D1. Conoscenza e capacità di comprensione. Al termine del corso lo/a studente/ssa saprà dimostrare di conoscere e descrivere i principali concetti e modelli dell'econometria di base con riferimento alle applicazioni finanziarie. Altresì lo studente sarà in grado di giustificare e commentare alcuni fra i risultati più rilevanti. D2. Capacità di applicare conoscenza e comprensione. Alla fine del corso lo/a studente/ssa saprà applicare le conoscenze per affrontare e risolvere problemi elementari classici di stima e previsione con i metodi econometrici appropriati. D3. Autonomia di giudizio. Al termine del corso lo/a studente /ssa saprà riconoscere e applicare le tecniche econometriche standard elementari e saprà altresì riconoscere le situazioni e i problemi in cui tali tecniche possono essere appropriatamente utilizzate. D4. Abilità comunicative. Alla fine del corso lo/a studente/ssa saprà esprimersi in modo appropriato sui temi di econometria finanziaria, con proprietà di linguaggio e sicurezza di esposizione. D5. Capacità di apprendimento. Alla fine del corso lo/a studente/ssa sarà in grado di consultare manuali ed articoli specializzati avendo una generale conoscenza del contesto, temi e termini tipici dell’econometria finanziaria.

Nozioni elementari di calcolo delle probabilità: variabili aleatorie, valore atteso, varianza, correlazione, convergenze, distribuzioni e valori attesi condizionati. Dimestichezza con la distribuzione normale. Nozioni elementari di statistica: modello lineare semplice e multivariato (verranno ampiamente rivisitati), concetti di verosimiglianza, minimi quadrati, verifica di ipotesi. Nozioni elementari di matematica: vettori e matrici (verranno tuttavia ripassati), concetti di derivata ed integrale. Software: utilizzo base di un qualsiasi software di analisi statistica.

Ambito e scopo dell'Econometria. Tipi di dati.

Regressione lineare semplice. Assunzioni del modello lineare classico. Proprietà degli errori.

Derivazione dello stimatore OLS. Precisione ed errori standard.

Generalizzazione a più regressori: lo stimatore OLS in forma matriciale. Test di ipotesi multiple. Bontà di adattamento. Analisi della specificazione.

Violazioni delle ipotesi classiche e test diagnostici.

Modellazione di serie storiche univariate. Stazionarietà e autocorrelazione. Processi stocastici. Specificazione e stima dei modelli di serie storiche.

Test di radice unitaria. Cointegrazione. Modelli in livelli e rappresentazioni a correzione dell'errore.

Modelli per dati panel. Eterogeneità individuale e stimatori a effetti fissi.

Brooks, Introductory Econometrics for Finance, IV Ed. (Cambridge),

Ch 1 esclusi 1.7, 1.8

Ch 2 esclusi 2.3.6, 2.3.7

Ch 3 esclusi 3.5, 3.13

Ch 4 esclusi 4.11, A.4.2

Ch 5 escluso 5.13

Ch 6 fino a 6.4.1

Ch 8: 8.1, 8.4, 8.5, 8.6, 8.7.1

Ch 11 fino a 11.5

Ambito e scopo dell'Econometria. Econometria vs. Econometria Finanziaria. Tipi di dati (dati cross-sezionali vs. serie storiche, dati panel).

Regressione lineare semplice. Regressione vs. correlazione. Assunzioni del modello lineare classico. Proprietà degli errori. Derivazione dell'estimatore OLS. Precisione ed errori standard.

Introduzione all'inferenza statistica. Test nel contesto del modello lineare classico. Il t-test. Esempio: il modello CAPM; test delle ipotesi su beta, Alpha di Jensen.

Generalizzazione a più regressori. Lo stimatore OLS in forma matriciale: derivazione dello stimatore e della sua matrice di covarianza. Esempi: modello di prezzi edonici delle case; il modello APT.

Test di ipotesi multiple: il test F. Statistiche di bontà di adattamento e la loro relazione con il test F. Analisi della specificazione: modelli completi e test di ipotesi non annidate. Regressori omessi e ridondanti.

Violazioni delle ipotesi classiche: test diagnostici per eteroschedasticità e correlazione; test per la normalità e per la forma funzionale errata. Stabilità dei parametri: test per punti di rottura; variabili dummy. Esempio: determinanti del rating sovrano.

Modellazione di serie storiche univariate. Definizione di stazionarietà. Processi stocastici: rumore bianco, AR, passeggiata casuale. Funzioni di autocorrelazione e autocorrelazione parziale; analisi della specificazione dei modelli univariati. Modelli di regressione dinamica e condizioni per la consistenza dello stimatore OLS.

Test di stazionarietà e radice unitaria; test DF e ADF. Definizione di cointegrazione. Nozione di superconsistenza. Modellazione di dati cointegrati o non cointegrati: rappresentazioni in livelli e correzione degli errori vs. modello alle differenze prime.

Modelli per dati panel. Eterogeneità individuale potenzialmente correlata e inconsistenza dello stimatore OLS pooled. Variabili dummy a minimi quadrati (LSDV) e stimatori a effetti fissi (FE). Analisi della specificazione.

Lezioni frontali tradizionali in presenza. Esempi di applicazioni in classe, con possibilità di sessioni di esercitazione in laboratorio e/o per casa.

Ulteriori materiali didattici (lucidi, articoli) verranno resi disponibili nell’area Moodle2 dell’insegnamento.

La verifica dell’apprendimento avviene mediante lo svolgimento di una prova orale composta da: - quesiti di carattere teorico per accertare la capacità dello studente di rispondere in modo articolato su argomenti specifici del programma - quesiti di carattere applicato (risoluzione di esercizi o interpretazione di risultati di procedure statistiche) per verificare la capacità dello studente di utilizzo dei metodi statistici proposti e di interpretazione dei risultati. La durata della prova è generalmente compresa tra mezz'ora e un'ora e mezza, e dipende dalla necessità di accertare il livello di conoscenze raggiunto. Una prova scritta preliminare, contenente domande simili a quelle dell'orale, può essere inserita per necessità organizzative in caso di esami molto affollati. L’esame è superato con un punteggio minimo di 18/30 se è dimostrata una conoscenza sufficiente degli argomenti richiesti unita a una capacità espositiva accettabile.

Questo insegnamento approfondisce argomenti
strettamente connessi a uno o più obiettivi dell’Agenda 2030 per lo Sviluppo Sostenibile delle
Nazioni Unite (vedasi infra, 1, 2, 8, 10, 16).