Métodos de Previsão / Forecasting Methods
6.2.1.2. Docente responsável e respectivas horas de contacto na unidade curricular (preencher o nome completo):
Paulo Miguel del-Negro Pamplona Côrte-Real (2h/semana - 2h/week)
6.2.1.3. Outros docentes e respectivas horas de contacto na unidade curricular:
N/A
6.2.1.3. Other academic staff and lecturing load in the curricular unit:
N/A
6.2.1.4. Objectivos de aprendizagem (conhecimentos, aptidões e competências a desenvolver pelos estudantes):
1. Compreensão do papel que os métodos de previsão desempenham como ferramentas de apoio à decisão 2. Identificação de componentes de séries temporais
3. Conhecimento e aplicação de métodos de alisamento exponencial e de métodos lineares de Box-Jenkins 4. Avaliação crítica de métodos de previsão que permita uma seleção do método adequado em aplicações práticas
5. Domínio de software de apoio aos diversos métodos de previsão
6.2.1.4. Learning outcomes of the curricular unit:
1. Understanding the role of forecasting as a decision-making tool 2. Identifying the components of a time series
3. Knowledge and application of exponential smoothing models and Box-Jenkins linear models
4. Critical assessment of forecasting methods to inform the choice of the appropriate method in practical applications
5. Mastering software to support forecasting
6.2.1.5. Conteúdos programáticos:
1. Introdução
1.1 Sucessão cronológica:definição e decomposição 1.2 Metodologia de análise
1.3 Generalidades sobre métodos de previsão 2. Decomposição de séries temporais 2.1 Decomposição aditiva
2.2 Decomposição multiplicativa 3. Métodos de alisamento exponencial
3.1 Métodos de alisamento exponencial simples e adaptativo 3.2 Métodos de Holt e de Holt-Winters
3.3 Estudo de casos práticos com software apropriado 4. Modelos lineares de Box-Jenkins
4.1 Estacionaridade. Funções de aurocorrelação e autocorrelação parcial 4.2 Transformações de sucessões
4.3 Processos estacionários:MA, AR, ARMA 4.4 Processos não estacionários:ARIMA 4.5 Estimação
4.6 Avaliação do diagnóstico 4.7 Previsão
4.8 Estudo de casos práticos com software apropriado
6.2.1.5. Syllabus:
1. Introduction
1.1 Time series:definition and decomposition 1.2 Methodologies for analysis
1.3 General notions about forecasting 2. Time series decomposition
2.1 Additive decomposition 2.2 Multiplicative decomposition 3. Exponential smoothing models
3.1 Simple and adaptive exponential smoothing models 3.2 Holt and Holt-Winters models
3.3 Practical applications with the appropriate software 4. Box-Jenkins linear models
4.1 Stationarity. Autocorrelation and partial autocorrelation functions 4.2 Time series transformation
4.3 Stationary processes:MA, AR, ARMA 4.4 Non-stationary processes:ARIMA 4.5 Estimation
4.7 Forecasting
4.8 Practical applications with the appropriate software
6.2.1.6. Demonstração da coerência dos conteúdos programáticos com os objectivos da unidade curricular.
O objetivo de compreensão do papel que os métodos de previsão desempenham como ferramentas de apoio à decisão é iniciado com o capítulo introdutório e complementado pelo trabalho realizado ao longo dos
restantes capítulos.
A identificação de componentes de séries temporais é feita no ponto 2.
O conhecimento e aplicação de métodos de alisamento exponencial e de métodos lineares de Box-Jenkins é feita nos pontos 3 e 4.
A avaliação crítica de métodos de previsão que permita uma seleção do método adequado em aplicações práticas baseia-se ainda nos pontos 3 e 4.
O domínio de software de apoio aos diversos métodos de previsão é trabalhado nos pontos 3 (Excel) e 4 (SAS Enterprise Guide).
6.2.1.6. Demonstration of the syllabus coherence with the curricular unit's objectives.
The goal of understanding the role of forecasting as a decision-making tool is pursued in the introductory chapter and consolidated in the remainder of the course.
The goal of identifying the components of a time series is achieved through chapter 2.
Knowledge and application of exponential smoothing models and Box-Jenkins linear models is the subject of chapters 3 and 4.
A critical assessment of forecasting methods to inform the choice of the appropriate method in practical applications is also achieved through chapters 3 and 4.
The goal of mastering software to support forecasting is also met through points 3 (Excel) and 4 (SAS Enterprise Guide).
6.2.1.7. Metodologias de ensino (avaliação incluída):
Aulas teóricas de exposição seguidas de aulas práticas com utlização de computador e exibição de software no estudo de situações reais.
Avaliação:Teste Intermédio (35%) + Exame Final (65%)
6.2.1.7. Teaching methodologies (including evaluation):
Lectures followed by practical sessions with computer use and application of the appropriate software to real life situations.
Grading:Midterm exam (35%) + Final Exam (65%)
6.2.1.8. Demonstração da coerência das metodologias de ensino com os objectivos de aprendizagem da unidade curricular.
As aulas de exposição permitem uma introdução às bases teóricas de métodos de alisamento exponencial e de métodos lineares de Box-Jenkins, que são complementadas pela aplicação destes métodos a aplicações práticas com o recurso a software de apoio. A complementaridade de teoria e aplicação permitem por sua vez uma análise crítica dos diversos métodos e a consolidação de uma base de decisão para futuros problemas de previsão no âmbito profissional.
Também os elementos de avaliação refletem esta preocupação, combinando questões teóricas com questões práticas que exigem o recurso a software.
6.2.1.8. Demonstration of the coherence between the teaching methodologies and the learning outcomes.
The lectures allow for the exposition of the theoretical framework of exponential smoothing methods and Box- Jenkins linear models. These lectures are complemented by the practical application of these methods resorting to the appropriate software.
In turn, this complementarity of theory and application allows for a critical assessment of the different methods and for a more solid basis for decision-making when facing real-life forecasting problems.
Grading methods also mirror this concern:exams combine theoretical questions with practical applications that require the use of the relevant software.
6.2.1.9. Bibliografia principal:
• Makridakis, S. Wheelwright, S.C. Hyndman, R.J. Forecasting:Methods and Aplications, 3rd edition, John Wiley & Sons, 1998
• Murteira, B. Muller, D. Turkman F. Análise de Sucessões Cronológicas, 1ª edição, McGraw Hill, 1993 (reimpressão em 2000)
• Wei ,W. Time Series Analysis:Univariate and Multivariate Methods, 2nd edition, Addison-Wesley, 2011
Mapa IX - Tecnologias Internet e Web / Internet and Web Technologies