|
Lição nº 1 20/09/2005 |
|
|
Considerações sobre a disciplina: programa, bibliografia, avaliação. Objectivos da análise de séries temporais. |
| |
|
|
Lição nº 2 27/09/2005 |
|
|
1. Processos estocásticos. Definição e existência. Teorema de Kolmogorov. Processos estocásticos de segunda ordem. Estacionaridade forte e fraca. Resumos das ligações temporais: autocovariâncias e autocorrelações. |
| |
|
|
Lição nº 3 04/10/2005 |
|
|
Resumos das ligações temporais: medida e densidade espectral e autocorrelações parciais. Previsões lineares baseadas em passados de dimensão finita e em todo o passado. |
| |
|
|
Lição nº 4 11/10/2005 |
|
|
2. Modelações estocásticas lineares Processos regulares. Modelos auto-regressivos (AR). |
| |
|
|
Lição nº 5 18/10/2005 |
|
|
Modelos médias móveis (MA). Modelos auto-regressivos e médias móveis (ARMA). Breve referência aos modelos com tendência e sazonalidade (ARIMA e SARIMA). |
| |
|
|
Lição nº 6 25/10/2005 |
|
|
Apresentação pelos alunos de dois temas desenvolvendo aspectos teóricos das modelações lineares de séries temporais.
Aula apresentada a 8 de Novembro de 2005 (com o acordo de todos os envolvidos). |
| |
|
|
Lição nº 7 07/11/2005 |
|
|
3. Modelações não lineares. Introdução. Modelos condicionalmente heteroscedásticos (CH): Definição e principais propriedades. Estudo de algumas modelações CH. i) Modelos ARCH. |
| |
|
|
Lição nº 8 14/11/2005 |
|
|
3. Modelações não lineares (continuação). Estudo de algumas modelações CH. ii) Modelos ARCH com limiares (TARCH). iii) Modelos ARCH e TARCH generalizados (GARCH e GTARCH) . Modelos com erros condicionalmente heteroscedásticos. Análise do erro de previção condicional. |
| |
|
|
Lição nº 9 21/11/2005 |
|
|
3. Modelações não lineares (continuação). Modelos bilineares. Propriedades probabilistas do modelo bilinear simples: estacionaridade forte e fraca, inversibilidade, resumos de 2ª ordem. |
| |
|
|
Lição nº 10 28/11/2005 |
|
|
4. Análise estatística de séries temporais. Inferência em modelos lineares: estimação das funções média, autocovariância e densidade espectral. Inferência em modelos não lineares: estimadores da máxima verosimilhança condicional dos parâmetros de um modelo de regressão com erros ARCH. |
| |
|
|
Lição nº 11 05/12/2005 |
|
|
4. Análise estatística de séries temporais (cont.). Estimação em duas etapas, pelo método dos mínimos quadrados generalizado, de um modelo de regressão com erros ARCH. Um teste para modelos bilineares: ergodicidade de uma série temporal; um procedimento de decisão convergente; implementação do procedimento de decisão como um teste. |
| |
|
|
Lição nº 12 12/12/2005 |
|
|
Um teste para modelos bilineares: implementação prática. Análise experimental do comportamento do teste a distância finita. Estudo comparativo sobre o comportamento do teste proposto e o de um teste não paramétrico para modelos não lineares. |
| |
|
|
Lição nº 13 19/12/2005 |
|
|
Apresentação pelos alunos de dois temas desenvolvendo alguns aspectos teóricos da modelação de séries temporais.
A aula decorreu no dia 20.12.05. |
| |
|
O Professor, Nazaré Lopes e Esmeralda Gonçalves
|