Docenti
Per quanto riguarda i prerequisiti, è richiesto agli studenti di riprendere in esame gli argomenti affrontati nell’insegnamento di Statistica 2 (del secondo anno del corso di laurea triennale) e di econometria. Anche i contenuti degli altri insegnamenti del settore statistico possono fornire un valido sostegno per lo studio degli argomenti proposti (si pensi ad esempio al corso di Statistica 2 incluso nel piano di studio del corso triennale in Economia e Commercio).
I principali argomenti verranno trattati seguendo il libro di testo. In alcuni specifici casi si dovrà ricorrere ad altri materiali (note e capitoli di libri).
Le lezioni di teoria verranno accompagnate da alcune lezioni di esercitazione sviluppate in aula informatica e basate sull’analisi di dati didattici e reali.
L’attività di insegnamento considererà anche dei lavori di gruppo nei quali gli studenti potranno testare il raggiungimento di un sufficiente livello di preparazione.
– esame scritto a fine corso (composto da 5 domande teoriche) della durata di 1 ora e mezza (obbligatorio);
– lavoro autonomo di stampo teorico (obbligatorio);
– lavoro autonomo di stampo empirico (obbligatorio);
– eventuale esame orale (facoltativo).
L’esame scritto e la valutazione dei lavori per casa concorrono al voto finale per 20, 5 e 5 punti rispettivamente. Per essere ritenuti validi tutti gli elaborati dovranno risultare sufficienti. Mentre l’esame scritto punta a valutare le conoscenze teoriche acquisite durante il corso, con l’esperimento svolto in gruppo si vuol testare la capacità degli studenti nell’applicare le nozioni stesse. L’eventuale esame orale (può variare la valutazione finale al massimo di 3 punti) è pensato come integrazione del voto dello scritto e può essere sostenuto da tutti gli studenti. Per l’assegnazione dell’eventuale lode oltre alla mera conoscenza della materia verrà valutata anche la padronanza di linguaggio e la capacità di rielaborazione degli argomenti trattati.
I voti finali sono basati sul seguente schema di riferimento.
30 e lode – Eccellente – Lo studente:
– dimostra una conoscenza completa ed approfondita dei contenuti;
– evidenzia una comprensione profonda anche dei concetti di dettaglio, completando la propria sintesi anche con considerazioni personali;
– dimostra un’ottima capacità di applicare i concetti, di sintetizzarli e di effettuare collegamenti tra le diverse parti della materia;
– espone in maniera sicura, chiara e corretta strutturando il proprio discorso in maniera matura.
29-30 – Ottimo – Lo studente:
– dimostra una conoscenza completa ed approfondita dei contenuti;
– evidenzia una comprensione profonda anche dei concetti di dettaglio;
– dimostra un’ottima capacità di applicare i concetti;
– espone in maniera sicura, chiara e corretta.
26-28 – Buono – Lo studente:
– dimostra una conoscenza adeguata dei contenuti;
– evidenzia una comprensione adeguata della materia;
– applica le conoscenze in maniera appropriata;
– espone in maniera chiara utilizzando una terminologia appropriata.
22-25 – Discreto – Lo studente:
– dimostra una conoscenza adeguata dei contenuti, con incertezze sugli aspetti di dettaglio;
– evidenzia una comprensione degli aspetti fondamentali della materia;
– dimostra una capacità di applicare le conoscenze con alcune incertezze;
– espone i contenuti in maniera corretta, evidenziando alcune incertezze.
18-21 – Sufficiente – Lo studente:
– dimostra una conoscenza limitata agli aspetti fondamentali della materia;
– evidenzia una comprensione degli aspetti fondamentali della materia;
– manifesta delle incertezze nell’applicazione delle conoscenze;
– espone i contenuti in modo semplice, evidenziando incertezze.
<18 – Insufficiente – Lo studente:
– dimostra una conoscenza frammentaria e superficiale dei contenuti fondamentali dell’insegnamento;
– evidenzia una comprensione lacunosa dei contenuti fondamentali dell’insegnamento;
– dimostra forti incertezze nell’applicazione delle conoscenze;
– espone in maniera confusa e carente.
Coerentemente con il contenuto del corso è possibile sviluppare delle tesi che dovranno concentrarsi sugli aspetti di di metodo teorico e di ricerca empirica nell’analisi dei mercati finanziari.
Il presente insegnamento ha lo scopo di preparare lo studente ad affrontare problemi pratici di analisi dei mercati finanziari. È pertanto possibile considerare tale preparazione come propedeutica allo svolgimento delle attività pratiche proposte nell’ambito degli altri insegnamenti del corso di studio.
Nell’ambito del presente insegnamento non sussiste differenza tra il programma proposto agli studenti frequentanti e ai non frequentanti. Anche gli studenti non frequentanti devono svolgere il lavoro pratico.
Capacità relative alle discipline
Il corso si propone fornire le conoscenze avanzate di analisi quantitativa delle serie temporali nel contesto dei mercati finanziari.
Alla fine del corso gli studenti saranno in grado di:
– distinguere e valutare le differenti tipologie di dati;
– svolgere un’analisi preliminare sulle serie storiche;
– riconoscere il contenuto informativo della serie;
– decidere quale sia il miglior modello statistico i specifici andamenti osservati;
– applicare i principali modelli di analisi delle serie storiche considerando anche qualche estensione meno nota;
– utilizzare R per l’analisi delle serie storiche finanziarie.
Capacità trasversali/soft skills:
– gli argomenti trattati durante il semestre saranno di supporto all’attività di analisi di dati economico finanziari che lo studente potrà incontrare nel prosieguo dei proprio curriculum studiorum o anche in una realtà lavorativa;
– lo studente dovrebbe essere in grado di decidere quale sia lo strumento ottimale da applicare nei diversi contesti di analisi empirica;
– nello svolgere il lavoro di gruppo lo studente dovrebbe acquisire la capacità di esporre le proprie ricerche in modo efficace sfruttando la proprietà di sintesi tipica degli strumenti di analisi quantitativa;
– il Corso, infine, funge da introduzione ad un tipo di approccio utile anche nell’ambito degli altri insegnamenti meno votati alla pratica.
1. analisi statistica univariata delle serie storiche:
– modelli ARIMA;
– modelli ARIMA Stagionali;
2. Modelli lineari a soglia:
– modelli autoregressivi a soglia (TAR);
– Self-Exciting TAR (SETAR);
– Smooth Transition AR (STAR);
– STAR logistici (LSTAR);
– modelli Markov-Switching (MSW)
3. modelli autoregressivi con eteroschedasticità condizionale:
– ARCH;
– GARCH;
4. reti neurali artificiali (ANN)
Durante il periodo didattico verrà offerto anche un seminario sull’uso del software per l’editing di testo LaTeX,
P.H. Franses and D. van Dijk. “Non-linear time series in empirical finance”, Cambridge University Press, Cambridge, UK (2000)
Università degli Studi di Udine
Dipartimento di Scienze Matematiche, Informatiche e Fisiche (DMIF)
via delle Scienze 206, 33100 Udine, Italy
Tel: +39 0432 558400
Fax: +39 0432 558499
PEC: dmif@postacert.uniud.it
p.iva 01071600306 | c.f. 80014550307
30 km from Slovenia border
80 km from Austria border
120 km from Croatia border
160 km South West of Klagenfurt (Austria)
160 km West of Lubiana (Slovenia)
120 km North East of Venezia (Italy)