Login

METODI QUANTITATIVI PER LA FINANZA

Programma

EN IT

Aggiornato A.A. 2019-2020

Parte I: Rendimenti e loro caratteristiche (ripasso di statistica)
    • Tipologia di dati e rappresentazione grafica
    • Statistiche descrittive
    • Distribuzioni
    • Inferenza statistica
    • Test d’ipotesi
Parte II: Event study ed eccesso di rendimento (regressione lineare, cross-section)
    • Cos’è un event study e la definizione di eccesso di rendimento tramite constant mean return.
    • Magnitudine dell’eccesso di rendimento spiegata attraverso le caratteristiche dell’evento: regressione lineare
    • Modello di regressione lineare bivariato e multivariato: interpretazione dei coefficienti, significatività e fit del modello
    • Omoschedasticità ed eteroschedasticità
    • Diagnostica
    • Introduzione alla non linearità: trasformazione di variabile
Parte III: Rendimenti e loro predittività (serie storiche)
    • Previsione e teoria delle decisioni.
    • Modellizzazione per serie storiche stazionarie - Univariato: ARMA
    • Clusterizzazione delle volatilità e modellizzazione per serie storiche non-stazionarie: Rolling window, EWMA, ARCH, GARCH
Parte IV (da valutare in base alle tempistiche): Probabilità di default e solidità finanziaria (classificazione)
    • Variabile dipendente qualitativa
    • Rudimenti di cluster analysis

 

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Il corso fornisce i fondamenti teorici della analisi statistica ed econometrica, partendo da concetti di finanza. Il corso è strutturato in quattro parti.
Nella prima si richiameranno i fondamenti di statistica descrittiva e inferenziale, partendo dal concetto di rendimento.
La seconda si concentra sul metodo di regressione lineare bivariato e multivariato. Gli argomenti verranno introdotti partendo dal concetto di event study, utilizzando la regressione lineare per spiegare la magnitudine degli eccessi di rendimento.
La terza parte si concentra  sull’analisi delle serie storiche partendo dalla predittività dei rendimenti, introducendo le nozioni di previsione, di non-stazionarietà, e di clusterizzazione della volatilità.
La quarta parte presenta la modellizzazione per variabili dipendenti qualitative e il concetto di classificazione, partendo dalla probabilità di default.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Il corso fornisce gli strumenti necessari per implementare una corretta analisi econometrica  di cross-section e serie storiche economiche.
L'utilizzo di dati reali e del software MatLab, licenza disponibile per gli studenti sul portale dell'università, sono parte integrante del corso ed oggetto di tutte le esercitazioni.
Tra le finalità del corso rientrano pertanto la capacità di reperire dataset di natura economico/finanziaria e di analizzarli.

AUTONOMIA DI GIUDIZIO:
Al termine del corso gli studenti saranno capaci, partendo dai dati correttamente pre-trattati,  di darne adeguata rappresentazione grafica, di formulare ipotesi e di testarle. 
Riusciranno a costruire/stimare un modello di regressione lineare e testarne la bontà.
Sapranno  modellizzare serie storiche economiche/finanziarie, stazionarie e non-stazionarie, e interpretare le previsioni fornite dal modello.
Infine sapranno interpretare il concetto di cluster e comprendere i risultati/previsioni per modelli con variabili dipendenti qualitative.

ABILITÀ COMUNICATIVE:
Il corso fornirà gli strumenti per utilizzare i dati al fine di estrarre indicazioni su un fenomeno  e comunicarle efficacemente.
In particolare, lo studente sarà capace di produrre e  presentare chiaramente le varie fasi dell’analisi: la presentazione del quesito, la descrizione del dataset utilizzato,  la rappresentazione grafica dei dati, la motivazione delle metodologie scelte per condurre l’analisi, la stima e la previsione del modello selezionato.

CAPACITÀ DI APPRENDIMENTO:
Il corso consente allo studente di acquisire una maggiore capacità operativa in termini di analisi esplorativa dei dati e modellizzazione.
Tali capacità  saranno funzionali alla stesura dell’elaborato di tesi finale e in ambito lavorativo.