Obiettivi Formativi

Il corso ha lo scopo di introdurre i principali strumenti statistici utilizzati nell’analisi empirica dei dati finanziari e aziendali e di fornire i concetti fondamentali della statistica aziendale e per la finanza. Partendo dalle caratteristiche empiriche delle serie storiche finanziarie e aziendali si analizzeranno i modelli statistici lineari e non lineari proposti in letteratura per la previsione della dinamica futura di tali serie. Alla fine del corso lo studente acquisisce le competenze per analizzare, interpretare e prevedere le serie storiche finanziarie.

Learning Goals

The objective of the course is to introduce the main statistical tools used in empirical analysis of financial data and to provide the basic concepts of business and finance statistics. Based on the empirical characteristics of the historical financial series, we will analyze the linear and nonlinear statistical models proposed in the literature for predicting the future dynamics of such series. At the end of the course the student acquires the skills to analyze, interpret and predict financial time series.

Metodi didattici

Le lezioni si articolano in una parte di didattica frontale svolta in aula ed in una svolta in laboratorio con l'ausilio dei software Excel e Gretl

Teaching Methods

The lessons are divided into a part of frontal teaching carried out in the classroom and a turn in the laboratory with the aid of the Excel and Gretl software

Prerequisiti

È consigliata la conoscenza degli elementi di statistica descrittiva ​​​​​​​

Prerequisites

Knowledge of main tools of descriptive statistics

Verifiche dell'apprendimento

Le modalità di verifica dell'apprendimento consistono in un esame orale

Programma del Corso

Numeri indici. Statistica Inferenziale Elementi di base di calcolo delle probabilità; Le principali distribuzioni di probabilità: la distribuzione binomiale, la distribuzione normale; Metodi di campionamento; Inferenza (concetti base); Teoria della stima; Stima di μ e σ; Verifica delle ipotesi; Test statistici: z, t, χ2; Test basati su due campioni. ANOVA Il modello di regressione lineare. Analisi delle serie storiche con approccio classico: componente deterministica e componente casuale, Stagionalità additiva e moltiplicativa Analisi moderna delle serie storiche. Processi ARIMA (AR, MA e processi integrati) Cenni Previsioni statistiche