ADVANCED STATISTICS FOR FINANCE

Obiettivi formativi

L’insegnamento mira ad illustrare i fondamenti e le principali metodologie dell’inferenza statistica necessarie per l’analisi quantitativa di fenomeni reali, con particolare attenzione ai mercati finanziari. Per l’analisi dei dati reali si prevede il ricorso al software statistico R, inteso come strumento di lavoro ma anche di approfondimento dei modelli teorici e della loro applicabilità alle situazioni reali. Gli studenti che abbiano superato l’esame con successo avranno acquisito la conoscenza delle nozioni fondamentali dell’inferenza statistica e delle principali procedure, che riguardano singoli parametri, modelli distributivi e modelli di regressione. Gli studenti che abbiano superato l’esame con successo avranno inoltre acquisito una sensibilità all’analisi empirica dei dati: mediante gli strumenti metodologici introdotti nel corso, sapranno discriminare tra le diverse procedure statistiche e saranno in grado di scegliere quella di volta in volta più adeguata al contesto applicativo in esame. Saranno poi in grado di studiare e ridurre in modo esaustivo i dati, studiare la variabilità del fenomeno e analizzare le relazioni esistenti tra due o più variabili (qualitative e/o quantitative), mediante l’impiego del software statistico R. A partire da un problema reale, quindi, sapranno definire la strategia statisticamente migliore per analizzare i dati e fornire dei risultati. Gli studenti saranno anche in grado di analizzare criticamente i risultati ottenuti evidenziando vantaggi e svantaggi delle procedure adottate. La capacità critica degli studenti è stimolata soprattutto mediante la presentazione di casi-studio, che prevedono la formulazione di problemi reali, la loro formalizzazione in termini statistici e la successiva analisi empirica dei dati. Questo stesso tipo di attività è richiesto agli studenti, che alla fine del corso sono chiamati ad analizzare un caso-studio nella sua interezza, a partire dalla formalizzazione del problema oggetto di interesse fino all’analisi e alla valutazione critica dei risultati ottenuti e alla loro presentazione mediante un report finale di tutta l’attività svolta. La valutazione del report riguarderà anche la capacità dello studente di comunicare adeguatamente quanto appreso e di esporre i risultati dell’analisi quantitativa. La comprensione delle metodologie statistiche illustrate durante le lezioni permetterà agli studenti di studiare autonomamente anche altri modelli statistici non introdotti nel corso e di comprenderne vantaggi e limitazioni.

Canale 1
BRUNERO LISEO Scheda docente

Programmi - Frequenza - Esami

Programma
1. Basi di inferenza statistica (probabilità, test, intervalli di confidenza) 2. Panoramica sull'apprendimento statistico 3. Regressione lineare 4. Classificazione e raggruppamento 5. Selezione e regolarizzazione del modello lineare 6. Modelli non lineari 7. Alberi di Regressione
Prerequisiti
E' fortemente consigliato aver superato gli esami di -Advanced Math -Stochastic Processes
Testi di riferimento
An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) 2nd Edition 2021 by Gareth James (Author), Daniela Witten (Author), Trevor Hastie (Author), available on line at https://www.statlearning.com/
Frequenza
Tutte le lezioni sono in presenza
Modalità di esame
Esami: a. 40% del voto finale verrà dalla discussione di un rapporto su un argomento specifico b. 40% del voto finale verrà da un esame orale c. il 20% del voto finale verrà dagli homework
Modalità di erogazione
Lezzioni forntali e laboratori con R
  • Codice insegnamento10592625
  • Anno accademico2024/2025
  • CorsoFinanza e assicurazioni - Finance and insurance
  • CurriculumFinancial risk and data analysis - in lingua inglese
  • Anno1º anno
  • Semestre2º semestre
  • SSDSECS-S/01
  • CFU6
  • Ambito disciplinareMatematico, statistico, informatico