• Edizioni di altri A.A.:
  • 2016/2017
  • 2017/2018
  • 2018/2019
  • 2019/2020
  • 2020/2021
  • 2021/2022

  • Lingua Insegnamento:
    Italiano 
  • Testi di riferimento:
    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.
     
  • Obiettivi formativi:
    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)
     
  • Prerequisiti:
    Prerequisiti matematici e statistici corrispondenti ad un laureato triennale in discipline economiche.
     
  • 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.
     
  • Modalità 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.
     
  • Sostenibilità:
     
  • 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. 

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.

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.

Avvisi

Nessun avviso in evidenza

Documenti

Nessun documento in evidenza

Scopri cosa vuol dire essere dell'Ud'A

SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551

SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371

email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693

icona Facebook   icona Twitter

icona Youtube   icona Instagram