Aggiornato A.A. 2018-2019
Programma del corso
1 – Richiami di probabilità e statistica inferenziale
Principali distribuzioni (Bernoulli, Binomiale, Normale, Chi quadro, t-Student, F). Stimatori. Intervalli di confidenza. Test di Ipotesi.
2 – Modello di regressione lineare
Il modello di regressione lineare e la stima a minimi quadrati
Proprietà degli stimatori dei minimi quadrati
Intervalli di confidenza e verifiche di ipotesi per i parametri
La previsione nel modello di regressione lineare
3 – Modelli per serie storiche stazionarie
Introduzione alle serie storiche: Modelli a media mobile (MA), Modelli autoregressivi (AR), modelli ARMA.
Procedura di Box-Jenkins
4 – Modelli per serie storiche non stazionarie
Non Stazionarietà: definizione, Test ADF, break strutturali, test di Phillips Perron Modelli ARIMA
5 – Serie storiche multivariate
Introduzione ai VAR – Vector Auto Regression Models
Stima ed identificazione
Funzioni di risposta all’impulso
Identificazione dei VAR
6 – Cointegrazione e VECM
Cointegrazione e trend comuni
Test di cointegrazione: test di Engle – Granger, test di Johansen
Modelli a correzione dell’errore
Materiale di studio
Il corso sarà basato sui seguenti libri di testo:
• Serie Storiche Economiche (ed. 2005), di Tommaso Di Fonzo e Francesco Lisi, Carrocci Editore.
• • Introductory Econometrics for Finance, (3rd Edition), di Cris Brooks, Cambridge.
Le slides del corso ed eventuale materiale aggiuntivo saranno resi disponibili sul sito del corso, alla pagina Materiale Didattico.
Il software utilizzato è disponibile qui: http://gretl.sourceforge.net/
Modalità di esame
L’esame consiste in una prova scritta, che verterà su tutto il programma trattato. La struttura dell’esame include domande teoriche, sia aperte sia a risposta multipla, esercizi ed applicazioni degli strumenti acquisiti tramite il software GRETL.
Ulteriori informazioni
• Non è prevista una prova intermedia.
• L’esame scritto può essere sostenuto solo una volta per sessione. In altre parole, studenti che non hanno superato la prova scritta o che rifiutano il voto non potranno risostenere l’esame durante la medesima sessione.
Finalità del corso (quali conoscenze lo studente acquisisce secondo i 5 descrittori di Dublino)
Conoscenza e capacità di comprensione
Il corso fornisce i fondamenti teorici delle analisi statistiche ed econometriche applicate in particolare alle serie storiche economiche. Il corso sarà strutturato in due parti. Nella prima si richiameranno dapprima i fondamenti di probabilità e dell’analisi inferenziale, per poi analizzare in dettaglio i modelli di regressione lineare semplice e multipla – quest’ultima nella sua forma matriciale – trattandone in dettaglio le principali assunzioni e proprietà. 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 capacità di comprensione
Il corso fornisce gli strumenti necessari per implementare una corretta analisi econometrica delle serie storiche economiche.
L’utilizzo di dati reali (fonte Eurostat, NBER, ect…) e del software GRETL, gratuito ed open source, 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 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 o più variabili.
Autonomia di giudizio
Al termine del corso gli studenti saranno in grado di formulare ipotesi 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.
Capacità di apprendere
Il corso consente allo studente di acquisire una maggiore capacità operativa in termini di reperimento dei dati e di corretta modellizzazione delle serie storiche economiche. Tali capacità, oltre ad essere strettamente utili per il superamento degli esami quantitativi futuri previsti dal corso di studio, sono più in generale funzionali a tutte le successive fasi di studio, inclusa quella della stesura dell’elaborato di tesi finale. Si tratta inoltre di capacità particolarmente apprezzate nel mondo del lavoro e che consentiranno agli studenti di interpretare e valutare in più autonomia le modellizzazioni statistiche che vengono sempre più frequentemente fornite dalle varie fonti di informazione.
Prof.ssa Lucia Leonelli
