Search This Blog

Tuesday, June 18, 2019

Aula 28 de Métodos Computacionais em Economia (2019) - Aprendizagem de Máquinas: Classificação Linear

Essa é a sexta aula de Aprendizagem de Máquinas do nosso curso. Esses são os slides usados em sala.



Códigos usados em sala de aula

OLS para classificação

Implementação do Perceptron

Implementação de um modelo de resposta binária

Referências

Pattern Recognition and Machine Learning - Christopher Bishop [Seções 4.1, 4.2 e 4.3]

A. Carvalho, D. Cajueiro e R. Camargo - Introdução aos Métodos Estatísticos para Economia e Finanças [Capítulo 9]

Modern multivariate statistical techniques - Alan Julian Izenman [Seções 8.1 a 8.4]

The elements of statistical learning - Hastie, Tibshirani e Friedman [Capítulo 4]

Neural networks - Haykin [Capítulos 3 e 5]

Bases de dados usadas para responder os exercícios

PRorum: Sites com bases de dados interessantes

Soluções de Exercícios

Linear Discriminant Analysis

Probabilistic Generative Models

Stepwise logistic regression

Xor

Aula 27 de Métodos Computacionais em Economia (2019) - Aprendizagem de Máquinas: Modelos lineares regularizados

Essa é a quinta aula de Aprendizagem de Máquinas do nosso curso, onde discutimos modelos lineares regularizados. Esses são os slides usados em sala.

Referências

Modern multivariate statistical techniques - Alan Julian Izenman [Capítulo 5]

Statistical Learning with Sparsity: The Lasso and Generalizations - Trevor Hastie and Robert Tibshirani

Referências Complementares

High-Dimensional Methods and Inference on Treatment and Structural Effects in Economics - Victor Chernozhukov, A. Belloni and C. Hansen

Soluções de Exercícios

Double Selection via lasso [Questão 1(b)]

Aula 26 de Métodos Computacionais em Economia (2019) - Aprendizagem de Máquinas: Noções de Previsão

Essa é a quarta aula de Aprendizagem de Máquinas do nosso curso que versa sobre previsão. Esses são os slides usados em sala.


Referências

Elements of forecasting - Francis Diebold

Time series analysis - James Douglas Hamilton

Referências Complementares

The Signal and the Noise: Why So Many Predictions Fail - But Some Don't - Nate Silver

The Predictors: How a Band of Maverick Physicists Used Chaos Theory to Trade Their Way to a Fortune on Wall Street - Thomas A. Bass

The Myth of the Rational Market: A History of Risk, Reward, and Delusion on Wall Street - Justin Fox

Soluções de Exercícios

Previsão de série temporal (propriedades) [Questão 1]

Previsão de venda de bebidas alcólicas [Questão 2]

Sunday, June 2, 2019

Aula 25 de Métodos Computacionais em Economia (2019) - Aprendizagem de Máquinas: Noções de estatística bayesiana

Essa é a terceira aula de Aprendizagem de Máquinas do nosso curso. Esses são os slides usados em sala.




Códigos usados em sala de aula


Proporção de fumantes

Referências

Bayesian data analysis - Gelman, Carlin e Stern - Christopher Bishop [Capítulos 1, 2, 6, 10, 11]

Estatística Bayesiana. Paulino, Turkman e Murteira [Capítulos 1, 2, 3, 4 e 7].

Referências Complementares para exercícios

Bayesian econometrics - Gary Koop

Soluções de Exercícios

Regressão linear simples [Questão 1]

Regressão linear múltipla [Questão 2]

Wednesday, May 29, 2019

Aula 24 de Métodos Computacionais em Economia (2019) - Aprendizagem de Máquinas: Modelos Lineares

Essa é a segunda aula de Aprendizagem de Máquinas do nosso curso que versa sobre modelos lineares. Esses são os slides usados em sala.



Códigos usados em sala de aula


Decomposição Viés-Variância

Referências

Pattern Recognition and Machine Learning - Christopher Bishop [Seções 3.1, 3.2 e 3.6]

Modern multivariate statistical techniques - Alan Julian Izenman [Capítulo 5]

The elements of statistical learning - Hastie, Tibshirani e Friedman [Capítulo 3]

Neural networks - Haykin [Capítulo 7]



Referências Complementares para otimização numérica

Numerical methods in economics - Kenneth Rudd

Numerical methods in engineering with python - Jaan Kiusalaas

Bases de dados usadas para responder os exercícios

PRorum: Sites com bases de dados interessantes

Soluções de Exercícios


Rede Neural de Bases radiais [Questão 1]

PCR - Principal Components Regression [Questão 2(a)

PLS - Implementação do Partial Least Squares [Questão 2(b)

PLS - Implementação do Ridge [Questão 2(c)

Forwards Stepwise em python [Questão 3(a)

Implementação do Lasso [Questão 3(b)

Implementação do LARS [Questão 3(c)

Forwards Stagewise em python [Questão 3(d)





Friday, May 24, 2019

Aula 23 de Métodos Computacionais em Economia (2019) - Introdução a Aprendizagem de Máquinas

Na nossa vigésima terceira aula de métodos computacionais fizemos uma introdução a aprendizagem de máquinas. Esses são os slides usados em sala.



Soluções de Exercícios


Referências

The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World - Pedro Domingos

Pattern Recognition and Machine Learning - Christopher Bishop

Deep learning - Ian Goodfellow, Yoshua Bengio and Aaron Courville

The elements of statistical learning - Hastie, Tibshirani e Friedman

Modern multivariate statistical techniques - Alan Julian Izenman

The discipline of machine learning - T. M. Mitchel

A few useful things to know about machine learning - P. Domingos

Learning deep architectures for AI - Y. Bengio

In defence of forensic social science - Amir Goldberg [Big data and Society, 2015]

Sociology in the era of big data: the ascent of forensic social science - D. A. McFarland e
K. Lewis [American Sociology, 2015]

Economic reason and artificial intelligence - D. C. Parkes and M. P. Wellman [Sience 349,
p.267, 2015]

Big Data: New Tricks for Econometrics - H. R. Varian

The Impact of Machine Learning on Economics - Susan Athey

The State of Applied Econometrics: Causality and Policy Evaluation
Susan Athey e Guido W. Imbens.

Beyond Prediction: Using Big Data for Policy Problems -
Susan Athey

High-Dimensional Methods and Inference on Treatment and Structural Effects in Economics - Victor Chernozhukov, A. Belloni and C. Hansen

Prediction Policy Problems -
Jon Kleinberg, Jens Ludwig, Sendhil Mullainathan, and Ziad Obermeyer

Saturday, May 18, 2019

Aula 22 de Métodos Computacionais em Economia (2019) - Interlúdio 3: Modelos Baseados em Agentes

Na nossa vigésima segunda aula de métodos computacionais introduzimos modelos baseados em agentes. Esses são os slides usados em sala.



Abaixo temos os exemplos apresentados em sala de aula:

Jogo da Minoria

Modelo de Simulação Bancária


Referências

Arthur, W. B. Inductive reasoning and bounded rationality. American Economic Review, v. 84, n. 2, p. 406--411, 1994.

Barroso, R. V. et al., Interbank network and regulation policies: an analysis through agent-based simulations with adaptive learning, published in the Journal Of Network Theory In Finance, v. 2, n. 4, p. 53–86, 2016. [A versão preliminar está aqui: https://mpra.ub.uni-muenchen.de/73308/]

Challet, D. and Zhang, Y. C. Emergence of cooperation and organization on an evolutionary game. Physica A 246, p. 407--418, 1997

Agent-Based and Individual-Based Modeling: A Practical Introduction
by Steven F. Railsback and Volker Grimm

An Introduction to Agent-Based Modeling: Modeling Natural, Social, and Engineered Complex Systems with NetLogo -- Wilensky, Uri, Rand, William (2015)

Complex Adaptive Systems: An Introduction to Computational Models of Social Life -- John H. Miller and Scott Page


Agent-Based Modeling: The Santa Fe Institute Artificial Stock Market Model Revisited -- Norman Ehrentreich

Soluções de Exercícios