METODI QUANTITATIVI PER I MERCATI FINANZIARI (1 MODULO)
cod. 1003995

Anno accademico 2016/17
3° anno di corso - Primo semestre
Docente
Giorgio GOZZI
Settore scientifico disciplinare
Statistica economica (SECS-S/03)
Ambito
Statistico-matematico
Tipologia attività formativa
Caratterizzante
35 ore
di attività frontali
5 crediti
sede: PARMA
insegnamento
in - - -

Modulo dell'insegnamento integrato: METODI QUANTITATIVI PER I MERCATI FINANZIARI

Obiettivi formativi

COMPETENZE DA SVILUPPARE E RISULTATI DI APPRENDIMENTO ATTESI
1) Conoscenza e capacità di comprensione (knowledge and
understanding). Il corso si propone di fornire gli strumenti di base più
idonei per l’analisi di alcuni aspetti fondamentali del mercato monetario e
finanziario. Una particolare attenzione verrà rivolta alle serie storiche di fenomeni finanziari: tassi di cambio, tassi di interesse, prezzi e
rendimenti azionari, prezzi e rendimenti di strumenti derivati. La
partecipazione alle attività didattiche, congiuntamente allo svolgimento
degli esercizi di corredo, accrescono nello studente la capacità di
elaborare, autonomamente, quella tipologia di “dato statistico” che
caratterizza la natura del corso di Laurea in Economia e Finanza.

2) Capacità di applicare conoscenza e comprensione (applying knowledge
and understanding). Al termine del corso, lo studente sarà in grado di attuare in modo autonomo le tecniche di modellazione descritte
sopra. Lo studente avrà quindi sviluppato competenze specifiche, a cui
vengono associate capacità critiche di tipo diagnostico. Ingredienti
essenziali nella costruzione di un buon modello statistico, con l'eventuale
ricorso a strumenti informatici.

3)Autonomia di giudizio (making judgements). Alla fine del corso, lo
studente sarà in grado di svolgere in autonomia tutte le considerazioni
riguardanti i problemi di analisi di serie storiche finanziarie . Inoltre, lo
studente sarà in grado di interpretare correttamente i risultati di tali analisi, anche quando effettuate da altri utenti o esperti.

4)Abilità comunicative (communication skills). Alla fine del corso, lo
studente potrà utilizzare un linguaggio tecnico appropriato nel
comunicare con gli operatori dei mercati finanziari. Inoltre dovrebbe
essere in grado di riassumere le informazioni statistiche anche di natura
complessa.

5)Capacità di apprendere (learning skills). Si vuole dare allo studente la
possibilità di assimilare i risultati chiave della teoria matematica,
statistica e probabilistica che stanno alla base della costruzione di un
modello statistico. Al termine del corso, lo studente avrà acquisito le
nozioni chiave per poter accuratamente utilizzare gli strumenti
quantitativi, qualora questi diventino necessari nella soluzione di
problemi concreti di natura finanziaria

Prerequisiti

Conoscenza di base in di statistica descrittiva e inferenziale

Contenuti dell'insegnamento

/Teoria elementare di processi stocastici per serie stazionarie
1. Richiami di elementi di probabilita' per vettori aleatori.

2. Trasformazione di variabili casuali univariate e multivariate.

3. Processi Gaussiani e processi White Noise.

4. Cenni ai processi non stazionari di tipo Random Walk

/Evidenze empiriche delle serie storiche osservate

1. Caratteristiche empiriche delle serie storiche di rendimenti finanziari.
Formule di aggregazioni di rendimenti multi-periodo.

2. La forma di distribuzione dei rendimenti. Test di simmetria, curtosi e
normalità.

3. La dipendenza temporale (lineare e non lineare) dei rendimenti.
Funzione di autocorrelazione e test di significativita' associati.

4. Processi AutoRegressivi per serie stazionarie di rendimenti e di
trasformate ad esse associate.

/Cenni alle analisi dei trend dei prezzi di borsa e medie mobili

Programma esteso

Teoria elementare di processi stocastici per serie stazionarie
1. Richiami di elementi di probabilita' per vettori aleatori.
2. Trasformazione di variabili casuali univariate e multivariate.
3. Processi Gaussiani e processi White Noise.
4. Cenni ai processi non stazionari di tipo Random Walk
/ Evidenze empiriche delle serie storiche osservate
1. Caratteristiche empiriche delle serie storiche di rendimenti finanziari.
Formule di aggregazioni di rendimenti multi-periodo.
2. La forma di distribuzione dei rendimenti. Test di simmetria, curtosi e
n o r m a l i t a ' .
3. La dipendenza temporale (lineare e non lineare) dei rendimenti.
Funzione di autocorrelazione e test di significativita' associati.
4. Processi AutoRegressivi per serie stazionarie di rendimenti e di
trasformate ad esse associate.
/ Cenni alle analisi dei trend dei prezzi di borsa e medie mobili

Bibliografia

Dispensa su tutti gli argomenti del corso:
GOZZI G., Taluni argomenti di Metodi Quantitativi per i Mercati Finanziari, Libreria Medico Scientifica , Parma, Edizione 2014 e materiale didattico integrativo reso disponibile durante il corso caricato sul sito docente.
Libri di approfondimento:
Alexander, C. (2008), Quantitative Methods in Finance, John Wiley & Sons Ltd, Chichester, England. http://npu.edu.ua/!e-book/book/djvu/A/iif_kgpm_Carol_Quantitative_Methods_in_Finance.pdf.pdf
De Luca , G. (2013), Metodi statistici per le decisioni finanziarie, Università Parthenope a.a. , 2011-2012, Napoli
http://www.economia.uniparthenope.it/modifica_docente/deluca/msdf.pdf
Gallo G.M. e Pacini B. (2002), Metodi quantitativi per i mercati finanziari, Carocci Editore, Roma.
Di Fonzo T. e Lisi F. (2005), Serie storiche economiche. Analisi statistiche e applicazioni, Carocci editore, Roma
Laurini F. (2012) Elementi di analisi delle serie storiche finanziarie, Libreria Medico Scientifica , Parma
Pelagatti M.M. (2009), Statistica dei Mercati Monetari e Finanziari , Università Milano - Bicocca.
http://www.statistica.unimib.it/utenti/p_matteo/lessons/SMMF/StatFin.pdf
Proietti T. , Econometria Applicata, Dipartimento di Scienze Statistiche, Università di Udine. http://www.statistica.unimib.it/utenti/p_matteo/lessons/SSE/EcAppl_Dispense.pdf
Ruppert D. (2003), Statistics and Finance . An introduction, Springer, New York
Tsay, R.S. (2010), Analysis of Financial Time Series, Third Edition,Wiley, New York

Metodi didattici

Acquisizione delle conoscenze: lezioni frontali. Nello svolgimento delle
lezioni si farà ricorso all'utilizzo di Microsoft Excel e di Gretl. Gretl è
l'acronimo di Gnu Regression, Econometrics and Time-series Library. È un
pacchetto software per l'econometria che è facile da usare e
sufficientemente potente. Gretl è distribuito come software gratuito che
può essere scaricato da http://gretl.sourceforge.net e installato sul
proprio personal computer.
Acquisizione della capacità di applicare le conoscenze: esercitazioni.
Acquisizione dell’autonomia di giudizio: durante il corso gli studenti
verranno stimolati a individuare pregi e difetti degli strumenti statistici.

Acquisizione delle capacità di apprendimento: per ogni argomento verrà
fornita una illustrazione del problema da risolvere e si analizzeranno
criticamente le soluzioni adottate.
Acquisizione del linguaggio tecnico: durante l’insegnamento verrà
illustrato il significato dei termini comunemente usati nella analisi delle
serie storiche finanziarie.

Modalità verifica apprendimento

L'esame è in forma scritta. Non è prevista alcuna forma di esame orale.

Altre informazioni

- - -

Obiettivi agenda 2030 per lo sviluppo sostenibile

- - -

Referenti e contatti

Numero verde

800 904 084

Segreteria studenti

E. segreteria.economia@unipr.it

Servizio per la qualità della didattica

Manager della didattica:
rag. Giuseppina Troiano
T. +39 0521 902296
E. servizio didattica.sea@unipr.it
E. del manager giuseppina.troiano@unipr.it

Presidente del corso di studio

prof.ssa Katia Furlotti
E. katia.furlotti@unipr.it

Delegato orientamento in ingresso

prof.ssa Donata Tania Vergura
E. donatatania.vergura@unipr.it

Delegato orientamento in uscita

prof.ssa Chiara Panari
E. chiara.panari@unipr.it

Docenti tutor

prof.ssa Maria Grazia Cardinali
E. mariagrazia.cardinali@unipr.it
prof. Gino Gandolfi
E. gino.gandolfi@unipr.it
prof. Alberto Grandi
E. alberto.grandi@unipr.it
prof. Fabio Landini
E. fabio.landini@unipr.it
prof.ssa Tatiana Mazza
E. tatiana.mazza@unipr.it
prof. Marco Riani
E. marco.riani@unipr.it

Delegati Erasmus

prof. Simone Fanelli
E. simone.fanelli@unipr.it
prof.ssa Cristina Zerbini
E. cristina.zerbini@unipr.it
prof. Vincenzo Dall'Aglio
E. vincenzo.dallaglio@unipr.it

Responsabile assicurazione qualità

prof.ssa Doriana Cucinelli
E. doriana.cucinelli@unipr.it

Tirocini formativi

E. tirocini@unipr.it