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

2° Anno  Attivato nell'A.A. 2021/2022

InsegnamentiCreditiTAFSSD
2 modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
2 modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
1 module between the following
9
C
SECS-P/02
9
C
SECS-P/05
9
B
SECS-P/01
Final exam
15
E
-
InsegnamentiCreditiTAFSSD
9
B
SECS-P/05
1 module between the following
9
C
SECS-P/01
9
C
SECS-P/03
6
B
IUS/13
12
B
SECS-P/01
12
B
SECS-P/05 ,SECS-S/06
Stage
3
F
-
Attivato nell'A.A. 2021/2022
InsegnamentiCreditiTAFSSD
2 modules among the following
6
C
SECS-P/02
6
C
SECS-P/03
6
C
SECS-S/01
6
C
SECS-P/02
2 modules among the following
6
B
SECS-P/07
6
B
SECS-P/11
6
B
SECS-P/08
1 module between the following
9
C
SECS-P/02
9
C
SECS-P/05
9
B
SECS-P/01
Final exam
15
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
9
D
-
Tra gli anni: 1°- 2°
Further language skills
3
F
-

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  (2021/2022)

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 21 feb 2022 al 13 mag 2022.

Orario Lezioni MoodleMoodle Seminari 0

Obiettivi formativi

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.

Programma

1. Principali proprietà empiriche delle serie storiche economiche e finanziarie
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 d'esame

La prova finale consiste in un esame scritto ed un progetto di gruppo che sarà assegnato agli studenti alla fine del corso. Ogni gruppo è formato al massimo da quattro studenti. L’obiettivo del progetto è riprodurre una parte dei risultati empirici di un articolo scientifico usando un software statistico/econometrico. La votazione finale è una media pesata del voto dell’esame scritto (70%) e del progetto (30%), con il requisito che è necessaria una valutazione di almeno 16/30 nell’esame scritto per superare la prova. Il progetto dovrà essere consegnato entro la data dell'esame scritto, ed il voto in esso ottenuto rimane valido fino all'inizio delle lezioni del successivo anno accademico.

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