Este curso, que se segue a um curso básico de regressão linear, tem por objetivo a apresentação de métodos econométricos aplicados a classes de modelos mais avançados, incluindo a análise de dados em cross-section e painel, equações simultâneas, escolha qualitativa e variáveis dependentes limitadas, regressão descontínua, estudos de evento e estimadores de diferenças-em-diferenças, entre outros.
Ementa 1. Processos Estocásticos 2. Raiz Unitária 3. Modelagem de Box-Jenkins e Reinsel 4. GMM 5. VAR 6. Cointegração e VECM 7. Causalidade de Granger e Exogeneidade 8. Modelos GARCH 9. Modelos não lineares.
Programa Processos Estocásticos Esperança condicional e não condicional; Estacionaridade fraca, estrita e ergodicidade; Ruído branco; Modelos ARMA (p, q); Variância de Longo Prazo; Condições de estacionaridade e inversibilidade. Raiz Unitária Dickey e Fuller; Phillips-Perron; KPSS; ERS-GLS; Ng-Perron; Quebras estruturais conhecidas e desconhecidas; Decomposição de Beveridge-Nelson. Modelos ARMA Identificação: FAC, FACP, Ljung-Box, critérios de informação; Estimação: NLS, ML Condicional, Inferência; Verificação: LM-ARCH, Breusch-Pagan, Jarque-Bera; Previsão: MSE, MAPE, MAE, testes de Diebold-Mariano, Clark-Watson. GMM Momentos e ideia de minimização quadrática; Equivalência de GMM com OLS, IV e ML; Estimação da matriz de covariância: NW, AR espectral, PWRC; Formas de estimação: Dois estágios, sequencial, atualização contínua; Teste: Hansen, LR, LM e Wald. VAR Forma estrutural e forma reduzida; Identificação: Correlação cruzada, Ljung-Box, critérios de informação; Estimação: NLS, ML Condicional, Inferência; Verificação: LM-ARCH, Breusch-Pagan, Jarque-Bera; Previsão; Decomposição da Variância e função resposta ao impulso. Cointegração e VECM: Conceito de cointegração e regressão espúria; Teste de Engle-Granger; Modelo vetor de correção de erros; Teste de Johansen; Decomposição de Blanchard e Quah. Causalidade de Granger e Exogeneidade Exogeneidade fraca, forte e super-forte; Teste de Causalidade de Granger. Modelos GARCH Modelos univariados; ARCH, GARCH, EGARCH, APARCH, etc. Identificação; Estimação; Modelos multivariados: VECH, BEKK, DCC; Aplicações. Modelos Não-Lineares: TAR; SETAR; STAR; Regime-switching.
DE LOSSO, Rodrigo. Econometria de Séries Temporais, 2a ed. São Paulo: Cengage Learning, 2011. DIEBOLD, Francis X. Elements of Forecasting, 4.th. Mason: South-Western, 2011. ENDERS, Walter. Applied econometric time series, 4a ed. John Wiley & Sons, 2014. FAVERO, Carlo A. Applied Macroeconometrics. Oxford: Oxoford, 2001. FRANSES, Philip H. & DIJK, Dick van. Non-linear Time Series Models in Empirical Finance. Cam-bridge: Cambridge, 2000. HAMILTON, James D. Time series analysis. Princeton university press, 2020. HAMILTON, James D. Why you should never use the Hodrick-Prescott filter. Review of Economics and Statistics, v. 100, n. 5, p. 831-843, 2018. KÄNZIG, Diego R. The macroeconomic effects of oil supply news: Evidence from OPEC announcements. American Economic Review, v. 111, n. 4, p. 1092-1125, 2021. KILIAN, Lutz; LÜTKEPOHL, Helmut. Structural vector autoregressive analysis. Cambridge University Press, 2017. LÜTKEPOHL, Helmut. New introduction to multiple time series analysis. Springer Science & Business Media, 2005. MIRANDA-AGRIPPINO, Silvia; RICCO, Giovanni. The transmission of monetary policy shocks. American Economic Journal: Macroeconomics, v. 13, n. 3, p. 74-107, 2021. PFAFF, Bernhard. Analysis of integrated and cointegrated time series with R. Springer Science & Business Media, 2008. SHUMWAY, Robert H.; STOFFER, David S.; STOFFER, David S. Time series analysis and its applications: with R examples, 4a ed. New York: Springer, 2017. TSAY, Ruey S. Multivariate time series analysis: with R and financial applications. John Wiley & Sons, 2013. TSAY, Ruey S. An introduction to analysis of financial data with R. John Wiley & Sons, 2014.
