Course Syllabus
Obiettivi formativi
Il corso offre una introduzione ai metodi econometrici utili per lo studio e le applicazioni in econometria della finanza. In particolare, durante il corso sarà forte l'iterazione tra la teoria e l'applicazione empirica. Al termine del corso, gli studenti saranno in grado di scegliere, stimare ed interpretare i modelli lineari per le applicazioni finanziarie. Le applicazioni empiriche verranno affrontate usando Matlab.
Contenuti sintetici
Il corso propone lo studio dei metodi econometrici in cross-section (o longitudinali), in time-series (o serie temporali), e in panel. Nella prima parte si affrontata la regressione bivariata e multivariata lineare classica. Le applicazioni empiriche riguarderanno i modelli lineari a fattori e l'analisi delle componenti principali. Nella seconda parte si affrontano i modelli univariati e multivariati per l'analisi delle serie storiche. Le applicazioni riguarderanno la stima e la previsione. Infine, nella terza parte si introdurranno i modelli panel per campioni con dimensione sia longitudinale che temporale.
Programma esteso
1. Il modello di regressione classico:
- Le ipotesi del modello
- Stimatori OLS
- Proprietà degli stimatori
- Teorema di Gauss-Markov
- Inferenza sui parametri del modello
- Bontà esplicativa del modello
2. Modelli e previsione di serie storiche
- Processi MA
- Processi AR
- Processi ARMA
- Modelli VAR
- Modelli ARCH e GARCH
3. Panel Data
- Modelli con effetti fissi
- Modelli con effetti stocastici
Metodi didattici
Modalità di verifica dell'apprendimento
Prova d'esame scritta. L'esame orale integrativo è disponibile su richiesta dello studente.
Testi di riferimento
Brooks, C. (2019). Introductory Econometrics for Finance, Cambridge University Press.
Greene, W. (2008). Econometric Analysis, 7th ed. Prentice Hall. New York, 7.
Enders W. (2014) Applied Econometric Time Series, 4th edition, John Wiley.
Appunti delle lezioni forniti dal docente.Learning objectives
The course aims to offer an introduction to the econometrics techniques in the area of financial econometrics. In particular, the interaction between theory and empirical applications is emphasized. At the end of the course, the students will be able to choice, estimate and interpret linear models for financial applications. Applications will be carried out using Matlab.
Contents
The course deals with econometrics methodology concerning cross-sectional, time-series, and panel data. The first block of the course covers an overview of the classical linear regression model and generalizes it in a multiple linear setting. Empirical applications on the linear factor models and principal components analysis are carried out. The second block covers univariate and multivariate time series analysis. The applications concern estimation and forecasting applications. Finally, the third block of the course covers panel data.
Detailed program
1. Classical linear regression:
- Model assumptions
- Ordinary Least Squared (OLS)
- Properties of estimators
- Gauss-Markov theorem
- Diagnostic tests
- Goodness of fit statistics
2. Time series modelling and forecasting
- Moving average processes
- Autoregressive processes
- ARMA processes
- VAR models
- Modelling volatility and correlation: ARCH and GARCH models
3. Panel Data
- Fixed effects models
- Random effects models
Teaching methods
Assessment methods
Written exam. An oral exam is available upon requests from the students.
Textbooks and Reading Materials
Brooks, C. (2019). Introductory Econometrics for Finance, Cambridge University Press.
Greene, W. (2008). Econometric Analysis, 7th ed. Prentice Hall. New York, 7.
Enders W. (2014) Applied Econometric Time Series, 4th edition, John Wiley.
Lecture notes/slides.Key information
Staff
-
Elisa Ossola