TIME SERIES AND FINANCIAL TIME SERIES

Obiettivi formativi

L’insegnamento mira ad illustrare sia dal punto di vista grafico che metodologico le principali tecniche di analisi delle serie storiche economiche e finanziarie. Lo studente imparerà a costruire modelli per serie storiche. 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 e le tecniche principali di costruzione di modelli statistici ed econometrici per serie storiche sia economiche che finanziarie. 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, e le elaborazioni in laboratorio mediante software statistico R sapranno valutare il modello più adeguato a rappresentare il fenomeno reale sotto indagine. A partire da problemi reali, quindi, sapranno definire la strategia statisticamente migliore per analizzare i fenomeni economici e finanziari. Gli studenti saranno in grado di analizzare criticamente i risultati ottenuti evidenziando vantaggi e svantaggi delle procedure adottate. La capacità critica degli studenti verrà stimolata attraverso l’analisi di casi reali e mediante la presentazione finale di un progetto di ricerca. 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 illustrate durante le lezioni permetterà agli studenti di approfondire l’analisi di modelli differenti non considerati durante il corso e di comprenderne vantaggi e limitazioni.

Canale 1
NINA DELIU Scheda docente

Programmi - Frequenza - Esami

Programma
Part I. Elementi di Inferenza Statistica. - Problemi inferenziali e modello statistico; - Funzione di verosimiglianza / verosimiglianza relativa; - MLEs e proprietà; - Informazione di Fisher osservata/attesa; - Insiemi di verosimiglianza; intervalli di confidenza; - Test d'ipotesi Part II. Serie Storiche e Statistica Descrittiva. - Definizione ed esempi - Statistiche descrittive ed analisi grafica - Componenti di trend e di stagionalità - Destagionalizzazione Part III. Proprietà Processi di Serie Storiche. - La funzione media, varianza, ACF e PACF - Principali proprietà dei processi: stazionarietà, ergodicità ed invertibilità - Operatore Lag Part IV. Modelli e proprietà. - Modelli per la media: AR(p), MA(q), ARMA(p,q), ARIMA(p,d,q), SARIMA e proprietà - Dati finanziari: fatti stilizzati - Modelli per la volatilità: ARCH, GARCH e proprietà Part V. Scelta e Uso del Modello. - Procedura Box & Jenkins + AIC/BIC - Test di radice unitaria (AR, ARMA) - Analisi dei residui - ARCH tests, Normality tests - Stima dei parametri Part VI. Predizione e quantificazione dell'incertezza tramite intervalli di predizione Durante tutto il corso si farà uso del software R.
Prerequisiti
- Matematica: operazioni elementari con particolare attenzione a logaritmi e potenze e loro proprietà; serie numeriche notevoli (in particolare geometrica, geometrica troncata); derivate / integrali - Probabilità / Statistica: operatori media, varianza, covarianza, correlazione e loro proprietà; legge dei valori attesi iterati; PDF, CDF, quantiles, conditional densities - Inferenza: il concetto di stima, stimatori e proprietà (stimatori puntuali, intervallari e test + proprietà, MLE, Fisher info -- vengono ricapitolati brevemente a inizio corso); regressione e OLS; asimmetria e curtosi; distribuzioni note (Binomiale, Gaussiana, Student-t, Chi2) - Processi stocastici: concetto di processo vs. variabile aleatoria, processi Gaussiani, white noise, random walk (le nozioni vengono riprese nel corso) - Esperienza con il software R
Testi di riferimento
Le risorse didattiche necessarie verranno messe a disposizione dalla docente durante il corso. Sono adottati i seguenti libri di testo: - Ruppert & Matteson – Statistics and Data Analysis for Financial Engineering: with R Examples (2015). Risorsa principale con istruzioni R (Capitoli 1, 2, 4, 12, 13, 14). - Wei, Time Series Analysis (2006). Risorsa contenente le principali dimostrazioni (Capitoli 1-4). Sono messe a disposizione slides e video tutorial.
Frequenza
Frequenza in aula e condivisione materiale sulla pagina web dedicata
Modalità di esame
La valutazione si baserà su un esame finale (scritto ed eventualmente orale) e degli assignment intermedi.
Modalità di erogazione
La didattica verrà svolta in modalità frontale (in presenza). Si alternerà l'uso di presentazioni, software statistico e lavagna.
  • Codice insegnamento10592627
  • Anno accademico2024/2025
  • CorsoFinanza e assicurazioni - Finance and insurance
  • CurriculumFinancial risk and data analysis - in lingua inglese
  • Anno2º anno
  • Semestre1º semestre
  • SSDSECS-S/01
  • CFU9
  • Ambito disciplinareAttività formative affini o integrative