ANALYSIS OF MULTIDIMENSIONAL AND TIME SERIES DATA

Anno accademico 2026/2027 - Docente: LUCA SCAFFIDI DOMIANELLO

Risultati di apprendimento attesi

Conoscenza e capacità di comprensione (knowledge and understanding): Il corso presenta i principali modelli statistici utilizzati nell'analizzare le serie storiche economiche e/o finanziarie.


Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): sulla base delle conoscenze acquisite, lo studente sarà in grado di utilizzare i principali modelli statistici per analizzare le serie storiche economiche e finanziarie.

Autonomia di giudizio (making judgements): lo studente sarà in grado di raccogliere, elaborare ed interpretare dati di natura economica e finanziaria con l'ausilio di adeguati software statistici. 

Abilità comunicative (communication skills): lo studente sarà in grado di trasmettere ad altri, con padronanza del linguaggio tecnico, informazioni e valutazioni relative a distribuzioni di dati inerenti a realtà economico-finanziarie.

Capacità di apprendimento (learning skills): alla fine del corso, lo studente avrà acquisito le necessarie conoscenze per poter proseguire i suoi studi economico-finanziari.



Modalità di svolgimento dell'insegnamento

didattica frontale

Prerequisiti richiesti

Conoscenze di base in Statistica, Econometria a Algebra Matriciale

Frequenza lezioni

In presenza

Contenuti del corso

Probabilità: esperimento casuale; spazio campionario; eventi; spazio degli eventi; probabilità; probabilità condizionata;  

Variabili casuali: definizione di variabile casuale; variabili casuali continue e discrete; funzione di densità di probabilità; funzione di  ripartizione; variabili casuali bivariate; valore atteso di una variabile casuale: media, varianza; valore atteso condizionato; legge dei valori attesi iterati.

Analisi dei prezzi: processo random walk, trend stocastico, test di radice unitaria.

Analisi dei rendimenti: rumore bianco; processi ARMA; funzione di autocorrelazione; funzione di autocorrelazione parziale; identificazione del modello; stima e previsione.

Analisi della volatilità: regolarità empiriche, modelli ARCH, GARCH, GJR-GARCH, EGARCH, stima e previsione.

Modelli soggetti a cambiamento di regime: Catene di Markov; stima di massima verosimiglianza (cenni)

Dati ad elevata frequenza: volatilità realizzata, modelli ACD, stima e previsione (cenni)

Testi di riferimento

Ruey S. Tsay, "Analysis of Financial Time Series",  third edition, Wiley & Sons Inc, (2010).

James D. Hamilton, "Time Series Analysis", Princeton University Press (1994). 

Giampiero M. Gallo, Barbara Pacini "Metodi quantitativi per i mercati finanziari", Carocci Editore (2002).

Programmazione del corso

 ArgomentiRiferimenti testi
1Statistica di baseTesto 1) cap. 1
2Analisi dei rendimentiTesto 1) cap. 2
3Analisi della volatilitàTesto 1) cap. 3
4Modelli con cambiamenti di regimeTesto 1) cap. 4
5Modelli per dati ad elevata frequenzaTesto 1) cap. 5

Verifica dell'apprendimento

Modalità di verifica dell'apprendimento

Esame scritto (obbligatorio) e orale (opzionale). L'esame orale consiste nella presentazione di un project work relativo all'analisi su dati reali usando i modelli statistici trattati all'interno del corso e l'ausilio del software statistico R.

Esempi di domande e/o esercizi frequenti

Illustri le regolarità empiriche che caratterizzano i rendimenti finanziari

Descriva l'andamento dell'ACF di un processo AR(1)

Illustri la Curva d'Impatto delle innovazioni di un GJR-GARCH

ENGLISH VERSION