MODELLI STATISTICI PER LA FINANZA

183179

Attivita' formativa monodisciplinare

Scheda dell'insegnamento

Codice dell'attivita' formativa:

LM57006

Anno accademico di regolamento:

2020

Anno di erogazione:

2020/2021

Tipologia di insegnamento:

Caratterizzante

Afferenza:

Corso di Laurea Magistrale in MANAGEMENT, FINANZA E SVILUPPO

Settore disciplinare:

STATISTICA (SECS-S/01)

Sede:

PESCARA

Crediti:

Anno di corso:

Docenti:

GATTONE Stefano Antonio

Ciclo:

Secondo Semestre

Ore di attivita' frontale:

Ore di studio individuale:

153

Prerequisiti:

Prerequisiti matematici e statistici corrispondenti ad un laureato triennale in discipline economiche.

Obiettivi formativi e risultati di apprendimento attesi

L’insegnamento persegue l’obiettivo generale del corso di studio di fornire conoscenze e competenze per funzioni esecutive nell’area economico-finanziaria di aziende e/o enti pubblici. Il corso si propone di fornire gli strumenti matematici, statistici e computazionali necessari per risolvere problemi di tipo finanziario, con particolare riferimento al pricing e al risk management. Accanto alla studio delle metodologie sarà dato ampio spazio alle applicazioni e agli aspetti operativi con utilizzo del software statistico R. Al termine dell’insegnamento lo studente dovrà possedere conoscenze e competenze inerenti l’analisi di dati economici e finanziari osservati nel tempo e, inoltre, essere in grado di stimare ed utilizzare modelli per serie finanziarie.
Il corso si propone di trasmettere le seguenti competenze e conoscenze:
CONOSCENZE E CAPACITà DI COMPRENSIONE
conosce i principi che sono alla base del modello di regression lineare multiplo
conosce e comprende la logica alla base dell’analisi classica delle serie storiche
conosce e comprende la logica alla base dell’analisi moderna delle serie storiche

Il corso di propone di trasmettere le seguenti competenze e consocenze in termini di obiettivi particolari:
CONOSCENZE E CAPACITA' DI COMPRENSIONE (applicata)
misura tramite l’analisi della regressione lineare multipla l’effetto di una o pìù variabili esplicative su una variabile risposta
applica metodi di stima su dati campionari per fare inferenza sui parametri del modello di regressione lineare multiplo
applica i metodi di decomposizione delle serie storiche ai fini dell’indiduazione del trend e della stagionalità
applica metodi di stima per l’individuazione del processo generatore di serie temporali e utilizza lo stesso per fini previsionali
AUTONOMIA DI GIUDIZIO:
- decide in modo autonomo quali strumenti utilizzare e quali analisi effettuare per descrivere le relazioni in un dataset composto da più variabili
- decide in modo autonomo quali strumenti utilizzare e quali analisi effettuare per poter descrivere, interporale e fare previsioni su serie temporali
ABILITA' COMUNICATIVE:
- utilizza il linguaggio statistico in modo appropriato e pertinente;
- comunica in forma scritta e orale i risultati delle analisi statistiche e i ragionamenti logici sottostanti.

CAPACITÀ DI APPRENDERE
- effettua ricerche individuali e di gruppo su aspetti specifici della disciplina
(strumenti utilizzati: dispense, testi di approfondimento, esercitazioni di gruppo, laboratori)

Inglese:

Have a good knowledge of mathematical, statistical and computational tools to solve financial problems with an emphasis on pricing and risk management.
The ability to estimate and use financial time series models with the R software.

Contenuti

1. Richiami di statistica inferenziale e del modello di regressione
2. Richiami di R
3. Processi stocastici. Correlogramma. Random walk. Moto browniano.
4. Stazionarietà. White-noise. Funzione di autocorrelazione globale e parziale. Processi Autoregressivi e Media Mobile ARMA.
5. Misura e analisi della volatilità: modelli di eteroschedasticità condizionata. Modelli ARCH e GARCH.

Inglese:

1. Review of basic concepts of statistical inference. Review of the linear regression model.
2. Introduction to R
3. Stochastic processes. Correlogram. Random walk. Brownian motion.
4. Stationarity. White noise. The autocorrelation function. Autoregressive Moving Averages Models.
5. Modelling of volatility with conditional heteroschedastic models: ARCH and GARCH.

Programma esteso

1. Richiami di statistica inferenziale e del modello di regressione.
2. Richiami di R.
3. Processi stocastici. Correlogramma. Random walk. Moto browniano.
4. Stazionarietà. White-noise. Funzione di autocorrelazione globale e parziale. Processi Autoregressivi e Media Mobile ARMA.
5. Misura e analisi della volatilità: modelli di eteroschedasticità condizionata. Modelli ARCH e GARCH.

Inglese:

1. Review of basic concepts of statistical inference. Review of the linear regression model.
2. Introduction to R.
3. Stochastic processes. Correlogram. Random walk. Brownian motion.
4. Stationarity. White noise. The autocorrelation function. Autoregressive Moving Averages Models.
5. Modelling of volatility with conditionl heteroschedastic models: ARCH and GARCH.

Bibliografia consigliata

Gallo, G. M., Pacini, B., Metodi quantitativi per i mercati finanziari, Carocci, Roma, 2013 (VII Ristampa).
Di Fonzo, T., Lisi F., Serie storiche economiche, Carocci, 2012.

Inglese:

Gallo, G. M., Pacini, B., Metodi quantitativi per i mercati finanziari, Carocci, Roma, 2013 (VII Ristampa).
Di Fonzo, T., Lisi F., Serie storiche economiche, Carocci, 2012.

Metodi didattici

L’insegnamento prevede 72 ore di lezione suddivise in 3 lezioni settimanali da 2 ore. Il corso è organizzato in moduli con l’utilizzo dei seguenti metodi didattici: lezioni frontali in aula, esercitazioni e analisi di casi di studio svolte in aula multimediale mediante l’utilizzo del sotware statistico R. La frequenza è fortemente consigliata.

Classes and recitations
R tutorials

Metodi di valutazione

Tipo di esame:

Orale

Modalita' di verifica dell'apprendimento:

Il corso è suddiviso in due moduli. Al termine di ciascun modulo ci sarà una prova scritta per la verifica dell’apprendimento. La prova scritta dura 2 ore ed è costituita da esercizi e da domande teoriche (domande aperte) su argomenti che coprono l'intero programma del corso. Gli studenti dovranno dimostrare di essere in grado di leggere gli output del software statistico R, ricavare i modelli stimati e fornire l’interpretazione dei risultati ottenuti. Le modalità d’esame sono le medesime per frequentanti e non frequentanti.

Inglese:

Written exam.

Valutazione:

Voto Finale

Periodo didattico

Secondo Semestre

Contatti/Altre informazioni

Tutte le informazioni inerenti il corso, le dispense e i materiali di supporto (Slides, esercitazioni, routine in R, datasets) e tutte le comunicazioni avverranno attraverso la pagina e-learning https://elearning.unich.it/
Qualora il quadro normativo-sanitario e le disposizioni d'Ateneo lo prevedessero, le attività didattiche e i connessi ricevimenti/gli esami di profitto
potranno svolgersi in modalità telematica (totale o parziale). Per ogni ulteriore informazione e aggiornamento si rinvia alla consultazione del portale d'Ateneo.

Inglese:

Additional material for exam preparation (Slides, recitations, R routines, datasets) is available on the e-learning platform at https://elearning.unich.it/
If Health Laws and University regulations allow, teaching activities, teachers office hours’, and exams may take place online (in whole or in part).
For any further information and updates, please refer to the University website.

MODELLI STATISTICI PER LA FINANZA

Anno di corso: 1

Anno di corso: 2

Scopri cosa vuol dire essere dell'Ud'A