Syllabus
Updated A.Y. 2026-2027
Updated A.Y. 2026-2027
LEARNING OUTCOMES: The course provides the fundamental theoretical notions of the statistical analysis and illustrates the basic techniques for organizing, summarizing and graphically representing ungrouped data. Basics of statistical inference and correlation analysis (ANOVA, linear and multiple regression model) will also be illustrated.
KNOWLEDGE AND UNDERSTANDING: The students remember and understand thefundamental theoretical notions of the analysis of any type of statistical data, including summarizing, organizing and graphically representing the data with the most suitable measures and graphs. They will also be able to formulate and conduct simple hypothesis testing and to set basic regression analysis on small datasets.
APPLYING KNOWLEDGE AND UNDERSTANDING: The students will be able to produce and interpret basic statistical analyses. The use of examples based on real data (taken from Bank of Italy, Eurostat, Istat, NBER, etc… ) is focal throughout the entire course. The objectives of the course, thus, include the ability of recognizing the different types of data (cross-section, time-series, panel) and their peculiarities, the ability of producing descriptive
statistics and suitable graphical representations, the ability of remembering and understanding the basics of statistical inference as well as of conducting a correct correlation analysis, via the estimation of linear regression models.
MAKING JUDGEMENTS: The students will be able to autonomously evaluate which, among the several statistical tools acquired, is the most appropriate for the problem at hand. They will be able to formulate statistical hypotheses and to test them with suitable data, properly found among the tons of data available to date. Finally, they will be able to set up a linear regression analysis, evaluating the reliability and suitability of the model based on the estimation output.
COMMUNICATION SKILLS: The students will be able to use data to get indications about economic phenomena and to effectively summarize and communicate them, also via e.g. graphical representations. Moreover, they will be able to produce short reports describing the research question, the statistical hypotheses to be tested, the dataset used (highlighting the nature of the dataset, potential outliers, ect) and the statistical tools used for the
analysis. They will also be able to produce, interpret, evaluate and compare linear regression models.
LEARNING SKILLS: The course endows the students with an operative ability in terms of data retrieval and analysis of data, which is functional to the following courses and appreciated by the labour market. Moreover, it will allow students to evaluate and interpret more independently and effectively the numerous statistics daily provided by all types of media.
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sulle serie storiche,
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
Learning Objectives
LEARNING OUTCOMES: The objective of this module is to introduce
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
GIANLUCA CUBADDA
Prerequisiti
Studenti della LM in Economics: Time Series
Studenti della LM in Finance & Banking: Time Series and Econometrics
Studenti della LM in Finance & Banking: Time Series and Econometrics
Prerequisites
LM in Economics students: Time Series
LM in Finance & Banking students: Time Series and Econometrics
LM in Finance & Banking students: Time Series and Econometrics
Programma
1) Modelli dinamici uniequazionali; modelli fattoriali dinamici (prima settimana).
2) Regolarizzazione per modelli dinamici ad alta dimensionalità; metodi di riduzione della dimensione (seconda settimana)
3) Applicazioni in macroeconomia e finanza; previsione economico-finanziaria (terza settimana).
2) Regolarizzazione per modelli dinamici ad alta dimensionalità; metodi di riduzione della dimensione (seconda settimana)
3) Applicazioni in macroeconomia e finanza; previsione economico-finanziaria (terza settimana).
Program
1) Single equation dynamic models; Dynamic factor models (first week);
2) Regularization for large dynamic regression models; dimension reduction methods (second week).
3) Applications in macroeconomics and finance; Economic and financial forecasting (third week).
2) Regularization for large dynamic regression models; dimension reduction methods (second week).
3) Applications in macroeconomics and finance; Economic and financial forecasting (third week).
Testi Adottati
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Books
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Bibliografia
I lucidi del corso, alcuni articoli scientifici e routine di calcolo saranno disponibili nella pagina Teams del corso.
Bibliography
The slides of the course, as well as some papers and computational routines, will be available in the course Teams page.
Modalità di svolgimento
Ogni argomento del corso sarà trattato in aula sia in una prospettiva teorica che applicata. Gli studenti saranno stimolati ad una partecipazione attiva e vivace alle lezioni.
Teaching methods
Each topic of the course will be covered in class both in a theoretical and in an empirical perspective. Students will be stimulated to an active and lively participation at the lessons.
Regolamento Esame
La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.
Exam Rules
The final exam is a written exam. Questions will potentially cover all the topics of the course and will be of both theoretical and applied nature. The main goal of the exam is to evaluate both the theoretical knowledge of the methods taught in the course and the student's ability to use them for the empirical analysis of economic and financial phenomena.
The exam cannot be taken twice during the winter session.
The criteria underlying the evaluation of the final exam are the following:
o 18-20: barely sufficient knowledge and understanding of the topics with possible imperfections; sufficient capacity for analysis, synthesis and autonomy of judgement.
o 21-23: Routine knowledge and understanding of the topics; Correct analysis and synthesis skills with coherent logical argumentation.
o 24-26: Fair knowledge and understanding of the topics; good capacity for analysis and synthesis with rigorously expressed arguments.
o 27-29: Comprehensive knowledge and understanding of the topics; Considerable ability to analyze, synthesize. Good autonomy of judgement.
o 30-30L: Excellent level of knowledge and understanding of the topics. Remarkable analytical and synthetic skills and independent judgement. Arguments expressed in an original manner.
The exam cannot be taken twice during the winter session.
The criteria underlying the evaluation of the final exam are the following:
o 18-20: barely sufficient knowledge and understanding of the topics with possible imperfections; sufficient capacity for analysis, synthesis and autonomy of judgement.
o 21-23: Routine knowledge and understanding of the topics; Correct analysis and synthesis skills with coherent logical argumentation.
o 24-26: Fair knowledge and understanding of the topics; good capacity for analysis and synthesis with rigorously expressed arguments.
o 27-29: Comprehensive knowledge and understanding of the topics; Considerable ability to analyze, synthesize. Good autonomy of judgement.
o 30-30L: Excellent level of knowledge and understanding of the topics. Remarkable analytical and synthetic skills and independent judgement. Arguments expressed in an original manner.
Modalità di frequenza
Benché la frequenza non sia ufficialmente obbligatoria per ragioni burocratiche, è considerata di primaria importanza per la piena comprensione della materia.
Attendance Rules
Although class attendance is not formally compulsory for bureaucratic reasons, it is considered of primary importance for a sound understanding of the subject.
STEFANO GRASSI
Programma
1. Introduzione
• Ripasso delle serie storiche.
2. Teoria del filtraggio Parte 1
• Filtri lineari
3. Teoria del filtraggio Parte 2
• State-space form
• Kalman filter ed Smoother
• Esempi economici
4. Stima
• Stima di massima verosimiglianza
• Stima Bayesiana
• DSGE. Time Varying Parameters VAR.
• Ripasso delle serie storiche.
2. Teoria del filtraggio Parte 1
• Filtri lineari
3. Teoria del filtraggio Parte 2
• State-space form
• Kalman filter ed Smoother
• Esempi economici
4. Stima
• Stima di massima verosimiglianza
• Stima Bayesiana
• DSGE. Time Varying Parameters VAR.
Program
1. Introduction
• General review of time series models.
2. Filtering theory Part 1
• Linear filters
3. Filtering theory Part 2
• State-space form
• Kalman filter and Smoother
• Some economic examples
4. Estimation
• Maximum likelihood
• Bayesian estimation
• DSGE. Time Varying Parameters VAR.
• General review of time series models.
2. Filtering theory Part 1
• Linear filters
3. Filtering theory Part 2
• State-space form
• Kalman filter and Smoother
• Some economic examples
4. Estimation
• Maximum likelihood
• Bayesian estimation
• DSGE. Time Varying Parameters VAR.
Testi Adottati
• Durbin, J., and Koopman, S.J. (2001), Time Series Analysis by State Space Methods, Oxford University Press, Oxford, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
Books
• Durbin, J., and Koopman, S.J. (2001), Time Series Analysis by State Space Methods, Oxford University Press, Oxford, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
Regolamento Esame
La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.
Exam Rules
The final evaluation is a written examination. Questions will potentially cover all the topics of the course and will be of both theoretical and applied nature. The main goal of the exam is to evaluate both the theoretical knowledge of the methods taught in the course and the student's ability to use them for the empirical analysis of economic and financial phenomena.
The exam cannot be taken twice in the winter session.
The criteria underlying the evaluation of the final exam are the following:
o 18-20: barely sufficient knowledge and understanding of the topics with possible imperfections; sufficient capacity for analysis, synthesis and autonomy of judgement.
o 21-23: Routine knowledge and understanding of the topics; Correct analysis and synthesis skills with coherent logical argumentation.
o 24-26: Fair knowledge and understanding of the topics; good capacity for analysis and synthesis with rigorously expressed arguments.
o 27-29: Comprehensive knowledge and understanding of the topics; Considerable ability to analyze, synthesize. Good autonomy of judgement.
o 30-30L: Excellent level of knowledge and understanding of the topics. Remarkable analytical and synthetic skills and independent judgement. Arguments expressed in an original manner.
The exam cannot be taken twice in the winter session.
The criteria underlying the evaluation of the final exam are the following:
o 18-20: barely sufficient knowledge and understanding of the topics with possible imperfections; sufficient capacity for analysis, synthesis and autonomy of judgement.
o 21-23: Routine knowledge and understanding of the topics; Correct analysis and synthesis skills with coherent logical argumentation.
o 24-26: Fair knowledge and understanding of the topics; good capacity for analysis and synthesis with rigorously expressed arguments.
o 27-29: Comprehensive knowledge and understanding of the topics; Considerable ability to analyze, synthesize. Good autonomy of judgement.
o 30-30L: Excellent level of knowledge and understanding of the topics. Remarkable analytical and synthetic skills and independent judgement. Arguments expressed in an original manner.
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sulle serie storiche,
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
Learning Objectives
LEARNING OUTCOMES: The objective of this module is to introduce
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
GIANLUCA CUBADDA
Prerequisiti
Studenti della LM in Economics: Time Series
Studenti della LM in Finance & Banking: Time Series and Econometrics
Studenti della LM in Finance & Banking: Time Series and Econometrics
Prerequisites
LM in Economics students: Time Series
LM in Finance & Banking students: Time Series and Econometrics
LM in Finance & Banking students: Time Series and Econometrics
Programma
1) Modelli dinamici uniequazionali; modelli fattoriali dinamici (prima settimana).
2) Regolarizzazione per modelli dinamici ad alta dimensionalità; metodi di riduzione della dimensione (seconda settimana)
3) Applicazioni in macroeconomia e finanza; previsione economico-finanziaria (terza settimana).
2) Regolarizzazione per modelli dinamici ad alta dimensionalità; metodi di riduzione della dimensione (seconda settimana)
3) Applicazioni in macroeconomia e finanza; previsione economico-finanziaria (terza settimana).
Program
1) Single equation dynamic models; Dynamic factor models (first week);
2) Regularization for large dynamic regression models; dimension reduction methods (second week).
3) Applications in macroeconomics and finance; Economic and financial forecasting (third week).
2) Regularization for large dynamic regression models; dimension reduction methods (second week).
3) Applications in macroeconomics and finance; Economic and financial forecasting (third week).
Testi Adottati
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Books
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Bibliografia
I lucidi del corso, alcuni articoli scientifici e routine di calcolo saranno disponibili nella pagina Teams del corso.
Bibliography
The slides of the course, as well as some papers and computational routines, will be available in the course Teams page.
Modalità di svolgimento
Ogni argomento del corso sarà trattato in aula sia in una prospettiva teorica che applicata. Gli studenti saranno stimolati ad una partecipazione attiva e vivace alle lezioni.
Teaching methods
Each topic of the course will be covered in class both in a theoretical and in an empirical perspective. Students will be stimulated to an active and lively participation at the lessons.
Regolamento Esame
La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova non può essere sostenuta due volte nella sessione invernale.
Exam Rules
The final evaluation is a written examination. Questions will potentially cover all the topics of the course and will be of both theoretical and applied nature. The main goal of the exam is to evaluate both the theoretical knowledge of the methods taught in the course and the student's ability to use them for the empirical analysis of economic and financial phenomena.
The exam cannot be taken twice in the winter session.
The exam cannot be taken twice in the winter session.
Modalità di frequenza
Benché la frequenza non sia ufficialmente obbligatoria per ragioni burocratiche, è considerata di primaria importanza per la piena comprensione della materia.
Attendance Rules
Although class attendance is not formally compulsory for bureaucratic reasons, it is considered of primary importance for a sound understanding of the subject.
STEFANO GRASSI
Programma
1. Introduzione
• Ripasso delle serie storiche.
2. Teoria del filtraggio Parte 1
• Filtri lineari
3. Teoria del filtraggio Parte 2
• State-space form
• Kalman filter ed Smoother
• Esempi economici
4. Stima
• Stima di massima verosimiglianza
• Stima Bayesiana
• DSGE. Time Varying Parameters VAR.
• Ripasso delle serie storiche.
2. Teoria del filtraggio Parte 1
• Filtri lineari
3. Teoria del filtraggio Parte 2
• State-space form
• Kalman filter ed Smoother
• Esempi economici
4. Stima
• Stima di massima verosimiglianza
• Stima Bayesiana
• DSGE. Time Varying Parameters VAR.
Program
1. Introduction
• General review of time series models.
2. Filtering theory Part 1
• Linear filters
3. Filtering theory Part 2
• State-space form
• Kalman filter and Smoother
• Some economic examples
4. Estimation
• Maximum likelihood
• Bayesian estimation
• DSGE. Time Varying Parameters VAR.
• General review of time series models.
2. Filtering theory Part 1
• Linear filters
3. Filtering theory Part 2
• State-space form
• Kalman filter and Smoother
• Some economic examples
4. Estimation
• Maximum likelihood
• Bayesian estimation
• DSGE. Time Varying Parameters VAR.
Testi Adottati
• Durbin, J., and Koopman, S.J. (2001), Time Series Analysis by State Space Methods, Oxford University Press, Oxford, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
Books
• Durbin, J., and Koopman, S.J. (2001), Time Series Analysis by State Space Methods, Oxford University Press, Oxford, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
• Harvey, A.C. (1989), Forecasting, Structural Time Series and the Kalman Filter, Cambridge University Press, Cambridge, UK.
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sulle serie storiche,
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
Learning Objectives
LEARNING OUTCOMES: The objective of this module is to introduce
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
GIANLUCA CUBADDA
Prerequisiti
Studenti della LM in Economics: Time Series
Studenti della LM in Finance & Banking: Time Series and Econometrics
Studenti della LM in Finance & Banking: Time Series and Econometrics
Prerequisites
LM in Economics students: Time Series
LM in Finance & Banking students: Time Series and Econometrics
LM in Finance & Banking students: Time Series and Econometrics
Programma
Modelli dinamici uniequazionali
Modelli fattoriali dinamici
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Previsione economico-finanziaria
Modelli fattoriali dinamici
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Previsione economico-finanziaria
Program
Single equation dynamic models
Dynamic factor models
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance
Economic and financial forecasting
Dynamic factor models
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance
Economic and financial forecasting
Testi Adottati
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Books
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Bibliografia
I lucidi del corso, alcuni articoli scientifici e routine di calcolo saranno disponibili nella pagina Teams del corso.
Bibliography
The slides of the course, as well as some papers and computational routines, will be available in the course Teams page.
Modalità di svolgimento
Ogni argomento del corso sarà trattato in aula sia in una prospettiva teorica che applicata. Gli studenti saranno stimolati ad una partecipazione attiva e vivace alle lezioni.
Teaching methods
Ogni argomento del corso sarà trattato in aula sia in una prospettiva teorica che applicata. Gli studenti saranno stimolati ad una partecipazione attiva e vivace alle lezioni.
Regolamento Esame
La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova non può essere sostenuta due volte nella sessione invernale.
Exam Rules
The final evaluation is a written examination. Questions will potentially cover all the topics of the course and will be of both theoretical and applied nature. The main goal of the exam is to evaluate both the theoretical knowledge of the methods taught in the course and the student's ability to use them for the empirical analysis of economic and financial phenomena.
The exam cannot be taken twice in the winter session.
The exam cannot be taken twice in the winter session.
Modalità di frequenza
Benché la frequenza non sia ufficialmente obbligatoria per ragioni burocratiche, è considerata di primaria importanza per la piena comprensione della materia.
Attendance Rules
Although class attendance is not formally compulsory for bureaucratic reasons, it is considered of primary importance for a sound understanding of the subject.
STEFANO GRASSI
Teaching methods
Each topic of the course will be covered in class both in a theoretical and in an empirical perspective. Students will be stimulated to an active and lively participation at the lessons.
EN
IT
Obiettivi Formativi
OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sulle serie storiche,
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno
dati durante le lezioni.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.
AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.
ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.
Learning Objectives
LEARNING OUTCOMES: The objective of this module is to introduce
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for
Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
students to advanced topics in time series analysis to enhance independent research. Examples of active topic of research will be provided during the lectures.
KNOWLEDGE AND UNDERSTANDING:
Thee course provides the students with the theoretical and practical undergrounds of advance time series analyses, for
Macro and Financial time series.
APPLYING KNOWLEDGE AND UNDERSTANDING:The students will be able to produce
and interpret advance statistical analyses.
MAKING JUDGEMENTS: Students will gain the ability to make judgments about implications of the statistical results for the issue at hand.
COMMUNICATION SKILLS: Students will be able to present and communicate effectively the results of the empirical analyses on time series data.
LEARNING SKILLS: Students will have the ability to develop and increase their skills through the consultation of the published scientific literature and the use of databases and other information.
GIANLUCA CUBADDA
Prerequisiti
Studenti della LM in Economics: Time Series
Studenti della LM in Finance & Banking: Time Series and Econometrics
Studenti della LM in Finance & Banking: Time Series and Econometrics
Prerequisites
LM in Economics students: Time Series
LM in Finance & Banking students: Time Series and Econometrics
LM in Finance & Banking students: Time Series and Econometrics
Programma
Modelli fattoriali dinamici
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Teoria del filtraggio
Modelli State space
Stima Bayesiana
VAR Bayesiani
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Teoria del filtraggio
Modelli State space
Stima Bayesiana
VAR Bayesiani
Program
Dynamic factor models
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance
Filtering theory
State space models
Bayesian Estimation
Bayesian VAR
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance
Filtering theory
State space models
Bayesian Estimation
Bayesian VAR
Testi Adottati
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Books
Peña, D, and Tsay, R.S. (2021), Statistical learning for big dependent data, Wiley. New York.
Bibliografia
I lucidi del corso, alcuni articoli scientifici e routine di calcolo saranno disponibili nella pagina WEB del corso.
Bibliography
The slides of the course, as well as some papers and computational routines, will be available in the course WEB page.
Modalità di svolgimento
Ogni argomento del corso sarà trattato in aula sia in una prospettiva teorica che applicata. Gli studenti saranno stimolati ad una partecipazione attiva e vivace alle lezioni.
Teaching methods
Each topic of the course will be covered in class both in a theoretical and in an empirical perspective. Students will be stimulated to an active and lively participation at the lessons.
Regolamento Esame
La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
Exam Rules
The final evaluation is a written examination. Questions will potentially cover all the topics of the course and will be of both theoretical and applied nature. The main goal of the exam is to evaluate both the theoretical knowledge of the methods taught in the course and the student's ability to use them for the empirical analysis of economic and financial phenomena.
Modalità di frequenza
In presenza.
Attendance Rules
In class.
STEFANO GRASSI
Programma
Modelli fattoriali dinamici
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Regolarizzazione per modelli dinamici ad alta dimensionalità
Metodi di riduzione della dimensione
Applicazioni in macroeconomia e finanza
Program
Dynamic factor models
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance.
Regularization for large dynamic regression models
Dimension reduction methods
Applications in macroeconomics and finance.
Modalità di svolgimento
Si veda la pagina WEB del corso.
Teaching methods
See the course WEB page.
Regolamento Esame
Si veda la pagina WEB del corso.
Exam Rules
See the course WEB page.
Modalità di frequenza
Si veda la pagina WEB del corso.
Attendance Rules
See the course WEB page.