Studiare

In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.

Piano Didattico

A.A. 2024/2025 A.A. 2023/2024 A.A. 2022/2023 A.A. 2021/2022 A.A. 2020/2021

Queste informazioni sono destinate esclusivamente agli studenti e alle studentesse già iscritti a questo corso.
Se sei un nuovo studente interessato all'immatricolazione, trovi le informazioni sul percorso di studi alla pagina del corso:

Laurea magistrale in Economics and data analysis - Immatricolazione dal 2025/2026

Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.

1° Anno

InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
6
B
IUS/13
12
B
SECS-P/01
12
B
SECS-P/05 ,SECS-S/06
One module between the following
9
C
SECS-P/01
9
C
SECS-P/03
Stage
3
F
-

2° Anno  Attivato nell'A.A. 2023/2024

InsegnamentiCreditiTAFSSD
9
B
SECS-P/01
Two modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
Two modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
One module between the following
9
C
SECS-P/02
9
C
SECS-P/05
Final exam
15
E
-
InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
6
B
IUS/13
12
B
SECS-P/01
12
B
SECS-P/05 ,SECS-S/06
One module between the following
9
C
SECS-P/01
9
C
SECS-P/03
Stage
3
F
-
Attivato nell'A.A. 2023/2024
InsegnamentiCreditiTAFSSD
9
B
SECS-P/01
Two modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
Two modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
One module between the following
9
C
SECS-P/02
9
C
SECS-P/05
Final exam
15
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
Further language skills
3
F
-
Tra gli anni: 1°- 2°
9
D
-

Legenda | Tipo Attività Formativa (TAF)

TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Time series and forecasting  (2023/2024)

Codice insegnamento

4S008977

Docente

Giuseppe Buccheri

Coordinatore

Giuseppe Buccheri

Crediti

9

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

SECS-P/05 - ECONOMETRIA

Periodo

Secondo semestre (lauree magistrali) dal 26 feb 2024 al 24 mag 2024.

Corsi Singoli

Autorizzato

Orario Lezioni MoodleMoodle Seminari 0

Obiettivi di apprendimento

L'insegnamento ha l'obiettivo di introdurre gli studenti all'analisi delle serie storiche per la comprensione dell'evoluzione dei fenomeni economici nel corso del tempo. Saranno presentati gli strumenti econometrici necessari per fornire una previsione di una serie storica di tipo economico o finanziario e valutarne la precisione. L'uso di programmi statistico-econometrici professionali sarà complementare allo studio dei concetti teorici. Al termine delle lezioni, gli studenti dimostreranno di sapere interpretare criticamente i modelli dinamici per l'analisi e la previsione dell'andamento di variabili economiche e finanziarie, in risposta a problemi reali.

Prerequisiti e nozioni di base

E' richiesta la conoscenza degli elementi di base di:
- Calcolo: derivate, integrali, serie
- Algebra lineare: matrici, rango, sistemi di equazioni.
- Statistica descrittiva ed inferenziale.

Programma

1. Concetti introduttivi
Statistica univariata e multivariata
Densità congiunte, marginali e condizionali
Correlazione versus Dipendenza
La distribuzione Normale multivariata
Proprietà statistiche delle serie temporali
Test di non-normalità
Autocorrelazione, test di Ljung-Box e Box-Pierce
Proprietà di Markov
2. Modelli lineari di serie temporali stazionarie I
Stazionarietà debole e forte
Rumore bianco, random walk, random walk con trend
La funzione di autocovarianza di un processo debolmente stazionario
Modello AR(1): condizioni di stazionarietà, autocovarianza ed autocorrelazione
Modello AR(2): rappresentazione vettoriale, condizioni di stazionarietà, autocovarianza ed autocorrelazione
3. Modelli lineari di serie temporali stazionarie II
Modello AR(p): rappresentazione vettoriale, condizioni di stazionarietà, autocovarianza ed autocorrelazione
Le equazioni di Yule-Walker
Modello MA(q): condizioni di stazionarietà, autocovarianza ed autocorrelazione
Invertibilità del modello MA(1) e problemi di identificazione
Modello ARMA(p): condizioni di stazionarietà, autocovarianza ed autocorrelazione
Il teorema di Wold
Processi short memory e long memory
4. Stima, identificazione e diagnostica
LLN e CLT per processi con dipendenze temporali
Consistenza e normalità asintotica per la media e l'autocovarianza campionaria
Stima di modelli AR(p) tramite le equazioni di Yule-Walker
Stima di modelli AR(p) tramite OLS
Violazione della proprietà di esogeneità nei modelli di serie temporali
Stima di massima-verosimiglianza
MLE per media e varianza sotto l'assunzione di normalità
Proprietà asintotiche della stima di massima-verosimiglianza
Massima-verosimiglianza condizionale
Verosimiglianza esatta e condizionale del modello AR(1)
Verosimiglianza condizionale del modello MA(1)
Quasi massima-verosimiglianza
Funzione di autocorrelazione parziale e criteri di selezione basati sulla verosimiglianza
Diagnostica
5. Previsione
Funzioni obiettivo ed errore quadratico medio
Previsione mediante valori attesi condizionati
Previsione con modelli AR, MA, ARMA
Previsione multi-step
Previsioni dirette versus previsioni iterate
Previsione della densità di probabilità
Alcuni cenni a modelli di serie temporali non-lineari e volatilità realizzata

Bibliografia

Vai alla bibliografia
Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

Modalità didattiche

Il corso mira a fornire una panoramica delle principali tecniche dell'analisi delle serie temporali, con una particolare enfasi sulla previsione di fenomeni economici, finanziari ed empirici. I principali concetti del corso saranno introdotti seguendo una logica bottom-up, partendo da esempi motivazionali e discutendo in un secondo momento la metodologia in forma rigorosa. Le applicazioni dei concetti teorici saranno illustrati attraverso l'uso di dati e del software MATLAB.

Modalità di verifica dell'apprendimento

La prova finale consiste in un esame scritto ed un progetto di gruppo che sarà assegnato agli studenti alla fine del corso.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

Criteri di valutazione

Verrà valutata la comprensione dei principali concetti del corso, la capacità di esporli in maniera formale e di applicarli in contesti reali attraverso l'uso di dati.

Criteri di composizione del voto finale

70% esame scritto + 30% progetto di gruppo

Lingua dell'esame

English