FORECASTING INSTRUMENTS FOR FINANCIAL PROBLEMS

Il corso rientra tra le principali attività della Laurea Magistrale in Global Accounting and Finance. Coerentemente con i suoi obiettivi formativi, il corso tratta concetti e metodi della Statistica Previsionale (Forecasting) per problemi legati al Business e la Finanza e si propone di fornire nozioni e capacità metodologiche e pratiche per analizzare e risolvere i problemi previsionali standard che sorgono nell'ambito aziendale e finanziario. Una specifica attenzione è dedicata allo sviluppo di abilità computazionali, utilizzate per risolvere casi di studio ed esempi (tipicamente, tramite l’utilizzo di software statistici specifici).

Conoscenza e capacità di comprensione.
La frequenza e la partecipazione alle lezioni ed alle relative attività, nonché lo studio individuale, consentono allo studente di acquisire i seguenti obiettivi formativi:
- conoscere ed utilizzare i concetti necessari per descrivere e comprendere gli strumenti statistici e previsionali a disposizione delle imprese;
- implementazione di tecniche e metodi statistici utili a formalizzare le decisioni finanziarie.

Capacità di applicare conoscenza e comprensione.
La frequenza e la partecipazione alle lezioni ed alle attività connesse, nonché lo studio individuale, consentono allo studente di acquisire le seguenti competenze:
- capacità di utilizzare strumenti quantitativi nella modellazione e valutazione delle serie storiche legate a problemi finanziari;
- capacità di selezionare la tecnica più appropriata per risolvere problemi reali;
- capacità di analizzare e discutere specifiche scelte previsionali finanziarie presentate sotto forma di casi studio.

Capacità di giudizio, capacità comunicative, capacità di apprendimento.
Al termine del corso lo studente dovrà essere in grado di:
- formulare motivazioni e argomentare adeguatamente l'approccio utilizzato per analizzare le serie storiche legati a problemi finanziari e relativi modelli previsionali quantitativi;
- comprendere i relativi punti di forza e di debolezza dei diversi approcci;
- formulare, implementare e descrivere un'adeguata analisi ed interpretazione finanziaria di modelli e tecniche statistiche.

Non ci sono prerequisiti formali, ma il corso si baserà su alcune conoscenze matematiche e statistiche di base. Si assumono noti gli argomenti standard trattati nei corsi di laurea di Mathematics e Computational tools for Economics and Management, oltre che nei corsi di Statistica. Pregresse conoscenze di nozioni di probabilità e di software statistici sono molto utili.
Inoltre, l'attenzione è focalizzata sull'apprendimento delle "buone pratiche" attraverso l'applicazione di alcuni esercizi. In particolare, saranno utilizzati i linguaggi di programmazione Excel e R.

Questo corso copre diversi metodi di previsione statistica, che possono essere applicati per risolvere problemi di matematica finanziaria in contesti aziendali. Gli argomenti includono la scomposizione delle serie temporali, le medie mobili, il livellamento esponenziale e i modelli dello spazio degli stati, la gestione dell'inventario. Inoltre, verranno studiati metodi di simulazione per implementare e integrare nella pratica i risultati delle previsioni.

Lo schema del corso è strutturato come segue:

- Introduzione alle diverse tipologie di data set e alla loro visualizzazione
- Decomposizione delle serie temporali e analisi dei dati (medie mobili; errore, trend e stagionalità)
- Metodi di previsione ("exponential smoothing" e modelli "state-space")
- Distribuzioni e simulazioni degli errori
- Modelli ARIMA e processo decisionale sui dati

Tutti gli argomenti verranno presentati con il software Excel e con un'introduzione al software R. Verrà utilizzato il pacchetto R fpp3 per Principi e pratica di previsione.

Slides e materiale saranno resi disponibili su Moodle.

Il libro di testo che sarà utilizzato è il seguente:

Rob J Hyndman and George Athanasopoulos, Forecasting: Principles and Practice (3rd ed).

La valutazione finale è basata su un esame orale.
L’esame globale è articolato in due parti: una prima parte consiste in un progetto di analisi dati, da consegnare secondo le scadenze annunciate in classe e presenti sulla piattaforma Moodle. Una seconda parte è l’esame orale che verterà sulla discussione del progetto ed i contenuti del corso.

orale

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.

Per quanto riguarda la gradazione del voto (modalità con cui saranno assegnati i voti), a prescindere dalla modalità frequentante o non frequentante:
A. punteggi nella fascia 18-22 verranno attribuiti in presenza di:
- sufficiente conoscenza e capacità di comprensione applicata in riferimento al programma;
- sufficiente capacità di applicare conoscenza e comprensione e capacità di giudizio;
- sufficienti abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia;
B. punteggi nella fascia 23-26 verranno attribuiti in presenza di:
- buona conoscenza e capacità di comprensione applicata in riferimento al programma;
- buona capacità di applicare conoscenza e comprensione e capacità di giudizio;
- buona abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia;
C. punteggi nella fascia 27-30 verranno attribuiti in presenza di:
- ottima conoscenza e capacità di comprensione applicata in riferimento al programma;
- ottima capacità di applicare conoscenza e comprensione e capacità di giudizio;
- ottima abilità comunicative, specie in relazione all'utilizzo del linguaggio specifico che attiene alla materia.

Quindici lezioni in presenza, a partire dal 15 febbraio al 8 marzo, articolate settimanalmente secondo il calendario delle lezioni.

Gli studenti sono tenuti ad iscriversi al corso sulla piattaforma Moodle di ateneo (moodle.unive.it).

La valutazione finale è basata su un esame orale.
L’esame globale è articolato in due parti: una prima parte consiste in un progetto di analisi dati, da consegnare secondo le scadenze annunciate in classe e presenti sulla piattaforma Moodle, sempre da consultare. Una seconda parte è l’esame orale che verterà sulla discussione del progetto ed i contenuti del corso.