Premessa
1. Introduzione
Lo studio dei fenomeni che variano nel tempo/Terminologia/Obiettivi dell’analisi delle serie storiche/Approccio classico e approccio moderno/Le componenti di una serie storica/Operazioni preliminari di "pulizia" della serie
2. Stima delle componenti mediante funzioni matematiche
Trend lineare o linearizzabile nei parametri/Stima della componente stagionale/ Stima simultanea del trend e della stagionalità/Trend non lineari nei parametri: le curve di crescita/Esercizi
3. Le medie mobili
Primi cenni/Proprietà delle medie mobili/Composizioni di medie mobili semplici/ La stima delle componenti/La stima della componente tendenziale-ciclica/Il trattamento della componente stagionale/Medie mobili che conservano i polinomi locali/Principi generali di costruzione di una media mobile/Distribuzione dei coefficienti di una media mobile/Medie mobili di Henderson/La stima del trend-ciclo col metodo Census X11/Trattamento delle estremità della serie/L’analisi dei residui/ Esercizi
4. Il lisciamento esponenziale e la valutazione delle previsioni
Il lisciamento esponenziale semplice/ I metodi di Holt-Winters/Indici per valutare la qualità delle previsioni/Esercizi
5. Processi stocastici e modelli lineari
I processi stocastici/Processi stazionari/Stima dei momenti di un processo stocastico stazionario/Alcuni processi stocastici stazionari/Processi non stazionari/Processi stagionali/Esercizi
6. La procedura di Box e Jenkins
Identificazione/ Stima dei parametri/Controllo diagnostico/Alcuni esempi su serie simulate/Modelli stagionali/Applicazioni su serie reali/Esercizi
7. La previsione con i modelli ARIMA
Cenni di teoria della previsione ottima/La previsione con i modelli ARIMA/Previsione intervallare/Relazione tra modelli perequativi e modelli ARIMA/Esercizi
8. Processi trend-stazionari e a trend stocastico
I test di radice unitaria/Alcuni esempi/Il test di Dickey e Fuller "aumentato" e il test di Phillips e Perron
9. Approfondimenti
Procedure di destagionalizzazione/Decomposizione basata su modelli ARIMA/Problemi connessi alla destagionalizzazione/Le serie storiche di attività finanziarie/Modelli per la varianza condizionata
Appendici
A. Richiami all’analisi di regressione
A.1. Introduzione/A.2. Il modello di regressione lineare e la stima a minimi quadrati/A.3. Proprietà degli stimatori dei minimi quadrati/A.4. Intervalli di confidenza e verifiche di ipotesi per i parametri/A.5. La previsione nel modello di regressione lineare
B. I minimi quadrati non lineari
B.1. Il metodo di Gauss (o di linearizzazione)/B.2. Il metodo di Newton/B.3. Qualche osservazione
C. Introduzione a EViews
C.1. Aspetti generali/ C.2. Importazione dei dati e creazione di un workfile/ C.3. Analisi preliminare di una serie storica/C.4. La regressione/C.5. Le medie mobili/C.6. Stima delle componenti/C.7. La previsione mediante metodi perequativi/C.8. I modelli ARIMA/C.9. Test di radice unitaria/C.10. I modelli della classe ARCH/C.11. Cenni di programmazione con EViews
Bibliografia