- Economic Time Series Analysis
- Summary
Course Syllabus
Obiettivi formativi
L’insegnamento intende fornire allo studente la conoscenza di metodi statistici avanzati per l’analisi delle serie storiche economiche, univariate e multivariate. Si focalizza l’attenzione sulle caratteristiche delle serie storiche economiche, descrivendo i metodi per l’analisi delle serie non stazionarie. Si descrivono i processi autoregressivi vettoriali, illustrando i lori utilizzi a fini predittivi, di analisi casuale e dinamica. Si forniscono gli strumenti statistici per verificare l’esistenza di relazioni di cointegrazione tra le serie storiche che descrivono l’evoluzione di variabili economiche diverse ma legate tra loro. Al termine dell’insegnamento ci si attende che lo studente dimostri di:
- conoscere i metodi statistici avanzati per l’analisi delle serie storiche;
- saper analizzare le serie storiche, univariate e multivariate, che descrivono variabili economiche;
- interpretare correttamente i risultati ottenuti dall’analisi delle serie storiche.
Contenuti sintetici
Contenuti sintetici:
- le serie storiche univariate non stazionarie;
- i test di radice unitaria;
- le serie storiche multivariate stazionarie;
- i modelli autogressivi vettoriali (VAR);
- la cointegrazione;
- la rappresentazione a correzione d’errore (ECM);
- la procedura di stima di Johansen;
- i test di cointegrazione.
Programma esteso
Programma esteso:
- le serie storiche economiche non stazionarie;
- i processi trend-stazionari ed i processi a radice unitaria;
- i test di radice unitaria;
- la scomposizione di Beveridge e Nelson;
- i modelli autoregressivi vettoriali (VAR);
- le condizioni per la stazionarietà di un VAR;
- la stima di un VAR;
- l’uso di un VAR: le previsioni, l’analisi di causalità di Granger, la funzione impulso-risposta;
- la regressione spuria;
- la cointegrazione;
- la rappresentazione a correzione d’errore (ECM);
- il teorema di rappresentazione di Granger;
- la tecnica di stima di Johansen;
- i test di cointegrazione.
Prerequisiti
Metodi didattici
Il corso prevede sia lezioni frontali sia lezioni in laboratorio. Tuttavia, nel periodo di emergenza Covid-19 le
lezioni si svolgono da remoto asincrono con eventi in
videoconferenza
sincrona.
Modalità di verifica dell'apprendimento
L’accertamento dei risultati dell’apprendimento prevede lo svolgimento di una prova orale che consiste in un colloquio sugli argomenti svolti a lezione. Nel periodo di emergenza Covid-19 gli esami orali sono solo telematici. Essi sono svolti utilizzando la piattaforma WebEx e nella pagina e-learning dell'insegnamento è riportato un link pubblico per l'accesso all'esame di possibili spettatori virtuali.
Modalità di valutazione.
La valutazione è espressa in 30esimi.
Testi di riferimento
- Testo di
riferimento: Zavanella, B. (2004) Modelli per le serie storiche non stazionarie
e multivariate. Editore: CUSL.
- Materiale aggiuntivo (dispensa del corso, slide ed appunti) fornito dal docente.
- Libri consigliati: Hamilton, J.D. (1995)
Econometria delle serie storiche. Editore: Monduzzi.
Periodo di erogazione dell’insegnamento
L'insegnamento si svolge nel primo modulo del secondo semestre.
Lingua di insegnamento
Italiano
Learning objectives
The course aims at providing the knowledge needed to analyse economic time series, both univariate and multivariate. This course provides a comprehensive understanding of non-stationary univariate time series and vector autoregressive processes, focusing attention on their use for forecasting and dynamic analysis. It also describes how to test the cointegration relationships between economic variables and to analyse deviations from a long-run equilibrium. By the end of the course, students are expected to acquire:
- the knowledge of advanced statistical methods to
analyse time series;
- the ability to analyse univariate and multivariate time series describing economic
variables;
- the ability to interpret the results obtained from time series analysis.
Contents
Contents:
- non-stationary univariate time series;
- unit root tests;
- stationary multivariate time series;
- vector autoregressive models (VAR);
- cointegration;
- error correction mechanism (ECM);
- Johansen's procedure;
- cointegration tests.
Detailed program
Detailed program:
- non-stationary economic time series;
- trend-stationary and unit root processes;
- unit root tests;
- the Beveridge-Nelson decomposition;
- vector autoregressive processes (VAR);
- conditions for stationary VAR processes;
- estimation of VAR models;
- use of VAR models: forecasting, the Granger causality test, the impulse-response function;
- spurious regression;
- cointegration;
- error correction mechanism (ECM);
- Granger’s representation theorem;
- Johansen’s procedure;
- cointegration tests.
Prerequisites
Basic knowledge of time series analysis is recommended.
Teaching methods
The course is structured in frontal lectures and labs. However, during the Covid-19 emergence learning is delivered via previously recorded lessons, with some additional events via videoconferencing.
Assessment methods
The
assessment of learning outcomes
consists of an oral
exam on the topics covered in the course. During the Covid-19 emergence, oral
exam is conducted by using the WebEx platform and a link to access the exam
session is available in the e-learning page of the course. Assessment criteria. The exam
score is on a 30-point scale.
Textbooks and Reading Materials
- Textbook: Zavanella, B. (2004) Modelli per le serie storiche non stazionarie
e multivariate. Editore: CUSL.
- Reading materials (slides and lecture notes) provided by the teacher.
- Recommended
book: Hamilton, J.D. (1994) Time series analysis. Editor: Princeton University Press.
Semester
The course will be held in the first module of the second semester.
Teaching language
Italian