Métodos Computacionais Aplicados em Economia e Finanças

Disciplina: Métodos Computacionais Aplicados em Economia e Finanças

Ementa

Introdução à programação em economia; Manipulação e visualização dos dados, Modelos de Classificação, Modelos de Lineares e não lineares, aprendizado supervisionado. Aplicações econômicas e financeiras.

Bibliografia Básica

  1. Gareth M. J., Daniela W., Trevor H., Robert T.. An Introduction to Statistical Learning with applications in R, 7ed., Springer, 2017.
  2. Wickham H. , Grolemund,G. R para Data Science. Alta Books, 2019.
  3. Geron, Aurelien. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O'Reilly Media, 2019.

Bibliografia Complementar

  1. Langtangen, H. P. A Primer for Scientific Programming with Python. Springer. 2012.
  2. Stewart, J. M. Python for Scientists. Cambridge University Press. 2014.
  3. McKinney, W. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilley Media. 2012.
  4. Chiang, A. Matemática para economistas. McGraw. 1992.
  5. Ljungqvist, L. and Sargent, T. Recursive Macroeconomic Theory. MIT Press, 2004.
  6. Miranda, M. & Fackler, P. Applied Computational Economics and Finance. MIT Press, 2002.
  7. Summerfield, Mark. Programação em Python 3. Alta Books, 2013.
  8. Agrawal.A; Gans, J. Máquinas preditivas: a simples economia da inteligência artificial, Alta books, 2018.
  9. Andrew W. Lo, Mercados Adaptáveis: Evolução financeira na velocidade do pensamento, Alta books, 2018.
  10. Mullainathan, S; Spiess, J. Machine Learning: An Applied Econometric Approach, Journal of Economic Perspectives, Volume 31, Number 2, Spring 2017, Pages 87-106.
  11. Athey, S. The Impact of Machine Learning on Economics. The Economics of Artificial Intelligence: An Agenda. University of Chicago Press January, 2018.
  12. Varian, H. Big Data: New Tricks for Econometrics, Journal of Economic Perspectives, Volume 28, Number 2, Spring 2014, Pages 3-28.