Statistica per le decisioni aziendali

Nome docente	Bilancia Massimo
Corso di laurea	Economia e Amministrazione delle Aziende
Anno accademico	2017/2018
Periodo di svolgimento	Primo semestre
Crediti formativi universitari (CFU)	6
Settore scientifico disciplinare	SECS S/01
Download Programma

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