Il corso ha l’obiettivo di fornire allo studente la conoscenza dei principali metodi statistici utili all’analisi quantitativa dei dati finanziari. Al termine del corso lo studente ha le competenze per: - scegliere, implementare e valutare i metodi e i modelli statistici più appropriati per l’analisi di diversi tipi di dati finanziari. - Utilizzare il software statistico open-source R (http://www.r-project.org) per l’analisi e la previsione di serie storiche finanziarie. - Interpretare i risultati anche in termini decisionali.
Prerequisiti
Buona conoscenza degli argomenti trattati negli insegnamenti di Elementi di Matematica e Statistica seguiti nel corso di laurea triennale.
Metodi didattici
Il corso prevede lezioni frontali e laboratori di R. Il calendario dei laboratori verrà comunicato all’inizio del corso (indicativamente si prevede di dedicare una delle tre lezioni settimanali al laboratorio di R).
Verifica Apprendimento
L’esame consiste in una prova scritta che include domande aperte e chiuse riguardanti gli aspetti teorici del corso o loro semplici applicazioni. Vengono inoltre proposti esercizi da svolgere con l’utilizzo di R al fine di valutare la capacità dello studente di analizzare dati finanziari e di interpretare l’output del software. La parte teorica e la parte pratica con R hanno indicativamente lo stesso peso sulla definizione del voto finale.
Contenuti
- Variabili finanziarie (returns, proprietà dei returns, il modello random walk). - Metodi statistici per l’analisi esplorativa dei dati (istogramma, stima kernel della densità, quantili, normal probability plot, Q-Q plot, trasformazioni, skewness, kurtosis). - Modelli statistici univariati (distribuzioni per dati con code pesanti, stima parametrica, verifica di ipotesi, intervalli di confidenza, test per la verifica della normalità, AIC e BIC). - Modelli statistici multivariati (distribuzione normale multipla, matrice di varianza-covarianza, combinazione lineare di variabili casuali). - Regressione multipla: stima, ANOVA, selezione di modelli, diagnostica, verifica delle assunzioni. - Processi stocastici e modelli per le serie storiche (MA, AR, ARMA e ARIMA): definizione, stima e previsione.
Durante le sessioni di laboratorio verrà utilizzato il software statistico R (liberamente disponibile al sito http://www.r-project.org/), e gli studenti apprenderanno come implementare tramite R le nozioni teoriche tramite applicazioni a dati finanziari.
La frequenza è raccomandabile. Gli studenti impossibilitati a frequentare le lezioni sono invitati a contattare i docenti per essere indirizzati al meglio nello studio.
