Project Evaluation Methods

Ficha da Unidade Curricular
Métodos de Avaliação de Projectos / Project Evaluation Methods
Ano Lectivo
Academic Year:
2014/2015
Pré-requisitos
Conceitos básicos de matemática e estatística.
Prerequisites
Basic mathematical and statistical concepts.
Objectivos Gerais
Dar a conhecer métodos quantitativos usados na avaliação de
projectos com elevada incerteza nas recompensas futuras.
Apresentar, para cada método, casos práticos de avaliação.
General Objectives
This course intends to promote the learning of quantitative
methods applied in project evaluation when there is a high
level of uncertainty over future rewards. Other objective is to
present, for each method, several case studies of assessment.
Objectivos de
Aprendizagem
Após a frequência da UC, o aluno está habilitado a:
1. Caracterizar o projecto e eleger o método adequado para o
avaliar;
2. Descrever a Metodologia de Simulação e adaptá-la à
avaliação de um projecto;
3. Implementar um modelo de simulação para avaliar um
projecto e interpretar os resultados;
4. Incorporar técnicas de redução da variância no modelo de
simulação;
5. Enumerar as características de um procedimento em
Programação Dinâmica e adaptá-lo à avaliação de um
projecto;
6. Implementar um procedimento em Programação Dinâmica
para avaliar um projecto e interpretar os resultados;
7. Identificar os casos em que a Aproximação em Árvore
Binomial pode ser útil para avaliar um projecto;
8. Implementar um procedimento em Árvore Binomial para
avaliar um projecto e interpretar os resultados.
1
Learning Goals
After the frequency of the course, the student is able to:
1. Characterize the project and elect the appropriate method
for the assessment of it;
2. Describe the Simulation Methodology and adapt it to the
evaluation of a project;
3. Implement a Simulation Model to evaluate a project and
interpret the results;
4. Incorporate variance-reducing techniques in the
Simulation Model;
5. List the features of the Dynamic Programming technique
and adapt it to the evaluation of a project;
6. Implement a Dynamic Programming procedure to evaluate
a project and interpret the results.
7. Identify cases in which the Binomial Tree Approach can
be useful to evaluate a project;
8. Implement a Binomial Tree procedure to evaluate a project
and interpret results.
Programa
1. Introdução
1.1. Tipos de projectos de investimento;
1.2. Métodos quantitativos usados na avaliação de projectos.
2. Simulação de Monte Carlo (SMC)
2.1. Descrição da metodologia;
2.2. Implementação de um modelo de SMC;
2.2.1. Geração de números aleatórios;
2.2.2. Geração de observações aleatórias;
2.2.3. Validação do modelo;
2.3. Técnicas de redução da variância
2.3.1. Stratified Sampling Technique;
2.3.2. Antithetic Variable Technique;
2.3.3. Exemplo;
2.4. Casos práticos.
3. Programação Dinâmica (PD)
3.1. Introdução;
3.2. Características dos problemas de PD;
3.3. PD determinística;
3.4. PD probabilística;
3.5. Implementação de um modelo de PD;
3.6. Casos práticos.
4. Aproximações em Árvore Binomial
4.1. Introdução;
4.2. Procedimento em Árvore Binomial usual;
4.3. Esquemas binomiais alternativos;
4.4. Casos práticos.
2
Program
1. Introduction
1.1. Types of investment projects;
1.2. Quantitative methods applied in project evaluation.
2. Monte Carlo Simulation (MCS)
2.1. Description of methodology;
2.2. Implementation of a MCS model;
2.2.1. Random number generation;
2.2.2. Random observations generation;
2.2.3. Model validation;
2.3. Variance-reducing techniques;
2.3.1. Stratified Sampling Technique;
2.3.2. Antithetic Variable Technique;
2.3.3. Example;
2.4. Case studies.
3. Dynamic Programming (DP)
3.1. Introduction;
3.2. Characteristics of DP problems;
3.3. Deterministic DP;
3.4. Probabilistic DP;
3.5. Implementation of a DP model;
3.6. Case studies.
4. Binomial Tree Approaches
4.1. Introduction;
4.2. Usual procedure in binomial tree;
4.3. Alternative binomial schemes;
4.4. Case studies.
Demonstração da
coerência dos conteúdos
programáticos com os
objectivos da UC
OA1 - Todos
OA2 - 2. Simulação de Monte Carlo (2.1.)
OA3 - 2. Simulação de Monte Carlo (2.2.1., 2.2.2., 2.2.3. e
2.4.)
OA4 - 2. Simulação de Monte Carlo (2.3.)
OA5 - 3. Programação Dinâmica(3.1., 3.2., 3.3. e 3.4.)
OA6 - 3. Programação Dinâmica (3.5. e 3.6.)
OA7 - 4. Aproximações em Árvore Binomial (4.1. e 4.2.)
OA8 - 4. Aproximações em Árvore Binomial (4.3. e 4.4.).
3
Demonstration of
consistency of
programmatic contents
with the objectives of
UC
LG1 - All
LG2 - 2. Monte Carlo Simulation (2.1.)
LG3 - 2. Monte Carlo Simulation (2.2.1., 2.2.2., 2.2.3. e 2.4.)
LG4 - 2. Monte Carlo Simulation (2.3.)
LG5 - 3. Dynamic Programming(3.1., 3.2., 3.3. e 3.4.)
LG6 - 3. Dynamic Programming (3.5. e 3.6.)
LG7 - 4. Binomial Tree Approaches (4.1. e 4.2.)
LG8 - 4. Binomial Tree Approaches (4.3. e 4.4.)
Processo de avaliação
1. Avaliação Contínua (AC): dois trabalhos (cada um com
peso de 25%); um teste (peso: 50%; nota mínima: 8 valores);
assiduidade mínima: 80% do total de aulas.
2. Exame Final: destinado a quem não optou pela AC ou que
desistiu da mesma; se resultado está entre 8 e 10 valores, o
aluno
pode
realizar
uma
prova
oral
(PO).
Aprovação na UC: Se a classificação final (CF) for maior ou
igual a 10 valores. Se CF for superior a 16, o aluno pode
realizar uma PO; caso contrário, a CF será de 16 valores.
Evaluation Process
1. Continuous Evaluation (CE): two group works (each
weighing 25%); one test (weight: 50%; minimum grade: 8 points
in 20); minimum attendance: 80% of classes taught.
2. Final Exam: for students who have not opted for the CE or
students who have given up of CE; if grade (G) is between 8
and 10, the student can perform an oral exam (OE).
Approval in the Course: final grade (FG) greater than or equal to
10. If G is higher than 16, the student can perform an OE;
otherwise, the FG will be 16.
Processo de ensinoaprendizagem
O aluno deverá adquirir e desenvolver competências de análise e
síntese, de pesquisa, de crítica, de comunicação escrita e oral, no
âmbito desta UC e em conformidade com os objectivos
definidos.
Metodologias:
1. Expositivas, para apresentação dos quadros teóricos de
referência.
2. Participativas, com análise e resolução de exercícios práticos.
3. Activas, com realização de trabalhos de grupo.
4. Experimentais, com desenvolvimento e exploração de
modelos
em
computador.
5. Auto-estudo.
4
Learning-Teaching
Process
Each student should acquire analytical, information
gathering, written and oral communication skills, according
to the established learning outcomes for this unit.
Learning methodologies will be used:
1. Expositional, to the presentation of the theoretical
reference.
frames
2. Participative, with analysis and resolution of application
exercises.
3. Active, with the realization of group works.
4. Experimental laboratory, with development and operation
of
computer
models.
5. Self-study.
Demonstração da
coerência das
metodologias de
ensino com os
objectivos de
aprendizagem da UC
As metodologias de ensino-aprendizagem visam o
desenvolvimento
das
principais
competências
de
aprendizagem dos alunos que permitam cumprir com cada
um dos objectivos de aprendizagem, pelo que, na grelha a
seguir, apresenta-se as principais interligações entre as
metodologias de ensino-aprendizagem e os respectivos
objectivos.
Metodologias de
ensino-aprendizagem (MEA)
Objectivo de
aprendizagem (OA)
1. Expositivas, para apresentação
dos quadros teóricos de referência
Todos
2. Participativas, com análise e
resolução de exercícios práticos
Todos
3. Activas, com realização de
trabalhos de grupo
OA3, OA4, OA6 e
OA8
4. Experimentais, em
laboratório,com desenvolvimento
e exploração de modelos em
computador
OA3, OA4, OA6 e
OA8
5. Auto-estudo, relacionadas com
o trabalho autónomo do aluno, tal
como consta no Planeamento das
Aulas
Todos
5
Demonstration of
consistency of
teaching
methodologies with
the learning
objectives of the UC
The learning-teaching methodologies are aimed at the
development of the students main learning competences that
allow to fulfill each of the learning goals, therefore, in the
grid below, it is presented the main interlinks between the
learning-teaching methodologies and the respective goals.
Learning-Teaching
Methodologies(LTM)
Learning Goal (LG)
1. Expositional, to the
presentation of the theoretical
reference frames
All
2. Participative, with analysis and
resolution of application exercises
All
3. Active, with the realization of
group works
LG3, LG4, LG6 and
LG8
4. Experimental laboratory, with
development and operation of
computer models
LG3, LG4, LG6 and
LG8
5. Self-study, related with
autonomous work by the student,
as is contemplated in the Class
Planning.
All
6
Bibliografia básica/
1. Hillier, Frederick S. and Lieberman, Gerald J.; Introduction
to Operations Research, 9th ed., McGraw-Hill, 2009.
Basic Bibliography
2. Winston, Wayne L., Operations Research: Applications and
Algorithms 3rd ed., Duxbury Press, 1994.
3. Huynh, H. T., Lai, V. S. and Soumare, I.; Stochastic
Simulation and Applications in Finance with Matlab
Programs, Wiley, 2009.
4. Damodaran, Aswath; Investment Valuation: Tools and
Techniques for determining the value of any asset, Wiley
Finance, 2012.
5. Elementos de apoio fornecidos pelo docente da Unidade
Curricular. / Elements of support provided by the lecturer of
Course.
Bibliografia
complementar/
1. Dixit, A. K. and Pindyck, R. S., Investment under
Uncertainty, Princeton University, New Jersey, 1994.
Supplementary
Bibliography
2. Hull, J. C., Options, Futures and other Derivatives
Securities, fourth edition, Prentice-Hall International, Inc,
2000.
3. Trigeorgis, L., Real Options: Managerial Flexibility and
Strategy in Resource Allocation, MIT Press, London, 2000.
4. Dayananda, D., Irons, R., Harrison, S., Herbohn, J. and
Rowland, P.; Capital Budgeting: Financial Appraisal of
Investment Projects, Cambridge University Press, 2002.
5. Bellman, R. E., Dynamic Programming, Courier Dover
Publications, 2003.
7