90481 - ADVANCED TIME SERIES

Anno Accademico 2021/2022

  • Docente: Alessandra Luati
  • Crediti formativi: 6
  • SSD: SECS-S/01
  • Lingua di insegnamento: Inglese
  • Modalità didattica: Convenzionale - Lezioni in presenza
  • 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).

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

Istruzione di qualità Lavoro dignitoso e crescita economica Lotta contro il cambiamento climatico Partnership per gli obiettivi

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.