Intermediari, finanza internazionale e risk management - Financial institutions, international finance and risk management

GIUSEPPINA GUAGNANO
GIUSEPPINA GUAGNANO

Gli studenti che superano l’esame saranno in grado di:
- conoscere e comprendere i fondamenti teorici e gli aspetti applicativi delle principali metodologie statistiche applicabili al management e più in generale in ambito socio-economico e finanziario, con particolare riferimento alle relazioni tra fenomeni reali e quindi ai modelli di regressione, sia lineari, sia non lineari (Descrittore “Conoscenza e capacità di comprensione”);
- acquisire una sensibilità all’analisi empirica del dati reali anche mediante l’uso del software statistico R, inteso non solo come strumento di lavoro, ma anche come mezzo di approfondimento dei modelli teorici e della loro applicabilità a dati reali (descrittore “Capacità di applicare conoscenza e comprensione”);
- valutare in modo critico le procedure statistiche più appropriate per l’analisi di dati in ambito economico, sociale e finanziario; interpretare i risultati derivanti dall’applicazione di tali procedure; sviluppare la propria autonomia di giudizio anche attraverso l’analisi e la discussione di casi concreti (descrittore “Autonomia di giudizio”);
- comunicare in modo chiaro e con linguaggio tecnico appropriato i risultati delle analisi, anche attraverso l’uso efficace di tabelle e grafici; redigere report analitici al fine di evidenziare le informazioni essenziali utili alla risoluzione di problemi specifici (descrittore “Abilità comunicative”);
- acquisire le basi metodologiche necessarie per approfondire autonomamente tematiche statistiche più avanzate e per consultare criticamente diverse fonti bibliografiche e di dati; proseguire nello studio di altre discipline, dello stesso settore scientifico-disciplinare oppure di altri settori, che richiedano la conoscenza delle principali metodologie statistiche (descrittore “Capacità di apprendimento”).

Corso base di statistica e nozioni di base di analisi matematica

Richiami introduttivi sulle nozioni fondamentali di probabilità e di inferenza statistica.
Spiegazione di un fenomeno in funzione di uno o più altri fenomeni concomitanti: i modelli statistici di regressione.
Il caso di variabile dipendente continua e il modello di regressione lineare semplice (con particolare riferimento al Capital Asset Pricing Model) e multipla.
Procedure inferenziali nell'analisi di regressione lineare. Test di mis-specificazione.
Presentazione di uno studio di caso su dati finanziari e individuazione dei problemi di specificazione in esso contenuti.
I modelli di regressione per dati panel.
Il caso in cui il fenomeno di interesse assuma due sole modalità: i modelli a risposta binaria (probit e logit).
Introduzione alle serie storiche.
Modelli di regressione per serie temporali e stima degli effetti causali dinamici.

Il tempo dedicato a ciascuna parte del programma viene calibrato di volta in volta, in base al livello di ricettività degli studenti.
Per gli studenti frequentanti, parte integrante delle lezioni è costituita dall'utilizzo del software R in laboratorio, al quale è dedicato almeno un terzo del tempo.

Stock J.H, Watson M. V., Introduzione all'econometria, Pearson, V ed., con esclusione dei seguenti capitoli: 12-14, 17.
Sono utilizzabili anche edizioni precedenti, purché comprendano i seguenti argomenti:
Richiami di probabilità e statistica; Regressione lineare semplice e multipla e inferenza sui modelli stimati (verifica d'ipotesi e intervalli di confidenza); Specificazione di modelli non lineari; Regressione con dati panel; Regressione con variabile dipendente binaria; Regressione per serie temporali, previsioni e stima degli effetti causali dinamici.

In alternativa: Marno Verbeek, Econometria, Zanichelli ed., con riferimento ai seguenti capitoli e paragrafi: 1-4, 6.4.3, 7.1-7.3
In caso di difficoltà nel reperire il libro, si tenga presente che diverse copie del libro sono comunque disponibili per la consultazione presso la biblioteca Milone (V piano della Facoltà).

Materiale didattico fornito dalla docente, disponibile sulla piattaforma Moodle Sapienza nell'omonimo corso 'Modelli Statistici per l'Impresa'.

Per chi fosse interessato ad un manuale per l'utilizzo di R, sul sito CRAN è presente una molteplicità di pubblicazioni, soprattutto in inglese. Tra quelle in italiano si può far riferimento a:
Il linguaggio R: concetti introduttivi ed esempi. Muggeo V. M. R., Ferrara G., II edizione - settembre 2005

Le lezioni teoriche sono di tipo tradizionale.

Le lezioni dedicate all'analisi empirica di dati reali si svolgono al computer, con l'ausilio del software R.

La frequenza, non obbligatoria, è prevista in presenza

L'accertamento è volto a valutare le conoscenze acquisite dallo studente, nonché le sue capacità di esposizione e di utilizzo di una terminologia appropriata, di analisi quantitativa di dati reali (mediante l'applicazione degli strumenti statistici più idonei) e di interpretazione critica dei risultati ottenuti.

Esso consiste in una prova scritta e in una eventuale breve verifica orale.

La prova scritta, della durata di due ore, comprende domande inerenti l'output della stima di un modello, domande a risposta aperta e eventualmente quesiti a risposta multipla e brevi esercizi. In particolare, le domande del primo tipo e a risposta multipla sono maggiormente finalizzate a verificare la capacità di interpretazione e di valutazione critica dei risultati provenienti dall'applicazione degli strumenti statistici; le domande a risposta aperta sono maggiormente finalizzate a valutare la capacità di discriminare tra le diverse procedure statistiche; gli esercizi numerici sono finalizzati a verificare la capacità di utilizzo degli strumenti statistici in una analisi quantitativa, per sintetizzare in modo esaustivo i dati e studiare le relazioni tra due o più variabili.

L'eventuale prova orale consiste in un colloquio volto a integrare la valutazione della prova scritta, nonché a valutare le capacità espositive dello studente e la sua proprietà di linguaggio.

La valutazione finale è espressa in trentesimi.

Per superare l'esame lo studente deve dimostrare di aver acquisito una conoscenza di base degli argomenti e deve conseguire un voto medio non inferiore a 18/30.
Per conseguire il punteggio massimo di 30/30 e lode, lo studente deve invece dimostrare di aver acquisito una conoscenza eccellente di tutti gli argomenti trattati durante il corso, proprietà di linguaggio, capacità di collegamento tra i vari argomenti e di applicazione delle conoscenze acquisite ai problemi reali.

Dalla stima di un modello logit volto a spiegare la propensione ad acquistare prodotti finanziari esteri, con riferimento a un sottoinsieme delle esplicative utilizzate è stato ottenuto il seguente output:
Variabile Estimate Std.Error z value Pr(>|z|) Signif.
Intercept -0.7007 0.1145 -6.121 9.32/1010 ***
Età -0.01812 0.0044 -4.081 4.47/105 ***
Età^2 1.181/104 4.502/105 2.623 0.008708 **
Genere 0.07095 0.02771 2.560 0.010463 *
… … … … … …
a) Indicare cosa si intende per log-odds e, con riferimento alle variabili indicate nella tabella e a quelle rimanenti
raggruppate nel vettore Z, scrivere l’equazione del modello sulla scala log-odds.
b) Sempre con riferimento alla scala log-odds, spiegare l’utilità dell’inclusione della variabile Età elevata al
quadrato in termini di effetto complessivo della variabile Età.
c) Sapendo che la variabile Genere vale 1 quando l’individuo è di sesso maschile, indicare se la propensione
all’acquisto di prodotti finanziari esteri sia maggiore per i maschi o per le femmine.
d) Sapendo che la deviance del modello nullo vale 10783.7, mentre quella del modello stimato vale 9840.7,
determinare il grado di adattamento del modello ai dati mediante l’indice LRI.
e) Sapendo infine che la confusion matrix presenta i seguenti valori:
y \ y ̂ 0 1 Totale
0 18754 246 19000
1 683 1117 1800
Totale 19437 1363 20800
determinare le percentuali di predizioni corrette.

• Settimane 1-2: Richiami dei concetti fondamentali di inferenza statistica


• Settimane 3-4: Modello di regressione lineare semplice e multipla e test di specificazione


• Settimane 5-6: Test di mis-specificazione nel modello di regressione lineare multipla


• Settimane 7-8: Modelli per dati a risposta binaria e per dati ordinabili


• Settimane 9-10: Modelli per dati panel


• Settimana 11-12: Introduzione alle serie storiche e modelli di regressione per serie temporali