- Docente: Alessandra Luati
- Crediti formativi: 6
- SSD: SECS-S/01
- Lingua di insegnamento: Inglese
- Modalità didattica: In presenza e a distanza - Blended Learning
- Campus: Bologna
- Corso: Laurea Magistrale in Statistical Sciences (cod. 9222)
Conoscenze e abilità da conseguire
By the end of the course the student is able to analyse data generated by GARCH, DCS, long memory processes and make inference on the moment estimators.
Contenuti
Prerequisiti: analisi delle serie storiche lineari (processi lineari, rappresentazione di Wold, funzione di autocovarianza, funzione di densità spettrale, stima dei momenti di un processo lineare) e nozioni di base di processi stocastici (speranza condizionale, martingale, differenze di martingale).
Argomenti trattati nel corso: Analisi di serie storiche caratterizzate da parametri dinamici. Modelli state space e il filtro di Kalman. Modelli observation driven: GARCH e score driven models. Stima e inferenza.
Argomenti opzionali: quantili dinamici, densità predittive, invertibilità, processi a memoria lunga, processi localmente stazionari.
Testi/Bibliografia
Brockwell P.J. and Davis R.A. (1991), Time series: Theory and Methods, Springer.
Ulteriori letture sono consigliate durante il corso.
Metodi didattici
Lezioni frontali, laboratorio (R o Matlab), esercizi.
Modalità di verifica e valutazione dell'apprendimento
Ogni settimana, durante il corso, agli studenti viene consegnato un homework che consiste in una serie di domande di teoria, esercizi ed una applicazione da svolgere al computer. Gli studenti possono decidere se consegnare settimanalmente i compiti svolti o svolgerli a discrezione. I primi, potranno accedere alla prova orale, che consisterà in una dettagliata discussione degli esercizi svolti, per verificare che siano stati effettivamente svolti e compresi dallo studente. I secondi, dovranno sostenere una prova scritta, che consiste essenzialmente in una sintesi degli homework, ovvero domande di teoria, esercizi e commenti di programmi informatici, e contestualmente discutere tale prova. Il voto finale sarà calcolato in base alla preparazione e alla consapevolezza dello studente.
Strumenti a supporto della didattica
Libro di testo, appunti e articoli che si trovano in versione elettronica in Virtuale
Orario di ricevimento
Consulta il sito web di Alessandra Luati
SDGs
L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.