Statistica per le decisioni aziendali
Propedeuticità
Nessuna
Obiettivi del corso
Introdurre lo studente alle principali tecniche di “forecasting” e al loro utilizzo nelle decisioni aziendali e per l’analisi dell’economia e/o dei mercati finanziari, con lo scopo di apprendere a scegliere le opportune tecniche e a realizzare analisi previsionali univariate. Durante il corso gli studenti apprenderanno l’ambiente per l’analisi dei dati R, realizzando personalmente applicazioni dei modelli di serie storiche oggetto del corso.
Programma
Modulo I.
1. Gli strumenti di base per le previsioni
2. Judgemental forecasting e il metodo Delphi
3. Regressione semplice
4. Regressione multivariata
5. Modelli di decomposizione delle serie storiche
6. Exponential smoothing – Tecniche di base
7. Exponential smoothing – Tecniche avanzate
8. Modelli ARIMA – Elementi di base, modelli AR ed MA
9. Modelli ARIMA – Modelli ARIMA non stagionali
10. Modelli ARIMA – Scelta del modello e previsione dai modelli ARIMA
11. Modelli ARIMA – Modelli ARIMA stagionali
12. Cenni a tecniche di forecasting avanzate: reti neurali e modelli econometrici
Modulo II. Laboratorio
Il laboratorio è parte integrante del corso. Sarà utilizzato il software di analisi dei dati R, liberamente disponibile sul network del CRAN all’indirizzo http://cran.r-project.org. Durante il corso di laboratorio sarà erogata un’introduzione approfondita ad R, e verranno mostrati casi pratici di studio relativi agli argomenti teorici.
Testi consigliati
- M. Bilancia (2016) Dispense per il Corso Statistica per le Decisioni Aziendali – Versione 1.1 Settembre 2017. Dipartimento Jonico, liberamente distribuite sotto Licenza Creative Commons 4.0 CC BY-NC-ND.
Di utile consultazione per approfondimento/consultazione sulle metodologie descritte a lezione (ma non richiesti ai fini della preparazione dell’esame) si segnalano:
- R.J. Hyndman, G. Athanasopoulos (2014) Forecasting: Principles and Practices. Liberamente disponibile all’indirizzo https://www.otexts.org/fpp. Sul sito Web associato al testo è presente una grande quantità di dataset, materiale didattico ed esempi svolti in R.
Le dispense fornite dal docente coprono completamente anche la parte di laboratorio. Tuttavia una utile guida integrativa a riguardo è la seguente:
A.M. Mineo, Una Guida all’utilizzo dell’Ambiente Statistico R, 2003. Disponibile sul sito del CRAN