Prof. Tommaso Proietti

Argomenti del programma: 1. Presentazione del corso. Variabili casuali e loro proprietà. Momenti. Distribuzioni condizionate. Momenti condizionali. Legge dei valori attesi iterati. Serie temporali e loro caratteristiche. Natura e caratteristiche dei dati finanziari. Asimmetria, curtosi e volatility clustering. Processi stocastici. Stazionarietà, Nonstazionarietà, random walk e martingale. Test di stazionarietà e del rapporto di varianze.

Argomenti del programma: 1 Introduction. Asset returns. Stylized facts: asymmetry, kurtosis and volatility clustering. Stochastic processes: stationarity, purely random processes. Random walks and martingales. Review of prediction theory. Optimal prediction. (Lectures 1-3) 2 Volatility measurement and analysis: autoregressive Conditional Heteroscedasticity (ARCH): model specification, properties, maximum likelihood estimation, prediction.

• Il docente mette a disposizione sul sito web del corso: lucidi delle lezioni, letture suggerite, datasets e materiale supplementare (script di Matlab e R).

Argomenti del programma: 1. Introduction to data mining. Tools for data analysis, visualisation and description. (Lectures 1-3) 2. The linear regression model. Estimation and prediction. (Lectures 4-6) 3.Model selection and evaluation: bias-variance trade-off, model complexity and goodness of fit. Cross-validation. Selection using information criteria. (Lectures 6-9) 4.

Argomenti del programma: 1 Introduction. Asset returns. Stylized facts: asymmetry, kurtosis and volatility clustering. Stochastic processes: stationarity, purely random processes. Random walks and martingales. Review of prediction theory. Optimal prediction. (Lectures 1-3) 2 Volatility measurement and analysis: autoregressive Conditional Heteroscedasticity (ARCH): model specification, properties, maximum likelihood estimation, prediction.