| |
 |
|
|
|
|
Codice:
Course code: |
|
8907 |
|
|
|
Anno accademico:
Academic year: |
|
2004-2005 |
|
|
|
Titolo del corso:
Course title: |
|
Statistica II (modelli dinamici e prev. Statist)
|
|
|
|
Modulo:
Module: |
|
Unico
|
|
|
|
Docente 1:
Teacher 1: |
|
COLOMBI Roberto |
|
|
|
Ruolo Docente 1:
Teacher 1: |
|
|
|
|
|
Modalità 1:
Type 1: |
|
Convenzionale
|
|
|
|
Settore scientifico-disciplinare:
Reference sector: |
|
SECS-S/02 Statistica per la ricerca sperimentale e tecnologica |
|
|
|
Anno di corso:
Year of degree course: |
|
primo
|
|
|
|
Facoltà:
Faculty: |
|
Ingegneria |
|
|
|
Modalità di frequenza:
Type: |
|
Non obbligatoria |
|
|
|
Semestre:
Semester: |
|
2 |
Sottoperiodo:
Sub period: |
|
0° |
|
|
|
Numero totale di crediti:
Total credits: |
|
5.0 |
|
|
|
Carico di lavoro
Workload |
|
Attività frontale:
Lectures: |
32.0 |
|
|
Esercitazioni:
Applied activities: |
16.0 |
|
|
Studio individuale:
Individual work: |
0.0 |
|
|
Attività didattica a piccoli gruppi:
Group work: |
0.0 |
|
|
|
|
Seminari:
Seminars: |
0.0 |
|
|
|
|
Laboratori:
Laboratories: |
0.0 |
|
|
TOTALE (voci sopra-elencate):
TOTAL: |
48.0 |
|
|
Ore di lezione settimanali:
|
0.0 |
|
|
|
|
Prerequisiti:
Prerequisites: |
|
|
|
|
|
Obiettivi formativi:
Educational goals: |
|
Il problema della previsione è centrale nelle applicazioni economiche, gestionali, finanziarie e in molte altre applicazioni tecnologiche. Il corso intende fornire le conoscenze inerenti le metodologie di analisi delle serie storiche e di previsione statistica utili per descrivere la dinamica temporale e prevedere il comportamento futuro di fenomeni aziendali o finanziari o inerenti il processo produttivo. Particolare attenzione verrà data a quei metodi che a partire dalla modellizzazione della dinamica temporale di un fenomeno osservato nel passato forniscono regole per prevederne il comportamento futuro. L'importanza della previsione statistica viene esemplificata in contesti aziendali finaziari e di controllo dei processi produttivi.
|
|
|
|
Contenuto del corso:
Course contents: |
|
Il modello di regressione classico: le ipotesi del modello di regressione classico, stima con il metodi dei minimi quadrati e di massima verosimiglianza, teorema di Gauss-Markov, verifica di ipotesi e test di specificazione e adattamento nel modello di regressione classico.
Il modello di regressione con errori autocorrelati eo eteroschedastici: modelli con errori autoregressivi, modelli con errori autoregressivi e variabili ritardate, modelli con errori incorrelati ma eteroschedastici.
Test di ipotesi, test di adattamento, test di specificazione e test diagnostici per modelli di regressione: test di incorrelazione dei residui, test di omoschedasticità, test di normalità, test di ipotesi sui parametri di regressione, test di adattamento.
Modelli autoregressivi e con errori a media mobile: modelli AR, MA, ARMA e ARMAX, funzione di autocorrelazione, stazionarietà e invertibilità dei modelli ARMA, stima dei parametri, problemi di selezione del modello più adatto a descrivere i dati.
Il problema di previsione nei modelli di regressione, nei modelli autoregressivi e a media mobile: previsione puntuale e intervallare, previsioni a passo uno e a passo maggiore di uno, aggiornamento della previsione, confronto della capacità previsiva di differenti modelli.
I modelli spazio degli stati: equazioni di stato, equazioni di misura, componenti stocastiche gaussiane, stazionarietà, ergodigità, controllabilità, osservabilità, filtro di Kalman, filtraggio, previsione e smoothing, il problema dei valori iniziali, stima dei parametri incogniti discussione dei casi più rilevanti ( modelli di regressione a parametri variabili, serie storiche strutturali, componenti di trend, stagionalità e ciclo, modelli ARMA e ARIMAX in forma spazio degli stati, modelli di regressione con errori ARMA in forma spazio degli stati, stima e previsione in presenza di dati mancanti.
Illustrazione di software specialistico negli ambienti Matlab R e Gauss.
|
|
|
|
Testo di riferimento 1:
Course text 1: |
|
Hamilton (1995), Econometria delle serie storiche, Monduzzi
|
|
|
|
Testo di riferimento 2:
Course text 2: |
|
P.H. Hans Franses-D. van Dijk (2000), Non-linear time series models in empirical finance, cambridge University Press.
|
|
|
|
Testo di riferimento 3:
Course text 3: |
|
R. S. Tsay (2002), Analysis of Financial Time Series, Wiley.
|
|
|
|
Metodi didattici:
Teaching activities: |
|
lezioni frontali, esercitazione
|
|
|
|
Struttura della verifica del
profitto:
Assessment: |
|
scritto + orale
written + oral
|
|
|
|
Descrizione verifica del profitto:
|
|
|
|
|
|
Lingua di insegnamento:
Teaching language: |
|
italiano
|
|
|
|
Altre informazioni:
Other information: |
|
|
| |
|
|