Nome da Atividade
ECONOMIA COMPUTACIONAL
CÓDIGO
10760074
Carga Horária
68 horas
Tipo de Atividade
DISCIPLINA
Periodicidade
Semestral
Modalidade
PRESENCIAL
Unidade responsável
CARGA HORÁRIA TEÓRICA
4
CARGA HORÁRIA OBRIGATÓRIA
4
CRÉDITOS
4
FREQUÊNCIA APROVAÇÃO
75%

Ementa

Modelagem com o Wolfram Mathematica 10.0 - Teoria do consumidor e da firma no Mathematica; Equilíbrio parcial no Mathematica; Finanças computacionais no Mathematica; Duopólio de Cournot e de Stackelberg no Mathematica (modelagem com gráficos de 3D); Sistemas Complexos e otimização dinâmica com o uso do comando Manipulate; Machine Learning (Aprendizado de Máquinas) no Wolfram Mathematica. Análise de redes complexas com o Gephi 0.9.2 – Introdução à teoria dos grafos aplicada à Economia e Finanças; Medidas estatísticas ao nível do agente e ao nível da rede; Redes completas, aleatórias, de “small world” e “scale free”; Distribuições dos tipos Force Atlas e Force Atlas 2, Frutcherman Reingold, Yifan Hu e Yifan Hu proporcional; Tópicos de geometria financeira (reconstrução de processos e espaços). Modelagem com o Python e o R– Python Aplicado à Finanças e à Data Science (Ciência de Dados); Análise Preditiva no R; Modelos VAR (Vetorial Autorregressivo), VEC (Correção Vetorial do Erro) e de Dados em Painel no R; Modelos econométricos de conectividade financeira e macroeconômica no R e no Gephi 0.9.2 (índices de Diebold-Yilmaz,
2015 e Barunik-Krehlik, 2018) e Introdução à técnicas de Web Scraping no Python.

Objectives

Objetivo Geral:

O objetivo da disciplina de Economia Computacional é apresentar de modo prático as ferramentas da Ciência de Dados e da Ciência de Redes (Network Science) aplicadas à Economia aos discentes.

Conteúdo Programático

Bibliografia

Bibliografia Básica:

  • AFONSO, O. e VASCONCELOS, P. Computational Economics: a Concise Introduction. New York: Taylor & Francis Ltd, 2016.
  • ARAÚJO, T. V. Introdução à Economia Computacional. Lisboa: Almedina, 2011.
  • BARABÀSI, A. L. (2016). Network Science. Cambridge, UK: Cambridge University Press, 2016.
  • CARMO, J.; SERNADAS, A. et al (2014). Introdução à Programação em Mathematica. 3ª ed. Lisboa: Instituto Superior Técnico.
  • COMPUTATIONAL ECONOMICS – official journal of Society for Computational Economics. https://link.springer.com/journal/10614 .
  • DON, E. (2009). Mathematica. 2nd ed. New York: McGraw-Hill.
  • DOWNEY, A. B. (2012). Think Python. 2nd ed. Needham, Massachussets: Green Tea Press/O’Reilly Media Inc. Avaliable at: greenteapress.com/thinkpython/thinkpython.pdf.
  • DIEBOLD, F. X. Financial and Macroeconomic Connectedness. http://financialconnectedness.org/research.html (links para vários artigos deste autor).
  • FURTADO, B. A; SAKOWSKI, P .A M. e TÓVOLI, M. H. (2015). Modelagem de Sistemas Complexos para Políticas Públicas. Brasília: IPEA.
  • GAMA. J.; CARVALHO, A. P. L.; FACELI, K. et al. (2015). Extração de Conhecimento de Dados – Data Mining. 2ª ed. Lisboa: Edições Sílabo.
  • JACKSON, M. O. Social and Economic Networks. Princeton, New Jersey: Princeton University Press, 2010.
  • JUDD, K. L. (1996). Computational Economics and Economic Theory: Substitutes or Complements? Stanford, California: Stanford University. Available at: https://web.stanford.edu/~judd/papers/scekey.pdf
  • KENDRICK, D. A.; MERCADO, P.R. & AMMAN, H. (2005). Computational Economics. Princeton University Press.
  • LABORATORY FOR SIMULATION DEVELOPMENT (LSD) – www.labsimdev.org/Joomla_1-3/
  • MITCHELL, R. (2018). Web Scraping with Python: Collecting More Data from the Modern Web. 2nd ed. Massachussets: O’Reilly Media Inc.
  • MIRANDA, M. J. (2002). Applied Computational Economics and Finance. Massachussets: The MIT Press.
  • PERKOVIC, L. (2015). Introduction to Computing Using Python. 2nd ed. New Jersey: John Wiley & Sons.
  • PERLIN, M. S. (2018). Processamento e Análise de Dados Financeiros com o R. Rio de Janeiro: Agência Brasileira do ISBN.
  • REICH, G. P. (2015). Three Essays in Computational Economics. Zurich: University of Zurich Faculty of Economics. Dissertation available at: www.zora.ch/id/eprint/111777/2/DissGregorReich_ohne_CV.pdf
  • SARGENT, T. J. and STACHURSKI, J. (2017). Quantitative Economics Lectures – Python 3. New York: Alfred P. Sloan Foundation. Available at: HTTPS://lectures.quantecon.org .
  • SCHMEDDERS, K. and JUDD, K. L. (2017). Handbook of Computational Economics. Vol. 3. Amsterdam: New-Holland/Elsevier
  • SOCIETY FOR COMPUTATIONAL ECONOMICS – comp-econ.org.
  • STINESPRING, J.R. (2002) Mathematica for Microeconomics: Learning by Example. Academic Press/Harcourt Inc.: San Diego, California.
  • TESTFATSION, L. and JUDD, K. (2006) Handbook of Computational Economics – Agent Based Computational Economics. Vol. 2. Amsterdam: NewHolland/Elsevier.
  • TESTFATSION, L. (2005). Agent-Based Computational Economics: A Constructive Approach to Economic Theory. Ames, Iowa: Iowa State University.
  • VARIAN, H. (1996). Computational Economics and Finance: Modelling and Analysis with Mathematica. Vol. 2. Springer.
  • WICKHAM, H. e GROLEMUND, G. (2016). R for Data Science: Import, Tidy, Transform, Visualize and Model Data. Massachussets: O’Reilly Media Inc.

Bibliografia Complementar:

  • BLACHMAN, N. (1992) Mathematica: a practical approach. Englewood Cliffs, New Jersey: Prentice-Hall.
  • CHARVEN, K. (2013). Mastering Gephi Visualization. Birmingham, UK: Packt Publishing.
  • GEPHI – THE OPEN GRAPH VIZ PLATFORM – https://gephi.org
  • KOKHAR, D. (2015). Gephi Cookbook. Birmingham, UK: Packt Publishing.
  • NAGLE, R. K.; SAFF. E.B. e SNIDER, A. D. (2012). Equações Diferenciais. 8ª ed São Paulo: Pearson. (ver os manuais do Matlab e do Mathematica disponíveis no site de apoio ao livro).
  • RABUSKE, M. A. (1992). Introdução à Teoria dos Grafos. Florianópolis: Editora da UFSC

Page generated on 2024-12-23 12:25:18 (query took 0.072169s)