Nome da Atividade
ECONOMIA COMPUTACIONAL - EAD
CÓDIGO
10760131
Carga Horária
75 horas
Tipo de Atividade
DISCIPLINA
Periodicidade
Semestral
Modalidade
PRESENCIAL
Unidade responsável
CARGA HORÁRIA EAD
5
FREQUÊNCIA APROVAÇÃO
75%
CARGA HORÁRIA OBRIGATÓRIA
5
CRÉDITOS
5
NOTA MÉDIA APROVAÇÃO
7
Ementa
Parte 1 – Modelagem com o Wolfram Mathematica versão estudante.
Finanças computacionais no Mathematica. Sistemas Complexos e otimização dinâmica
com o uso do comando Manipulate; Machine Learning (Aprendizado de Máquinas) no
Wolfram Mathematica; Séries temporais, análise de regressão e Estatística no Wolfram
10.0. Data mining usando o banco de dados do próprio Wolfram e também buscando
outras fontes de dados. Análise financeira e valuation por fluxo de caixa descontado
no Wolfram.
Parte 2 – 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.
Parte 3 – 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.
Finanças computacionais no Mathematica. Sistemas Complexos e otimização dinâmica
com o uso do comando Manipulate; Machine Learning (Aprendizado de Máquinas) no
Wolfram Mathematica; Séries temporais, análise de regressão e Estatística no Wolfram
10.0. Data mining usando o banco de dados do próprio Wolfram e também buscando
outras fontes de dados. Análise financeira e valuation por fluxo de caixa descontado
no Wolfram.
Parte 2 – 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.
Parte 3 – 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.
Objetivos
Objetivo Geral:
Capacitar o discente a compreender os principais métodos de ciência dedados (o que inclui aprendizado de máquinas, inteligência artificial, análise preditiva
etc.) aplicados à economia e às finanças. O curso fornece uma introdução às quatro
linguagens computacionais amplamente utilizadas por cientistas de dados,
econometristas, estatísticos e cientistas da computação: o Wolfram Mathematica, o R,
o Python e o Gephi.
Conteúdo Programático
Bibliografia
Bibliografia Básica:
- CAETANO, M. A. L. Python e mercado financeiro. São Paulo: Edgard Blucher, 2021. E-Book (532 p.) Disponível em: https://pergamum.ufpel.edu.br/acervo/5302674 . Acesso em: 27 fev. 2024
- FERREIRA, P.; Et. Al. Análise de séries temporais em R: um curso introdutório. Rio de Janeiro: GEN/Atlas/FGV-IBRE, 2020. E-Book (255 p.). Disponível em: https://pergamum.ufpel.edu.br/acervo/5269510 . Acesso em: 24 fev. 2024.
- PASSOS, M. O.; TESSMANN, M. S.; ELY, R. A.; UHR, D. et al. Effects of volatility among commodities in the long term: analysis of a complex network. Annals of Financial Economics, v. 15, n. 03, Nov. 2020. Disponível em: https://ideas.repec.org/a/wsi/afexxx/v15y2020i03ns2010495220500141.html . Acesso em: 27 fev. 2024.
Bibliografia Complementar:
- BUSSAB, W. de O. e MORETTIN, P. A. Estatística básica. São Paulo: Ed. Saraiva, 2011. E-Book (554 p.). Disponível em: https://pergamum.ufpel.edu.br/acervo/5027719 . Acesso em: 24 fev. 2024.
- DOWNEY, A. B. Think Python. 2nd ed. Needham, Massachussets: Green Tea Press/O’Reilly Media Inc., 2012. E-Book (240 p.) Disponível em: https://greenteapress.com/thinkpython/thinkpython.pdf . Acesso em: 27 fev. 2024.
- PASSOS, M. O.; GONZALEZ, P. L.; TESSMANN, M. S.; UHR, D. The greatest coautorships of finance theory literature (1896-2006): scientometrics based on complex networks. Scientometrics. 127, 5841-5862, Aug. 2022. Disponível em: https://ideas.repec.org/a/spr/scient/v127y2022i10d10.1007_s11192-022-04482- 8.html . Acesso em: 27 fev. 2024.
- PERLIN, M. Análise de dados financeiros e econômicos com o R. Publicação independente, 3ª ed. Porto Alegre, 2021. E-Book (282 p.) Disponível em: https://msperlin.com/adfer/adfeR_pt_ed03-ONLINE.pdf . Acesso em: 27 fev. 2024.
- WOOLDRIDGE, J. M. Introdução à econometria - uma abordagem moderna. 7ª ed. São Paulo: Cengage Learning, 2023.