12511 - ANALISI DELLE SERIE STORICHE

Conoscenze e abilità da conseguire

Al termine del modulo lo studente conosce temi avanzati di analisi delle serie storiche quali l'analisi nel dominio delle frequenze, i metodi di regressione polinomiale, le previsioni. In particolare, lo studente è in grado di: - effettuare la stima del segnale di una serie storica - effettuare l'analisi corrente di una serie storica - prevedere i punti di svolta del trend-ciclo.

Contenuti

Scomposizione segnale-rumore di una serie storica. Stima del segnale mediante metodi di regressione polinomiale locale. Stimatori che si ottengono con il metodo dei minimi quadrati ordinari (OLS), generalizzati (GLS), ponderati (WLS). Equivalenza tra stimatori GLS e WLS. Esempi: Filtri di Macaulay, filtri di Henderson. Stimatori kernel. Esempi: kernel gaussiano, kernel di Epanechnikov, beta kernel.

Il problema della stima agli estremi della serie. Regressione polinomiale locale, filtri asimmetrici. Proprietà. Filtri simmetrici applicati a dati previsti. Stimatori asimmetrici a minimo errore quadratico medio di revisione basati su diverse assunzioni polinomiali. Filtri di Musgrave.

Inferenza: distorsione e varianza delle stime del trend. Stima della varianza del rumore e intervallo di confidenza per il trend.

Analisi nel dominio delle frequenze. Funzione di guadagno e di traslazione di fase per filtri simmetrici e asimmetrici. Metodi non parametrici per la stima della densità spettrale.

Stima della componente ciclica: filtro passa banda ideale, filtri di Baxter-King, Hodrick-Prescott, Christiano-Fitzgerald.

Esercitazioni in laboratorio: MATLAB.

Testi/Bibliografia

Measurements in Economics: a Handbook, Marcel Boumans Editor, Academic Press, Elsevier (capitolo 16 e referenze accluse).

Loader C. (1999), Local Regression and Likelihood, Springer, Ch. 1, 2, 9, 10.

Ruppert D., Wand, M.P., Carroll, R.J.  (2003)  Semiparametric Regression,Cambridge University Press, Ch. 3-5.

Ulteriori riferimenti bibliografici verranno segnalati durante il corso.

Metodi didattici

Lezioni in aula ed esercitazioni in laboratorio (R o MATLAB).

Modalità di verifica e valutazione dell'apprendimento

L'insegnamento di "Analisi delle serie storiche" compone, insieme al modulo di “Inferenza non parametrica”, il corso integrato "Metodi non parametrici": indicativamente, “Inferenza non parametrica” si svolge dalla metà di febbraio a marzo inoltrato, mentre “Analisi delle serie storiche” si svolge dalla metà di aprile a maggio inoltrato (entrambi hanno durata di 5 settimane).

La verifica dell'apprendimento per il corso integrato di "Metodi non parametrici" può avvenire con 2 prove in itinere, ciascuna relativa ad uno dei due insegnamenti, oppure con un esame unico. L'obiettivo è quello di verificare l'apprendimento dei principali metodi inferenziali non parametrici nel caso di osservazioni indipendenti/dipendenti, nonchè le capacità critiche maturate dallo studente nella scelta della metodologia non parametrica più adeguata per un dato problema.

L'esame del corso integrato consiste di una prova scritta e una prova orale. Entrambe le prove si compongono di due parti, corrispondenti alle due sezioni del corso integrato. La votazione complessiva per il corso integrato di "Metodi non parametrici"  tiene conto dell'esito della prova scritta e di quella orale ed è espressa in trentesimi.

Per quanto riguarda il modulo di “Analisi delle serie storiche", 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 calcolatore. 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.

Per la parte di prova (scritta/orale)  relativa ai contenuti di "Inferenza non parametrica" si rimanda alla consultazione di Guideweb per tale insegnamento.

Strumenti a supporto della didattica

Libro di testo, appunti  e articoli che si trovano in versione elettronica nel sito web istituzionale del docente e in Alm@DL.

Link ad altre eventuali informazioni

http://www2.stat.unibo.it/luati/

Orario di ricevimento

Consulta il sito web di Alessandra Luati