ECONOMETRICS

Il corso rientra tra gli insegnamenti caratterizzanti del percorso Finance del Corso di Laurea Magistrale in Economics and Finance. Il corso si propone di fornire agli studenti le conoscenze e le competenze necessarie per analizzare e misurare fenomeni economico/finanziari riguardanti in particolare i mercati finanziari e le istituzioni finanziarie attraverso l'utilizzo di metodi statistici ed econometrici avanzati. Il corso mira a presentare i principali metodi econometrici per modelli di regressione multipla, con particolare riferimento ai metodi per l'analisi delle serie storiche e alla loro applicazione nel mondo della finanza.

Conoscenza e comprensione:
- saper specificare un modello econometrico partendo da un modello economico/finanziario
- conoscenza delle ipotesi alla base di ciascun modello econometrico e padronanza degli strumenti analitici utili per affrontare analisi quantitative
- comprensione dei fenomeni economico/finanziari che riguardano i mercati finanziari e le istituzioni finanziarie a livello nazionale e internazionale attraverso i più recenti modelli dell'economia della finanza e dell'econometria;

Capacità di applicare conoscenza e comprensione:
- interpretazione e gestione delle dinamiche della moderna finanza negli scenari macrofinanziari e rispetto ai modelli decisionali caratteristici dei mercati finanziari, attraverso l'utilizzo di strumenti analitici avanzati appresi durante il corso
- capacità di disegnare strategie utili a misurare e quantificare fenomeni e relazioni tra variabili finanziarie e macroeconomiche
- capacità di risolvere con strumenti analitici e attraverso analisi empiriche quesiti di particolare interesse nell'econometria della finanza

Capacità di giudizio:
- valutazione di vantaggi e i limiti delle metodologie apprese e della loro applicazione a tematiche di interesse
- capacità di interpretare criticamente i risultati emersi nelle analisi empiriche

Strumenti matematici:
algebra lineare
calcolo differenziale
integrali

Strumenti statistici:
variabili aleatorie e distribuzioni di probabilità
stima puntuale e di intervalli
inferenza
metodo dei minimi quadrati ordinari e modelli lineari

PART 1: REGRESSION ANALYSIS

1. The Multiple Linear Regression Model
- Matrix formulation of the k-Variable Model; The algebra of least squares; Partial correlation coefficients; Geometry of least squares; Inference in the k-variable equation; Prediction

2. Some Tests of the k-Variable Linear Equation for Specification Error
- Specification error; Model evaluation and diagnostic tests; Tests of parameter constancy; Tests of structural change; Dummy variables

3. Maximum Likelihood (ML), Generalized Least Squares (GLS), and Instrumental Variable (IV) Estimators
- Maximum Likelihood estimators; ML estimation of the linear model; Likelihood ratio, Wald and Lagrange Multiplier Tests; Generalized Least Squares; Instrumental Variable estimators

4. Heteroscedasticity and Autocorrelation
- Properties of OLS estimators; Tests for heteroskedasticity and autocorrelation; Estimation under heteroskedasticity and with autocorrelated disturbances

PART 2: REGRESSION ANALYSIS WITH TIME SERIES DATA

5. Stationary univariate time series
- Univariate stochastic processes; ARMA models; autocorrelation and autocovariance functions; Wold's decomposition and invertible processes; Box-Jenkins selection

6. Modeling volatility
- ARCH and GARCH processes

7. Non-stationary univariate stochastic processes
- Models with trend; deterministic and stochastic trends; trend stationary and difference stationary series; integrated processes; unit root and stationarity tests
References:

8. Multivariate time series models with stationary regressors
- Autoregressive Distributed Lag (ADL) model; impact and long-run multipliers; impulse response function; Error correction model; Partial adjustment model

9. Multivariate time series models with integrated variables
- Linear combinations of integrated variables; spurios regressions; cointegration and ECM, testing for cointegration: Engle and Granger methodology

10. Multiple Equation Models
- Vector Autoregressions (VARs); Estimation of VARs; Vector Error Correction Models; Cointegration in VAR models; Johansen Methodology

PART 3: ADVANCED TOPICS

11. Panel data models
- Fixed and random effects models, correlated random effects, dynamic panel data models

12. Limited dependent variable models
- Linear probability model, Logit and Probit models, MLEs for binary choice model

Riferimenti bibliografici principali:

- Johnston, J. and J. Dinardo (1997), Econometric Methods, 4th edition, McGraw-Hill, New York.

- Ghysels, E. and M. Marcellino (2018), Applied economic forecasting using time series methods, Oxford University Press.
- Enders, W. (2015), Applied Econometric Time Series, 4th edition, Wiley.
- Verbeek, M. (2017), A guide to modern econometrics, 5th Edition, Wiley.

Bibliografia aggiuntiva:

- Le slide delle lezioni saranno rese disponibili sulla piattaforma Moodle durante il corso

- Vogelvang B. (2005), Econometrics - Theory and Applications with EViews, FT Prentice Hall.
- Marcellino M. (2016), Applied Econometrics: An Introduction, EGEA.

Esame scritto in cui si richiede allo studente di discutere i risultati di stima e di risolvere analiticamente problemi econometrici di livello avanzato. Una parte della valutazione finale sarà basata su lavori individuali (homework) e prove empiriche che potranno essere consegnati dagli studenti su base volontaria entro le scadenze stabilite dal docente.

Lezioni, esercitazioni,studio individuale e applicazioni empiriche su dati finanziari tramite l'utilizzio di software econometrici. Gli studenti sono incoraggiati a svolgere homework proposti di settimana in settimana.

Accessibilità, Disabilità e Inclusione
Accomodamenti e Servizi di Supporto per studenti con disabilità o con disturbi specifici dell’apprendimento

Ca' Foscari applica la Legge Italiana (Legge 17/1999; Legge 170/2010) per i servizi di supporto e di accomodamento disponibili agli studenti con disabilità o con disturbi specifici dell’apprendimento. Se hai una disabilità motoria, visiva, dell’udito o altre disabilità (Legge 17/1999) o un disturbo specifico dell’apprendimento (Legge 170/2010) e richiedi supporto (assistenza in aula, ausili tecnologici per lo svolgimento di esami o esami individualizzati, materiale in formato accessibile, recupero appunti, tutorato specialistico a supporto dello studio, interpreti o altro) contatta l’ufficio Disabilità e DSA: disabilita@unive.it.

scritto e orale

Questo insegnamento tratta argomenti connessi alla macroarea "Economia circolare, innovazione, lavoro" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile