MODELLI STATISTICI CON APPLICAZIONI FINANZIARIE

Crediti: 
6
Settore scientifico disciplinare: 
STATISTICA ECONOMICA (SECS-S/03)
Anno accademico di offerta: 
2016/2017
Semestre dell'insegnamento: 
Primo Semestre
Lingua di insegnamento: 

italiano

Obiettivi formativi

a) Conoscenza e capacità di comprensione (knowledge and understanding). Il corso estende e completa le competenze quantitative impartite dagli insegnamenti precedenti. In particolare, esso fornisce competenze sulle principali metodologie statistiche per l’analisi dei fenomeni finanziari di svariata natura e approfondisce i problemi di stima dei parametri e selezione diagnostica di un modello statistico. Tali tecniche comprendono: il modello di regressione logistica per il rischio di credito; modelli di Markov lineari e non lineari per serie storiche finanziarie e diagnostiche grafiche. La partecipazione alle attività didattiche, congiuntamente allo svolgimento degli esercizi di corredo, accrescono nello studente la capacità di elaborare, autonomamente, quella tipologia di “dato statistico” che caratterizza la natura del corso di Laurea in Finanza e Risk Management.
b) Capacità di applicare conoscenza e comprensione (applying knowledge and understanding). Alla fine del corso, lo studente sarà in grado di implementare in modo autonomo le tecniche modellistiche avanzate sopra riportate. Lo studente avrà pertanto sviluppato competenze specifiche avanzate, a cui vengono associate capacità critiche di tipo diagnostico, che risultano ingredienti essenziali nella costruzione di un buon modello statistico, tramite l’eventuale ausilio degli adeguati strumenti informatici.
c) Autonomia di giudizio (making judgements). Alla fine del corso, lo studente sarà in grado di svolgere in autonomia tutte le considerazioni riguardanti i problemi finanziari di svariata natura. Inoltre, lo studente sarà in grado di interpretare correttamente i risultati di tali analisi, anche quando effettuate da altri utenti o esperti. Attraverso lo studio dei contenuti del corso, lo studente matura, pertanto, un elevato grado di autonomia finalizzata al corretto giudizio dell’applicazione della tecnica adeguata e l’associata capacità di rielaborare le conoscenze quantitative acquisite, al fine di massimizzare il contenuto informativo rilevante in chiave di risk managment.
d) Abilità comunicative (communication skills). Alla fine del corso, lo studente potrà interagire in modo costruttivo con le figure finanziarie di ogni profilo. La capacità di riassumere le informazioni statistiche di natura complessa, fornendo, in aggiunta, sintesi quantitative efficaci, permette allo studente di contribuire con le proprie considerazioni allo sviluppo e alla stesura dei processi decisionali.
e) Capacità di apprendere (learning skills). Si vuole dare allo studente la possibilità di assimilare i risultati chiave della teoria matematica, statistica e probabilistica che stanno alla base della costruzione di un modello statistico. Al termine del corso, lo studente avrà acquisito le nozioni chiave per poter accuratamente utilizzare gli strumenti quantitativi, qualora questi diventino necessari nella soluzione di problemi concreti di natura finanziaria.

Contenuti dell'insegnamento

Il corso illustra le principali metodologie statistiche e di analisi dei dati di natura finanziaria finalizzati alla gestione del rischio e alle previsioni temporali:
1) Il modello statistico e la funzione verosimiglianza: Modelli parametrici a componenti indipendenti, stimatori di massima verosimiglianza e proprietà asintotiche;
2) Il modello di regressione logistica per il rischio di credito;
3) Modelli lineari per serie storiche, elementi di catene di Markov e processi ARMA per serie stazionarie;
4) Modelli non-lineari: Modelli ARCH(1) e GARCH(1,1) con cenni alle relative generalizzazioni.
5) Cenni agli elementi base analisi tecnica per operazioni di trading borsistico.

La teoria di base, necessaria per comprendere l'utilizzo delle metodologie e per padroneggiarne con consapevolezza i risultati, sarà accompagnata da esercizi in aula, sia di natura probabilistica, sia di natura computazionale tramite i software Excel, R e GRETL.

Bibliografia

1) Bibliografia essenziale per l’esame
Volume preparato dal docente (in corso di preparazione) per i punti 1, 3, 4 e 5 del programma. Per il punto 2 il testo di riferimento è
Cerioli, A. e Laurini, F. (2013) Il modello di regressione logistica, Uni-Nova.

2) Riferimento preliminare per studenti con lacune di base sui temi di serie storiche finanziarie
Laurini, F. (2012) "Elementi di Analisi delle Serie Storiche Finanziarie". Libreria Medico Scientifica.

3) Bibliografia specifica d’approfondimento
a) Azzalini, A. (2001) "Inferenza Statistica: Un'introduzione Basata Sul Concetto Di Verosimiglianza". Unitext / Collana Di Statistica E Probabilità Applicata. Springer, seconda edizione. (Italiano)
b) Harvey, A.C. (1993) "Time series models". Cambridge, MA: MIT Press, seconda edizione. (Inglese)
c) Tsay, R.S. (2010) "Analysis of Financial Time Series". Wiley-Interscience, terza edizione. (Inglese)

Metodi didattici

Le conoscenze e la capacità di comprensione verranno accertate con 1 domanda aperta con breve esercizio su alcuni punti importanti della teoria del valore di 8/30

Le capacità di applicare le conoscenze verranno accertate con 2 esercizi del valore di 11 punti ciascuno.

L’autonomia di giudizio la capacità di apprendere verranno accertate tramite la stesura di commenti adeguati riguardanti i 2 esercizi di cui sopra.

Le capacità di comunicare con linguaggio tecnico appropriato verranno accertate tramite i collegamenti tra i diversi punti del programma nella eventualità di un integrazione orale della prova.

Altre informazioni

Ci saranno dalle 4 alle 6 ore extra di Seminari tenuti da un esperto di trading e analisi tecnica. Gli argomenti di questi seminari saranno parte integrante del test d’esame.