ID:
90030
Dettaglio:
SSD: Statistica
Durata: 72
CFU: 9
Sede:
BERGAMO
Anno:
2026
Dati Generali
Periodo di attività
Primo Semestre (14/09/2026 - 18/12/2026)
Syllabus
Obiettivi Formativi
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.
- 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.
Il docente si riserva la facoltà di richiedere un colloquio orale integrativo, anche successivamente allo svolgimento della prova scritta, qualora ciò sia ritenuto necessario ai fini della verifica dell’effettiva acquisizione delle conoscenze e competenze previste dagli obiettivi formativi dell'insegnamento e della corretta attribuzione della valutazione.
Il docente si riserva la facoltà di richiedere un colloquio orale integrativo, anche successivamente allo svolgimento della prova scritta, qualora ciò sia ritenuto necessario ai fini della verifica dell’effettiva acquisizione delle conoscenze e competenze previste dagli obiettivi formativi dell'insegnamento e della corretta attribuzione della valutazione.
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: 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.
- 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: 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.
Altre informazioni
La frequenza è raccomandabile. Gli studenti impossibilitati a frequentare le lezioni sono invitati a contattare i docenti per essere indirizzati al meglio nello studio.
Corsi
Corsi
FINANZA, BANCHE E GESTIONE DEI PATRIMONI - 101-R
Laurea Magistrale
2 anni
No Results Found
Persone
Persone (4)
Componente del Comitato per l’integrità e l’etica della ricerca
Componente del Senato Accademico
No Results Found
Altre Info
Insegnamento principale
STATISTICA APPLICATA PER LA FINANZA