OBIETTIVI FORMATIVI

Il corso introduce lo studente alle moderne tecniche nell’ambito dell’Econometria Finanziaria; in particolare è enfatizzata l’interazione tra teoria ed analisi empirica. Gli studenti vengono introdotti all'analisi dei modelli univariati (AR,MA, and ARMA) e  multivariati (VAR), stazionari e non stazionari. Il corso utilizza quindi la conoscenza delle serie storiche lineari per introdurre gli studenti ai modelli di econometria finanziaria delle serie temporali, in particolare ai modelli ARCH parametrici a tempo discreto. L'obiettivo principale di questo corso è sviluppare le competenze necessarie per modellare e prevedere la volatilità degli asset e i loro co-movimenti nei mercati finanziari. Il corso mira a fornire agli studenti una solida comprensione teorica dei modelli e delle tecniche di volatilità per le stime, la valutazione e le previsioni nei mercati finanziari in una varietà di gradi di persistenza degli shock. Le lezioni teoriche sono integrate da più empiriche ed applicate.

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 dell'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 particolare attenzione ai modelli discreti ARCH. L'obbiettivo del corso è fornire una solida base teorica per l'analisi della volatilità e sviluppare le competenze necessarie a modellizzare e fare previsioni nell’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 parte della letteratura relativa all'econometria finanziaria

PREREQUISITI

argomenti relativi al corso base di econometria e statistica, con particolare riferimento ai metodi di stima (OLS e massima-verosimiglianza) e alla verifica di ipotesi, e ai fondamenti di algebra matriciale

MODALITA' DIDATTICHE

Lezioni frontali

Esercitazioni

Lavori di gruppo

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