Ateneo - UPO

Il corso si propone di introdurre lo Studente ai metodi statistici per l'analisi dei dati finanziari e alle tecniche di simulazione in ambito finanziario, con l’ausilio di software dedicato.

Materiale a cura della docente che verra' pubblicato sulla pagina del corso su DIR.

Testi di utile consultazione:
- R. Carmona (2014). Statistical Analysis of Financial Data in R. Springer.
- S.T.Rachev, M. Hochestotter, F.J.Fabozzi, S.M. Focardi (2010) Probability and Statistics for Finance. Wiley.

Obiettivo del corso è la conoscenza e la comprensione dei metodi dell’inferenza statistica e delle principali tecniche di previsione. Inoltre, il corso si propone di fornire alle studentesse e agli studenti la capacità di applicare tali tecniche all'ambito finanziario, sviluppando autonomia di giudizio nella scelta della tecnica adeguata, e la capacità di esporre i risultati con l’opportuno linguaggio. Il corso prevede didattica erogativa (DE) (per circa 7 CFU), e didattica interattiva (DI) (per circa 1 CFU).

Elementi di algebra lineare, calcolo differenziale, probabilità e statistica.

Propedeuticità: Business intelligence for finance.

Lezioni frontali, esercitazioni ed attività in laboratorio informatico.

Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studentidisabili-e-dsa Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle modalità di esame, in merito agli aspetti didattici.

Una prova scritta obbligatoria ed una prova orale facoltativa, dopo aver raggiunto un punteggio piu' che sufficiente nello scritto (o a discrezione del docente). La prova scritta comprende: - domande teoriche per verificare la conoscenza dei concetti e la padronanza del linguaggio formale; - esercizi numerici per testare le abilità acquisite nell'impiego degli algoritmi di calcolo; - problemi strutturati basati sulla comprensione dei dati e sul commento dei risultati volti a valutare l’autonomia nell'analisi statistica. La prova orale è volta a verificare: - le conoscenze teoriche acquisite, - la padronanza del linguaggio tecnico, - la capacità di presentare e discutere risultati ottenuti su dati reali.
Si ricorda che dopo il terzo tentativo di sostenimento dell'esame nel corso di un anno solare, viene applicato automaticamente il blocco alle iscrizioni.
E' prevista, in aggiunta alle prove ufficiali, una prova parziale secondo modalità descritte in dettaglio sulla pagina DIR dell'insegnamento.

La votazione per fascie di punteggi risponde ai seguenti descrittori:

Fascia

1. Richiami di calcolo delle probabilità. Indipendenza stocastica. Variabili aleatorie reali e loro distribuzioni: funzione di massa e di densità. Funzioni generatrici. Vettori aleatori e loro distribuzioni. Calcolo con densità bi-dimensionali. Funzione di regressione. Vettori Gaussiani e loro proprietà.
2. Richiami di inferenza statistica. Metodo del plug-in e stimatori empirici. Metodo della massima verosimiglianza. Stimatori intervallari. Metodi bootstrap parametrico e nonparametrico per la stima dello standard error.
3. Verifica di ipotesi. Errori di I e II specie. Regione critica di un test. Potenza di un test. P-value e suo utilizzo. Test su parametri della popolazione. Goodness-of-fit test e test di normalità (Kolmogorov-Smirmov, Jarque-Bera).
4. Regressione lineare multipla. Principio dei minimi quadrati e della massima verosimiglianza nel caso Gaussiano. Stime dei coefficienti e verifica della significatività. Bontà di adattamento e test F.
5. Introduzione ai processi stocastici. Stazionarietà debole. Moto Browniano e sue varianti. Stima dei parametri. Simulazione delle traiettorie di un processo.

Al termine del corso, la studentessa o lo studente sarà in grado di:Conoscere e comprendere i principi teorici dei metodi dell'inferenza statistica e delle principali tecniche di previsione per serie storiche e dati finanziari.Applicare i metodi statistici e i modelli di previsione a dataset finanziari reali, utilizzando software dedicati.Selezionare in modo autonomo e critico la tecnica statistica o il modello previsivo più adeguato in base alla natura del fenomeno finanziario oggetto di studio, valutandone la validità e i limiti.Esporre i risultati delle analisi quantitative in modo chiaro e rigoroso, utilizzando l'opportuno linguaggio tecnico e terminologie statistiche appropriate.Sviluppare le competenze metodologiche necessarie per approfondire autonomamente studi futuri.