Pla docent de l'assignatura

 

 

Tanca imatge de maquetació

 

Imprimeix

 

Dades generals

 

Nom de l'assignatura: Econometria Financera

Codi de l'assignatura: 568958

Curs acadèmic: 2020-2021

Coordinació: Helena Chulia Soler

Departament: Departament d'Econometria, Estadística i Economia Aplicada

crèdits: 5

Programa únic: S

 

 

Hores estimades de dedicació

Hores totals 125

 

Activitats presencials i/o no presencials

45

 

-  Teoricopràctica

Presencial

 

35

 

-  Pràctiques d'ordinadors

Presencial

 

10

Treball tutelat/dirigit

40

Aprenentatge autònom

40

 

 

Competències que es desenvolupen

 

Competències bàsiques

— Capacitat per tenir i comprendre coneixements que aportin una base o oportunitat de ser originals en el desenvolupament o aplicació d’idees, sovint en un context de recerca.

Competències específiques

— Capacitat per aplicar tècniques matemàtiques i estadístiques per a la modelització actuarial i financera.
— Capacitat per iniciar-se en el món de la recerca actuarial i financera.
— Capacitat per fer els càlculs actuarials i financers utilitzant programes informàtics.
— Habilitat per actuar professionalment en l’àmbit actuarial i financer amb un considerable grau d’independència.

 

 

 

 

Objectius d'aprenentatge

 

Referits a coneixements

— Conèixer els fonaments teòrics i pràctics relatius a la identificació, estimació, validació i modelització de sèries temporals a través de models ARIMA.
— Conèixer les tècniques multivariants utilitzades en sèries temporals per a l’extracció dels riscos inherents
— Entendre el concepte de volatilitat.
— Distingir entre sèries estacionàries i no estacionàries.

 

Referits a habilitats, destreses

— Donada una sèrie temporal, ser capaç de decidir quin tipus de model ARIMA és el més adient.
— Modelitzar la volatilitat de les sèries financeres.
— Usar els models de volatilitat per fer prediccions de variància.
— Analitzar críticament articles de recerca en l’àmbit financer.

 

 

Blocs temàtics

 

1. Models de sèries temporals univariants

1.1. Models autoregressius (AR) i models de mitjanes mòbils (MA)

1.2. Models ARMA i ARIMA

1.3. Metodologia Box-Jenkins, estacionarietat i contrastos d’arrels unitàries

1.4. Modelització alternativa no lineal: models neuronals

2. Tècniques d’extracció de factors de risc sobre sèries temporals multivariants

2.1. Anàlisi de components principals (PCA) i factorial de correlacions (FA)

2.2. Anàlisi de components independents (ICA)

2.3. Anàlisi de components principals no lineals (NLPCA)

3. Models de volatilitat

3.1. Motivació

3.2. Regularitats empíriques de les sèries financeres

3.3. Variància com a indicador de volatilitat

3.4. Models de volatilitat univariant (GARCH)

3.5. Especificació, estimació i diagnosi de models GARCH

3.6. Predicció amb models GARCH

3.7. Introducció als models GARCH multivariants

 

 

Metodologia i activitats formatives

 

El curs es desenvolupa en sessions teòriques setmanals en que l’alumnat ha de participar havent llegit el material facilitat prèviament. Es resolen casos pràctics amb ordinador. Cal redactar un exercici pràctic corresponent a cadascun dels blocs de l’assignatura en que es mostri el domini de la matèria. També es presenten i debaten, en grup, articles de recerca.

En cas de cessament de la docència presencial de l’assignatura per la COVID-19, la metodologia i els sistemes d’avaluació d’aquest pla docent no tindran vigència i s’adaptaran al nou escenari.

 

 

Avaluació acreditativa dels aprenentatges

 

A cada bloc del temari es proposa un exercici o una llista d’exercicis que s’han de resoldre i lliurar en la data fixada. Aquests exercicis s’encaminen a avaluar l’habilitat pràctica de l’estudiant a l’hora d’aplicar i desenvolupar els conceptes explicats durant les classes. A més, l’estudiant també ha de presentar i debatre (en grup) articles de recerca corresponents a cadascun dels blocs.

En l’avaluació continuada de l’assignatura s’inclou un examen que representa el 30 % de la qualificació final (la nota mínima d’aquesta prova final és de 5 sobre 10). Les altres proves equivalen al 70 % restant (bloc I i II, 35 % i bloc III, 35 %).

En cas de cessament de la docència presencial de l’assignatura per la COVID-19, la metodologia i els sistemes d’avaluació d’aquest pla docent no tindran vigència i s’adaptaran al nou escenari.

 

Avaluació única

L’avaluació única consisteix en un examen escrit que inclou tot el contingut de l’assignatura. Els estudiants han d’acreditar que han adquirit tots els mateixos coneixements i competències que han adquirit en l’avaluació continuada la resta d’estudiants.

Per a la reavaluació el criteri és el mateix que en l’avaluació única.

 

 

Fonts d'informació bàsica

Consulteu la disponibilitat a CERCABIB

Llibre

Box, G.W., Jenkins, G.M. ; Reinsel, G.C. Time series analysis: forescasting and control. Prentice Hall, 4th ed., 2008.  

Catàleg UB  Enllaç

Campbell, Lo, McKinley. The Econometrics of Financial Markets, Princeton University Press, 1997.  

Catàleg UB  Enllaç

Hamilton, J. Time Series Analysis, Princeton University Press, 1994.  

Catàleg UB  Enllaç

Härdle, Wolfgang Karl, Simar, Léopold. Applied Multivariate Statistical Analysis, Springer 2015

Catàleg UB  Enllaç

Lütkepohl, H. Introduction to Multiple Time Series Analysis, 2nd ed. Springer Verlag, 1993.  

Catàleg UB  Enllaç

Peña, D. Análisis de series temporales. Madrid : Alianza Editorial. 2010.

Catàleg UB  Enllaç

Ruppert, David, Matteson, David S. Statistics and Data Analysis for Financial Engineering.  Springer 2015

Catàleg UB  Enllaç

Torra, Salvador y Monte, Enric. Modelos Neuronales aplicados en Economía. Casos Prácticos mediante Mathematica / Neural Networks, Editorial Addlink Media, 2013

Catàleg UB  Enllaç

Tsay, Ruey S. Analysis of Financial Time Series. Hoboken (N.J.): John Wiley & Sons, 2nd ed., 2005. 

Catàleg UB  Enllaç