Dades generals |
Nom de l'assignatura: Econometria Financera
Codi de l'assignatura: 568958
Curs acadèmic: 2021-2022
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 i no presencial |
35 |
|||
- Pràctiques d'ordinadors |
Presencial i no presencial |
10 |
Treball tutelat/dirigit |
40 |
Aprenentatge autònom |
40 |
Competències que es desenvolupen |
Competències bàsiques
|
Objectius d'aprenentatge |
Referits a coneixements — 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 adequat i que possibilitats no lineals existeixen.
— Modelitzar la correlació condicional entre sèries financeres.
|
Blocs temàtics |
1. Models de sèries temporals univariants
1.1. Models autoregressius (AR), models de mitjanes mòbils (MA) i models ARMA
1.2. Metodologia Box-Jenkins, estacionarietat i contrastos d’arrels unitàries
2. Models de volatilitat
2.1. Regularitats empíriques de les sèries financeres
2.2. Models de volatilitat univariant (GARCH)
2.3. Especificació, estimació i diagnosi de models GARCH
2.4. Predicció amb models GARCH
2.5. Introducció als models GARCH multivariants
3. Machine learning versus Econometria Financera
4. Models alternatius no lineals de sèries temporals financeres
4.1. Neural network autoregression (NNAR)
4.2. Multi-LayerPerceptron (MLP) i Extremi learning machines (ELM)
4.3. Models Híbrids: Radial Basis Function (RBF)
4.4. Introducció als Models Deep Neural Networks (DNN)
5. Models economètrics multifactorials (Fama & French, Carhart,..)
6. Tècniques d’extracció de factors de risc sobre sèries temporals multivariants
6.1. Anàlisi de components principals (PCA) i factorial de correlacions (FA)
6.2. Anàlisi de components independents (ICA)
6.3. Anàlisi de components principals no lineals (NLPCA)
Metodologia i activitats formatives |
El curs es desenvolupa en sessions teòriques setmanals en què 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 què es mostri el domini de la matèria.
|
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’alumnat a l’hora d’aplicar i desenvolupar els conceptes explicats durant les classes.
Avaluació única L’avaluació única consisteix en un examen escrit que inclou tot el contingut de l’assignatura. L’alumnat ha d’acreditar que han adquirit els mateixos coneixements i competències que han adquirit en l’avaluació continuada la resta d’estudiants.
|
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.
Campbell, Lo, McKinley. The Econometrics of Financial Markets, Princeton University Press, 1997.
Hamilton, J. Time Series Analysis, Princeton University Press, 1994.
Härdle, Wolfgang Karl, Simar, Léopold. Applied Multivariate Statistical Analysis, Springer 2015
Lütkepohl, H. Introduction to Multiple Time Series Analysis, 2nd ed. Springer Verlag, 1993.
Peña, D. Análisis de series temporales. Madrid : Alianza Editorial. 2010.
Ruppert, David, Matteson, David S. Statistics and Data Analysis for Financial Engineering. Springer 2015
Torra, Salvador y Monte, Enric. Modelos Neuronales aplicados en Economía. Casos Prácticos mediante Mathematica / Neural Networks, Editorial Addlink Media, 2013
Tsay, Ruey S. Analysis of Financial Time Series. Hoboken (N.J.): John Wiley & Sons, 2nd ed., 2005.