- Oggetto:
- Oggetto:
Previsioni statistiche (non attivo)
- Oggetto:
Statistical forecasting
- Oggetto:
Anno accademico 2021/2022
- Codice dell'attività didattica
- ECM0090
- Corso di studi
- Laurea magistrale in Scienze Statistiche, Economiche e Manageriali - a Torino [009504]
- Anno
- 2° anno
- Periodo didattico
- Da definire
- Tipologia
- Caratterizzante
- Crediti/Valenza
- 6
- SSD dell'attività didattica
- SECS-S/03 - statistica economica
- Modalità di erogazione
- Tradizionale
- Lingua di insegnamento
- Italiano
- Modalità di frequenza
- Fortemente consigliata/Recommended
- Tipologia d'esame
- Scritto
- Prerequisiti
-
Esame di Statistica AvanzataExam 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:
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
- 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 modelsTesti 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- Oggetto: