O presente trabalho tem como principal objetivo estudar séries temporais financeiras, nomeadamente as taxas de câmbio, e identificar o método que apresenta melhores resultados nas suas previsões. Atualmente a análise das taxas de câmbio tem sido um constante desafio, devido à imprevisibilidade das mesmas. Para contornar este problema foram escolhidos instrumentos econométricos específicos com a intenção de encontrar o modelo mais eficiente em prever valores de taxas de câmbio. Neste estudo foram utilizadas as taxas de câmbio EUR/CNY e EUR/USD, ambas com um total de 242 observações entre janeiro de 2002 e fevereiro de 2022 e ambas com frequência mensal, e os modelos econométricos ARIMA, ARIMA-GARCH e Random Walk, incluindo a utilização do algoritmo Prophet. Foram também selecionadas algumas medidas de erro para comparar as previsões obtidas com os valores reais das séries temporais financeiras. Da análise feita, concluiu-se que o modelo ARIMA(0,1,1)-GARCH(1,1) apresentou as melhores previsões in-sample, para ambas as séries originais. As previsões out-of-sample para estas séries não foram as melhores, sendo que o modelo que apresentou a melhor previsão out-of-sample foi o ARIMA(0,1,1), para ambos os casos. Em relação aos retornos, os modelos que apresentaram as melhores previsões in-sample para as séries RetLogEURCNY e RetLogEURUSD foram o Prophet e o MA(1), respetivamente. Nas previsões out-of-sample, foi o Prophet que apresentou o menor erro de previsão, ainda que elevado, para ambos os casos.

The main objective of this work is to study financial time series, namely exchange rates, and to identify the method that presents the best results in its forecasts. Currently, the analysis of exchange rates has been a constant challenge, due to their unpredictability. To overcome this problem, specific econometric instruments were chosen with the intention of finding the most efficient model to predict exchange rate values. In this study, the EUR/CNY and EUR/USD exchange rates were used, both with a total of 242 observations between January 2002 and February 2022 and both at a monthly frequency, and the econometric models used were the ARIMA, ARIMA-GARCH and Random Walk, including the use of the Prophet algorithm. Some error measures were also selected to compare the forecasts with the actual values of both financial time series. From the analysis, it was concluded that the ARIMA(0,1,1)-GARCH(1,1) model presented the best in-sample forecasts, for both original series. The out-of-sample forecasts for the original series were not the best, but the model that presented the best out-ofsample forecasts was the ARIMA(0,1,1), for both cases. Regarding the returns, the models that presented the best in-sample forecasts for the RetLogEURCNY and RetLogEURUSD series were the Prophet and MA(1), respectively. In the out-of-sample forecasts, Prophet presented the smallest forecast error, although high, for both cases.