Στο μάθημα εξετάζονται: Το μοντέλο Cournot και οι εφαρμογές του. Το μοντέλο του αντιπροσωπευτικού καταναλωτή. Μοντέλα οριζόντιας και κάθετης διαφοροποίησης και η ύπαρξη ισορροπίας. Σχεδιασμός μηχανισμών, εμπόδια εισόδου, δυναμική τιμολόγηση σε διαρκή και αποθηκεύσιμα αγαθά, εισαγωγή στην συμπεριφορική βιομηχανική οργάνωση. Εμπειρική εκτίμηση ολιγοπωλιακών υποδειγμάτων.
Επιδιωκόμενα μαθησιακά αποτελέσματα του μαθήματος  είναι:
α) η κατανόηση των συνεπειών του ανταγωνισμού μέσω ποσοτήτων στην ευημερία, τον άριστο αριθμό επιχειρήσεων, την ύπαρξη εξωτερικοτήτων δικτύου  β) η ανάλυση μοντέλων οριζόντιας και κάθετης διαφοροποίησης γ) η βελτίωση αναλυτικής σκέψης, συνδυασμός υποδειγμάτων για την παραγωγή και εξαγωγή νέων αποτελεσμάτων σε θέματα σχεδιασμού μηχανισμών και δυναμικής τιμολόγησης δ) η εμπειρική εκτίμηση προσφοράς και ζήτησης σε ολιγοπωλιακές αγορές.

Το μάθημα αυτό καλύπτει βασικές αρχές και μεθόδους της χρηματοοικονομικής ανάλυσης και διαχείρισης χαρτοφυλακίων περιουσιακών στοιχείων. Πιο συγκεκριμένα, ασχολείται με την επιλογή επενδύσεων ή άριστων χαρτοφυλακίων μετοχών, ή άλλων περιουσιακών στοιχείων, κάτω από συνθήκες αβεβαιότητας και παρουσιάζει υποδείγματα αποτίμησης του κινδύνου περιουσιακών στοιχείων όπως το CAPM ή το ΑΡΤ, αλλά και με δυναμικά υποδείγματα που επιτρέπουν και άλλους κινδύνους εκτός από αυτούς της αγοράς, όπως το υπόδειγμα του Merton. Αυτό γίνεται για την εγχώρια αγορά περιουσιακών στοιχείων, αλλά και τη διεθνή αγορά. Στη δεύτερη αγορά αναλύεται η επίδραση του συναλλαγματικού κινδύνου στη διαχείριση χαρτοφυλακίων. Το δεύτερο μέρος του μαθήματος, παρουσιάζει βασικά εργαλεία αποτίμησης ομολόγων καθώς και βασικές οικονομικές θεωρίες της καμπύλης των επιτοκίων ή των αποδόσεων ομολόγων διαφορετικής λήξης. Στο τμήμα αυτό παρουσιάζονται υποδείγματα προσδιορισμού των μακροχρονίων επιτοκίων της αγοράς και του κινδύνου τους, καθώς και τεχνικές αξιολόγησης χαρτοφυλακίων ομολόγων ή μετοχών. Τέλος, το μάθημα παρουσιάζει υποδείγματα αποτίμησης παραγώγων και αναλύει διαφορετικές μεθόδους αντιστάθμισης με βάση αυτά.

Το μάθημα στοχεύει σε μια εις βάθος κατανόηση της εφαρμοσμένης χρηματοοικονομικής, προκειμένου να γεφυρωθεί το χάσμα μεταξύ θεωρητικών χρηματοοικονομικών υποδειγμάτων και του (πραγματικού) κόσμου της εφαρμοσμένης χρηματοοικονομικής. Αναλύονται τόσο θεωρητικές όσο και πρακτικές πτυχές, οι οποίες είναι σημαντικές για την κατανόηση των χρηματοπιστωτικών αγορών.
Οι κύριοι στόχοι περιλαμβάνουν: • Έκθεση των φοιτητών στις οικονομετρικές μεθοδολογίες που είναι απαραίτητες για την κατανόηση της εφαρμοσμένης χρηματοοικονομικής. • Εξοικείωση φοιτητών με σημαντικά οικονομικά ζητήματα στη χρηματοοικονομική. • Παρουσίαση και ανάλυση χρηματοοικονομικών δεδομένων και πώς μπορούν να χρησιμοποιηθούν για τη λήψη τεκμηριωμένων αποφάσεων.
Στο τέλος του μαθήματος, οι φοιτητές θα είναι σε θέση να γνωρίζουν: • πώς να αποκτήσουν πρόσβαση σε διάφορες πηγές οικονομικών δεδομένων, • τον σχεδιασμό εμπειρικών ελέγχων θεωρητικών ζητημάτων, και • να εφαρμόσουν βασικές δεξιότητες προγραμματισμού για να αναλύσουν τα δεδομένα και να καταλήξουν σε συμπεράσματα.

Επιδίωξη του μαθήματος είναι οι φοιτητές: (1) να γνωρίζουν τα βασικά υποδείγματα της δημόσια οικονομικής, (2) να είναι σε θέση να ελέγχουν την σχέση θεωρίας και εμπειρικών ευρημάτων και (3) να είναι σε θέση να προτείνουν λύσεις βάσει των (1) και (2) σε υπαρκτά προβλήματα άσκησης οικονομικής πολιτικής.
Το μάθημα εστιάζει στα κίνητρα και τους περιορισμούς των πολιτικών, των γραφειοκρατών και των άλλων φορέων εξουσίας και εξηγεί γιατί γίνονται συγκεκριμένες επιλογές πολιτικής. Μελετά τα οικονομικά δεδομένα και τα οικονομετρικά ευρήματα και διαπιστώνει πότε αυτά βρίσκονται σε συμφωνία (και πότε όχι) με τις προβλέψεις των θεωρητικών υποδειγμάτων.

Ο στόχος του μαθήματος είναι να δοθεί η δυνατότητα στους φοιτητές/φοιτήτριες να κατανοήσουν τους βασικούς παράγοντες των τρεχόντων ζητημάτων και προβλημάτων που σχετίζονται με το περιβάλλον και τους φυσικούς πόρους, συμπεριλαμβανομένου και του κλίματος, τις μεθόδους ανάλυσής τους και τους τρόπους που χρησιμοποιούνται για το σχεδιασμό αποτελεσματικών πολιτικών στη θεωρία και στην πράξη.
Περιεχόμενο μαθήματος: Η ερμηνεία των οικολογικών προβλημάτων: εξωτερικές οικονομίες, δημόσια αγαθά, ατελείς αγορές. Η θεωρία και τα μέτρα πολιτικής για την προστασία του περιβάλλοντος (άμεσοι διοικητικοί έλεγχοι, φόροι, επιδοτήσεις, σύστημα αδειών ρύπανσης). Εμπειρικές μελέτες. Μέθοδοι αποτίμησης του οφέλους και του κόστους των υπηρεσιών του περιβάλλοντος και των φυσικών πόρων (ωφελιμιστική τιμολόγηση, συνάρτηση ζημιών, κόστος ταξιδιού, αποτίμηση σε υποθετικές συνθήκες προσφοράς (contingentvaluation), κ.α.) και εφαρμογές τους. Αναλύσεις οφέλους-κόστους και αναλύσεις ελαχίστου κόστους. Η θεωρία της βέλτιστης χρήσης των εξαντλήσιμων πόρων και εμπειρικές μελέτες. Ενεργειακή αγορά και ενεργειακές πολιτικές. Η βέλτιστη χρήση των ανανεώσιμων πόρων. Διατηρήσιμη ανάπτυξη. Κριτικές και εναλλακτικές προσεγγίσεις.

Το μάθημα αποτελεί εισαγωγή σε έννοιες της μαθηματικής ανάλυσης που εμφανίζονται στη θεωρία των μετρικών χώρων με εφαρμογές στην οικονομική θεωρία και την οικονομετρία. Εξετάζει, τοπολογικές έννοιες όπως η ακολουθιακή σύγκλιση και ή συναρτησιακή συνέχεια, περατοκρατικές έννοιες όπως η συμπάγεια, και μη τοπολογικές έννοιες, όπως η ολική φραγή, οι ομοιομορφίες και η πληρότητα, καθώς και την αλληλεπίδρασή τους. Αποσκοπεί στην διαμόρφωση προχωρημένου λεξιλογίου στη μαθηματική ανάλυση που μεταξύ άλλων επιτρέπει, την αντιμετώπιση ζητημάτων προσέγγισης προβλημάτων βελτιστοποίησης, την διατύπωση και εξαγωγή θεωρημάτων σταθερού σημείου, κ.ο.κ. Τα προαναφερθέντα θεωρήματα χρησιμοποιούνται στην απόδειξη ύπαρξης (και ενίοτε μοναδικότητας και προσεγγισιμότητας) λύσεων γενικών συστημάτων εξισώσεων. Εφαρμόζονται σε προβλήματα που εμφανίζονται π.χ. στη δυναμική βελτιστοποίηση, στη θεωρία παιγνίων, κ.λ.π.
Στόχος του μαθήματος είναι η απόκτηση ωριμότητας στην κατανόηση και διαχείριση προηγμένων εννοιών της μαθηματικής ανάλυσης με προσανατολισμό την εφαρμογή τους στην επίλυση προβλημάτων που προκύπτουν στην Οικονομική Θεωρία και στην Οικονομετρία.

Το μάθημα στοχεύει στο να παρουσιάσει μια εικόνα της βιβλιογραφίας των σύγχρονων οικονομικών της εργασίας τόσο σε θεωρητικό όσο και σε εμπειρικό επίπεδο και να εφαρμόσει υποδείγματα και εμπειρικές τεχνικές που έχουν διδαχθεί σε βασικά μαθήματα της Μικροοικονομικής και Μακροοικονομικής σε θέματα που αφορούν στην αγορά εργασίας. Το μάθημα αποσκοπεί στο να μπορούν οι φοιτητές να περιγράψουν τα βασικά χαρακτηριστικά και τις τελευταίες εξελίξεις στις αγορές εργασίας των αναπτυγμένων χωρών, να χρησιμοποιούν τις βασικές τεχνικές αριστοποίησης έτσι ώστε να λύνουν προβλήματα σχετικά με μεγέθη της αγοράς εργασίας (απασχόληση, μισθοί), καθώς και να αξιολογούν τα εμπειρικά αποτελέσματα της έρευνας για την αγορά εργασίας σε θέματα σχετικά με την ζήτηση και την προσφορά εργασίας, την επίδραση των εργατικών ενώσεων, τις θεωρίες του «αποτελεσματικού μισθού», την επίδραση των ελάχιστων μισθών και επιδομάτων ανεργίας στην ανεργία.

Το συγκεκριμένο μάθημα έχει σχεδιαστεί να εισάγει τους φοιτητές στις έννοιες της διαχείρισης μεγάλων δεδομένων και ανάλυσης μέσω μεθόδων μηχανικής εκμάθησης. Το μάθημα ξεκινάει με την υπολογιστική ανάλυση και επαγωγή των μεθόδων Monte Carlo, Bootstrap, k-fold cross-validation και επαναληπτικές και κυλιόμενες μεθόδους εκτίμησης. Το μάθημα παρέχει την βάση για προβλέψεις χρονοσειρών (time-series forecasting) χρησιμοποιώντας γραμμικά υποδείγματα αλλά και μεθόδους εξομάλυνσης (Kalman Smoother). Στην συνέχεια, μελετούμε τεχνικές για την διαχείριση μεγάλων δεδομένων και εξάγουμε τα χαρακτηριστικά των δεδομένων (εποχικότητα, μη-στασιμότητα, κλπ). Συζητούμε πώς μέθοδοι μη-ελεγχόμενης μηχανικής εκμάθησης (k-means clustering, principal component analysis και dynamic factor analysis) μπορούν να εφαρμοστούν στα οικονομικά και χρηματοοικονομικά (τα παραδείγματά μας περιλαμβάνουν προβλέψεις, κατασκευή δεικτών τρεχουσών χρηματοοικονομικών συνθηκών [Financial Conditions Indexes] και δείκτες αβεβαιότητας [Uncertainty Indicators]). Στην συνέχεια, αναλύουμε μεθόδους αραιής παλινδρόμησης (sparse regressions) όπως lasso, ridge και elastic net. Επεκτείνουμε την θεματολογία σε ανισομερή δεδομένα (unbalanced datasets) και μελετούμε την χρήση bridge equations, MIDAS and U-MIDAS μοντέλων σαν πιθανές λύσεις. Τέλος, μάθημα περιλαμβάνει μια σειρά από ειδικά θέματα όπως adaptive learning και εφαρμογές μηχανικής εκμάθησης σε διαχείριση χαρτοφυλακίου (machine learning in portfolio selection). Εκτός από το θεωρητικό υπόβαθρο, το μάθημα έχει μια «πρακτική» φιλοσοφία ( “hands-on”) όπου οι φοιτητές εφαρμόζουν όλες τις θεωρητικές γνώσεις στην πράξη και εξηγούν τα αποτελέσματα. Η ανάλυση γίνεται μέσω της χρήσης του R Project for Statistical Analysis ως το κύριο επιστημονικό λογισμικό.