METODI QUANTITATIVI PER LA FINANZA
Syllabus
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI: Dopo aver seguito il corso, gli studenti saranno in grado di condurre un'analisi econometrica completa e corretta su dati cross-section e serie storiche. In particolare, saranno in grado di scaricare/ottenere i dati individuandone le fonti più appropriate, riconoscerne le peculiarità, quali eteroschedasticità, autocorrelazione, non-stazionarietà e cointegrazione, e modellarle di conseguenza. La preparazione teorica sarà accompagnata da sessioni applicate che prevedono l'ausilio di un software statistico (R, Gretl, Stata).
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso fornisce i fondamenti teorici delle analisi statistiche ed econometriche, con un focus sulle serie storiche economiche. Il corso sarà strutturato in due parti. Nella prima si analizzeranno in dettaglio i modelli di regressione lineare semplice e multipla – quest'ultima nella sua forma matriciale – trattandone in dettaglio le principali assunzioni e proprietà e presentandone i principali test diagnostici. La seconda parte del corso sarà più propriamente focalizzata sull’'analisi delle serie storiche economiche, introducendo le nozioni di autocorrelazione, di non-stazionarietà, e di cointegrazione, analizzandone le conseguenze in termini di stima e illustrando le strategie necessarie per tenerne conto nelle analisi di regressione e di previsione.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Il corso fornisce gli strumenti necessari per implementare una corretta analisi econometrica di dati cross-section e delle serie storiche economiche.
L’'utilizzo di dati reali (fonte Eurostat, NBER, ect...) tramite software statistico è parte integrante del corso ed oggetto di tutte le esercitazioni. Tra le finalità del corso rientrano pertanto la capacità di reperire dataset di natura economica (in particolare serie storiche) e di analizzarli in modelli di regressione adeguati, individuandone eventuali peculiarità, quali la presenza di osservazioni anomale, di autocorrelazione, di non-stazionarietà o cointegrazione tra due variabili.
AUTONOMIA DI GIUDIZIO: Al termine del corso gli studenti saranno in grado di formulare ipotesi di natura economica e di testarle con l’ausilio dei dati più appropriati, reperendoli dalle giuste fonti disponibili. Sapranno valutare quale modello applicare per la modellizzazione di serie storiche economiche di tipo diverso. Infine, saranno in grado di valutare la bontà di un’analisi di regressione in termini di diagnostica del modello e di validità interna ed esterna. Saranno inoltre capaci di interpretare e valutare le previsioni fornite dal modello.
ABILITÀ COMUNICATIVE: Tramite gli strumenti forniti dal corso, gli studenti saranno in grado di utilizzare i dati per estrarre indicazioni su un fenomeno (di natura prevalentemente economica) e comunicarle efficacemente. In particolare, agli studenti verrà chiesto di presentare chiaramente le varie fasi dell’analisi, dalla presentazione del quesito in analisi e delle ipotesi sotto test, alla descrizione del dataset utilizzato, sottolineandone eventuali peculiarità (es. osservazioni anomale, particolare natura dei dati, etc.), all’illustrazione e motivazione delle metodologie scelte per condurre l’analisi. Al termine del corso lo studente sarà inoltre in grado di produrre (nonché di leggere ed interpretare) tavole di statistiche descrittive e rappresentazioni grafiche utili alla dimostrazione della tesi. Infine, rientra tra gli obiettivi del corso la capacità di produrre in formato tabulare stime di vari modelli di regressione, al fine di consentirne un rapido e chiaro confronto, nonché di leggere ed interpretare modelli stimati da altri.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso fornisce i fondamenti teorici delle analisi statistiche ed econometriche, con un focus sulle serie storiche economiche. Il corso sarà strutturato in due parti. Nella prima si analizzeranno in dettaglio i modelli di regressione lineare semplice e multipla – quest'ultima nella sua forma matriciale – trattandone in dettaglio le principali assunzioni e proprietà e presentandone i principali test diagnostici. La seconda parte del corso sarà più propriamente focalizzata sull’'analisi delle serie storiche economiche, introducendo le nozioni di autocorrelazione, di non-stazionarietà, e di cointegrazione, analizzandone le conseguenze in termini di stima e illustrando le strategie necessarie per tenerne conto nelle analisi di regressione e di previsione.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Il corso fornisce gli strumenti necessari per implementare una corretta analisi econometrica di dati cross-section e delle serie storiche economiche.
L’'utilizzo di dati reali (fonte Eurostat, NBER, ect...) tramite software statistico è parte integrante del corso ed oggetto di tutte le esercitazioni. Tra le finalità del corso rientrano pertanto la capacità di reperire dataset di natura economica (in particolare serie storiche) e di analizzarli in modelli di regressione adeguati, individuandone eventuali peculiarità, quali la presenza di osservazioni anomale, di autocorrelazione, di non-stazionarietà o cointegrazione tra due variabili.
AUTONOMIA DI GIUDIZIO: Al termine del corso gli studenti saranno in grado di formulare ipotesi di natura economica e di testarle con l’ausilio dei dati più appropriati, reperendoli dalle giuste fonti disponibili. Sapranno valutare quale modello applicare per la modellizzazione di serie storiche economiche di tipo diverso. Infine, saranno in grado di valutare la bontà di un’analisi di regressione in termini di diagnostica del modello e di validità interna ed esterna. Saranno inoltre capaci di interpretare e valutare le previsioni fornite dal modello.
ABILITÀ COMUNICATIVE: Tramite gli strumenti forniti dal corso, gli studenti saranno in grado di utilizzare i dati per estrarre indicazioni su un fenomeno (di natura prevalentemente economica) e comunicarle efficacemente. In particolare, agli studenti verrà chiesto di presentare chiaramente le varie fasi dell’analisi, dalla presentazione del quesito in analisi e delle ipotesi sotto test, alla descrizione del dataset utilizzato, sottolineandone eventuali peculiarità (es. osservazioni anomale, particolare natura dei dati, etc.), all’illustrazione e motivazione delle metodologie scelte per condurre l’analisi. Al termine del corso lo studente sarà inoltre in grado di produrre (nonché di leggere ed interpretare) tavole di statistiche descrittive e rappresentazioni grafiche utili alla dimostrazione della tesi. Infine, rientra tra gli obiettivi del corso la capacità di produrre in formato tabulare stime di vari modelli di regressione, al fine di consentirne un rapido e chiaro confronto, nonché di leggere ed interpretare modelli stimati da altri.
Prerequisiti
Statistica descrittiva, Cenni di probabilità, Inferenza (nessuna propedeuticità formale)
Programma
1- Revisione dei prerequisiti (6 ore)
Tipi di dati, notazione sulle serie storiche, rendimenti. Cenni di inferenza.
2- Modello di regressione lineare (14 ore)
Il modello di regressione lineare semplice e multipla e la stima a minimi quadrati
Proprietà degli stimatori dei minimi quadrati
Intervalli di confidenza e verifiche di ipotesi per i parametri
Applicazioni ed esempi
3 - Modelli per serie storiche stazionarie (6 ore)
Introduzione alle serie storiche: Modelli a media mobile (MA), Modelli autoregressivi (AR), modelli ARMA.
4 - Modelli per serie storiche non stazionarie (8 ore)
Non Stazionarietà: definizione, Test ADF, break strutturali, test di Phillips Perron, Modelli ARIMA. Procedura di Box-Jenkins.
6 - Cointegrazione (2 ore)
Cointegrazione e trend comuni. Test di cointegrazione di Engle - Granger
Tipi di dati, notazione sulle serie storiche, rendimenti. Cenni di inferenza.
2- Modello di regressione lineare (14 ore)
Il modello di regressione lineare semplice e multipla e la stima a minimi quadrati
Proprietà degli stimatori dei minimi quadrati
Intervalli di confidenza e verifiche di ipotesi per i parametri
Applicazioni ed esempi
3 - Modelli per serie storiche stazionarie (6 ore)
Introduzione alle serie storiche: Modelli a media mobile (MA), Modelli autoregressivi (AR), modelli ARMA.
4 - Modelli per serie storiche non stazionarie (8 ore)
Non Stazionarietà: definizione, Test ADF, break strutturali, test di Phillips Perron, Modelli ARIMA. Procedura di Box-Jenkins.
6 - Cointegrazione (2 ore)
Cointegrazione e trend comuni. Test di cointegrazione di Engle - Granger
Testi Adottati
Introductory Econometrics for Finance, (4th Edition), Cris Brooks, Cambridge.
Le slides del corso ed eventuale materiale aggiuntivo saranno resi disponibili sul sito del corso, alla pagina Materiale Didattico.
Le slides del corso ed eventuale materiale aggiuntivo saranno resi disponibili sul sito del corso, alla pagina Materiale Didattico.
Modalità di svolgimento
Il corso è strutturato su lezioni frontali (3 lezioni settimanali da 2 ore ciascuna) più 2 ore di esercitazioni, per 6 settimane, durante le quali sarà fortemente incentivata la partecipazione attiva degli studenti.
Regolamento Esame
La prova scritta verte su tutto il programma trattato.
La struttura dell’esame include domande, sia aperte sia a risposta multipla, volte a valutare sia la conoscenza delle nozioni teoriche fornite durante il corso sia la capacità di applicarle a dati reali. A tal fine verranno poste delle domande riguardanti anche l'uso del software statistico utilizzato.
La valutazione finale viene espressa in trentesimi e verrà attribuita secondo i seguenti criteri:
Non idoneo (votazione finale inferiore a 18): importanti carenze e/o errori nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
Gli studenti devono prenotarsi tramite sito DELPHI per sostenere lo scritto. Studenti non iscritti non saranno ammessi.
Durante l'esame non sono ammessi materiali quali libro, appunti, biglietti, formulari, etc...
I voti finali saranno registrati direttamente in Delphi. Gli studenti hanno facoltà di rifiutare il voto una volta sola. A partire dal secondo esito, il voto verrà registrato in automatico.
Si ricorda che il sistema di verbalizzazione elettronica richiede l'indicazione dell'esito d'esame per ciascuno degli studenti iscritti all'appello. Per l'accettazione del voto vale la regola del silenzio assenso e la registrazione elettronica non richiede la presenza fisica. Coloro che viceversa intendono rifiutare il voto sono tenuti a farlo tramite Delphi, specificandolo nelle comunicazioni al docente. Si sottolinea che questa appena descritta è L'UNICA MODALITÀ per rifiutare l'esito dell'esame. I messaggi email, via TEAMS o comunicazioni orali alla docente non fanno fede in tal senso.
La struttura dell’esame include domande, sia aperte sia a risposta multipla, volte a valutare sia la conoscenza delle nozioni teoriche fornite durante il corso sia la capacità di applicarle a dati reali. A tal fine verranno poste delle domande riguardanti anche l'uso del software statistico utilizzato.
La valutazione finale viene espressa in trentesimi e verrà attribuita secondo i seguenti criteri:
Non idoneo (votazione finale inferiore a 18): importanti carenze e/o errori nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio, gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato;
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico;
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.
Gli studenti devono prenotarsi tramite sito DELPHI per sostenere lo scritto. Studenti non iscritti non saranno ammessi.
Durante l'esame non sono ammessi materiali quali libro, appunti, biglietti, formulari, etc...
I voti finali saranno registrati direttamente in Delphi. Gli studenti hanno facoltà di rifiutare il voto una volta sola. A partire dal secondo esito, il voto verrà registrato in automatico.
Si ricorda che il sistema di verbalizzazione elettronica richiede l'indicazione dell'esito d'esame per ciascuno degli studenti iscritti all'appello. Per l'accettazione del voto vale la regola del silenzio assenso e la registrazione elettronica non richiede la presenza fisica. Coloro che viceversa intendono rifiutare il voto sono tenuti a farlo tramite Delphi, specificandolo nelle comunicazioni al docente. Si sottolinea che questa appena descritta è L'UNICA MODALITÀ per rifiutare l'esito dell'esame. I messaggi email, via TEAMS o comunicazioni orali alla docente non fanno fede in tal senso.