Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • My Media
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
 Log in
e-Learning - UNIMIB
Home My Media
Percorso della pagina
  1. Economics
  2. Master Degree
  3. Scienze Statistiche ed Economiche [F8206B - F8204B]
  4. Courses
  5. A.A. 2022-2023
  6. 1st year
  1. Introduction To Time Series Analysis M
  2. Summary
Insegnamento Course full name
Introduction To Time Series Analysis M
Course ID number
2223-1-F8204B012
Course summary SYLLABUS

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi formativi

Il corso si pone due obiettivi: 1) ripassare i fondamenti sui modelli lineari, regressione e metodi econometrici per serie storiche economiche; 2) introdurre gli studenti all'analisi delle serie storiche univariate con metodi 'classici'. In particolare, il corso affronterà i temi dell'analisi esplorativa per dati temporali, processi stocastici, modelli SARIMA e modelli di regressione per dati temporali. I metodi affrontati verranno utilizzati in applicazione con dati reali a fini sia previsivi, sia interpretativi dei fenomeni economici e delle loro dinamiche.

Contenuti sintetici

I contenuti sintetici (macro-temi) del corso sono i seguenti:

  • Intuzioni e concetti chiave sulle serie storiche economiche e sui processi stocastici
  • Richiami sui modelli lineari e regressione lineare
  • Analisi esplorativa (EDA) per dati temporali
  • Componenti delle serie storiche e decomposizione
  • Modelli SARIMA

Programma esteso

I contenuti dettagliati del corso sono i seguenti:

  • Intuzioni e concetti chiave sulle serie storiche economiche (componenti osservabili e non osservabili)
  • Richiami sui modelli lineari e regressione lineare (Teorema di Gauss-Markov, tima dei parametri con OLSE/MLE e test diagnostici
  • Introduzione ai processi stocastici (definizione, proprietà ed esempi) e richiami di probabilità per le serie storiche: funzioni di autocovarianza e autocorrelazione
  • Analisi esplorativa (EDA) per serie storiche: analisi grafica, indici e test sulle caratteristiche dei dati, analisi del trend (modelli lineari parametrici e non parametrici), analisi della stagionalità (regressione armonica), trasformazione di Box-Cox e eteroschedasticità nelle serie storiche
  • Stazionarietà, radici unitarie, test ADF, differenziazione
  • Componenti delle serie storiche e decomposizione: modelli additivi e moltiplicativi
  • Teorema di Wold e genesi di processi AR, MA e ARMA
  • Processi stazionari e modelli ARMA: identificazione, stima dei parametri, test diagnostici, teoria della previsione
  • Processi integrati e modelli ARIMA
  • Processi stagionali e modelli SARIMA
  • Modelli di regressione lineare con errori ARIMA (regARIMA)

Prerequisiti

Non ci sono propedeuticità formali, ma è richiesto che lo studente abbia una minima conoscenza di statistica descrittiva e probabilità (variabili casuali).

Metodi didattici

  • Didattica frontale per i contenuti teorici
  • Laboratorio con software statistico per l'analisi di casi studio reali

Modalità di verifica dell'apprendimento

Gli studenti saranno valutati tramite:

  1. Elaborazione di un progetto individuale che copre tutti i macro-temi affrontati nel corso con dati empirici reali (caso studio da concordare con il docente)
  2. Prova orale in cui verrà esposto il progetto e con domande sui contenuti affrontati nel corso

Testi di riferimento

  • Slides e materiali del docente
  • Libro per le applicazioni: 'Forecasting: Principles and Practice (2nd/3rd ed)' di Rob J Hyndman and George Athanasopoulos (disponibile online)
  • Libro per la teoria: 'Time Series Analysis and Its Applications with R (4th Ed)' di Shumway & Stoffer, 2017

Periodo di erogazione dell'insegnamento

I semestre, II ciclo

Lingua di insegnamento

Italiano

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Export

Learning objectives

Contents

Detailed program

Prerequisites

Teaching methods

Assessment methods

Textbooks and Reading Materials

Semester

Teaching language

Sustainable Development Goals

QUALITY EDUCATION
Enter

Key information

Field of research
SECS-S/03
ECTS
6
Term
First semester
Activity type
Mandatory to be chosen
Course Length (Hours)
42
Degree Course Type
2-year Master Degreee
Language
Italian

Staff

    Teacher

  • PM
    Paolo Maranzano

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Manual enrolments
Self enrolment (Student)

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
QUALITY EDUCATION

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics