ECONOMETRICS

Anno accademico
2020/2021 Programmi anni precedenti
Titolo corso in inglese
ECONOMETRICS
Codice insegnamento
EM2008 (AF:331203 AR:178632)
Modalità
In presenza
Crediti formativi universitari
6
Livello laurea
Laurea magistrale (DM270)
Settore scientifico disciplinare
SECS-P/05
Periodo
3° Periodo
Anno corso
1
Sede
VENEZIA
Spazio Moodle
Link allo spazio del corso
Il corso rientra tra gli insegnamenti caratterizzanti del percorso Finance del Corso di Laurea Magistrale in Economics and Finance. Il corso si propone di fornire agli studenti le conoscenze e le competenze necessarie per analizzare e misurare fenomeni economico/finanziari riguardanti in particolare i mercati finanziari e le istituzioni finanziarie attraverso l'utilizzo di metodi statistici ed econometrici avanzati. Il corso mira a presentare i principali metodi econometrici per modelli di regressione multipla, con particolare riferimento ai metodi per l'analisi delle serie storiche e alla loro applicazione nel mondo della finanza.
Conoscenza e comprensione:
- saper specificare un modello econometrico partendo da un modello economico/finanziario
- conoscenza delle ipotesi alla base di ciascun modello econometrico e padronanza degli strumenti analitici utili per affrontare analisi quantitative
- comprensione dei fenomeni economico/finanziari che riguardano i mercati finanziari e le istituzioni finanziarie a livello nazionale e internazionale attraverso i più recenti modelli dell'economia della finanza e dell'econometria;

Capacità di applicare conoscenza e comprensione:
- interpretazione e gestione delle dinamiche della moderna finanza negli scenari macrofinanziari e rispetto ai modelli decisionali caratteristici dei mercati finanziari, attraverso l'utilizzo di strumenti analitici avanzati appresi durante il corso
- capacità di disegnare strategie utili a misurare e quantificare fenomeni e relazioni tra variabili finanziarie e macroeconomiche
- capacità di risolvere con strumenti analitici e attraverso analisi empiriche quesiti di particolare interesse nell'econometria della finanza

Capacità di giudizio:
- valutazione di vantaggi e i limiti delle metodologie apprese e della loro applicazione a tematiche di interesse
- capacità di interpretare criticamente i risultati emersi nelle analisi empiriche
Strumenti matematici:
algebra lineare
calcolo differenziale
integrali

Strumenti statistici:
variabili aleatorie e distribuzioni di probabilità
stima puntuale e di intervalli
inferenza
metodo dei minimi quadrati ordinari e modelli lineari


PART 1: REGRESSION ANALYSIS

1. The Multiple Linear Regression Model
- Matrix formulation of the k-Variable Model; The algebra of least squares; Partial correlation coefficients; Geometry of least squares; Inference in the k-variable equation; Prediction

2. Some Tests of the k-Variable Linear Equation for Specification Error
- Specification error; Model evaluation and diagnostic tests; Tests of parameter constancy; Tests of structural change; Dummy variables

3. Maximum Likelihood (ML), Generalized Least Squares (GLS), and Instrumental Variable (IV) Estimators
- Maximum Likelihood estimators; ML estimation of the linear model; Likelihood ratio, Wald and Lagrange Multiplier Tests; Generalized Least Squares; Instrumental Variable estimators

4. Heteroscedasticity and Autocorrelation
- Properties of OLS estimators; Tests for heteroskedasticity and autocorrelation; Estimation under heteroskedasticity and with autocorrelated disturbances

PART 2: REGRESSION ANALYSIS WITH TIME SERIES DATA

5. Stationary univariate time series
- Univariate stochastic processes; ARMA models; autocorrelation and autocovariance functions; Wold's decomposition and invertible processes; Box-Jenkins selection

6. Modeling volatility
- ARCH and GARCH processes

7. Non-stationary univariate stochastic processes
- Models with trend; deterministic and stochastic trends; trend stationary and difference stationary series; integrated processes; unit root and stationarity tests
References:

8. Multivariate time series models with stationary regressors
- Autoregressive Distributed Lag (ADL) model; impact and long-run multipliers; impulse response function; Error correction model; Partial adjustment model

9. Multivariate time series models with integrated variables
- Linear combinations of integrated variables; spurios regressions; cointegration and ECM, testing for cointegration: Engle and Granger methodology

10. Multiple Equation Models
- Vector Autoregressions (VARs); Estimation of VARs; Vector Error Correction Models; Cointegration in VAR models; Johansen Methodology

PART 3: ADVANCED TOPICS

11. Panel data models
- Fixed and random effects models, correlated random effects, dynamic panel data models

12. Limited dependent variable models
- Linear probability model, Logit and Probit models, MLEs for binary choice model
Riferimenti bibliografici principali:

- Johnston, J. and J. Dinardo (1997), Econometric Methods, 4th edition, McGraw-Hill, New York.

- Ghysels, E. and M. Marcellino (2018), Applied economic forecasting using time series methods, Oxford University Press.
- Enders, W. (2015), Applied Econometric Time Series, 4th edition, Wiley.
- Verbeek, M. (2017), A guide to modern econometrics, 5th Edition, Wiley.

Bibliografia aggiuntiva:

- Le slide delle lezioni saranno rese disponibili sulla piattaforma Moodle durante il corso

- Vogelvang B. (2005), Econometrics - Theory and Applications with EViews, FT Prentice Hall.
- Marcellino M. (2016), Applied Econometrics: An Introduction, EGEA.

Esame scritto in cui si richiede allo studente di discutere i risultati di stima e di risolvere analiticamente problemi econometrici di livello avanzato. Una parte della valutazione finale sarà basata su lavori individuali (homework) e prove empiriche che potranno essere consegnati dagli studenti su base volontaria entro le scadenze stabilite dal docente.
Lezioni, esercitazioni,studio individuale e applicazioni empiriche su dati finanziari tramite l'utilizzio di software econometrici. Gli studenti sono incoraggiati a svolgere homework proposti di settimana in settimana.
Accessibilità, Disabilità e Inclusione
Accomodamenti e Servizi di Supporto per studenti con disabilità o con disturbi specifici dell’apprendimento

Ca' Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. Se hai una disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e richiedi supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro) contatta l’ufficio Disabilità e DSA: disabilita@unive.it.
scritto e orale

Questo insegnamento tratta argomenti connessi alla macroarea "Economia circolare, innovazione, lavoro" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile

Programma definitivo.
Data ultima modifica programma: 21/04/2020