FINANCIAL ECONOMETRICS

Questo insegnamento rientra tra le attività formative di base del corso di laurea in "Economia e Finanza". In linea con gli obiettivi formativi del corso, l’attività didattica si propone di presentare i principali strumenti matematici e statistici necessari per l’analisi dei fenomeni economici; particolare attenzione sarà dedicata all’uso del linguaggio formale e al rigore metodologico. Più nello specifico, il corso mira a completare la preparazione degli studenti in Econometria, rendendoli in grado di affrontare modelli e metodi econometrici avanzati applicati ai dati finanziari. Inoltre, offrirà una panoramica sulla modellizzazione non lineare delle serie storiche per l’analisi dei dati finanziari.

Conoscenze e capacità di comprensione
La frequenza e la partecipazione attiva alle lezioni, insieme allo studio individuale, permetteranno allo studente di acquisire le seguenti conoscenze e capacità di comprensione:
- conoscere e utilizzare i principali strumenti matematici necessari a rappresentare fenomeni complessi nei mercati finanziari;
- conoscere le tecniche matematiche utili all’implementazione dei modelli proposti;
- conoscere le tecniche statistiche utili a verificare la validità dei modelli e delle relazioni teoriche in ambito finanziario sui dati.

Capacità di applicare conoscenze e comprensione
Attraverso l’interazione con i docenti e con i pari, nonché mediante lo studio individuale, lo studente acquisirà le seguenti capacità:
- saper utilizzare strumenti quantitativi per affrontare problemi complessi nei mercati finanziari;
- saper scegliere la tecnica più appropriata per affrontare concretamente il problema in analisi.

Autonomia di giudizio, abilità comunicative, capacità di apprendimento
Per quanto riguarda l’autonomia di giudizio, le abilità comunicative e le capacità di apprendimento, attraverso lo studio personale e di gruppo dei concetti trattati a lezione, lo studente sarà in grado di:
- formulare giustificazioni razionali per l’utilizzo di un determinato approccio nell’affrontare un problema finanziario, comprendendone al contempo i punti di forza e di debolezza;
- saper formulare e comunicare analisi quantitative avanzate di dati finanziari mediante l’impiego di modelli statistici.

- Prerequisiti essenziali

Matematica:
Algebra delle matrici
Serie e successioni
Calcolo differenziale

Statistica e probabilità:
Variabili casuali e teoria delle distribuzioni
Valore atteso condizionato e non condizionato
Regressione lineare multivariata
Stima puntuale e per intervallo
Verifica delle ipotesi

- Prerequisiti preferibili

Statistica e probabilità:
Modelli ARIMA per serie storiche

1. Dinamica e prevedibilità dei rendimenti finanziari
• Fatti stilizzati dei rendimenti finanziari
• Ipotesi di mercato efficiente, ipotesi del random walk
• Test di prevedibilità: metodi lineari e non lineari
• Test sulla volatilità

2. Asset Pricing e modelli fattoriali
• CAPM, APT: fondamenti teorici
• Test su serie storiche e in sezione trasversale
• Metodi di massima verosimiglianza e stima in due stadi
• Modelli fattoriali statistici (PCA, estrazione dei fattori)

3. Modellizzazione classica della volatilità
• Introduzione ai modelli strutturali e al Filtro di Kalman
• Modellizzazione della volatilità con modelli a spazio degli stati
• Introduzione ai modelli observation-driven
• Modelli ARCH e GARCH
• Modelli multivariati di volatilità: GARCH multivariato e DCC

4. Stima e modellizzazione della struttura a termine dei tassi di interesse
• Modelli di stima della curva dei rendimenti
• Modelli fattoriali dinamici dei tassi di interesse
• Modello dinamico di Nelson–Siegel

5. Modelli di volatilità score-driven
• Introduzione ai modelli score-driven
• Modelli score-driven per la volatilità dei rendimenti
• Modelli score-driven per la volatilità realizzata

Campbell, J. Y., Lo, A. W., & MacKinlay, A. C. (1997). The Econometrics of Financial Markets. Princeton University Press.
Diebold, F. X., & Rudebusch, G. D. (2013). Yield Curve Modeling and Forecasting: The Dynamic Nelson–Siegel Approach. Princeton University Press.
Harvey, A.C. (1989), Forecasting, Structural Time Series Models and the Kalman Filter.
Harvey, A.C. (1994), Time Series Models.
Harvey, A. C. (2013). Dynamic Models for Volatility and Heavy Tails: With Applications to Financial and Economic Time Series. Cambridge University Press.
Tsay, R. S. (2010). Analysis of Financial Time Series (3rd ed.). Wiley.

Ai fini della valutazione, è previsto un esame principale che coprirà sia gli aspetti teorici sia le applicazioni dei concetti sviluppati a lezione. Tuttavia, proporrò anche un progetto finale (compito a casa) per gli studenti che sosterranno la prima sessione d’esame dell’anno, volto a verificare la loro capacità di sviluppare una soluzione a un problema senza limitarsi alle sole informazioni fornite a lezione. Di conseguenza, per la prima sessione d’esame dell’anno il voto del corso sarà basato sul compito a casa e sull’esame finale scritto, mentre per tutte le altre sessioni il voto sarà determinato esclusivamente dall’esame finale. Il voto finale della prima sessione d’esame sarà calcolato con i seguenti pesi: 30% compito a casa, 70% esame scritto finale.

scritto

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

I voti da 18 a 20 sono attribuiti per aver risposto correttamente o risolto, totalmente o parzialmente, dal 60% al 69% delle domande d’esame. I voti da 21 a 23 sono attribuiti per aver risposto correttamente o risolto, totalmente o parzialmente, dal 70% al 79% delle domande d’esame. I voti da 24 a 26 sono attribuiti per aver risposto correttamente o risolto, totalmente o parzialmente, dall’80% all’89% delle domande d’esame. I voti da 27 a 30 sono attribuiti per aver risposto correttamente o risolto, totalmente o parzialmente, dal 90% al 100% delle domande d’esame.

Ciclo di lezioni sui diversi argomenti

Il corso è svolto in collaborazione con il partenariato esteso GRINS - Growing Resilient, INclusive and Sustainable, codice PE0000018, CUP H73C22000930001, avviso pubblico n. 341/2022 del Piano Nazionale di Ripresa e Resilienza (PNRR), Missione 4 - Componente 2 - Investimento 1.3, finanziato dall’Unione europea - NextGenerationEU.
All’interno del corso possono essere proposti incontri con testimoni aziendali aderenti al progetto, incentrati sullo sviluppo di conoscenze pratiche nella materia oggetto di studio, oltre che sui risultati del progetto stesso.
Questo insegnamento tratta argomenti connessi allo Spoke 4 Sustainable Finance - Work Package n. 3.