Info
Logo Bocconi

Course 2019-2020 a.y.

20191 - FINANCIAL ECONOMETRICS AND EMPIRICAL FINANCE - MODULE 1

FIN
Department of Finance

For the instruction language of the course see class group/s below

Go to class group/s: 15 - 16 - 17

FIN (6 credits - I sem. - OB  |  SECS-S/06)
Course Director:
FRANCESCO CORIELLI

Classi: 15 (I sem.)
Docenti responsabili delle classi:
Classe 15: SANDRA FORTINI

Classe/i impartita/e in lingua italiana

Conoscenze pregresse consigliate
PROPEDEUTICITA'

L'esame cod. 20191 ‘Financial econometrics and empirical finance - Module 1' è propedeutico all'esame cod. 20192 ‘Financial econometrics and empirical finance - Module 2'


Mission e Programma sintetico
MISSION

Fornire agli Studenti le tecniche base per comprendere ed utilizzare i modelli probabilistici e le procedure di statistica inferenziale comunemente impiegate in finanza allo scopo di: 1) descrivere ed analizzare processi di valutazione, 2) scegliere tra investimenti, 3) controllare il rischio di mercato. Le tecniche presentate nel corso sono discusse tramite esempi tratti dalla pratica finanziaria.

PROGRAMMA SINTETICO
  • Introduzione ai problemi statistici in finanza. Dati e loro trasformazioni. Rendimenti: definizioni e proprieta’ rispetto all’aggregazione di titoli in portafogli e rispetto all’aggregazione di rendimenti nel tempo.
  • Modelli probabilistici per la distribuzione di rendimenti: Il log random walk. Gaussiana o non Gaussiana? Dipendenza o indipendenza?
  • Problemi a una sola dimensione: stima del premio al rischio, stima della volatilita’, stima  del VaR (Value at Risk), intervalli di confidenza per il VaR.
  • Problemi che coinvolgono piu’ serie di rendimenti. Impiego dell’algebra matriciale in campo statistico. Nozioni di dipendenza. Indici di dipendenza.
  • Modelli fattoriali in finanza: giustificazione della cross section dei rendimenti azionari attesi.  Il modello lineare. Inferenza nel modello lineare. Metodo dei minimi quadrati e proprieta’ di questo sotto diverse ipotesi. Il problema della previsione. Lettura dei risultati di un modello lineare.
  • La Style Analysis e la valutazione della performance di un fondo di investimento.
  • Metodi per la stima della matrice delle varianze e covarianze. Il metodo delle componenti principali. Applicazioni al risk management.
  • Il modello di Markowitz: proprieta’ e limiti nell’uso applicato. Views dell'investitore e selezione del portafogli. Il modello di Black e Litterman.

Risultati di Apprendimento Attesi (RAA)
CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
  • Trattare le applicazioni base di Statistica e Probabilità in Finanza, in particolare nei casi di scelta tra investimenti, gestione del rischio, controllo del rischio e performance attribution per un portafogli azionario.
  • Avere una corretta comprensione di molte procedure quantitative base della Finanza applicata come, per esempio: la quantificazione della volatilità e la relazione di questa col tempo, la necessità di superare l'ipotesi Gaussiana per quanto riguarda la distribuzione dei rendimenti, le ipotesi comunemente considerate circa la scelta tra diverse attività finanziarie per diversi orizzonti temporali, come stimare i rendimenti attesi e il premio al rischio, il problema della robustezza nell'asset allocation.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine dell'insegnamento, lo studente sarà in grado di...
  • Calcolare in modo corretto la volatilità dei rendimenti su diversi intervalli temporali.
  • Collegare la volatilità alle perdite potenziali.
  • Calcolare varie misure di VaR per singole azioni e per portafogli.
  • Analizzare una asset allocation in termini di fattori di rischio (style analysis).
  • Applicare e comprendere le implicazioni di un modello fattoriale di rischio.
  • Calcolare asset allocations robuste.

Modalità didattiche
  • Lezioni frontali
  • Esercitazioni (esercizi, banche dati, software etc.)
DETTAGLI

Il corso è basato su lezioni frontali dove gli strumenti quantitativi necessari sono prima introdotti nei loro aspetti teorici e poi discussi con esempi pratici.

  • Esercitazioni specifiche sono dedicate ad una discussione dettagliata di temi d'esame passati e della loro connessione con quanto fatto in classe.

Metodi di valutazione dell'apprendimento
  Accertamento in itinere Prove parziali Prova generale
  • Prova individuale scritta (tradizionale/online)
  •     x
    STUDENTI FREQUENTANTI E NON FREQUENTANTI
    • L'esame finale è un esame individuale, scritto e a libri chiusi.
    • L'esame, a domande aperte, verte su tutti i punti del programma.
    • Tutti i temi d'esame passati e relative soluzioni sono disponibili agli Studenti.
    • Si tengono esercitazioni specificamente dedicate alla discussione e soluzione di esercizi tratti dai temi d'esame passati.

    Materiali didattici
    STUDENTI FREQUENTANTI E NON FREQUENTANTI
    • Handouts per l'intero corso e per le esercitazioni.
    • Esempi svolti al computer.
    • Esami passati e loro soluzioni.
    Modificato il 02/07/2019 10:19

    Classes: 16 (I sem.) - 17 (I sem.)
    Instructors:
    Class 16: FRANCESCO CORIELLI, Class 17: FRANCESCO CORIELLI

    Class group/s taught in English

    Suggested background knowledge
    PREREQUISITES

    Exam code 20191 ‘Financial econometrics and empirical finance - Module 1' is a prerequisite of the exam code 20192 ‘Financial econometrics and empirical finance - Module 2'


    Mission & Content Summary
    MISSION

    Provide the Students with basic techniques for understanding and implementing probabilistic modelling and statistical inference commonly applied in the field of finance in order to: 1) describe and analyze valuation processes, 2) choose between investments, 3) control market risk. The techniques presented in the course shall be illustrated with examples drawn from actual financial practice.

    CONTENT SUMMARY
    • An introduction to statistical problems in finance. Data and data transforms. Returns, different definitions and aggregation properties of returns w.r.t. security portfolios and time.
    • Probability models for return distributions: log random walk. Gaussian or non Gaussian? Dependence or independence?
    • Univariate problems: risk premium and its estimation, volatility estimation. VaR (Value at Risk) estimation, confidence intervals for the VaR.
    • Multivariate problems. Matrix algebra and Statistics. Concepts of dependence. Measures of dependence.
    • Factor models in finance. Risk factor interpretation of the cross section of stock expected returns. The linear model. Inference for the linear model. The least squares method and its properties under several hypothetical settings. Prediction. How to read the results of a linear model .
    • Style analysis and its use for fund management performance evaluation.
    • Estimation methods for the covariance matrix. Principal components method. Its applications to risk management.
    • The Markowitz model, its main properties and its limits in applications. Investor's views and portfolio selection. The Black and Litterman model.

    Intended Learning Outcomes (ILO)
    KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Deal with the basic applications of Statistics and Probability in Finance in particular when confronted with the asset choice, risk management, risk control and performance attribution of a portfolio of stocks.
    • Understand many basic quantitative procedures in applied Finance as, for instance: quantification of volatility and its relation with time, need for going bejond the Gaussian distribution in modelling stock returns, current hypotheses about the choice of different securities for different time horizons, ways to estimate expected returns and risk premia, robustness in asset allocation.
    APPLYING KNOWLEDGE AND UNDERSTANDING
    At the end of the course student will be able to...
    • Correctly compute the volatility of returns for different time windows.
    • Connect volatility with potential losses.
    • Compute several VaR measures for single stock investments and for portfolio.
    • Analize an asset allocation in terms of risk factors (Style Analysis).
    • Perform and understand the implication of a risk factor model.
    • Compute robust asset allocations.

    Teaching methods
    • Face-to-face lectures
    • Exercises (exercises, database, software etc.)
    DETAILS

    The course is based on face to face lectures, where required quantitative tools are first introduced as basic theory and then illustrated with practical examples.

    • A specific set of exercise classes is dedicated to a detailed discussion of past exams and their connection with what is done during lectures.

    Assessment methods
      Continuous assessment Partial exams General exam
  • Written individual exam (traditional/online)
  •     x
    ATTENDING AND NOT ATTENDING STUDENTS
    • The final exam shall be a written closed book individual exam.
    • The exam is based on open-answer questions having as object the entirety of the course program.
    • All past exams, with solutions, are available to the Students.
    • Exercise classes specifically dedicated to discussing and solving exercises from past exams are provided.

    Teaching materials
    ATTENDING AND NOT ATTENDING STUDENTS
    • Handouts for the whole course and for the exercise classes.
    • Computer examples.
    • Past exams with solutions.
    Last change 02/07/2019 10:19