OBIETTIVI FORMATIVI

The course provides a survey of the theory and application of time series models in financial econometrics. Students are introduced to time series analysis of linear univariate and multivariate covariance stationary models with short and long memory parameterization. The course then employs linear time series knowledge to introduce studen ts to time series financial econometrics models, particularly discrete-time parametric ARCH models. The main objective of this course is to develop the skills needed for modelling and forecasting assets volatilities and their co-movements in financial markets. The course aims to provide students with a strong theoretical understanding of volatility models and techniques for estimations, assessment and forecasting in financial markets under a variety of degree of shock persistence. Theoretical lectures are complemented by computer classes whose aim is to enable the students to develop computational skills in MATLAB for empirical research

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Il corso si pone l'obbiettivo di introdurre i principali strumenti usati nell'analisi delle serie storiche e finanziarie, oltre che fornire la comprensione del'origine e caratteristiche dei dati finanziari, oltre che le applicazioni possibili. Durante il corso viene inoltre sottolineato ed enfatizzato il legame tra teoria ed analisi empirica. Viene affrontata l'analisi dei modelli per le serie stazionarie univariate e multivariate parametrizzati a lunga e breve memoria, La conoscenza delle serie storiche è utilizzata per introdurre i modelli econometrici per l'analisi delle serie finanziarie, con aprticolare attenzione ai modelli discreti ARCH. L'obbiettivo del corso è fornire una solida base teorica per l'analisi della volatilità e sviluppare le compentenze necessarie a modellizzare e fare previsioni nnell'ambito del mercato finanziario.

In particolare al termine del corso gli studenti devono:

• aver acquisito le capacità teoriche per l'analisi delle serie storiche con differenti livelli di persistenza e di volatilità
• essere capaci di implementare gli strumenti relativi all'identificazione dei modelli e la diagnostica relativa; verificare la presenza di unit-root, cointegrazione e le sue conseguenze
• aver sviluppato un lessico e le competenze necessarie alla lettura di buona aprte della letteratura relativa all'econometria finanziaria

PREREQUISITI

gli argomenti relativi al corso base di econometria e statistica, in particolare con riferimento ai metodi di stima (OLS e massiverosimigliaza) e test delle ipotesi, ed i fondamenti di algenbra matriciale

MODALITA' DIDATTICHE

Lezioni in aula e in laboratorio

N.B

qualora non fosse possibile svolgere attività in presenza, si adotteranno le modalità di erogazione degli insegnamenti decise dal CDD (modalità mista in presenza e online), rinviando ad Aulaweb per eventuali ulteriori aggiornamenti che si rendessero necessari nel corso dell'anno accademico (sia per quanto riguarda le modalità di erogazione, sia per quanto concerne le modalità d'esame), in caso di variazioni della situazione sanitaria ed epidemiologica.

PROGRAMMA/CONTENUTO

TOPIC I: LINEAR TIME SERIES ANALYSIS .

• Stochastic processes, covariance stationarity, strict stationarity, unit root processes, fractionally integrated processes, Wold decomposition theorem.
• AR, MA, ARMA,ARIMA,ARFIMA univariate models: estimation and principles of forecasting.
• Unit root tests,long memory tests, cointegration,model diagnostic.

TOPIC  II: VAR MODELS.

• Introduction to VAR models: properties and characteristics
• Econometric approach to VAR and estimation

TOPIC III: Univariate GARCH model

• ARCH model: identification and covariance stationarity conditions ,order identification, estimation, evaluation
• GARCH model: identification and covariance stationarity conditions ,order identification, estimation, evaluation and forecasting.
• Asymmetric GARCH models and leverage effects:EGARCH,QGARCH,GJGARCH,TGARCH: identification and covariance stationarity conditions ,order identification, estimation, evaluation and forecasting.
• Long memory in univariate GARCH models: testing for long memory in the time series domain, forecasting in presence of long memory.

TESTI/BIBLIOGRAFIA

Hamilton  J. (1994) "Time Series Analysis", Princeton University Press

Franq Zaquoian "Garch models"

ulteriori testi o articoli verranno indicati durante il corso