Na nossa vigésima quarta aula de finanças apresentamos a relação entre alocações em equilíbrio e otimalidade de pareto. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Microeconomic Theory - Andreu Mas-Colell and Michael D. Whinston
Saturday, December 3, 2016
Aula 23: CCAPM
Na nossa vigésima terceira aula de finanças apresentamos o CCAPM. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
John Cochrane - Asset Pricing
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Recursive Macroeconomic Theory - Lars Ljungqvist and Thomas J. Sargent
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
John Cochrane - Asset Pricing
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Recursive Macroeconomic Theory - Lars Ljungqvist and Thomas J. Sargent
Aula 22: Carteira Ótima com vários ativos
Na nossa vigésima segunda aula de finanças apresentamos o problema de escolha de carteira com vários ativos. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Foundations for Financial Economics - Chi-Fu Huang and Robert H. Litzenberger
Modern Portfolio Theory and Investment Analysis - Edwin J. Elton and Martin J. Gruber
Optimization Methods in Finance - Gerard Cornuejols and Reha Tutuncu
Portfolio Optimization: Beyond Markovitz - Marnix Engels"
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Foundations for Financial Economics - Chi-Fu Huang and Robert H. Litzenberger
Modern Portfolio Theory and Investment Analysis - Edwin J. Elton and Martin J. Gruber
Optimization Methods in Finance - Gerard Cornuejols and Reha Tutuncu
Portfolio Optimization: Beyond Markovitz - Marnix Engels"
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Aula 21: Carteira Ótima com um ativo livre de risco e um arriscado
Na nossa vigésima primeira aula de finanças apresentamos o problema de escolha de carteira com dois ativos: um livre de risco e um arriscado. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Foundations for Financial Economics - Chi-Fu Huang and Robert H. Litzenberger
Modern Portfolio Theory and Investment Analysis - Edwin J. Elton and Martin J. Gruber
Optimization Methods in Finance - Gerard Cornuejols and Reha Tutuncu
Portfolio Optimization: Beyond Markovitz - Marnix Engels"
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Foundations for Financial Economics - Chi-Fu Huang and Robert H. Litzenberger
Modern Portfolio Theory and Investment Analysis - Edwin J. Elton and Martin J. Gruber
Optimization Methods in Finance - Gerard Cornuejols and Reha Tutuncu
Portfolio Optimization: Beyond Markovitz - Marnix Engels"
Quantitative Financial Economics: Stocks, Bonds and Foreign Exchange - Keith Cuthbertson and Dirk Nitzsche
Wednesday, November 23, 2016
Aula 20: Apreçamento Fatorial
Na nossa vigésima aula de finanças apresentamos Apreçamento Fatorial. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Monday, November 7, 2016
Aula 19: CAPM
Na nossa décima nona aula de finanças apresentamos o CAPM. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Aula 18: Teoria Média-Variância
Na nossa décima oitava aula de finanças apresentamos Teoria Média Variância. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções
Kernels de valor esperado e apreçamento e a definição da fronteira média-variância
Fronteira média variância definida a partir de um retorno relacionado com os retornos em excesso e o kernel de apreçamento
Diversificação de carteiras e redução da variância
Teorema de diversificação de Samuelson
Desvio padrão e variância são funções convexas
Carteira de Markowitz
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções
Kernels de valor esperado e apreçamento e a definição da fronteira média-variância
Fronteira média variância definida a partir de um retorno relacionado com os retornos em excesso e o kernel de apreçamento
Diversificação de carteiras e redução da variância
Teorema de diversificação de Samuelson
Desvio padrão e variância são funções convexas
Carteira de Markowitz
Contradições da esquerda autoritária
Eles invadem a UnB e impedem autoritariamente estudantes de terem aulas.
Eles são contra Temer, mas são contra uma lei que limita os seus gastos.
Eles dizem defender a educação, mas picham patrimônios de instituições de ensino.
Esse é o prédio da FACE e o que prédio localizado ao lado da FACE.
Eles são contra Temer, mas são contra uma lei que limita os seus gastos.
Eles dizem defender a educação, mas picham patrimônios de instituições de ensino.
Esse é o prédio da FACE e o que prédio localizado ao lado da FACE.
Saturday, November 5, 2016
Um reitor de uma universidade pública tem a opção de NÃO pedir a reintegração de sua universidade?
NÃO!
Não é novidade que direitos de professores, estudantes e pais foram autoritariamente excluídos por invasores da esquerda fascista que invadiram escolas públicas.
Alguns reitores deliberadamente não estão pedindo reintegração da universidade. Não é relevante discutir os motivos, mas acredito que alguns deles se identifiquem com a bandeira dos invasores (invasores! A grande maioria não é composta por estudantes). Não é relevante aqui discutir essas bandeiras, embora eu mesmo tenha a minha opinião sobre o assunto.
Reitores são as figuras responsáveis pelo zelo e eficiência das atividades universitárias. Durante invasões, estudantes e professores são excluídos de dar/assistir aulas e a reitoria fica impedida de realizar atividades fundamentais para o andamento da universidade (existem várias manifestações de estudantes que estão perdendo oportunidade de estágios e professores que não estão sendo autorizados para a realização de atividades como participação em eventos).
Essa atitude de não pedir reintegração da universidade pública é uma clara evidência da Desídia do Servidor Público. O elemento fundamental aqui é o reitor ter deixado de "cumprir injustificadamente as obrigações inerentes ao exercício da função pública". Um outro elemento é o reitor "reduzido a quantidade ou a qualidade do produto de sua atividade, afetando negativamente a eficiência do serviço público". [Fonte Desídia do servidor público - Neudson Cavalcante Albuquerque (jus.com.br)
Essa mesma idéia é válida para diretores que tiveram suas faculdades invadidas e não estão tomando nenhuma providência cabível!
PS: Gostaria de agradecer o professor Adolfo Sachsida por mencionar o conceito Desídia do servidor público.
Não é novidade que direitos de professores, estudantes e pais foram autoritariamente excluídos por invasores da esquerda fascista que invadiram escolas públicas.
Alguns reitores deliberadamente não estão pedindo reintegração da universidade. Não é relevante discutir os motivos, mas acredito que alguns deles se identifiquem com a bandeira dos invasores (invasores! A grande maioria não é composta por estudantes). Não é relevante aqui discutir essas bandeiras, embora eu mesmo tenha a minha opinião sobre o assunto.
Reitores são as figuras responsáveis pelo zelo e eficiência das atividades universitárias. Durante invasões, estudantes e professores são excluídos de dar/assistir aulas e a reitoria fica impedida de realizar atividades fundamentais para o andamento da universidade (existem várias manifestações de estudantes que estão perdendo oportunidade de estágios e professores que não estão sendo autorizados para a realização de atividades como participação em eventos).
Essa atitude de não pedir reintegração da universidade pública é uma clara evidência da Desídia do Servidor Público. O elemento fundamental aqui é o reitor ter deixado de "cumprir injustificadamente as obrigações inerentes ao exercício da função pública". Um outro elemento é o reitor "reduzido a quantidade ou a qualidade do produto de sua atividade, afetando negativamente a eficiência do serviço público". [Fonte Desídia do servidor público - Neudson Cavalcante Albuquerque (jus.com.br)
Essa mesma idéia é válida para diretores que tiveram suas faculdades invadidas e não estão tomando nenhuma providência cabível!
PS: Gostaria de agradecer o professor Adolfo Sachsida por mencionar o conceito Desídia do servidor público.
Friday, November 4, 2016
Jogos repetidos, invasores fascistas e o mimimi da sociedade
Não é novidade que direitos de professores, estudantes e pais foram autoritariamente excluídos por invasores da esquerda fascista que invadiram escolas públicas.
O mais triste é que quando algum bom juiz autoriza a reintegração de posse, já começa o mimimi da sociedade sobre ser duro com os bandidos.
NÃO!
Em economia, chamamos isso de jogos repetidos. Se um bandido hoje comete um crime e nada acontece com ele, ele sabe que amanhã provavelmente nada acontecerá com ele se ele cometer o mesmo crime. Por isso, precisamos sinalizar hoje com punições severas! No futuro esse bandido pensará duas vezes se deve cometer o mesmo crime!
Argumentos sugerindo que esses bandidos não agiram com violência não são válidos, pois se isso não aconteceu até agora é porque nenhum professor ou aluno tentou recuperar o seu direito de dar ou ter aula. É como um bandido que entra em sua casa a noite e a rouba com você dormindo. Sorte sua se você não acordar! De qualquer forma, nas redes sociais foram expostos casos de violência em invasões na USP e outras escolas públicas do ensino médio. Logo, de uma forma ou de outra esse argumento não deve ser aceito!
Rogo por punições severas que no mínimo devem incluir expulsão de todos os alunos envolvidos e fichamento de todos envolvidos (alunos ou não). Deveria também ter reclusão dos envolvidos, mas não sei como é a legislação sobre o assunto. Talvez a legislação deva ser mudada já que esse comportamento autoritário se tornou tão comum!
As reintegrações de posse devem ser rápidas. Essa é a prioridade! Não podemos aceitar que professores, pais e estudantes que tiveram seus direitos removidos fiquem esperando indefinidamente pela boa vontade dos bandidos liberarem o local invadido. Parabéns para todos os policiais que consigam a reintegração rápida.
Bandido deve ser tratado como bandido!
#respeitaMinhaAula
O mais triste é que quando algum bom juiz autoriza a reintegração de posse, já começa o mimimi da sociedade sobre ser duro com os bandidos.
NÃO!
Em economia, chamamos isso de jogos repetidos. Se um bandido hoje comete um crime e nada acontece com ele, ele sabe que amanhã provavelmente nada acontecerá com ele se ele cometer o mesmo crime. Por isso, precisamos sinalizar hoje com punições severas! No futuro esse bandido pensará duas vezes se deve cometer o mesmo crime!
Argumentos sugerindo que esses bandidos não agiram com violência não são válidos, pois se isso não aconteceu até agora é porque nenhum professor ou aluno tentou recuperar o seu direito de dar ou ter aula. É como um bandido que entra em sua casa a noite e a rouba com você dormindo. Sorte sua se você não acordar! De qualquer forma, nas redes sociais foram expostos casos de violência em invasões na USP e outras escolas públicas do ensino médio. Logo, de uma forma ou de outra esse argumento não deve ser aceito!
Rogo por punições severas que no mínimo devem incluir expulsão de todos os alunos envolvidos e fichamento de todos envolvidos (alunos ou não). Deveria também ter reclusão dos envolvidos, mas não sei como é a legislação sobre o assunto. Talvez a legislação deva ser mudada já que esse comportamento autoritário se tornou tão comum!
As reintegrações de posse devem ser rápidas. Essa é a prioridade! Não podemos aceitar que professores, pais e estudantes que tiveram seus direitos removidos fiquem esperando indefinidamente pela boa vontade dos bandidos liberarem o local invadido. Parabéns para todos os policiais que consigam a reintegração rápida.
Bandido deve ser tratado como bandido!
#respeitaMinhaAula
Wednesday, November 2, 2016
Não podemos deixar a UnB voltar às trevas! Respeita Minha Aula!
Essa foto foi publicada pelo movimento da UnB "#respeitaMinhaAula".
A UnB nesses últimos 4 anos amadureceu.
Nós pudemos ver uma gestão consciente de três grupos importantes ligados a UnB: (1) o DCE gerido pela Aliança pela Liberdade; (2) o sindicato dos professores; (3) a reitoria gerida pelo Magnífico Professor Ivan Camargo. A UnB melhorou e muito! Melhorias podem ser vistas em todas as esferas! Não vou citar uma a uma, pois gastaria o texto inteiro com isso, mas apenas 4 que considero mais relevantes: (1) Não houve greves, mas assembléias de Professores muito cheias, onde podemos concluir que a decisão representava um Professor Médio e Representativo. (2) O Restaurante Universitário não fechou em nenhum dia (na gestão anterior quase toda semana fechava) – esse dado é apenas para representar a melhoria de vários serviços importantes para estudantes. (3) Muitos indicadores de qualidade acadêmica melhoraram. (4) Com exceção de alguns eventos isolados de esquerda ou direita (ambas fascistas e que não representam as liberdades alheias), podemos afirmar que as decisões seguiram meios democráticos.
Sou Liberal e obviamente não concordei com a grande maioria das decisões que foram tomadas na UnB, mas acredito fortemente que elas representam o Professor e o Estudante Representativos médios: alguns comunistas, alguns liberais como eu e possivelmente alguns fascistas. Numa democracia precisamos saber viver e aceitar resultados que não nos satisfazem!
Infelizmente, grupos de esquerda tentam evitar que a UnB funcione adequadamente. A reitoria da UnB e alguns pavilhões de aulas foram invadidos. Não posso nem afirmar que esses grupos de esquerda estão ligados a UnB! Existem figuras ligadas a partidos políticos de extrema esquerda, que não são ligados a UnB (nem à Brasília) que estão por detrás desses movimentos, normalmente tentando apoio de estudantes. O pior é que alguns professores acham isso bonito! Ontem ouvi o típico professor insentão da UnB dizendo que é “Melhor a invasão da UnB do que TEMER GOLPISTA ou PEC 241. Embora minha opinião sobre ambos os temas seja irrelevante aqui, acredito que a maioria desses senhores nem leu a dita PEC ou tem conhecimento econômico suficiente para avalia-la.
NÃO!! Invasão de prédio público é caso de polícia!
Espero fortemente que a Aliança pela Liberdade se organize e lidere essa discussão junto aos estudantes. Espero que a reitoria tome a medidas legais e duras para lidar com aqueles que querem usar a UnB para vender sua cartilha política e, especialmente, estão invadindo os prédios públicos e gerando baderna. Espero que os professores tenham mais bom senso e sejam capazes de deixar de usar a UnB para vender sua cartilha política incentivando alunos a deixarem de ter aula e invadirem prédios públicos!
Todos queremos aulas!
#RespeitaMinhaAula
A UnB nesses últimos 4 anos amadureceu.
Nós pudemos ver uma gestão consciente de três grupos importantes ligados a UnB: (1) o DCE gerido pela Aliança pela Liberdade; (2) o sindicato dos professores; (3) a reitoria gerida pelo Magnífico Professor Ivan Camargo. A UnB melhorou e muito! Melhorias podem ser vistas em todas as esferas! Não vou citar uma a uma, pois gastaria o texto inteiro com isso, mas apenas 4 que considero mais relevantes: (1) Não houve greves, mas assembléias de Professores muito cheias, onde podemos concluir que a decisão representava um Professor Médio e Representativo. (2) O Restaurante Universitário não fechou em nenhum dia (na gestão anterior quase toda semana fechava) – esse dado é apenas para representar a melhoria de vários serviços importantes para estudantes. (3) Muitos indicadores de qualidade acadêmica melhoraram. (4) Com exceção de alguns eventos isolados de esquerda ou direita (ambas fascistas e que não representam as liberdades alheias), podemos afirmar que as decisões seguiram meios democráticos.
Sou Liberal e obviamente não concordei com a grande maioria das decisões que foram tomadas na UnB, mas acredito fortemente que elas representam o Professor e o Estudante Representativos médios: alguns comunistas, alguns liberais como eu e possivelmente alguns fascistas. Numa democracia precisamos saber viver e aceitar resultados que não nos satisfazem!
Infelizmente, grupos de esquerda tentam evitar que a UnB funcione adequadamente. A reitoria da UnB e alguns pavilhões de aulas foram invadidos. Não posso nem afirmar que esses grupos de esquerda estão ligados a UnB! Existem figuras ligadas a partidos políticos de extrema esquerda, que não são ligados a UnB (nem à Brasília) que estão por detrás desses movimentos, normalmente tentando apoio de estudantes. O pior é que alguns professores acham isso bonito! Ontem ouvi o típico professor insentão da UnB dizendo que é “Melhor a invasão da UnB do que TEMER GOLPISTA ou PEC 241. Embora minha opinião sobre ambos os temas seja irrelevante aqui, acredito que a maioria desses senhores nem leu a dita PEC ou tem conhecimento econômico suficiente para avalia-la.
NÃO!! Invasão de prédio público é caso de polícia!
Espero fortemente que a Aliança pela Liberdade se organize e lidere essa discussão junto aos estudantes. Espero que a reitoria tome a medidas legais e duras para lidar com aqueles que querem usar a UnB para vender sua cartilha política e, especialmente, estão invadindo os prédios públicos e gerando baderna. Espero que os professores tenham mais bom senso e sejam capazes de deixar de usar a UnB para vender sua cartilha política incentivando alunos a deixarem de ter aula e invadirem prédios públicos!
Todos queremos aulas!
#RespeitaMinhaAula
Friday, October 21, 2016
Aula 17 de Finanças: Kernels
Na nossa décima sétima aula de finanças apresentamos alguns kernels que serão úteis para representar a fronteira média variância. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções
Kernels de valor esperado e apreçamento em mercados incompletos
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções
Kernels de valor esperado e apreçamento em mercados incompletos
Aula 16 de Finanças: Espaços de Hilbert
Na nossa décima sexta aula de finanças apresentamos noções de Espaços de Hilbert. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Introductory Functional Analysis with Applications - Erwin Kreyszig
Applied Functional Analysis - D.H. Griffel
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Introductory Functional Analysis with Applications - Erwin Kreyszig
Applied Functional Analysis - D.H. Griffel
Wednesday, October 19, 2016
Aula 15 de Finanças: Aversão ao Risco
Na nossa décima quinta aula de finanças discutimos aversão ao risco. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
St. Petersburg paradox
Referências do St. Petersburg paradox
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
St. Petersburg paradox
Referências do St. Petersburg paradox
Aula 14 de Finanças: Noções de Finanças em tempo contínuo e a Fórmula de Black-Scholes
Na nossa décima quarta aula de finanças introduzimos noções de Finanças em tempo contínuo e discutimos a Fórmula de Black-Scholes. Esses são os slides usados em sala.
Referências
Paul Wilmott - Mathematics of Financial Derivatives
Paul Glasserman - Monte Carlo Methods in Financial Engineering
Stochastic Differential Equations: An Introduction with Applications - Bernt Øksendal
Methods of Mathematical Finance - Ioannis Karatzas and Steven Shreve
Soluções de Exercícios
Como usar simulações do Modelo Browniano Geométrico para apreçar um contrato de opção Europeia?
Referências
Paul Wilmott - Mathematics of Financial Derivatives
Paul Glasserman - Monte Carlo Methods in Financial Engineering
Stochastic Differential Equations: An Introduction with Applications - Bernt Øksendal
Methods of Mathematical Finance - Ioannis Karatzas and Steven Shreve
Soluções de Exercícios
Como usar simulações do Modelo Browniano Geométrico para apreçar um contrato de opção Europeia?
Monday, October 10, 2016
Aula 13 de Finanças: Avaliação de investimentos sob incerteza
Na nossa décima terceira aula de finanças discutimos a avaliação de investimentos sob incerteza e opções reais. Esses são os slides usados em sala.
Referências
Real Options, Revised Edition: A Practitioner’s Guide - Tom Copeland and Vladimir Antikarov
Investment under Uncertainty - Avinash K. Dixit and Robert S. Pindyck
Real Options and Investment under Uncertainty: Classical Readings and Recent Contributions - Eduardo S. Schwartz e Lenos Trigeorgis (Editores)
Soluções de exercícios
Opção de contração
Opção de expansão
Opção de abandono
Referências
Real Options, Revised Edition: A Practitioner’s Guide - Tom Copeland and Vladimir Antikarov
Investment under Uncertainty - Avinash K. Dixit and Robert S. Pindyck
Real Options and Investment under Uncertainty: Classical Readings and Recent Contributions - Eduardo S. Schwartz e Lenos Trigeorgis (Editores)
Soluções de exercícios
Opção de contração
Opção de expansão
Opção de abandono
Aula 12 de Finanças: Modelo Binomial
Na nossa décima segunda aula de finanças discutimos o modelo binomial. Esses são os slides usados em sala.
Referências
Stochastic Calculus for Finance I: The Binomial Asset Pricing Model - Steven Shreve
Introduction to Mathematical Finance: Discrete Time Models - Stanley R. Pliska
Options, Futures, and Other Derivatives - John C. Hull
Cox, J. C.; Ross, S. A.; Rubinstein, M. (1979). "Option pricing: A simplified approach". Journal of Financial Economics. 7 (3): 229.
Option pricing:simplified approach
Binomial option pricing and Black-Scholes
Referências
Stochastic Calculus for Finance I: The Binomial Asset Pricing Model - Steven Shreve
Introduction to Mathematical Finance: Discrete Time Models - Stanley R. Pliska
Options, Futures, and Other Derivatives - John C. Hull
Cox, J. C.; Ross, S. A.; Rubinstein, M. (1979). "Option pricing: A simplified approach". Journal of Financial Economics. 7 (3): 229.
Option pricing:simplified approach
Binomial option pricing and Black-Scholes
Sunday, October 9, 2016
Aula 11 de Finanças: Efeitos das restrições nas carteiras
Na nossa décima primeira aula de finanças discutimos os efeitos das restrições nas carteiras no problema de escolha dos agentes e na avaliação de direitos contigentes. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções de exercícios
Escolha com restrições de venda à descoberto
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Soluções de exercícios
Escolha com restrições de venda à descoberto
Wednesday, October 5, 2016
Aula 10 de Finanças: Probabilidades neutras ao risco
Na nossa décima aula de finanças discutimos probabilidades neutras ao risco. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
O cone convexo gerado pelas colunas de uma matriz é um conjunto fechado?
Equilíbrio e probabilidades neutras ao risco
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
O cone convexo gerado pelas colunas de uma matriz é um conjunto fechado?
Equilíbrio e probabilidades neutras ao risco
Tuesday, September 27, 2016
Aula 9 de Finanças: Apreçamento em Mercados Incompletos
Na nossa nona aula de finanças discutimos apreçamento em mercados incompletos. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções
Apreçamento em mercados incompletos
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções
Apreçamento em mercados incompletos
Sunday, September 18, 2016
Aula 8 de Finanças: Interlúdio - Programação Linear
Na nossa oitava aula de finanças introduzimos o tema de programação linear. Esses são os slides usados em sala.
Referências
Linear Programming 1: Introduction - George B. Dantzig and Mukund N. Thapa
Linear Programming 2: Theory and Extensions - George B. Dantzig and Mukund N. Thapa
Understanding and Using Linear Programming - Jiri Matousek and Bernd Gärtner
Introduction to Linear Optimization - Dimitris Bertsimas and John N. Tsitsiklis
Material Suplementar
Row rank equals column rank
Soluções de exercícios
Simplex no Python
Convexidade e programação linear
Regressão quantílica
Referências
Linear Programming 1: Introduction - George B. Dantzig and Mukund N. Thapa
Linear Programming 2: Theory and Extensions - George B. Dantzig and Mukund N. Thapa
Understanding and Using Linear Programming - Jiri Matousek and Bernd Gärtner
Introduction to Linear Optimization - Dimitris Bertsimas and John N. Tsitsiklis
Material Suplementar
Row rank equals column rank
Soluções de exercícios
Simplex no Python
Convexidade e programação linear
Regressão quantílica
Wednesday, August 31, 2016
Aula 7 de Finanças: Interlúdio - Noções de Programação Computacional em Python (Monte Carlo)
Na nossa sétima aula de métodos computacionais introduzimos técnicas de Monte Carlo. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Referências
Numerical methods in economics - Kenneth Judd [Capítulo 8]
Introdução aos métodos estatísticos para economia e finanças - Alexandre Carvalho, Daniel Cajueiro e Reinaldo Camargo.
Referências adicionais
Estatística sem Mistério
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Referências
Numerical methods in economics - Kenneth Judd [Capítulo 8]
Introdução aos métodos estatísticos para economia e finanças - Alexandre Carvalho, Daniel Cajueiro e Reinaldo Camargo.
Referências adicionais
Estatística sem Mistério
Aula 6 de Finanças: Interlúdio - Noções de Programação Computacional em Python (Recursões)
Na nossa sexta aula de finanças discutimos o uso de recursões em computação. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Implementações da sequencia de Fibonacci
Implementações do fatorial de um número
Solução da Torre de Hanoi
Referências:
Think recursively - Eric S. Roberts
Soluções da série de exercícios
Algoritmo de Euclides
Pinturas de Mondrian usando recursão
Árvores usando recursão
Abaixo temos os exemplos apresentados em sala de aula:
Implementações da sequencia de Fibonacci
Implementações do fatorial de um número
Solução da Torre de Hanoi
Referências:
Think recursively - Eric S. Roberts
Soluções da série de exercícios
Algoritmo de Euclides
Pinturas de Mondrian usando recursão
Árvores usando recursão
Aula 5 de Finanças: Interlúdio - Noções de Programação Computacional em Python (Coleções)
Essa é uma introdução a programação computacional em Python para o curso de finanças que lida com coleções de dados. Esses são os
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Como usar sequências de dados ou arrays em programação estruturada?
Como usar conjuntos ou sets em programação computacional?
Como usar mapas (maps) ou dicionários em programação computacional?
Uma boa referência para python é:
Think Python - Allen Downey
Outras referências estão aqui:
Melhores livros de Python
Soluções das séries de exercício:
Produto de matrizes
Permutações
Qual é o menor número positivo que é divisível por todos os números de 1 a 20?
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Como usar sequências de dados ou arrays em programação estruturada?
Como usar conjuntos ou sets em programação computacional?
Como usar mapas (maps) ou dicionários em programação computacional?
Uma boa referência para python é:
Think Python - Allen Downey
Outras referências estão aqui:
Melhores livros de Python
Soluções das séries de exercício:
Produto de matrizes
Permutações
Qual é o menor número positivo que é divisível por todos os números de 1 a 20?
Aula 4 de Finanças: Interlúdio - Noções de Programação Computacional em Python
Essa é uma introdução a programação computacional em Python para o curso de finanças. Esses são os
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Exemplo de Controle de Fluxo usando Condicionais
Exemplo do uso do Loop For em um programa computacional
Exemplo do uso do Loop While em um programa computacional
Uma boa referência para python é:
Think Python - Allen Downey
Outras referências estão aqui:
Melhores livros de Python
Soluções das séries de exercício:
Questão 1
Questão 2
Questão 3
Questão 4
Questão 5
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Exemplo de Controle de Fluxo usando Condicionais
Exemplo do uso do Loop For em um programa computacional
Exemplo do uso do Loop While em um programa computacional
Uma boa referência para python é:
Think Python - Allen Downey
Outras referências estão aqui:
Melhores livros de Python
Soluções das séries de exercício:
Questão 1
Questão 2
Questão 3
Questão 4
Questão 5
Aula 3 de Finanças - Ausência de oportunidades de arbitragem
Essa é a terceira aula do Curso de Finanças do Programa de Doutorado em Economia da UnB. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
Conjunto de preços livres de arbitragem em um mercado incompleto
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
Conjunto de preços livres de arbitragem em um mercado incompleto
Sunday, August 21, 2016
Aula 2 de Finanças - Lei do Preço Único
Essa é a segunda aula do Curso de Finanças do Programa de Doutorado em Economia da UnB. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Soluções de Exercícios
Thursday, August 18, 2016
Aula 1 de Finanças - Mercado de Ativos, Escolha do Agentes e Equilíbrio
Essa é a primeira aula do Curso de Finanças do Programa de Doutorado em Economia da UnB. Esses são os slides usados em sala.
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Referências Complementares de Otimização
Dê uma olhada aqui.
Referências Complementares de Álgebra Linear
Dê uma olhada aqui.
Você particularmente poderá querer responder essa pergunta:
O que você gostaria que tivesse no seu livro de álgebra linear e não tinha?.
Soluções de Exercícios
Qual é a solução do problema de escolha dos agentes supondo que não existe consumo na data 0?
Equilíbrio em um mercado com dois ativos com dois estados e dois agentes
Quando um estado é segurável?
Referências
Principles of Financial Economics - Stephen F. LeRoy and Jan Werner
Asset Pricing - John H. Cochrane
Theory of Financial Decision Making - Jonathan E. Ingersoll
Referências Complementares de Otimização
Dê uma olhada aqui.
Referências Complementares de Álgebra Linear
Dê uma olhada aqui.
Você particularmente poderá querer responder essa pergunta:
O que você gostaria que tivesse no seu livro de álgebra linear e não tinha?.
Soluções de Exercícios
Qual é a solução do problema de escolha dos agentes supondo que não existe consumo na data 0?
Equilíbrio em um mercado com dois ativos com dois estados e dois agentes
Quando um estado é segurável?
Wednesday, July 6, 2016
Como foi o curso de finanças do Programa de Pós-Graduação em Economia da UnB em 2016?
O curso de Finanças do Programa de Pós-Graduação em Economia da UnB é um curso de Economia Financeira [Financial Economics] com os tópicos usuais de (1) Apreçamento de Ativos em Mercados Completos e Incompletos; (2) Carteiras ótimas; (3) Equilíbrio em Mercados Completos e Incompletos; (4) Modelos Baseados em Consumo; (5) Análise Média-Variância.
Também discutimos em sala de aula ou por meio de séries de exercícios vários dos tópicos mencionados aqui que podem ser classificados nas seguintes áreas:
(A) Econometria Financeira
(B) Noções de Finanças em Tempo Contínuo
(C) Finanças Quantitativas: Implementação de Modelos
(D) Modelos de Risco
From the botton of my heart
Sim! Esse curso possivelmente abordará questões práticas de finanças... Por que? Porque é divertido (:-)! Entretanto, esse curso é um curso microfundamentado de finanças que a grande maioria das aulas é baseada na estrutura Definição, Teorema, Demonstração, Corolário... Logo, não se engane. Vale a pena dar uma olhada também na lista de pré-requisitos.
Uma programação preliminar do curso pode ser a seguinte:
PARTE I - Mercado de Ativos, Escolha dos Agentes e Equilíbrio
1) Mercado de Ativos, Escolha do Agentes e Equilíbrio
Aula 1
PARTE II - Apreçamento em Mercados Completos
2) Lei do preço único e apreçamento Linear
Aula 2
3) Apreçamento Positivo e Não-Arbitragem
Aula 3
INTERLÚDIO I - Noções de Implementação Computacional em Python
4) Noções de Programação Computacional
Aula 4
5) Noções de Programação Computacional - Coleções de dados
Aula 5
6) Noções de Programação Computacional - Recursões
Aula 6
7) Noções de Programação Computacional - Monte Carlo
Aula 7
INTERLÚDIO II - Programação Linear
8) Noções do problema de programação linear
Aula 8
PARTE II - Apreçamento em Mercados Financeiros
9) Apreçamento em Mercados Incompletos
Aula 9
10) Probabilidades Neutras ao Risco
Aula 10
11) Restrições na comercialização dos Ativos
Aula 11
PARTE III - Alguns modelos e aplicações práticas
12) Modelo Binomial e Métodos Numéricos para o Apreçamento de Opções
Aula 12
13) Avaliação de Investimentos sob Incerteza e Opções Reais
Aula 13
14) Noções de Finanças em Tempo Contínuo
Aula 14
PARTE IV - Aversão ao Risco
15) Aversão ao Risco
Aula 15
INTERLÚDIO III - Noções de Análise Funcional em Espaços de Hilbert
16) Espaços de Hilbert
Aula 16
PARTE V - Análise Média Variância
17) Kernels de valor esperado e apreçamento
Aula 17
18) Payoffs na Fronteira Média Variância
Aula 18
19) CAPM
Aula 19
20) Apreçamento Fatorial
Aula 20
PARTE VI - Carteiras Ótimas
21) Carteira Ótima com um ativo livre de risco e um ativo arriscado
Aula 21
22) Carteira Ótima com vários ativos
Aula 22
PARTE VII - Modelos de Equilíbrio baseados em Consumo
23) CCAPM
Aula 23
24) Equilíbrios de Pareto em Mercados Completos e Incompletos
Aula 24
AVALIAÇÂO
A avaliação do curso foi feita por uma prova e vários exercícios individuais (os detalhes dependem do tamanho da turma). Foram explorados exercícios de vários tipos. Exercícios que lidam diretamente com a teoria apresentada em sala de aula e exercícios que estendem a teoria discutida em sala de aula. Exercícios numéricos simples (que exploram conceitos básicos de sala de aula ou do livro texto principal), exercícios computacionais (que normalmente estendem o discutido em sala de aula) e exercícios teóricos (normalmente provas de resultados auxiliares ao curso). Dentro do conjunto de exercícios alguns exercícios são muito fáceis, outros exercícios são mais difíceis e outros são bem trabalhosos, que dependem de material extra àquele apresentado em sala de aula e implementação computacional.
PRE-REQUISITOS
Não temos pre-requisitos específicos, mas vários tópicos dependem de conhecimentos de Álgebra-Linear, Otimização e maturidade em matemática, estatística ou econometria equivalente a de um aluno de mestrado em economia de um bom programa.
Um pre-requisito fundamental em qualquer curso que leciono é muita disposição para aprender e lidar com coisas novas para resolver novos problemas. Os estudantes devem ter ou desenvolver a capacidade de lidar com um problema novo que estende o material em sala de aula sem a ajuda do professor, tendo em mãos apenas as referências básicas. Essa habilidade muito comum em estudantes da engenharia infelizmente não é muito explorada em estudantes de economia.
Deixar a arrogância em casa para ser capaz de perceber que não sabemos tudo e que existem sempre pessoas com mais conhecimento em um determinado tópico que nós mesmos. Aproveitar desse fato para aprender com os colegas e com o professor àquelas dimensões mais restritas.
HORÁRIO: TERÇAS E QUINTAS 16 AS 18
Também discutimos em sala de aula ou por meio de séries de exercícios vários dos tópicos mencionados aqui que podem ser classificados nas seguintes áreas:
(A) Econometria Financeira
(B) Noções de Finanças em Tempo Contínuo
(C) Finanças Quantitativas: Implementação de Modelos
(D) Modelos de Risco
From the botton of my heart
Sim! Esse curso possivelmente abordará questões práticas de finanças... Por que? Porque é divertido (:-)! Entretanto, esse curso é um curso microfundamentado de finanças que a grande maioria das aulas é baseada na estrutura Definição, Teorema, Demonstração, Corolário... Logo, não se engane. Vale a pena dar uma olhada também na lista de pré-requisitos.
Uma programação preliminar do curso pode ser a seguinte:
PARTE I - Mercado de Ativos, Escolha dos Agentes e Equilíbrio
1) Mercado de Ativos, Escolha do Agentes e Equilíbrio
Aula 1
PARTE II - Apreçamento em Mercados Completos
2) Lei do preço único e apreçamento Linear
Aula 2
3) Apreçamento Positivo e Não-Arbitragem
Aula 3
INTERLÚDIO I - Noções de Implementação Computacional em Python
4) Noções de Programação Computacional
Aula 4
5) Noções de Programação Computacional - Coleções de dados
Aula 5
6) Noções de Programação Computacional - Recursões
Aula 6
7) Noções de Programação Computacional - Monte Carlo
Aula 7
INTERLÚDIO II - Programação Linear
8) Noções do problema de programação linear
Aula 8
PARTE II - Apreçamento em Mercados Financeiros
9) Apreçamento em Mercados Incompletos
Aula 9
10) Probabilidades Neutras ao Risco
Aula 10
11) Restrições na comercialização dos Ativos
Aula 11
PARTE III - Alguns modelos e aplicações práticas
12) Modelo Binomial e Métodos Numéricos para o Apreçamento de Opções
Aula 12
13) Avaliação de Investimentos sob Incerteza e Opções Reais
Aula 13
14) Noções de Finanças em Tempo Contínuo
Aula 14
PARTE IV - Aversão ao Risco
15) Aversão ao Risco
Aula 15
INTERLÚDIO III - Noções de Análise Funcional em Espaços de Hilbert
16) Espaços de Hilbert
Aula 16
PARTE V - Análise Média Variância
17) Kernels de valor esperado e apreçamento
Aula 17
18) Payoffs na Fronteira Média Variância
Aula 18
19) CAPM
Aula 19
20) Apreçamento Fatorial
Aula 20
PARTE VI - Carteiras Ótimas
21) Carteira Ótima com um ativo livre de risco e um ativo arriscado
Aula 21
22) Carteira Ótima com vários ativos
Aula 22
PARTE VII - Modelos de Equilíbrio baseados em Consumo
23) CCAPM
Aula 23
24) Equilíbrios de Pareto em Mercados Completos e Incompletos
Aula 24
AVALIAÇÂO
A avaliação do curso foi feita por uma prova e vários exercícios individuais (os detalhes dependem do tamanho da turma). Foram explorados exercícios de vários tipos. Exercícios que lidam diretamente com a teoria apresentada em sala de aula e exercícios que estendem a teoria discutida em sala de aula. Exercícios numéricos simples (que exploram conceitos básicos de sala de aula ou do livro texto principal), exercícios computacionais (que normalmente estendem o discutido em sala de aula) e exercícios teóricos (normalmente provas de resultados auxiliares ao curso). Dentro do conjunto de exercícios alguns exercícios são muito fáceis, outros exercícios são mais difíceis e outros são bem trabalhosos, que dependem de material extra àquele apresentado em sala de aula e implementação computacional.
PRE-REQUISITOS
Não temos pre-requisitos específicos, mas vários tópicos dependem de conhecimentos de Álgebra-Linear, Otimização e maturidade em matemática, estatística ou econometria equivalente a de um aluno de mestrado em economia de um bom programa.
Um pre-requisito fundamental em qualquer curso que leciono é muita disposição para aprender e lidar com coisas novas para resolver novos problemas. Os estudantes devem ter ou desenvolver a capacidade de lidar com um problema novo que estende o material em sala de aula sem a ajuda do professor, tendo em mãos apenas as referências básicas. Essa habilidade muito comum em estudantes da engenharia infelizmente não é muito explorada em estudantes de economia.
Deixar a arrogância em casa para ser capaz de perceber que não sabemos tudo e que existem sempre pessoas com mais conhecimento em um determinado tópico que nós mesmos. Aproveitar desse fato para aprender com os colegas e com o professor àquelas dimensões mais restritas.
HORÁRIO: TERÇAS E QUINTAS 16 AS 18
Sunday, June 26, 2016
Aula 26 de Métodos Computacionais em Economia - Processamento de Linguagem Natural
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
Todos os exemplos dessa aula foram do livro
Natural Language Processing in Python
Referências
Foundations of Statistical Natural Language Processing - Christopher D. Manning and Hinrich Schütze
Natural Language Processing in Python
Códigos usados em sala de aula
Todos os exemplos dessa aula foram do livro
Natural Language Processing in Python
Referências
Foundations of Statistical Natural Language Processing - Christopher D. Manning and Hinrich Schütze
Natural Language Processing in Python
Friday, June 17, 2016
Aula 25 de Métodos Computacionais em Economia - Aprendizagem de Máquinas: Aprendizagem por Reforço
Essa é a quinta aula de Aprendizagem de Máquinas do nosso curso. Esses são os slides usados em sala.
Códigos usados em sala de aula
Implementação do problema da locadora usando programação dinâmica
Referências
Numerical Methods in Economics - Keneth Judd
Reinforcement Learning [Capítulos 1 a 4]
Markov Decision Processes - Martin Puterman [Capítulo 6]
Referências Complementares
O site Quantitative Economics tem muito material legal.
Soluções de Exercícios
...
Códigos usados em sala de aula
Implementação do problema da locadora usando programação dinâmica
Referências
Numerical Methods in Economics - Keneth Judd
Reinforcement Learning [Capítulos 1 a 4]
Markov Decision Processes - Martin Puterman [Capítulo 6]
Referências Complementares
O site Quantitative Economics tem muito material legal.
Soluções de Exercícios
...
Tuesday, June 14, 2016
Aula 24 de Métodos Computacionais em Economia - Aprendizagem de Máquinas: Redes Neurais e Deep Learning
Essa é a quarta aula de Aprendizagem de Máquinas do nosso curso. Esses são os slides usados em sala.
Códigos usados em sala de aula
Implementação de redes neurais artificias usando o pyBrain
Soluções de Exercícios
Exemplo de redes neurais recorrentes
Exemplo de redes neurais recorrentes
Implementação de dropout
Autoencoder
Perceptron Multicamada
MNIST
Referências
Pattern Recognition and Machine Learning - Christopher Bishop [Seções 5.1 a 5.5]
Neural networks - Haykin [Capítulo 4]
Deep learning - Ian Goodfellow, Yoshua Bengio and Aaron Courville [Capítulo 6, 7, 8, 9, 10, 11, 12, 14]
LeCun, Y., Bengio, Y. and Hinton, G. E. (2015) Deep Learning Nature, Vol. 521, pp 436-444.
Hinton, G. E. (2007) Learning Multiple Layers of Representation. Trends in Cognitive Sciences, Vol. 11, pp 428-434.
Quoc V. Le A Tutorial on Deep Learning Part 1: Nonlinear Classifiers and The Backpropagation Algorithm
Quoc V. Le A Tutorial on Deep Learning Part 2: Autoencoders, Convolutional Neural Networks and Recurrent Neural Networks
Referências Complementares
Razvan Pascanu, Çağlar Gülçehre, Kyunghyun Cho and Yoshua Bengio, How to Construct Deep Recurrent Neural Networks, in: International Conference on Learning Representations 2014(Conference Track), 2014
Guillaume Alain and Yoshua Bengio, What Regularized Auto-Encoders Learn from the Data-Generating Distribution (2014), in: Journal of Machine Learning Research, 15(3563-3593)
Hinton, G. E. Where do features come from?. Cognitive Science, Vol. 38(6), pp 1078-1101.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R. Dropout: A simple way to prevent neural networks from overfitting The Journal of Machine Learning Research, 15(1), pp 1929-1958.
Sutskever, I., Martens, J., Dahl, G. and Hinton, G. E. On the importance of momentum and initialization in deep learning In 30th International Conference on Machine Learning, Atlanta, USA, 2013.
Yoshua Bengio and Aaron Courville, Deep Learning of Representations, in: Handbook on Neural Information Processing, Springer: Berlin Heidelberg, 2013
Çağlar Gülçehre and Yoshua Bengio, Knowledge Matters: Importance of Prior Information for Optimization, in: International Conference on Learning Representations (ICLR'2013), 2013
Yoshua Bengio, Aaron Courville and Pascal Vincent, Representation Learning: A Review and New Perspectives (2013), in: Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35:8(1798-1828)
Hinton, G. E., Srivastava, N., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R. R. Improving neural networks by preventing co-adaptation of feature detectors http://arxiv.org/abs/1207.0580, 2012
Suskever, I., Martens, J. and Hinton, G. E. Generating Text with Recurrent Neural Networks. Proc. 28th International Conference on Machine Learning, Seattle, 2011.
Nicolas Le Roux and Yoshua Bengio, Deep Belief Networks are Compact Universal Approximators (2010), in: Neural Computation, 22:8(2192-2207)
Dumitru Erhan, Yoshua Bengio, Aaron Courville, Pierre-Antoine Manzagol, Pascal Vincent, Samy Bengio; Why Does Unsupervised Pre-training Help Deep Learning? Journal of Machine Learning Research, 11(Feb):625−660, 2010.
Hugo Larochelle, Yoshua Bengio, Jerome Louradour and Pascal Lamblin, Exploring Strategies for Training Deep Neural Networks (2009), in: Journal of Machine Learning Research, 10(1--40)
Yoshua Bengio, Learning deep architectures for AI (2009), in: Foundations and Trends in Machine Learning, 2:1(1--127)
van der Maaten, L. J. P. and Hinton, G. E. Visualizing Data using t-SNE. Journal of Machine Learning Research, Vol 9, (Nov) pp 2579-2605, 2008.
Hinton. G. E. What kind of a graphical model is the brain? International Joint Conference on Artificial Intelligence 2005, Edinburgh.
Yoshua Bengio, Gradient-Based Optimization of Hyperparameters (2000), in: Neural Computation, 12:8(1889--1900)
Hinton, G.E. Supervised learning in multilayer neural networks in The MIT Encyclopedia of the Cognitive Sciences Editors: Robert A. Wilson and Frank C. Keil The MIT Press, 1999.
Hinton, G. E., Plaut, D. C. and Shallice, T. Simulating brain damage Scientific American, 1993.
Nowlan. S. J. and Hinton, G. E. Simplifying neural networks by soft weight sharing.
Neural Computation, 4, 173-193.
Hinton, G.E. How neural networks learn from experience. Scientific American, September 1992.
Rumelhart, D. E., Hinton, G. E., and Williams, R. J. Learning representations by back-propagating errors.
Nature, 323, 533--536, 1986.
Hinton, G. E. Learning distributed representations of concepts. Proceedings of the Eighth Annual Conference of the Cognitive Science Society, Amherst, Mass, 1986.
Hinton, G. E., McClelland, J. L., and Rumelhart, D. E. Distributed representations. In Rumelhart, D. E. and McClelland, J. L., editors, Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, MIT Press, Cambridge, MA. pp 77-109, 1986.
Rumelhart, D. E., Hinton, G. E., and Williams, R. J.
Learning internal representations by error propagation.
In Rumelhart, D. E. and McClelland, J. L., editors, Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, MIT Press, Cambridge, MA. pp 318-362, 1986.
Códigos usados em sala de aula
Implementação de redes neurais artificias usando o pyBrain
Soluções de Exercícios
Exemplo de redes neurais recorrentes
Exemplo de redes neurais recorrentes
Implementação de dropout
Autoencoder
Perceptron Multicamada
MNIST
Referências
Pattern Recognition and Machine Learning - Christopher Bishop [Seções 5.1 a 5.5]
Neural networks - Haykin [Capítulo 4]
Deep learning - Ian Goodfellow, Yoshua Bengio and Aaron Courville [Capítulo 6, 7, 8, 9, 10, 11, 12, 14]
LeCun, Y., Bengio, Y. and Hinton, G. E. (2015) Deep Learning Nature, Vol. 521, pp 436-444.
Hinton, G. E. (2007) Learning Multiple Layers of Representation. Trends in Cognitive Sciences, Vol. 11, pp 428-434.
Quoc V. Le A Tutorial on Deep Learning Part 1: Nonlinear Classifiers and The Backpropagation Algorithm
Quoc V. Le A Tutorial on Deep Learning Part 2: Autoencoders, Convolutional Neural Networks and Recurrent Neural Networks
Referências Complementares
Razvan Pascanu, Çağlar Gülçehre, Kyunghyun Cho and Yoshua Bengio, How to Construct Deep Recurrent Neural Networks, in: International Conference on Learning Representations 2014(Conference Track), 2014
Guillaume Alain and Yoshua Bengio, What Regularized Auto-Encoders Learn from the Data-Generating Distribution (2014), in: Journal of Machine Learning Research, 15(3563-3593)
Hinton, G. E. Where do features come from?. Cognitive Science, Vol. 38(6), pp 1078-1101.
Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R. Dropout: A simple way to prevent neural networks from overfitting The Journal of Machine Learning Research, 15(1), pp 1929-1958.
Sutskever, I., Martens, J., Dahl, G. and Hinton, G. E. On the importance of momentum and initialization in deep learning In 30th International Conference on Machine Learning, Atlanta, USA, 2013.
Yoshua Bengio and Aaron Courville, Deep Learning of Representations, in: Handbook on Neural Information Processing, Springer: Berlin Heidelberg, 2013
Çağlar Gülçehre and Yoshua Bengio, Knowledge Matters: Importance of Prior Information for Optimization, in: International Conference on Learning Representations (ICLR'2013), 2013
Yoshua Bengio, Aaron Courville and Pascal Vincent, Representation Learning: A Review and New Perspectives (2013), in: Pattern Analysis and Machine Intelligence, IEEE Transactions on, 35:8(1798-1828)
Hinton, G. E., Srivastava, N., Krizhevsky, A., Sutskever, I. and Salakhutdinov, R. R. Improving neural networks by preventing co-adaptation of feature detectors http://arxiv.org/abs/1207.0580, 2012
Suskever, I., Martens, J. and Hinton, G. E. Generating Text with Recurrent Neural Networks. Proc. 28th International Conference on Machine Learning, Seattle, 2011.
Nicolas Le Roux and Yoshua Bengio, Deep Belief Networks are Compact Universal Approximators (2010), in: Neural Computation, 22:8(2192-2207)
Dumitru Erhan, Yoshua Bengio, Aaron Courville, Pierre-Antoine Manzagol, Pascal Vincent, Samy Bengio; Why Does Unsupervised Pre-training Help Deep Learning? Journal of Machine Learning Research, 11(Feb):625−660, 2010.
Hugo Larochelle, Yoshua Bengio, Jerome Louradour and Pascal Lamblin, Exploring Strategies for Training Deep Neural Networks (2009), in: Journal of Machine Learning Research, 10(1--40)
Yoshua Bengio, Learning deep architectures for AI (2009), in: Foundations and Trends in Machine Learning, 2:1(1--127)
van der Maaten, L. J. P. and Hinton, G. E. Visualizing Data using t-SNE. Journal of Machine Learning Research, Vol 9, (Nov) pp 2579-2605, 2008.
Hinton. G. E. What kind of a graphical model is the brain? International Joint Conference on Artificial Intelligence 2005, Edinburgh.
Yoshua Bengio, Gradient-Based Optimization of Hyperparameters (2000), in: Neural Computation, 12:8(1889--1900)
Hinton, G.E. Supervised learning in multilayer neural networks in The MIT Encyclopedia of the Cognitive Sciences Editors: Robert A. Wilson and Frank C. Keil The MIT Press, 1999.
Hinton, G. E., Plaut, D. C. and Shallice, T. Simulating brain damage Scientific American, 1993.
Nowlan. S. J. and Hinton, G. E. Simplifying neural networks by soft weight sharing.
Neural Computation, 4, 173-193.
Hinton, G.E. How neural networks learn from experience. Scientific American, September 1992.
Rumelhart, D. E., Hinton, G. E., and Williams, R. J. Learning representations by back-propagating errors.
Nature, 323, 533--536, 1986.
Hinton, G. E. Learning distributed representations of concepts. Proceedings of the Eighth Annual Conference of the Cognitive Science Society, Amherst, Mass, 1986.
Hinton, G. E., McClelland, J. L., and Rumelhart, D. E. Distributed representations. In Rumelhart, D. E. and McClelland, J. L., editors, Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, MIT Press, Cambridge, MA. pp 77-109, 1986.
Rumelhart, D. E., Hinton, G. E., and Williams, R. J.
Learning internal representations by error propagation.
In Rumelhart, D. E. and McClelland, J. L., editors, Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Volume 1: Foundations, MIT Press, Cambridge, MA. pp 318-362, 1986.
Friday, June 10, 2016
Aula 23 de Métodos Computacionais em Economia - Aprendizagem de Máquinas: Classificação Linear
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
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
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
Saturday, May 21, 2016
Aula 22 de Métodos Computacionais em Economia - Aprendizagem de Máquinas: Modelos Lineares
Essa é a segunda aula de Aprendizagem de Máquinas do nosso curso. 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
Implementação do Lasso
PLS - Implementação do Partial Least Squares
PCR - Principal Components Regression
Forwards Stepwise em python
Forwards Stagewise em python
Rede Neural de Bases radiais
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
Implementação do Lasso
PLS - Implementação do Partial Least Squares
PCR - Principal Components Regression
Forwards Stepwise em python
Forwards Stagewise em python
Rede Neural de Bases radiais
Wednesday, May 18, 2016
Aula 21 de Métodos Computacionais em Economia - Introdução a Aprendizagem de Máquinas
Essa aula será apresentada no dia 16/06 na sequência de Seminários do Economics and Politics Research Group da UnB. Esses são os slides.
Referências
The discipline of machine learning - T. M. Mitchel
A few useful things to know about machine learning - P. Domingos
In defence of forensic social science - Amir Goldberg [Big data and Society, 2015]
Learning deep architectures for AI - Y. Bengio
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]
Deep learning - Ian Goodfellow, Yoshua Bengio and Aaron Courville [Capítulo 5]
Referências
The discipline of machine learning - T. M. Mitchel
A few useful things to know about machine learning - P. Domingos
In defence of forensic social science - Amir Goldberg [Big data and Society, 2015]
Learning deep architectures for AI - Y. Bengio
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]
Deep learning - Ian Goodfellow, Yoshua Bengio and Aaron Courville [Capítulo 5]
Aula 20 de Métodos Computacionais em Economia - Interlúdio 2: Análise Numérica e Otimização
Essa aula não será formalmente discutida em sala de aula. De fato, precisaríamos de muitas aulas para fazer um apanhado das principais idéias. Usaremos esse espaço apenas para fazer alguns comentários e indicar possíveis referências que podem ser consultadas em tópicos específicos.
Na segunda parte do nosso curso sobre Machine Learning, alguns tópicos de Análise Numérica e Otimização Numérica serão mencionados e explicados informalmente quando aparecerem. Sem tentar ser exaustivo, entre eles estão:
1) Métodos que lidam com a solução de sistemas lineares. Particularmente a decomposição LU.
2) Métodos que lidam com a solução de sistemas não lineares. Particularmente o método de Newton.
3) Métodos que lidam com otimização numérica. Particularmente o método do gradiente e formas de restringir problemas de otimização.
Referências
Analysis of Numerical Methods - Eugene Isaacson and Herbert Bishop Keller
A First Look at Numerical Functional Analysis - W. W. Sawyer
Numerical methods in economics - Kenneth Rudd
Numerical methods in engineering with python - Jaan Kiusalaas
Na segunda parte do nosso curso sobre Machine Learning, alguns tópicos de Análise Numérica e Otimização Numérica serão mencionados e explicados informalmente quando aparecerem. Sem tentar ser exaustivo, entre eles estão:
1) Métodos que lidam com a solução de sistemas lineares. Particularmente a decomposição LU.
2) Métodos que lidam com a solução de sistemas não lineares. Particularmente o método de Newton.
3) Métodos que lidam com otimização numérica. Particularmente o método do gradiente e formas de restringir problemas de otimização.
Referências
Analysis of Numerical Methods - Eugene Isaacson and Herbert Bishop Keller
A First Look at Numerical Functional Analysis - W. W. Sawyer
Numerical methods in economics - Kenneth Rudd
Numerical methods in engineering with python - Jaan Kiusalaas
Aula 19 de Métodos Computacionais em Economia - Interlúdio 1: Métodos de Monte Carlo
Na nossa décima nona aula de métodos computacionais introduzimos técnicas de Monte Carlo. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Referências
Numerical methods in economics - Kenneth Judd [Capítulo 8]
Introdução aos métodos estatísticos para economia e finanças - Alexandre Carvalho, Daniel Cajueiro e Reinaldo Camargo.
Referências adicionais
Estatística sem Mistério
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Referências
Numerical methods in economics - Kenneth Judd [Capítulo 8]
Introdução aos métodos estatísticos para economia e finanças - Alexandre Carvalho, Daniel Cajueiro e Reinaldo Camargo.
Referências adicionais
Estatística sem Mistério
Aula 18 de Métodos Computacionais em Economia - Compromisso entre eficiência temporal e espacial
Na nossa décima oitava aula de métodos computacionais discutimos o compromisso entre eficiência temporal e espacial. Esses são os slides usados em sala.
Códigos usados em sala de aula
Ordenação por contagem
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 7.1 e 11.2]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 8]
Códigos usados em sala de aula
Ordenação por contagem
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 7.1 e 11.2]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 8]
Aula 17 de Métodos Computacionais em Economia - Melhoria Iterativa
Na nossa décima sétima aula de métodos computacionais discutimos a estratégia conhecida como Melhoria Iterativa. Esses são os slides usados em sala.
Códigos usados em sala de aula
Marriage Stable Problem
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 10]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 19]
Referências complementares
Two-Sided Matching: A Study in Game-Theoretic Modeling and Analysis - Alvin E. Roth e Marilda A. Oliveira Sotomayor
Stable Marriage and Its Relation to Other Combinatorial Problems: An Introduction to the Mathematical Analysis of Algorithms - Donald Ervin Knuth
Soluções
College Problem Admission
Códigos usados em sala de aula
Marriage Stable Problem
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 10]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 19]
Referências complementares
Two-Sided Matching: A Study in Game-Theoretic Modeling and Analysis - Alvin E. Roth e Marilda A. Oliveira Sotomayor
Stable Marriage and Its Relation to Other Combinatorial Problems: An Introduction to the Mathematical Analysis of Algorithms - Donald Ervin Knuth
Soluções
College Problem Admission
Aula 16 de Métodos Computacionais em Economia - Estratégias Gananciosas
Na nossa décima sexta aula de métodos computacionais discutimos a estratégia conhecida como Gananciosa (ou Gulosa). Esses são os slides usados em sala.
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 9]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 12]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 16]
Soluções da série de exercícios
Algoritmo de Prim para encontrar a MST de um grafo
Algoritmo de Kruskal para encontrar a MST de um grafo
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 9]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 12]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 16]
Soluções da série de exercícios
Algoritmo de Prim para encontrar a MST de um grafo
Algoritmo de Kruskal para encontrar a MST de um grafo
Aula 15 de Métodos Computacionais em Economia - Programação Dinâmica
Na nossa décima quinta aula de métodos computacionais discutimos a estratégia conhecida como Programação Dinâmica. Esses são os slides usados em sala.
Códigos usados em sala de aula
Fibonacci com Memoization ou Bottom-Up
Programação dinâmica para resolver o problema da mochila
Programação dinâmica para encontrar os menores caminhos
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 8]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 18]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 15]
Soluções da série de exercícios
Regressão linear segmentada
Multiplicação de cadeias de matrizes
Justificação de textos usando Programação Dinâmica
Maximizar a soma do produto dos elementos de uma pilha
Códigos usados em sala de aula
Fibonacci com Memoization ou Bottom-Up
Programação dinâmica para resolver o problema da mochila
Programação dinâmica para encontrar os menores caminhos
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 8]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 18]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 15]
Soluções da série de exercícios
Regressão linear segmentada
Multiplicação de cadeias de matrizes
Justificação de textos usando Programação Dinâmica
Maximizar a soma do produto dos elementos de uma pilha
Wednesday, May 11, 2016
Aula 14 de Métodos Computacionais em Economia - Branch and Bound
Na nossa décima quarta aula de métodos computacionais discutimos a estratégia conhecida como Branch e Bound. Esses são os slides usados em sala.
Códigos usados em sala de aula
Branch and bound para resolver o problema da mochila
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 12.2]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 18]
Referência complementar para estudar filas com prioridades
Data Structures and Algorithms in Python - Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser [Capítulo 9]
Soluçoes dos exercícios
Branch and bound para resolver o problema de alocação
Branch and bound para resolver encontrar os caminhos mais curtos de um grafo (Djkstra)
Branch and bound para resolver o problema do caixeiro viajante
Códigos usados em sala de aula
Branch and bound para resolver o problema da mochila
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 12.2]
Combinatorial optimization: Algorithms and Complexity - Christos H Papadimitriou e Kenneth Steiglitz [Capítulo 18]
Referência complementar para estudar filas com prioridades
Data Structures and Algorithms in Python - Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser [Capítulo 9]
Soluçoes dos exercícios
Branch and bound para resolver o problema de alocação
Branch and bound para resolver encontrar os caminhos mais curtos de um grafo (Djkstra)
Branch and bound para resolver o problema do caixeiro viajante
Tuesday, May 10, 2016
Aula 13 de Métodos Computacionais em Economia - Backtracking
Na nossa décima terceira aula de métodos computacionais discutimos a estratégia conhecida como Backtracking. Esses são os slides usados em sala.
Códigos usados em sala de aula
Backtracking para gerar e resolver labirintos
Problema das N rainhas usando Backtracking
Subset sum usando backtracking
Longest integer subsequence usando backtracking
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 12.1]
Lecture 3 do E-book Algorithms de Jeff Erickson.
Think recursively - Eric S. Roberts [Capítulo 8]
Referências complementares para essa aula:
Artificial intelligence: A modern approach - S. J. Russell and Peter Norvig [Capítulo 5]
Soluções de exercícios
Resta 1 usando backtracking
Slide Puzzle 15
Instant Insanity
Códigos usados em sala de aula
Backtracking para gerar e resolver labirintos
Problema das N rainhas usando Backtracking
Subset sum usando backtracking
Longest integer subsequence usando backtracking
Referências para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 12.1]
Lecture 3 do E-book Algorithms de Jeff Erickson.
Think recursively - Eric S. Roberts [Capítulo 8]
Referências complementares para essa aula:
Artificial intelligence: A modern approach - S. J. Russell and Peter Norvig [Capítulo 5]
Soluções de exercícios
Resta 1 usando backtracking
Slide Puzzle 15
Instant Insanity
Thursday, April 28, 2016
Workshop de Python para Economia no Departamento de Economia da UFBA
Nós fizemos um workshop bem legal de Python para Economia do Departamento de Economia da UFBA. Esse foi o material do curso.
Aula 1 de Métodos Computacionais em Economia: Noções de Programação Estruturada
Esses são os
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Exemplo de Controle de Fluxo usando Condicionais
Exemplo do uso do Loop For em um programa computacional
Exemplo do uso do Loop While em um programa computacional
Referências Adicionais para essa aula:
Algoritmos em Ciência Popular:
Nine Algorithms That Changed the Future: The Ingenious Ideas That Drive Today's Computers Hardcover - John MacCormick
In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation - William J. Cook
Everything Is Obvious: How Common Sense Fails Us Paperback -
Duncan J. Watts
Referências de Python:
Think Python - Allen Downey
Alguns links externos relacionados com essa aula:
Computação Humana
Page Rank
Melhores livros de Python
Soluções das séries de exercício:
Questão 1
Questão 2
Questão 3
Questão 4
Questão 5
Aula 2 de Métodos Computacionais em Economia - Coleções Básicas de Dados
Na nossa segunda aula de métodos computacionais discutimos coleções básicas de dados. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Como usar sequências de dados ou arrays em programação estruturada?
Como usar conjuntos ou sets em programação computacional?
Como usar mapas (maps) ou dicionários em programação computacional?
Aula 3 de Métodos Computacionais em Economia - Recursão
Na nossa terceira aula de métodos computacionais discutimos recursões. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Implementações da sequencia de Fibonacci
Implementações do fatorial de um número
Solução da Torre de Hanoi
Soluções da série de exercícios
Pinturas de Mondrian usando recursão
Árvores usando recursão
Aula 4 Marriage Matching problem
Na nossa quarta aula de métodos computacionais discutimos o problema clássico conhecido como Marriage-Matching problem. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Marriage Matching problem
Aula 5 Monte Carlo
Na nossa quinta aula de métodos computacionais introduzimos técnicas de Monte Carlo. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Aula 6 Biliotecas de Python
Na nossa sexta aula de métodos computacionais apresentamos algumas bibliotecas de Python. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Python para Introductory Econometrics - Wooldridge
Aula 1 de Métodos Computacionais em Economia: Noções de Programação Estruturada
Esses são os
slides usados em sala de aula.
Abaixo temos os exemplos apresentados em sala de aula:
Exemplo de Controle de Fluxo usando Condicionais
Exemplo do uso do Loop For em um programa computacional
Exemplo do uso do Loop While em um programa computacional
Referências Adicionais para essa aula:
Algoritmos em Ciência Popular:
Nine Algorithms That Changed the Future: The Ingenious Ideas That Drive Today's Computers Hardcover - John MacCormick
In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation - William J. Cook
Everything Is Obvious: How Common Sense Fails Us Paperback -
Duncan J. Watts
Referências de Python:
Think Python - Allen Downey
Alguns links externos relacionados com essa aula:
Computação Humana
Page Rank
Melhores livros de Python
Soluções das séries de exercício:
Questão 1
Questão 2
Questão 3
Questão 4
Questão 5
Aula 2 de Métodos Computacionais em Economia - Coleções Básicas de Dados
Na nossa segunda aula de métodos computacionais discutimos coleções básicas de dados. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Como usar sequências de dados ou arrays em programação estruturada?
Como usar conjuntos ou sets em programação computacional?
Como usar mapas (maps) ou dicionários em programação computacional?
Aula 3 de Métodos Computacionais em Economia - Recursão
Na nossa terceira aula de métodos computacionais discutimos recursões. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Implementações da sequencia de Fibonacci
Implementações do fatorial de um número
Solução da Torre de Hanoi
Soluções da série de exercícios
Pinturas de Mondrian usando recursão
Árvores usando recursão
Aula 4 Marriage Matching problem
Na nossa quarta aula de métodos computacionais discutimos o problema clássico conhecido como Marriage-Matching problem. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Marriage Matching problem
Aula 5 Monte Carlo
Na nossa quinta aula de métodos computacionais introduzimos técnicas de Monte Carlo. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Relação entre as áreas do círculo e quadrado
Consistência do OLS
Album de figurinhas
Aula 6 Biliotecas de Python
Na nossa sexta aula de métodos computacionais apresentamos algumas bibliotecas de Python. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Python para Introductory Econometrics - Wooldridge
Tuesday, April 19, 2016
Aula 12 de Métodos Computacionais em Economia - Transformação e Conquista
Na nossa décima segunda aula de métodos computacionais discutimos a estratégia conhecida como Transformação e Conquista. Esses são os slides usados em sala.
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 6.1 e 6.2]
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 6.1 e 6.2]
Aula 11 de Métodos Computacionais em Economia - Divisão e Conquista
Na nossa décima primeira aula de métodos computacionais discutimos a estratégia conhecida como Divisão e Conquista. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Merge sort
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 5]
Solução de exercícios:
Produto de matrizes
Inversões
Quick sort
Abaixo temos os exemplos apresentados em sala de aula:
Merge sort
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 5]
Solução de exercícios:
Produto de matrizes
Inversões
Quick sort
Aula 10 de Métodos Computacionais em Economia - Redução e Conquista
Na nossa décima aula de métodos computacionais discutimos a estratégia conhecida como Redução e Conquista. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Torre de Hanoi
Busca binária
Insertion sort
Ordenação topológica
Permutações
Geração de todos os subconjuntos
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 4]
Abaixo temos os exemplos apresentados em sala de aula:
Torre de Hanoi
Busca binária
Insertion sort
Ordenação topológica
Permutações
Geração de todos os subconjuntos
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 4]
Friday, April 15, 2016
Por que dia 17 de abril devemos ir para a rua pelo impedimento da Presidente Dilma?
Depois de ouvir muita bobagem, eu senti a obrigação de escrever esse post.
Por que você deve ser a favor do impedimento da Presidente Dilma e deve defender isso na rua?
1) Porque ela cometeu um crime de responsabilidade e NÃO é golpe. Gente, o SUPREMO já disse que não é golpe!
2) Porque ela acabou com o nosso sonho do Brasil ser um país desenvolvido. Minha geração provavelmente não verá mais isso, embora isso fosse provável quando Fernando Henrique entregou o país ao Lula.
3) Porque pais de família estão perdendo empregos e estabelecimentos comerciais estão fechando em consequência da política fiscal e econômica que ela promoveu em seu mandato.
4) Porque o Brasil quer menos inflação e uma nova agenda de crescimento econômico que ela não é capaz de fornecer.
5) Porque hoje temos a corrupção institucionalizada no país e queremos menos corrupção.
6) Porque ela e seus convidados tem feito manifestações constantes contra a Lava-Jato e contra as instituições desse país. A Lava-Jato é a ação mais bem sucedida contra a corrupção já implementada no Brasil.
7) Porque o palácio do planalto tem acolhido supostos criminosos.
8) Porque o Brasil não deve existir para servir a agenda do PT.
9) Porque precisamos de mais meritocracia e menos mediocracia.
10) Porque queremos mais liberdade!!
Sim, eu sei que tirar a Dilma não resolve todos os problemas do país! Mas é um bom começo!
Aula 9 de Métodos Computacionais em Economia - Força Bruta III - Busca Exaustiva em Grafos
Na nossa nona aula de métodos computacionais discutimos os algoritmos BFS e DFS que promovem busca exaustiva em grafos e várias de suas aplicações. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Análise empírica de redes
Como implementar o algoritmo de busca exaustiva em grafos conhecido como breadth first search - BFS (busca em largura)?
Como implementar o algoritmo de busca exaustiva em grafos conhecido como depth first search - DFS (Busca em profundidade)?
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 3.5]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 22]
Referências complementares para essa aula:
Networks: An Introduction - Mark Newman
Soluções de exercícios:
Como implementar BFS e DFS em Python e extrair informações úteis de um grafo, como conectividade, aciclicidade, etc?
Abaixo temos os exemplos apresentados em sala de aula:
Análise empírica de redes
Como implementar o algoritmo de busca exaustiva em grafos conhecido como breadth first search - BFS (busca em largura)?
Como implementar o algoritmo de busca exaustiva em grafos conhecido como depth first search - DFS (Busca em profundidade)?
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 3.5]
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 22]
Referências complementares para essa aula:
Networks: An Introduction - Mark Newman
Soluções de exercícios:
Como implementar BFS e DFS em Python e extrair informações úteis de um grafo, como conectividade, aciclicidade, etc?
Friday, April 8, 2016
Aula 8 de Métodos Computacionais em Economia - Força Bruta II - Busca Exaustiva
Na nossa oitava aula de métodos computacionais discutimos vários problemas clássicos usando o método de busca exaustiva. Nessa aula, vimos nosso primeiro problema com sabor de teoria econômico - o chamado problema Marriage-Matching. A solução apresentada foi uma baseada em busca exaustiva. Obviamente, nas próximas aulas iremos aprender estratégias que produzam algoritmos menos custosos. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Existem bibliotecas prontas em python para gerar permutações e combinações?
Como implementar uma solução computacional para o problema do caixeiro viajante?
Como implementar uma solução computacional para o problema da mochila?
Como implementar uma solução computacional para o problema do casamento (marriage-matching)?
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 3.4]
Referências Complementares:
In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation -
William J. Cook
Abaixo temos os exemplos apresentados em sala de aula:
Existem bibliotecas prontas em python para gerar permutações e combinações?
Como implementar uma solução computacional para o problema do caixeiro viajante?
Como implementar uma solução computacional para o problema da mochila?
Como implementar uma solução computacional para o problema do casamento (marriage-matching)?
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seção 3.4]
Referências Complementares:
In Pursuit of the Traveling Salesman: Mathematics at the Limits of Computation -
William J. Cook
Wednesday, April 6, 2016
Aula 7 de Métodos Computacionais em Economia - Força Bruta
Na nossa sétima aula de métodos computacionais discutimos vários problemas clássicos usando o método de força bruta (usando a definição do problema). Obviamente, nas próximas aulas iremos aprender estratégias que produzam algoritmos menos custosos. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Algoritmos de ordenação com complexidade quadrática
Cálculo de máximo e mínimo de uma sequência
Busca linear em uma lista
Cálculo de determinantes usando cofatores
Produto de matrizes em Python
Par mais próximo em python
Substring matching
Fecho convexo
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 3.1, 3.2 e 3.3]
Referências Complementares:
Computational Geometry: Algorithms and Applications - Mark de Berg and Otfried Cheong
Abaixo temos os exemplos apresentados em sala de aula:
Algoritmos de ordenação com complexidade quadrática
Cálculo de máximo e mínimo de uma sequência
Busca linear em uma lista
Cálculo de determinantes usando cofatores
Produto de matrizes em Python
Par mais próximo em python
Substring matching
Fecho convexo
Referências Adicionais para essa aula:
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Seções 3.1, 3.2 e 3.3]
Referências Complementares:
Computational Geometry: Algorithms and Applications - Mark de Berg and Otfried Cheong
Monday, April 4, 2016
Aula 6 de Métodos Computacionais em Economia - Filas e Pilhas
Na nossa sexta aula de métodos computacionais discutimos duas coleções importantes de dados: pilhas e filas. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Como implementar uma pilha em python?
Como implementar uma fila em python?
Como python aloca memória dinamicamente para uma lista?
Referências Adicionais para essa aula:
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Seções 10.1, 17.2 and 17.4]
Data Structures and Algorithms in Python - Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser [Seções 5.3, 6.1, 6.2]
Fundamentals of Python: Data Structures - Kenneth Lambert [Capítulos 7 e 8]
Data Structures and Algorithms Using Python - Rance D. Necaise [Capítulos 7 e 8]
Solução da série de exercícios
Você pode dar um exemplo de um algoritmo que verifica se um número é um palíndromo usando pilha?
Como usar uma pilha para gerar todas as permutações de um conjunto?
Algoritmo não recursivo para gerar todos os subconjuntos de um dado conjunto
Abaixo temos os exemplos apresentados em sala de aula:
Como implementar uma pilha em python?
Como implementar uma fila em python?
Como python aloca memória dinamicamente para uma lista?
Referências Adicionais para essa aula:
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Seções 10.1, 17.2 and 17.4]
Data Structures and Algorithms in Python - Michael T. Goodrich, Roberto Tamassia, Michael H. Goldwasser [Seções 5.3, 6.1, 6.2]
Fundamentals of Python: Data Structures - Kenneth Lambert [Capítulos 7 e 8]
Data Structures and Algorithms Using Python - Rance D. Necaise [Capítulos 7 e 8]
Solução da série de exercícios
Você pode dar um exemplo de um algoritmo que verifica se um número é um palíndromo usando pilha?
Como usar uma pilha para gerar todas as permutações de um conjunto?
Algoritmo não recursivo para gerar todos os subconjuntos de um dado conjunto
Friday, April 1, 2016
Aula 5 de Métodos Computacionais em Economia - Complexidade computacional
Na nossa quinta aula de métodos computacionais discutimos Complexidade Computacional. Esses são os slides usados em sala.
Abaixo temos os exemplos apresentados em sala de aula:
Medição empírica da complexidade computacional
Referências Adicionais para essa aula:
Introduction to Algorithms - Thomas H. Cormen, Charles E. Leiserson, Ronald L. Rivest e Clifford Stein [Capítulo 3]
Introduction to the Design and Analysis of Algorithms - Anany Levitin [Capítulo 2]
Soluções da série de exercícios:
Como calcular a complexidade computacional das implementações recursivas da série de fibonacci?
Qual a complexidade computacional de um algoritmo recursivo que satisfaz a relação de recorrência?
Qual a complexidade computacional dessas relações de recorrência de acordo com o Teorema Mestre (master theorem)?
Subscribe to:
Posts (Atom)