Esame 25/01/2023
ESAME 11 gennario 2023
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
SOFTWARE utilizzato durante il corso
Excel 2016 e MATLAB 2022b.
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 | 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. |
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 |