Estatística e Modelação Aplicadas com R

Módulo 1 – Introdução aos Modelos
Módulo 2 – Introdução aos Modelos Não Lineares
Módulo 3 – Introdução a Modelos Multivariados de Séries Temporais (VAR)

Formato: On-line – Ao Vivo

data

Primeiro Trimestre de 2021

duração

4h/módulo

local

On-line
Por meio da plataforma Cisco Webex

preço

Cada Módulo:
75€ / R$45o

3 Módulos:
200€ / R$1195

descrição

Atualmente a análise de séries temporais vem se tornando indispensável para modelar a realidade na elaboração de modelos de tomada de decisões, à negócios, à gestão, explicar ou prever comportamentos já observados ou não. Este curso foi desenvolvido para fornecer uma porta de “entrada” para alunos com algum interesse em programação em R e econometria de séries temporais.

a quem se destina

– Estudantes de Mestrado e de Doutoramento
– Profissionais que pretendam adquirir competências em análise de séries temporais, econometria e modelos de previsão no software R.  

formador

Francisca Mendonça Souza

Licenciada em Matemática Aplicada Computacional, Especialista em Estatística e Modelagem Quantitativa, Mestre em Engenharia de Produção na área de Gerência de Produção ambos pela Universidade Federal de Santa Maria (UFSM). Doutorada em Métodos Quantitativos Aplicados à Gestão e Economia na especialidade de Estatística e Análise de Dados – Econometria pelo Instituto Universitário de Lisboa (ISCTE-IUL). Pós-doutoramento na Plataforma de Inovação da Vinha e do Vinho – INNOVINE e WINE na Universidade Trás-os-Montes e Alto do Douro na área de Séries Temporais, Econometria. Pós-doutoramento no Centro de Competências em Cloud Computing/Universidade da Beira Interior (UBI) em Data Mining and Sistematic Review and Meta Analysis. Possui 4 livros publicados sendo 3 deles em parcerias com Universidades Brasileiras. Autora e co-autora de um conjunto de publicações sobre economia aplicada, econometria e estatística aplicada.

programa

Módulo 1 – Introdução aos Modelos
8 e 9 de Julho – 14h às 16h (BR) / 18h às 20h (PT)

UNIDADE 1 – INTRODUÇÃO
Motivação
Modelos univariados
Processo estocástico

UNIDADE 2 – Metodologia de Box e Jenkins
Identificação
Estimação dos parâmetros
Adequação do modelo
Previsão

UNIDADE 3 – Modelos não estacionários ARIMA (p, d, q)
Introdução
Inspeção gráfica
Função de Autocorrelação e autocorrelação parcial
Teste para estacionariedade – ADF e KPSS
Estimação de modelos concorrentes
Escolha do modelo mais adequado
Análise de resíduos
Previsão

Módulo 2 – Introdução aos Modelos Não Lineares
16 e 17 de Julho – 14h às 16h (BR) / 18h às 20h (PT)

UNIDADE 1 – INTRODUÇÃO
Motivação
Modelos Não Lineares

UNIDADE 2 – Modelos Não Lineares
Cálculo dos log retornos
Testes: momentos amostrais; normalidade; Ljung Box
Estimação dos Modelos ARCH e GARCH
Adequação do modelo
Previsão

Módulo 3 – Introdução a Modelos Multivariados de Séries Temporais (VAR)
24 e 25 de Julho – 14h às 16h (BR) / 18h às 20h (PT)

UNIDADE 1 – INTRODUÇÃO
Motivação
Introdução aos modelos multivariados de séries temporais 

UNIDADE 2 – Modelo Autorregressivo VAR
Guia rápido para ajustar o Modelo de Vetor Autorregressivo -VAR

preço

Cada Módulo: 75€ / R$450
3 Módulos: 200€ / R$1195

Pagamento:
– Através da GADES Portugal – em EUROS: Será emitida Invoice aos alunos do Brasil e a forma de pagamento será por meio de envio de link de PayPal
– Através da GADES Brasil – Em R$: Entre em contacto com o nosso escritório em São Paulo: info@gades-solutions.com.br

horário e data

Setembro/2020 – Data a Anunciar

pré-requisitos e metodologia

Formato: On-line – Ao Vivo 

Método de Ensino:
Aulas virtuais em real time, com aplicação de exemplos e exercícios práticos. Utilização de microcomputador para processamento e análise das listagens emitidas, por meio do software R.

Materiais utilizados e disponibilizados: arquivos de pdf, base de dados e lista de comandos da ferramenta.

Pré-requisitos
Conhecimento de estatística e matemática.

Recursos Tecnológicos
Necessário que os estudantes tenham um computador e o software R ou RStudio instalado.

REFERÊNCIAS BIBLIOGRÁFICAS

Souza, F. M., Oliveira, Souza, A. M., Souza, A. M., Menezes, R. M. C., Ramser, C. A. S., Leonardi, A. S. Estatística e Modelagem Aplicadas ao Software R. Editora Voix, 2018. ISBN: 978-85-94414-04-5

Souza, F.M. Modelos de Previsão Aplicações à Energia Elétrica ARIMA-ARCH-AI-ACP. 1º ed. Brasil: Appris Editora e Livraria Ltda , 2016. ISBN: 978-85-473-0248-1.

Box, G. E. P.; Jenkins, G.M., (1970). Time Series Analysis, forecasting and control. San Francisco: Holden Day, p. 315

Brooks, C. (2002). Introductory econometrics for finance. Cambridge: Cambridge U. Press.

Souza, F. M. (2016), Efeitos de Contágio das Taxas de Juro a Longo Prazo na Rendibilidade dos Índices Bolsistas Internacionais: Um Modelo com Quebras Estruturais, Persistência e Heterocedasticidade Condicionada. Tese de Doutoramento ISCTE-IUL, 67- 104.

Box, G. E. P.; Jenkins, G.M., (1970). Time Series Analysis, forecasting and control. San Francisco: Holden Day, p. 315

Brooks, C. (2002). Introductory econometrics for finance. Cambridge: Cambridge U. Press.

Dickey, D. A.; Fuller, W. A. (1970). Distribution of the Estimators for Autoregressive Time Series With a Unit Root. Journal of the American Statistical Association, v. 74, n. 366, p. 427–431, 1979.

Kwiatkowski, D. et al. (1992).Testing the null hypothesis of stationarity against the alternative of a unit root. Journal of Econometrics, v. 54, n. 1–3, p. 159–178.

Oliveira, A. C. S. Introdução ao R. Universidade Federal de Mato Grosso. Instituto de Ciências Exatas e da Terra. Departamento de Estatística. Mato Grosso, MT, 2011.

Wooldridge, J. (2016). Introductory Econometrics: A Modern Approach (with Economic Applications, Data Sets, Student Solutions Manual Printed Access Card). South-Western College Pub, 6th edition.

Russell, D. and MacKinnon, J. (2004). Econometric Theory and Methods. New York: Oxford University Press.

Stock, J. and Watson, M. (2011). Introduction to Econometrics. Addison Wesley Longman, 3rd edition.

Torfs, P. and Brauer, C. (2014). A (very) short introduction to R. https://cran.r-project.org/doc/contrib/Torfs+Brauer-Short-R-Intro.pdf.

Hamilton, J. D. (1994). Time series analysis. Princeton Univ. Press, Princeton, NJ.

localização

On-line Ao Vivo: A plataforma usada será CISCO Webex, com a qual a aula é ministrada ao vivo com interação absoluta dos participantes – 2 dias antes do treinamento enviaremos o link de acesso com senha aos interessados.

  1. É possível acessar o link do  treinamento que lhe for enviado em 2 dispositivos (Tablet,  celular e/ou outro computador)
  2. Pedimos se possível, deixar o computador/equipamento com a ferramenta usada no curso instalado, livre para realizar os exercícios práticos. Ou deixar 2 monitores ligados ao mesmo computador.

Este procedimento facilita o acompanhamento do curso. 

Todo o conteúdo e material disponibilizado pelos professores estão protegidos pela  Lei 9610/98 – que trata do direito autoral e limitações de uso. Você está ciente e concorda que:  a GADES SOLUTIONS e os nossos professores parceiros não  autorizam e não concordam  com o uso de  ferramentas de screencast para gravação das videoaulas.

Fale conosco

gades solutions

Telefone + WhatsApp: +55 11 4371 0701

Celular + WhatsApp: +55 11 9 8336 0707

Email: info@gades-solutions.com.br

contate-nos

Por favor, introduza os seus dados. Entraremos em contato em breve.

Condição de uso de aplicativo de gravação em video

Qual módulo deseja cursar?

13 + 12 =

Iremos utilizar os seus dados para lhe dar informação acerca de serviços e produtos da Gades Solutions. Para mais informações consulte a nossa Política de Privacidade.

 

COPYRIGHT © 2019 • GADES SOLUTIONS • TODOS OS DIREITOS RESERVADOS