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 causale 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;
- 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
Si raccomanda una conoscenza di base dell'analisi delle serie storiche e del software statistico R.
Metodi didattici
Il corso è erogato con la seguente suddivisione: 30 ore di lezioni svolte in modalità erogativa in presenza; 12 ore svolte in modalità erogativa da remoto con lezioni asincrone.
Modalità di verifica dell'apprendimento
La verifica dell'apprendimento prevede una prova scritta che comprende delle domande teoriche aperte, degli esercizi e l'interpretazione di un output fornito dal software utilizzato in laboratorio. Le domande teoriche e gli esercizi sono finalizzati alla verifica della capacità dello studente di esporre e applicare i concetti e i metodi affrontati nell'insegnamento. L'analisi dell'output intende verificare la capacità dello studente di interpretare correttamente i risultati delle elaborazioni fornite dal software.
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 periodo del secondo semestre.
Lingua di insegnamento
Italiano
Sustainable Development Goals
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;
- 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 and the statistical software R is recommended.
Teaching methods
The course is held according to the following partition: 30 hours of frontal lessons held in presence; 12 hours of remote learning held with asynchronous lessons.
Assessment methods
A written exam which consists of open theoretical questions, exercises and the interpretation of an output provided by the software used in the lab. The open questions and exercises aim at assessing student's ability to present and to apply the concepts and methods described in the course. The analysis of the output assesses student's ability to correctly interpret the results of the software.
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 period of the second semester.
Teaching language
Italian
