Insegnamento a.a. 2016-2017

Obiettivi formativi del corso

Il corso si propone di illustrare agli studenti le applicazioni su data-set reali e simulati, l'utilizzo delle conoscenze di base nelle tecniche di modellizzazione probabilistica e di analisi inferenziale comunemente utilizzate in ambito finanziario per descrivere ed analizzare processi di valutazione, di prendere decisioni tra alternative di investimento e controllare il rischio di mercato.

Programma sintetico del corso

• Rischi e Rendimenti delle Attività Finanziarie.
• Introduzione ad EViews.

• Il Modello Dinamico Prezzi-Dividendi.
• Introduzione a Tecniche di Analisi Univariata delle Serie Storiche.
• Introduzione a Tecniche di Analisi Multivariata delle Serie Storiche: Analisi di Cointegrazione.

• Semplice Modelli di Volatilità: RiskMetrics.
• Modelli GARCH.
• Estensione dei Modelli GARCH.
• Valutazione dei Modelli GARCH.

• Applicazioni alla Stima e Previsione della Varianza.
• Applicazioni alla Stima e Previsione della Covarianza.

• Varianza del Portafoglio.
• Modelli per la Covarianza Condizionale.
• Modelli per la Correlazione Condizionale.

• Il Caso di Non-Normalità.
• Approssimazione di Cornish-Fisher al VaR.
• Teoria dei Valori Estremi.
• Misure di Rischio Basate su Expected Shortfall.

• Effetti di Discontinuità nelle Serie Storiche su Procedure Inferenziali e di Previsione.
• Stima e Filtraggio di Stati non Osservabili.
• Applicazioni alla Gestione del Rischio ed a Scelte di Portafoglio.

• Effetti della skewness e della curtosi sul prezzo delle opzioni.
• Modelli di prezzo delle opzioni con GARCH.
• Modelli delle superfici di volatilità implicita.

Descrizione dettagliata delle modalità d'esame

Esame scritto e assingment indiviaduali.

Testi d'esame

• C. BROOKS, Introductory Econometrics for Finance, Cambridge University Press, 2014, Terza edizione.
• P.F. CHRISTOFFERSEN, Elements of Financial Risk Management, Academic Press, 2012, Seconda edizione.

Course Objectives

The course aims to provide students with data-based applications of the basic techniques for probabilistic modeling and inference commonly applied in the field of finance in order to describe and analyze valuation processes, choose between investments and control market risk.

Course Content Summary

• Asset Returns and Risk.
• An Empirical-Driven introduction to MATLAB.

• The Dynamic Dividend Growth Model.
• An Introduction to Univariate Time Series Analysis.
• An Introduction to Multivariate Time Series Analysis: Cointegration Analysis.

• Simple Volatility Models: RiskMetrics.
• GARCH Models.
• Extensions of GARCH Models.
• An Evaluation of volatility Models.

• Non Normality.
• Cornish-Fisher Approximation.
• Extreme Value Theory.
• Expected Shortfall Risk Measures.

• Applications to the Estimation and Forecasting of Variances.
• Applications to the Estimation and Forecasting of Covariances.

• Portfolio Variance.
• Modeling Conditional Covariances.
• Modeling Conditional Correlations.

• Effects of Breaks and Regimes on Inferential and Forecasting Procedures.
• Estimation and Filtering of the Unobservable States.
• Applications to Risk Management and Portfolio Choice.

• GARCH Option Pricing Models.
• Implied Volality Function (IVF) Models.
• Effects of Unconditional Skewness and Kurtosis on Option Prices.

Detailed Description of Assessment Methods

Written exam and individual assignments.

Textbooks

• C. BROOKS, Introductory Econometrics for Finance, Cambridge University Press, 2014, Third edition.
• P.F. CHRISTOFFERSEN, Elements of Financial Risk Management, Academic Press, 2012, Second edition.