhos dará conta da originalidade, qualidade e autonomia do trabalho realizado.

 

Conteúdo

1. Conceitos básicos em análise de séries temporais:  equações de diferenças,  estacionaridade e modelos ARMA  

 2. Modelos ARCH e GARCH

3. Modelos VAR,  modelos de forma reduzida,  estimação,  modelos VAR estruturais com identificação recursiva,  métodos alternativos de identificação

 4. Modelos de cointegração e VEC

5. Análise espectral

6. Filtros HP e passa-banda

7. Modelos bayesianos

8. Modelos para componentes não observadas:  modelos de espaço de estados,  filtro de Kalman,  modelos estruturais de séries temporais.

9. Mudança de regime de Markov.

10. Modelos de limite