Marco Riani, Professor of Statistics

      Univ. of Parma (ITALY)

METODI QUANTITATIVI PER I MERCATI FINANZIARI

 

Esame 25/01/2023

Testo e Soluzione

 

 

ESAME 11 gennario 2023

TESTO

SOLUZIONE


Tutte le lezioni sono state caricate su canale youtube

Slides del corso

Data di ultima modifica 18/10/2022

Prima settimana: introduzione al corso, introduzione a MATLAB, tipi di dati in MATLAB (array numerici e moltiplicazioni matriciali, characters, string, cell array of characters, cell array of strings, cell array generici, struct, table). Importazione dei dataset in formato table da file esterni. Gestione delle table. Estrazione dei dati dalle table.

Seconda settimana: elementi di base di programmazione, cicli for, while e istruzione assert. Analisi univariate di variabili categoriche e quantitative. Analisi di sottogruppi di unità. Boxplot e quantili

Gli argomenti trattatati fino alla seconda settimana fanno riferimento alle pagine 1-104 del testo.

Terza settimana: Grafici qqplots per capire quanto la distribuzione osservata è vicina alla distribuzione normale. Intervalli di confidenza con o senza variabile di raggruppamento. Tabelle di contingenza e tabelle pivot. Analisi delle distribuzioni: funzione densità, funzione di ripartizione, quantili e generazioni di numeri casuali, da diverse distribuzioni univariati. (normale, uniforme, chi quadrato, T di Student). Distribuzione normale bivariata. Analisi preliminari dei dati: gestione dei dati mancanti e dei valori anomali. Introduzione alla relazione tra due variabili: covarianza e coefficiente di correlazione lineare. 105-165 del testo.

Quarta settimana: matrice di covarianze e matrice di correlazione. Test sulla significatività del coefficiente di correlazione. Verifica empirica della distribuzione del test di assenza di correlazione. Correlazione tra i ranghi. Relazione tra correlazione e cograduazione. Correlazione e cograduazione in presenza di missing values. 165-183 del testo.

Le rappresentazioni grafiche per serie storiche univariate (grafici a barre orizzontali, verticali, a linee ed area). Grafici a cascata. Rappresentazioni grafiche per serie storiche bivariate. Grafici ad imbuto. Grafici per la stima della densità (approccio parametrico e non parametrico). Grafici a dispersione personalizzati. Grafici a dispersione con istogrammi o boxplot ai margini con o senza variabile di raggruppamento. Grafici con istogrammi bivariati. Grafici per l'analisi di regressione. Il balloonplot. Matrice dei diagrammi di dispersione (con o senza variabile di raggruppamento). Heatmap, coordinate parallele e rappresentazione iconica. Capitolo 8 del testo.

 

Quinta settimana: introduzione alle timetable. Creazione di sequenze temporali. Gestione delle timetable. Estrazione di dati nelle timetable. Grafici per l'analisi delle serie storiche finanziarie. Cambiamento nella frequenza di rilevazione. Stima del trend nelle serie storiche. Funzioni interpolanti. Scelta dell'ordine del polinomio interpolante. Scomposizione della serie storica in termini di trend, stagionalità e componente erratica. Destagionalizzazione e detrendizzazione. Stima dei valori futuri ed intervallo di confidenza. Medie mobili semplici, ponderate, esponenziali. Confronto tra le diverse medie mobili e loro applicazione per la previsione dell'andamento delle serie storiche finanziarie. Rendimenti finanziari, rendimento in eccesso, volatilità. Rendimento multiperiodale. Rendimento di un portafoglio. Analisi descrittiva dei rendimenti finanziari, media deviazione standard, asimmetria e curtosi. Introduzione ai processi stocastici. Il processo White Noise. Il correlogramma. Il test di Box Ljung. Analisi empirica della distribuzione dei rendimenti. Test di autocorrelazione, verifica dell'ipotesi normalità. Il rischio di investimento. La semideviazione standard, la quota di rischio al ribasso, il rischio di shortfall, il valore atteso al ribasso, la downside deviation. L'indice beta.


LIBRI DI TESTO

 

Riani M., Corbellini A. Laurini F., Morelli G. Perrotta D. Torti F. (2022). Data Science con MATLAB, , Giappichelli editore, Torino.

Disponibile presso la libreria MEDICO SCIENTIFICA oppure tramite AMAZON

 

Gozzi G. (2019). Metodi statistici per l'analisi dei mercati finanziari, Libreria Medico Scientifica, Parma



LInk al canale youtube dove visualizzare le lezioni


Corso svolto in collaborazione con il prof. Erindi Allaj


 

SOFTWARE utilizzato durante il corso

Excel 2016 e  MATLAB 2022b.



Tutte le prove saranno a computer (consegna di file .m oppure .mlx.  Formato del file di consegna
cognome_nome_matricola.m (file in formato MATLAB)
oppure
cognome_nome_matricola.mlx (file in formato MATLAB live script)

Istruzioni per scaricare MATLAB

Una volta creato l'account potete scaricare il software sulle postazioni che desiderate.



MATLAB ACADEMY: gli studenti dell'Università di Parma possono seguire (ovviamente in maniera completamente gratuita) una serie di cosi approfonditi sull'utilizzo di MATLAB dall'indirizzo web   https://matlabacademy.mathworks oppure facendo click sul pulsante "Learn MATLAB" una volta lanciato il programma


Si noti che per gli utenti non UNIPR questi corsi sono a pagamento e sono davvero molto costosi.

Avviso:

Per gli studenti che seguono i corsi di MATLAB Academy c'è la possibilità di generare in modo automatico dal sistema una certificazione che può essere condivisa con Facebook o Linkedin:

 


Link alla pagina web di Mathworks dove svolgere esercizi aggiuntivi. Potete iniziare da questo link

MATLAB Cody - MATLAB Central (mathworks.com)

Per utilizzare MATLAB on line per potersi esercitare utilizzando direttamente il browser è possibile fare click su questo link

 

COMPONENTI AGGIUNTIVI DI MATLAB DA SCARICARE

 

Link per scaricare il MATLAB toolbox FSDA (Flexible Statistics Data Analysis) dal sito web Mathworks, sviluppato congiuntamente dall'Università di Parma e dal Joint Research Centre della Commissione Europea

Link alla pagina github di FSDA

Link alla documentazione di FSDA

 

 

 

FILE DI CORREDO AL CORSO


File di integrazione.

Osservazione: i file di input sono in formato EXCEL oppure (ossia in formato .xls, xlsx, .xlsm) oppure in formato MATLAB (ossia in formato .m, .mlx) .I file di ouptut sono in formato .m oppure .mlx oppure entrambi.

 Osservazione: i  file in  formato .mlx contengono oltre al codice sorgente anche il risultato derivante dall'esecuzione delle diverse istruzioni, immagini incorporate ecc. I file in formato .m contengono solo il codice sorgente).

 

Argomento Obiettivo File di input File di output (data di ultima modifica)
Introduzione a MATLAB Calcolo e rappresentazione grafica di una funzione intro.m intro_out.m

intro_outMLX.mlx

28/01/2022
Introduzione a MATLAB Grafici in scala semilogaritmica. Suddivisione della finestra grafica in pannelli Taylor.m Taylor_out.m

Taylor_outMLX.mlx

11/09/2022
Importazione dati da file esterni Importazione di file excel dentro una MATLAB table. Estrazione di dati
firm.m
Firm.xlsx

 firm_out.m
15/10/2022

 

Argomento Obiettivo File di input File di output (data di ultima modifica)
Grafici univariati per l'analisi delle serie storiche Tipologie di rappresentazioni grafiche univariate. Confronto tra l'andamento di due serie storiche. Grafici ad imbuto (funnelchart), balloonplots e waterfall. grafuniv.mlx
grafuniv.xlsx
grafuniv2serie.xlsx
Waterfall.xlsx		 grafuniv_outMLX.mlx
28/01/2022
Grafici per le serie storiche finanziarie Grafici a candale, grafici prezzo volume, grafici kagi plotfin.m
PSTMI.xlsx		 plotfin_outMLX.mlx
28/01/2022
Oggetto timetable Importazioni dei dati in formato timetable. Gestione delle timetable. Creazione di sequenze temporali personalizzate. Cambiamento della frequenza di rilevazione. tcEURDOL.m
 tcEURDOL.csv		 tcEURDOL_out.m
16/10/2022

 

Argomento Obiettivo File di input File di output (data di ultima modifica)
Ripasso sul modello di regressione Simulare i dati necessari per creare un modello di regressione. Stimare i parametri con diverse formule di calcolo. Comprendere la differenza tra parametri veri e stimati. Verificare empiricamente il teorema di Sastry e Nag. regr.mlx 
regr_outMLX.mlx
18/09/2021
Stima del trend Stimare il trend tramite funzioni interpolanti trend.m 
trend_out.m

16/10/2022
Detrendizzazione e destagIonalizzazione Destagionalizzare e detrendizzare una serie storica. Testare la presenza del trend e della stagionalità in una serie storica.  Destagionalizzare con il vincolo di somma a zero dei coefficienti stagionali. Costruire valori previsti e relativo intervallo di confidenza per le osservazioni future. Approcci alternativi per la stima del trend e della stagionalità  destag.m 
destag.xlsx
destag_out.m

16/10/2022
Medie mobili Medie mobili semplici, ponderate ed esponenziali. implementazione manuale ed automatica mmintro.m
mmintro_out.m
16/10/2022

Argomento Obiettivo File di input File di output (data di ultima modifica)
Medie mobili Medie mobili di diverso periodo per l'analisi dei mercati finanziari. La serie storica del FTSEMib

FTSEMib.xlsx

mm.m

 		mm_out.m
16/10/2022
Introduzione al calcolo simbolico Espansione in serie di Taylor della funzione log x e log(x+1). Calcolo simbolico dei limiti symb.m symb_out.m
03/10/2021
Introduzione ai rendimenti Confronto tra rendimenti semplici e logaritmici. Calcolo rendimenti multiperiodali, rendimenti in eccesso, rendimenti aggiustati per il tasso di inflazione. rend.m rend_out.m
16/10/2022
Rendimento di un portafoglio Aggregazione cross-section dei rendimenti semplici e logaritmici rendPO.m rendPO_out.m
16/10/2022
Richiami distribuzione normale univariata e distributione T di Student Funzione di densità, Funzione di ripartizione e quantili delle distribuzioni Normali e T di Student normale.mlx normale_out.mlx
03/10/2021
v.c. Chi quadrato Densità, ripartizione e quantili in una v.c. Chi quadrato chi2.m
chi2.mlx		 chi2_out.m
chi2_outMLX.mlx
03/10/2021
Analisi empirica dei rendimenti La distribuzione empirica dei rendimenti. Analisi dell'asimmetria e della curtosi. Test di normalità. Richiamare la covarianza e la  correlazione ed introdurre l'autocorrelazione. Test per la verifica dell'assenza di autocorrelazione.

FTSEMib.xlsx

 

rFTSEMib.m
rFTSEMib_out.m
16/10/2022

Argomento Obiettivo File di input File di output (data di ultima modifica)
Analisi dei valori mancanti e degli outliers Analisi preliminari per verificare la presenza di pattern nei dati mancanti e analisi degli outliers. Verifica di ipotesi distributive. mdpattern.xlsx
mdpat.m		 mdpat_out.m
14/12/2021
Volatilità La deviazione standard e la semideviazione standard. Rischio di sottoperformance. I momenti parziali inferiori (shortfall risk, valore atteso al ribasso, varianza dei rendimenti sotto soglia). volat.m volat_out.m
16/10/2022
Rischio di mercato Lavorare con la serie storica multipla dei titoli del FTSEMib. Operazioni avanzate con il caricamento dei file. Calcolo indice Beta per i titoli del FTSEMib

FTSEMib.xlsx

FTSeMibTitoli.xlsx
IndiceB.m
IndiceB_out.m
Rend.mat
16/10/2022
Stima non parametrica della densità Grafici ad istogramma, stima kernel della densità di frequenza, grafici ad istogrammi. Relazioni non parametriche heatmaps. Rend.mat
nonpar.m
 		nonpar_out.m
16/10/2022

Esami passati

Dicembre 2021 Testo e file di input
Soluzione

 

 

5 settembre 2022 ore 11.00 (prova al computer)
Soluzione






Seconda prova intermedia 28/01/2022

Testo
Soluzione



 

Prova del 28/11/2022

File di input

Soluzione





Osservazione: si assume che sia stato scaricato FSDA toolbox ultima versione.