1. Início
  2. NOVA School of Business and Economics
  3. Mestrado em Finanças
  4. Métodos Empíricos para Finanças

Métodos Empíricos para Finanças

Objetivos

O objetivo do curso é apresentar aos alunos métodos de pesquisa empírica e análise de dados em finanças. A natureza, o abrangência e os detalhes dos dados disponíveis continuam a se expandir rapidamente e há uma procura crescente no setor financeiro por pessoas com habilidades quantitativas capazes de analisá-los. O curso é planeado para ajudar a entender e aplicar algumas técnicas padrão usadas na análise econométrica de dados financeiros por meio de uma combinação de aulas presenciais e online. O curso enfatizará bases sólidas com foco em aplicações empíricas. Começa com os fundamentos da análise de regressão para finalmente cobrir algumas das metodologias mais utilizadas em finanças para tirar conclusões causais, como estudos de eventos e diferença-em-diferenças. Os alunos serão apresentado à programação num software estatístico amplamente utilizado (Stata) por meio de aplicações dos conceitos e métodos discutidos na aula. Os alunos farão exercícios de grupo classificado que exigem lidar com dados, estimar modelos e interpretar os resultados. O código para as soluções estarão no Stata. Ao implementar os métodos aprendidos sobre os dados, o  aluno apreciará as questões empíricas e a intuição por trás das abordagens econométricas adotadas.


Caracterização geral

Código

2269

Créditos

3.5

Professor responsável

Robert Anthony Hill

Horas

Semanais - A disponibilizar brevemente

Totais - A disponibilizar brevemente

Idioma de ensino

Inglês

Pré-requisitos

n/a

Bibliografia

Brooks, C. (2019) Introductory Econometrics for Finance, 4th edition. Cambridge University Press, New York;

Wooldridge, J.M. (2013). Introductory econometrics: A modern approach (5th edition). Mason, OH: South-Western, Cengage Learning.

Método de ensino

Utilização de método de ensino blended. Durante as aulas presenciais, abordaremos a matéria principal e discutiremos exemplos. Os vídeos assíncronos passam pelos aplicativos Stata mostrando e explicando o código (dados e código são sempre fornecidos). Os alunos são encorajados a abrir o Stata no computador e executar o código enquanto assistem ao vídeo: o formato assíncrono é muito adequado para essa finalidade. Ao observar vários exemplos de problemas empíricos comuns, os alunos desenvolvem uma intuição sobre os métodos mais adequados para superar desafios específicos enfrentados ao trabalhar com dados. No final do curso, os alunos serão capaz de escrever códigos simples, avaliar a validade da abordagem utilizada e discutir os resultados de modelos de regressão linear. Espera-se preparação pré-aula e participação em sala de aula.


Método de avaliação

Os alunos serão avaliados pelos trabalhos (40%) e exame final (60%)

Conteúdo

Análise de Regressão Univariada e Multivariada

Modelo de regressão linear

Ordinary Least Square (OLS)

Inferência Regressores especiais (variáveis ??fictícias e termos de interação)

Problemas de especificação

Diagnóstico de regressão

Heterocedasticidade