STATISTICA APPLICATA PER LA FINANZA

Attività formativa monodisciplinare
Codice dell'attività formativa: 
90030

Scheda dell'insegnamento

Per studenti immatricolati al 1° anno a.a.: 
2019/2020
Insegnamento (nome in italiano): 
STATISTICA APPLICATA PER LA FINANZA
Insegnamento (nome in inglese): 
Applied Statistics for Finance
Tipo di attività formativa: 
Attività formativa Caratterizzante
Tipo di insegnamento: 
Opzionale
Settore disciplinare: 
STATISTICA (SECS-S/01)
Anno di corso: 
1
Anno accademico di offerta: 
2019/2020
Crediti: 
9
Responsabile della didattica: 
Altri docenti: 

Altre informazioni sull'insegnamento

Modalità di erogazione: 
Didattica Convenzionale
Lingua: 
Italiano
Ciclo: 
Primo Semestre
Obbligo di frequenza: 
No
Ore di attività frontale: 
72
Ore di studio individuale: 
153
Ambito: 
Statistico-matematico
Materiali didattici: 
Prerequisiti

Buona conoscenza degli argomenti trattati negli insegnamenti di Elementi di Matematica e Statistica seguiti nel corso di laurea triennale.

Obiettivi formativi

Il corso ha l’obiettivo di fornire allo studente la conoscenza dei principali metodi statistici utili all’analisi 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.

Contenuti dell'insegnamento

- Rassegna dei principali concetti statistici finalizzati all’analisi dei dati finanziari (e.g. variabili casuali, distribuzioni campionarie, verifica di ipotesi).
- Variabili finanziarie (returns, proprietà dei returns, il modello random walk).
- Metodi statistici per l’analisi esplorativa dei dati (istogramma, quantili, QQ-plot, test di normalità, trasformazioni, skewness, kurtosis, distribuzioni per dati con code pesanti).
- Modelli statistici multivariate (distribuzione normale multipla, matrice di varianza-covarianza, combinazione linerare di variabili casuali).
- Regressione multipla: stima, ANOVA, selezione di modelli, verifica delle assunzioni.
- Processi stocastici e modelli per le serie storiche (MA, AR, ARMA e ARIMA): 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.

Testi di riferimento

- Ruppert D., Matteson (2015). Statistics and Data Analysis for Financial Engineering, Springer, New York.
http://www.springer.com/us/book/9781493926138#aboutBook
https://people.orie.cornell.edu/davidr/SDAFE2/index.html

- Santi F, Bee M (2013). Finanza quantitativa con R, Apogeo.
http://www.apogeonline.com/libri/9788850315963/allegato/esempi

Per la documentazione relativa al software R si rimanda al seguente link: https://www.r-project.org/other-docs.html.

Per alcuni specifici argomenti verrà fornito del materiale integrativo reso disponibile sulla piattaforma e-learning.

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).

Modalità verifica profitto e valutazione

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.

Sono previste due prove intermedie a Novembre 2019 e Gennaio 2020 (il voto finale sarà dato dalla media pesata dei due voti intermedi). Dettagli sulle date e sugli argomenti delle due prove intermedie verranno comunicati durante il corso.

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.

Prerequisites

Good knowledge of the topics taught in the three-year bachelor degree program of Elementi di matematica (Calculus) and Statistica (Statistics).

Educational goals

The course aims at providing the knowledge of the main statistical methods for the quantitative analysis of financial data. At the end of the course the student will gain the ability to:
a) choose, apply and test appropriate statistical methods and models for the analysis of different types of financial data;
b) use the free open-source statistical software R (http://www.r-project.org) for the statistical analysis and forecasting of financial time series;
c) interpret the results in a decision making perspective.

Course content

- Review of the main statistical concepts (e.g. random variables, sampling distribution, hypothesis testing) necessary for financial data analysis.
- Financial variables (returns, distributional properties of returns, the random walk model).
- Statistical methods for exploratory data analysis (histogram, quantiles, QQ-plot, test of normality, data transformation, skewness, kurtosis, heavy tails distributions).
- Multivariate statistical models (multivariate Normal distribution, covariance matrix, linear combinations of random variables).
- Multiple linear regression: estimation, ANOVA, model selection, check of model assumptions.
- Stochastic processes and models for time series (MA, AR, ARMA and ARIMA models): definition, estimation and forecasting.

During lab sessions based on R software (freely available at http://www.r-project.org/), the student will learn how to apply all the theoretical concepts to real financial data.

Textbooks and reading lists

- Ruppert D., Matteson (2015). Statistics and Data Analysis for Financial Engineering, Springer, New York.
http://www.springer.com/us/book/9781493926138#aboutBook
https://people.orie.cornell.edu/davidr/SDAFE2/index.html

- Santi F, Bee M (2013). Finanza quantitativa con R, Apogeo.
http://www.apogeonline.com/libri/9788850315963/allegato/esempi

Regarding R software, documentation is freely available at the following link: https://www.r-project.org/other-docs.html.

For some specific topics additional material will be provided through the e-learning platform.

Teaching methods

The course consists in class lectures and lab sessions. The lab calendars will be announced at the beginning of the course; labs will take place within the hours scheduled for the course (2 hours per week, approximately).

Assessment and Evaluation

The exam consists in a written test including open-ended and test questions (concerning theoretical topics or short applications of the studied methods) as well as exercises to be solved with the use of R software (in order to evaluate the ability of the student in analysing financial data and in the interpretation of software output). The theoretical and practical sections are each worth 50% of the total score, approximately.

In November 2019 and January 2020 there will be two intermediate exams, each on a partial part of the whole program. The final grade will be computed as weighted average of the grades obtained in the intermediate exams. Dates and topics regarding the intermediate exams will be given during the course.

Further information

Attending classes is strongly recommended. Non-attending students are strongly invited to contact the teachers to get help for preparing the exam.