## 27545 - Statistical Analysis for Finance

### Syllabus Information

2022/23
Subject:
27545 - Statistical Analysis for Finance
Faculty / School:
109 - Facultad de Economía y Empresa
Degree:
449 - Degree in Finance and Accounting
ECTS:
6.0
Year:
4 and 3
Semester:
Second semester
Subject Type:
Optional
Module:
---

### 1.1. Aims of the course

The course and its expected results respond to the following approaches and objectives:

The content is divided in 3 blocks: 1) Introduction to the R program through a basic statistical analysis of data, 2) Multivariate statistical techniques and 3) Volatility modeling and risk assessment.

After a presentation of the subject (situation in the study plan, description of the teaching program, evaluation criteria and most relevant bibliography), in the first block R is introduced as a calculation tool for the entire course, and a basic one- and two-dimensional statistical analysis is carried out. This analysis serves to exemplify the operation of R and review some concepts already known from the subjects Statistics I and II and that will be very useful in the next two blocks. The second block is dedicated to the study of some multivariate statistical techniques. Specifically, the techniques that are going to be presented are of two types: the first group (principal components analysis and factor analysis) seek to carry out a data reduction process by identifying and calculating latent factors whose purpose is to express the information contained in a data set in terms of a smaller number of variables that represent the interrelationships. The second group (cluster analysis and discriminant analysis) seeks to classify the objects/individuals into internally homogeneous and externally heterogeneous groups, analyzing the differences between them. All this results in a better understanding of the information contained in a set of data within the financial field. The third block deals with the temporal analysis of financial series, beginning with an analysis of their most relevant empirical characteristics, both static and dynamic. Within this third block, a second topic is devoted to the problem of modeling volatility. It describes various models proposed in the literature to estimate this important component of risk in the evolution of many financial series, paying special attention to the GARCH family of models and their extensions. Finally, the third topic within the third block is devoted to introducing various ways of quantifying financial risk used in the literature, focusing especially on the expected risk value and loss, as well as the retrospective validation of the behavior of the calculated measures.

These approaches and objectives are directly aligned with the Sustainable Development Goals (SDGs) of the United Nations 2030 Agenda (https://www.un.org/sustainabledevelopment/es/), in such a way that the acquisition of the learning outcomes of the subject provides training and competence to contribute to some extent to the achievement of the SDGs. Among the objectives most dealt with in depth in the subject, the following stand out:

● Goal 7: Affordable and clean energy.

● Goal 11: Sustainable cities and communities

● Goal 12: Responsible consumption and production

● Goal 13: Climate action

since the examples that are shown in class analyze databases that address these issues. Although it is true that all the training provided by this subject (theoretical and practical) contributes transversally to the 2030 AGENDA and SDGs, given that their training enables the student to contribute to the analysis and management of the 245 SDG indicators.

### 3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

In the first call, the student will be able to choose between following a Continuous Assessment process or a Global Assessment process.

Continuous Assessment involves the following:

- Between 5 – 8 multiple-choice questionnaires for each of the topics. These questionnaires will account for 30% of the mark if their average exceeds 3.

- 1 report corresponding to the resolution of exercises related both one-dimensional and two-dimensional exploratory analysis applied to a database (topics 1 and 2) that will account for 30% of the final mark if is higher than 3.

- 1 report consisting of the resolution of exercises that apply the multivariate techniques (topics 3 and 4), that will account for 40% of the final mark if is higher than 3.

The questionnaires (C) and the reports (I1, I2) will be scored on a scale from 0 to 10. The student must have at least a 3 in each of the three types of activities (the average of the questionnaires, the I1 report and the I2 report) in order to perform the average.

To pass the subject, the final matk must be equal to or greater than 5 points and it will be calculated as the weighted average of 30% of the average assessment of the questionnaires, 30% of the I1 report and 40% of the I2 report, provided they have at least a 3 in each of the three parts. That is, the applied formula will be:

Final mark = 0.3*Mean (C) + 0.3*I1 + 0.4*I2

If in any of the parts the mark is less than 3, the final mark would be calculated as follows:

Final mark = min {0.3*Mean (C) + 0.3*I1 + 0.4*I2; 4.5}

Students who do not pass this continuous evaluation system may also opt for the global evaluation.

Global Assessment consists of the following:

Students who have not opted for continuous assessment, those who, having opted for continuous assessment, have not passed the subject or those who, having passed the subject in the continuous assessment modality, want to improve their mark, will take a final exam (E) on the official call dates established by the Faculty. This exam will assess the theoretical and practical knowledge of the subject through exercises in which the students will have to answer different questions about different databases. The answers to the questions will be made through scripts using the R program, and writing a report with the conclusions obtained. This evaluation exam (E) will mean 100% of the final mark. The student must obtain a score equal to or greater than 5 out of 10 points.

In the second call, the student must pass a final evaluation exam (E) similar to the one described for the global evaluation of the first call.

It is planned that the course assessment will be onsite, but if the health circumstances require it, it will be carried out online. It should be noted that in any online assessment task the student performance may be recorded, following the regulations described in:

### 4.1. Methodological overview

Different teaching methods will be used depending on the objectives and the skills developed.Thus, expository techniques will be used for the theoretical classes, with the aim of analyzing and developing the fundamental concepts of the subject. However, and given that the subject will be entirely taught in computer rooms, computer tools will be used, alternating theoretical explanations with their application to the analysis of data sets, which will facilitate practical learning of the techniques studied.

The practical classes will be developed with the computer in which each student will apply the statistical techniques explained in the theoretical classes for the analysis of practical cases designed for this purpose. Some of these classes will be used for students to self-evaluate and / or complete their practical works and activities under the auspice of the professor who will act as a tutor to help them solve the difficulties they may have encountered.

As support, the Moodle 2.0 platform will be used, in which the theoretical and practical materials of the subject will be published, as well as all the information necessary for its development, starting with the teaching guide itself.

The course includes the following learning tasks:

• Lectures (30h). These sessions will be used to develop mainly the concepts and theoretical developments of each of the topics. Expository techniques will be used, but motivating participation and class discussion. The teacher will lean on the computer to illustrate the practical use of the techniques explained by applying real or simulated series. It is recommended to attend to these sessions because, in our experience, the theoretical part of the subject is the more difficult part to understand and study. The student will have previously published the theoretical development that complements the presentation.

• Computer Practice sessions (30h). This activity will take place in computer rooms. It will be developed through directed exercises in which the students apply the statistical techniques explained in the theoretical classes, using the computer and, more specifically, the R statistical package, which is the one that will be used as the computer tool.

• Autonomous work (90h)

The teaching delivery methodology is expected to pivot around face-to-face classes. However, if necessary for health reasons, classes may be taught online.

### 4.3. Syllabus

The course will address the following topics:

Block 1: Introduction to R through a basic statistical data analysis

Topic 1: Introduction to R

Topic 2: Initial exploratory data analysis

Block 2: Multivariate statistical techniques

Topic 3: Dimension reduction techniques. Principal component analysis. Factorial analysis

Topic 4: Classification techniques. Cluster Analysis. Discriminant Analysis

Block 3: Dynamic analysis of financial series

Topic 5: Empirical characteristics of a financial series

Topic 6: Statistical modeling of volatility

Topic 7: Statistical techniques for risk assessment and management

### 4.4. Course planning and calendar

Further information concerning the timetable, classroom, office hours, assessment dates and other details regarding this course, will be provided on the first day of class or please refer to the Faculty of Economics and Business website (https://econz.unizar.es/) and the Moddle Platform.

## 27545 - Análisis estadístico en finanzas

### Información del Plan Docente

2022/23
Asignatura:
27545 - Análisis estadístico en finanzas
109 - Facultad de Economía y Empresa
Titulación:
Créditos:
6.0
Curso:
4 y 3
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

### 1.1. Objetivos de la asignatura

La asignatura y sus resultados previstos responden a los siguientes planteamientos y objetivos:

Su contenido está dividido en 3 bloques diferentes: 1) Introducción al programa R mediante un análisis estadístico básico de datos, 2) Técnicas estadísticas multivariantes y 3) Modelización de la volatilidad y evaluación de riesgos.

Estos planteamientos y objetivos están directamente alineados con los Objetivos de Desarrollo Sostenible (ODS) de la Agenda 2030 de Naciones Unidas (https://www.un.org/sustainabledevelopment/es/), de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia para contribuir en cierta medida a su logro. Entre los objetivos más tratados con profundidad en la asignatura destacan los siguientes:

● Objetivo 7: Energía asequible y no contaminante.

● Objetivo 12: Producción y consumo responsables

● Objetivo 13: Acción por el clima

ya que los ejemplos que se trabajan en clase analizan bases de datos que abordan estas cuestiones. Si bien es verdad que toda la formación que aporta esta asignatura (teórica y práctica) contribuye de forma transversal a la AGENDA 2030 y ODS ya que su formación capacita al estudiante para contribuir al análisis y gestión de los 245 indicadores de los ODS.

### 1.2. Contexto y sentido de la asignatura en la titulación

La asignatura tiene carácter optativo y se encuentra encuadrada en el módulo Finanzas, dentro de la materia Instrumentos, figurando junto a la asignatura Econometría aplicada a la información financiera, también optativa. Está relacionada con las asignaturas Bolsa y análisis bursátil, Renta fija y derivados y Gestión de carteras e Ingeniería Financiera todas ellas encuadradas en el módulo Mercados Financieros siendo las dos primeras obligatorias y las dos últimas optativas. Con estas asignaturas se pretende que los estudiantes sean capaces de comprender el entorno financiero de las organizaciones.

### 1.3. Recomendaciones para cursar la asignatura

La asignatura no tiene establecido ningún requisito previo. Sin embargo, sería conveniente haber cursado y aprobado las asignaturas Estadística I, Estadística II y Análisis Econométrico para mejorar el aprendizaje de la misma y necesitar de menor esfuerzo. Es recomendable, además, tener un conocimiento básico de ofimática, principalmente de un editor de textos y una hoja de cálculo, así como cierta soltura en el uso de paquetes econométricos para realizar las prácticas correctamente y facilitar la adquisición de algunas competencias importantes.

### 2.1. Competencias

#### Al superar la asignatura, el estudiante será más competente para...

Competencias específicas

1. Participar en el asesoramiento a empresas, instituciones e inversores en la gestión y administración de los recursos financieros desde un enfoque integral
2. Entender el funcionamiento de los mercados financieros, las instituciones que en ellos intervienen, los instrumentos que en ellos se negocian y su influencia en las decisiones de inversión y financiación de las organizaciones y personas.
3. Identificar, interpretar y evaluar la información financiera y contable de las empresas e instituciones para identificar las fortalezas y debilidades, así como para asesorar desde un enfoque técnico, financiero y contable en la toma de decisiones.
4. Desarrollar las funciones relativas a las áreas de análisis de inversiones, gestión financiera y de riesgos financieros, auditoría, contabilidad financiera y de costes y control presupuestario de las organizaciones

Competencias transversales

1. Capacidad de análisis y síntesis
2. Capacidad para la resolución de problemas
3. Capacidad para tomar de decisiones.
6. Desarrollar actitudes colaborativas y de trabajo en equipos multidisciplinares o multiculturales, así como desarrollar una actitud crítica para el debate.
7. Desarrollo de hábitos de autodisciplina, autoexigencia y rigor.
9. Habilidad en las relaciones personales.
10. Capacidad para adaptarse a entornos dinámicos, con espíritu creativo y emprendedor.
12. Motivación por el aprendizaje autónomo y continuado.

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados:

1. Realizar un análisis inicial de un conjunto de datos multivariantes
2. Realizar un análisis de componentes principales e interpretar los resultados obtenidos
3. Realizar un análisis factorial e interpretar los resultados obtenidos
4. Relacionar el análisis factorial con el de componentes principales poniendo de manifiesto las similitudes y diferencias existentes entre ambas
5. Llevar a cabo un proceso de clasificación de datos utilizando procedimientos jerárquicos aglomerativos
6. Llevar a cabo un proceso de clasificación de datos utilizando procedimientos de particionamiento
7. Diseñar procedimientos de clasificación que permitan discriminar entre grupos de observaciones de la forma más eficiente posible, así como analizar las diferencias existentes entre ellos
8. Validar e interpretar los resultados obtenidos en un procedimiento de clasificación
9. Calcular rentabilidades y primas de riesgo diarias, semanales, mensuales y anuales de un activo financiero y de una cartera, tanto de forma simple como continua
10. Analizar las características empíricas de una serie financiera tanto estáticas como dinámicas
11. Elaborar modelos univariantes de la volatilidad de un activo financiero y analizar su bondad de ajuste
12. Definir y calcular diversas medidas de riesgo financiero
13. Realizar predicciones del riesgo financiero de un activo financiero
14. Realizar un análisis retrospectivo de las predicciones de riesgo elaboradas mediante un modelo estadístico

### 2.3. Importancia de los resultados de aprendizaje

La asignatura tiene como objetivo proporcionar al alumno el conocimiento de un conjunto de herramientas estadístico-econométricas que le permitan valorar y gestionar el riesgo asociado a un conjunto de activos financieros. En particular, es importante que conozca sus fortalezas y sus debilidades, con el fin de que las decisiones de inversión y/o gestión tomadas posteriormente sean lo más fiables y adecuadas posibles.

### 3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

En la primera convocatoria el estudiante podrá elegir entre seguir un proceso de Evaluación Continua o un proceso de Evaluación Global.

La Evaluación Continua implica lo siguiente:

- Entre 5 y 8 entregas consistentes en un cuestionario de tipo test de cada uno de los temas o bloques. Estas entregas supondrán el 30% de la nota, siempre que su promedio supere el 3.

- 1 entrega en formato informe correspondiente a la resolución de ejercicios relacionados con un análisis exploratorio unidimensional y bidimensional aplicados a una base de datos (temas 1 y 2) que supondrá el 30% de la nota final siempre que la calificación del informe sea superior al 3.

- 1 entrega en formato informe consistente en la resolución de ejercicios de aplicación de las técnicas multivariantes estudiadas en el curso (temas 3 y 4), que supondrá en la nota final el 40% restante siempre que la calificación del informe sea superior al 3.

Los cuestionarios (C) y los informes (I1, I2) serán puntuados en una escala de 0 a 10. El estudiante debe tener al menos un 3 en cada uno de los tres tipos de actividades (la media de los cuestionarios, el informe I1 y el informe I2) para poder realizar la media.

Para aprobar la asignatura la calificación final deberá ser igual o superior a 5 puntos y se calculará como la media ponderada del 30% de la valoración media de los cuestionarios, del 30% del informe I1 y el 40% del informe I2, siempre que tengan al menos un 3 en cada una de las tres partes. Es decir, la fórmula aplicada será:

Nota final = 0,3*Media (C) + 0,3*I1 + 0,4*I2

Si en alguna de las partes la calificación es inferior a 3, la nota se calcularía del siguiente modo:

Nota final = min {0,3*Media (C) + 0,3*I1 + 0,4*I2; 4,5}

Los estudiantes que no superen este sistema de evaluación continua, podrán optar también por la evaluación global.

La Evaluación Global consiste en lo siguiente:

Los estudiantes que no hubiesen optado por la evaluación continua, los que habiendo optado por la evaluación continua no hubiesen superado la asignatura o aquellos que habiendo superado la asignatura en la modalidad de evaluación continua quieran mejorar su calificación, realizarán un examen final de evaluación (E) en las fechas de convocatoria oficial establecidas por el centro. Dicho examen valorará los conocimientos teóricos y prácticos de la materia mediante ejercicios en los que tendrán que responder a diferentes preguntas sobre distintas bases de datos. Las respuestas a las preguntas se realizarán mediante scripts utilizando el programa R, y redactando un informe con las conclusiones obtenidas. Dicho examen de evaluación (E) supondrá el 100% de la calificación final. El estudiante deberá obtener una puntuación igual o superior a 5 sobre 10 puntos.

En la segunda convocatoria el estudiante deberá superar un examen final de evaluación (E) como el descrito para la evaluación global de la primera convocatoria.

Está previsto que las pruebas se realicen de manera presencial, pero si las circunstancias sanitarias lo requieren, se realizarán de manera online. Si la evaluación se realizase de forma online, el estudiante podrá ser grabado, pudiendo éste ejercer sus derechos por el procedimiento indicado en el siguiente enlace sobre la CLÁUSULA INFORMATIVA REDUCIDA EN GESTIÓN DE GRABACIONES DE DOCENCIA:

### 4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

Se utilizarán diferentes métodos docentes en función de los objetivos marcados y las competencias desarrolladas. Así, se emplearán técnicas expositivas para las clases teóricas, con el objetivo de analizar y desarrollar los conceptos fundamentales de la asignatura. Sin embargo, y dado que la asignatura se enseñará en aulas de informática en su totalidad, se emplearán herramientas informáticas alternando las explicaciones teóricas con su aplicación al análisis de conjuntos datos lo cual facilitará el aprendizaje práctico de las técnicas estudiadas.

Las clases prácticas se desarrollarán en el ordenador en el que cada estudiante aplicará las técnicas estadísticas explicadas en las clases teóricas para el análisis de casos prácticos diseñados para tal fin. Algunas de dichas clases se utilizarán para que los alumnos se autoevalúen y/o completen sus trabajos bajo el auspicio del profesor que actuará como tutor para ayudarles a resolver las dificultades que hayan podido encontrar en el mismo.

Como apoyo se utilizará la plataforma Moodle 2.0 en la que se publicarán los materiales teóricos y prácticos de la asignatura, así como toda la información necesaria para su desarrollo comenzando por la propia guía docente.

El programa que se ofrece al estudiante para ayudarle a lograr los resultados previstos comprende las siguientes actividades...

- Clases teórico-prácticas: Se emplearán para desarrollar principalmente los conceptos y desarrollos teóricos de cada uno de los temas. Se utilizarán técnicas expositivas, pero motivando la participación y discusión en clase. El profesor se apoyará en el ordenador para ilustrar el uso práctico de las técnicas explicadas mediante su aplicación series reales o simuladas. Se recomienda la asistencia a clase, la participación y la toma de notas o aclaraciones a dicha presentación. El estudiante tendrá publicado con anterioridad el desarrollo teórico que complementa a la presentación.

- Clases prácticas de informática: Esta actividad se desarrollará en aulas de informática. Se desarrollará mediante ejercicios dirigidos en los que los alumnos apliquen las técnicas estadísticas explicadas en las clases teóricas, utilizando el ordenador y más concretamente, el paquete estadístico R que es el que se usará como herramienta informática de la asignatura.

En principio la metodología de impartición de la docencia está previsto que pivote alrededor de clases presenciales. No obstante, si fuese necesario por razones sanitarias, las clases presenciales podrán impartirse de forma online.

### 4.3. Programa

Bloque 1: Introducción a R mediante un análisis estadístico básico de datos

Tema 1: Introducción a R

Tema 2: Análisis exploratorio inicial de datos

Tema 3: Técnicas de reducción de la dimensión. Análisis de Componentes Principales. Análisis Factorial

Tema 4: Técnicas de clasificación. Análisis Clúster. Análisis Discriminante

Bloque 3: Análisis temporal de series financieras

Tema 5: Características empíricas de una serie financiera

Tema 7: Técnicas estadísticas para la valoración y gestión de riesgos

### 4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

Calendario de sesiones presenciales y presentación de trabajos

El calendario de sesiones presenciales se hará público en la web del centro, la presentación de ejercicios y otras actividades será comunicada por el profesor responsable en clase y/o a través de Moodle.

Las fechas de inicio y finalización de la asignatura, así como las fechas concretas de las actividades clave de la asignatura se fijarán de acuerdo al calendario académico y al horario establecido por el Centro, informándose de ello a los estudiantes a través del programa de la asignatura.

La asignatura consta de 6 créditos ECTS (60 horas lectivas y 90 horas de trabajo personal del alumno y asistencia a tutorías). Las horas lectivas se reparten de la siguiente forma:

-         1,2 créditos de horas teóricas (30 horas lectivas)

-         1,2 créditos de horas prácticas (30 horas lectivas)

El periodo lectivo abarca 15 semanas y cada semana se imparten 2 horas de clases teóricas y 2 horas de clases prácticas. Las fechas oficiales de los exámenes serán establecidas por el Centro y aparecerán publicadas con antelación suficiente,

para todas las convocatorias.

A través del Anillo Digital Docente (ADD) el profesor irá informando puntualmente a los alumnos sobre la disponibilidad en el ADD de presentaciones, casos prácticos, ejercicios, etc. sobre la materia para la realización de diferentes tareas.

Recursos web

Se empleará el ADD y, más concretamente, la plataforma MOODLE 2.