Vai al contenuto principale
Oggetto:
Oggetto:

Previsioni statistiche (non attivo nell'a.a. 2021/2022)

Oggetto:

Statistical forecasting

Oggetto:

Anno accademico 2023/2024

Codice attività didattica
ECM0090
Corso di studio
Laurea magistrale in Scienze Statistiche, Economiche e Manageriali - a Torino [009504]
Anno
2° anno
Periodo
Da definire
Tipologia
Caratterizzante
Crediti/Valenza
6
SSD attività didattica
SECS-S/03 - statistica economica
Erogazione
Tradizionale
Lingua
Italiano
Frequenza
Fortemente consigliata/Recommended
Tipologia esame
Scritto
Tipologia unità didattica
corso
Prerequisiti
Esame di Statistica Avanzata
Exam of Advanced Statistics successfully performed.
Oggetto:

Sommario insegnamento

Oggetto:

Obiettivi formativi

Obbiettivo del corso e fornire strumenti metodologici per prevedere il valore atteso futuro e la variabilità attesa futura di serie temporali. Particolare attenzione verrà data all?utilizzo dei modelli in ambito finanziario.
The goal of the course is to illustrate some statistical models (ARIMA and GARCH models) for prediction in time series. It will be described the use of these models for financial market predictions.

Oggetto:

Risultati dell'apprendimento attesi


Alla fine del corso lo studente dovrà essere in grado di prevedere il valore atteso futuro e la variabilità attesa futura di serie temporali, in particolare di serie finanziarie.

After the course, students should be able to make predictions about time series, particularly, financial time series. They would be able to calculate the accurancy of the predictions too.

Oggetto:

Programma

1. I processi stocastici: serie temporali e processi stocastici, processi stazionari, i processi white noise e lineare; il correlogramma: significato, stima, verifica (test Q); rappresentazione di un processo stazionario: il teorema di Wold. 2. Modelli per processi univariati: modelli Autoregressivi, modelli Media Mobile e misti. 3. Processi Integrati: modelli ARIMA; Test a radice unitaria. 4. Modelli per la volatilità: modelli ARCH, GARCH, T-GARCH, E-GARCH. 5. Modelli per processi multivariati: modelli VAR; cenni di cointegrazione: la regressione spuria, i modelli a correzione d'errore.

Fundamentals of stochastic process. ARIMA models for the expected future value of a process; GARCH models for the future range of variability of a process; VAR models, cointegration, ECM models

Oggetto:

Modalità di insegnamento


Lezioni teoriche e pratiche con Gretl (software econometrico "open source")
 


Theory lessons and application lessons with Gretl (econometric, open source, software)

Oggetto:

Modalità di verifica dell'apprendimento

L'apprendimento verrà verificato con una prova scritta contenente quesiti sulla teoria illustrata nel corso e quesiti su casi studio simili a quelli analizzati durante il corso.

Gli studenti frequentanti possono sostenere, in alternativa, una prova pratica con Gretl.

The learning will be checked by a written examination with questions about the theory explained in the course, and questions about case studies conceptually similar to those analyzed in the course.

Attending students can instead analyse a case study using Gretl


Testi consigliati e bibliografia

Oggetto:

Paolo Chirico, Appunti per il corso di Serie Temporali  (download in Materiale didattico)

Riccardo "Jack" Lucchetti, Appunti di analisi delle serie storiche (download in Materiale didattico)

 

Paolo Chirico, Appunti per il corso di Serie Temporali  (download in Materiale didattico)

Riccardo "Jack" Lucchetti, Appunti di analisi delle serie storiche (download in Materiale didattico)



Oggetto:

Note

Orario Lezioni

Oggetto:

Altre informazioni

http://www.didattica-est.unito.it/do/home.pl/View?doc=home_appelli.html
Registrazione
  • Chiusa
    Apertura registrazione
    01/03/2020 alle ore 00:00
    Chiusura registrazione
    31/12/2022 alle ore 23:55
    Oggetto:
    Ultimo aggiornamento: 02/11/2021 12:16
    Non cliccare qui!