Lahore University of Management Sciences 

 

FINN 32X ‐ Financial Econometrics I Fall Semester 2015  

  

Instructor  Syed Zahid Ali 

Room No.  247 Economics Wing First Floor

Office Hours  TBA 

Email  szahid@lums.edu.pk

Telephone  Ext. 8074 

Secretary/TA   Khalid Pervaiz  

TA Office Hours  TBA 

Course URL (if any)  Suraj.lums.edu.pk 

 

COURSE BASICS Credit Hours  4 

Lecture(s)  2 Lec (s) Per Week  Duration 110 minutes 

Recitation/Lab (per week)  Nbr of Lec(s) Per Week Duration  

Tutorial (per week)  Nbr of Lec(s) Per Week TBA Duration  

 

COURSE DISTRIBUTION Core   

Elective  Yes 

Open for Student Category  3rd and 4th year students

Close for Student Category   

 

COURSE DESCRIPTION 

The course is designed for 3rd and fourth year students who have already taken a basic econometrics course and has done at least one course in finance.  MBA students are also allowed to take this course. The course mostly revolve around the techniques which are required to make use of financial data. The main focus is on the empirical techniques which are commonly used in the analysis of  financial markets  and  how  they  are  applied  to  actual  data.  The  course  starts with  the  overview  of  the basic  econometrics techniques such as OLS estimation and testing of hypothesis.  In the second module we will discuss models such as AR MA and ARMA which are quite popular for time series analysis etc. In the third module we will focus on techniques required to make prediction. In this context we will learn model such as ARCH and GARCH models etc. In the fourth module we will extend our analysis for more than one asset and estimate models such as VAR and VEC. In the fifth module we will discuss switching models to take into account the seasonalities in financial markets.    

 

COURSE PREREQUISITE(S)  

  

 

Principles of Finance (FINN 100)  

Probability & Statistics (DISC 203) 

       

Lahore University of Management Sciences 

COURSE LEARNING OBJECTIVES   

  Upon successful completion of the course, students should be able to:  

1. Develop an understanding of basic techniques to do empirical investigation of financial data. 

2. Understand the properties of financial returns 3. Enable students to test various theories of finance such as standard asset pricing models 

4. Understand the principles of autoregressive time series models and evaluate their ability to forecast 

financial variables 

5. Understand ARCH and GARCH models and be able to apply them to financial time series 

6. Estimate Vector Autoregressive (VAR) models and interpret the results 

7. Estimate models involving seasonalities  

 

LEARNING OUTCOMES     

Moreover, students should also learn to:  

Work independently and in teams (for group assignments)  Evaluate critically and apply financial models to solve real world problems 

 

UNDERGRADUATE PROGRAM LEARNING GOALS & OBJECTIVES      

General Learning Goals & Objectives Goal 1 –Effective Written and Oral Communication    Objective: Students will demonstrate effective writing and oral communication skills Goal 2 –Ethical Understanding and Reasoning    Objective: Students will demonstrate that they are able to identify and address ethical issues in an organizational context.  Goal 3 – Analytical Thinking and Problem Solving Skills     Objective: Students will demonstrate that they are able to identify key problems and generate viable solutions.  Goal 4 – Application of Information Technology    Objective: Students will demonstrate that they are able to use current technologies in business and management context.  Goal 5 – Teamwork in Diverse and Multicultural Environments    Objective: Students will demonstrate that they are able to work effectively in diverse environments.  Goal 6 – Understanding Organizational Ecosystems    Objective: Students will demonstrate that they have an understanding of Economic, Political, Regulatory, Legal, Technological, and Social environment of organizations.   Major Specific Learning Goals & Objectives Goal 7 (a) – Discipline Specific Knowledge and Understanding     Objective: Students will demonstrate knowledge of key business disciplines and how they interact including application to real world situations (including subject knowledge). Goal 7 (b) – Understanding the “science” behind the decision‐making process (for MGS Majors)     Objective: Students will demonstrate ability to analyze a business problem, design and apply appropriate decision‐support tools, interpret results and make meaningful recommendations to support the decision‐maker  

   

Lahore University of Management Sciences 

Indicate below how the course learning objectives specifically relate to any program learning goals and objectives.    

PROGRAM LEARNING GOALS AND OBJECTIVES 

COURSE LEARNING OBJECTIVES COURSE ASSESSMENT ITEM

Goal 1 –Effective Written and Oral Communication 

e.g.(Provide student opportunity to demonstrate effective communication) CLO # 

Quizzes and homework 

Goal 2 –Ethical Understanding and Reasoning 

 

Goal 3 – Analytical Thinking and Problem Solving Skills 

Class participation 

Goal 4 – Application of Information Technology 

Home work will be based on EViews + STATA + RATS Programming 

Goal 5 – Teamwork in Diverse and Multicultural Environments 

 

Goal 6 – Understanding Organizational Ecosystems 

 

Goal 7 (a) – Discipline Specific Knowledge and Understanding  

Exams Quizzes + Mid + Final 

Goal 7 (b) – Understanding the “science” behind the decision‐making process 

Exams Quizzes + Mid + Final 

 

GRADING BREAKUP AND POLICY  Assignment(s): Home Work: 20% Quiz(s): 20% Midterm Examination: 25% Final Examination: 35%  

 

EXAMINATION DETAIL 

Midterm Exam 

 Yes/No: YES Combine Separate: Combine Duration: 120 minutes  Preferred Date: Exam Specifications: closed books and closed notes  

Final Exam 

 Yes/No: YES Combine Separate: Combine Duration: 120 minutes Exam Specifications: closed books closed notes  

     

Lahore University of Management Sciences 

COURSE OVERVIEW 

WEEK/ LECTURE/ MODULE 

TOPICS RECOMMENDED 

READINGS SESSION OBJECTIVE(S) 

1 

Overview of Basic Econometrics 

Deriving the OLS estimates 

Algebraic properties 

Deriving statistical properties: 

mean and variance 

Testing of hypothesis 

Multiple regression and testing 

of hypothesis 

Application to CAPM model 

           

Chapter 2&3 (HGL), and chapter 3&4(CB) Chapter 

Understanding the framework of basic econometrics and testing of hypothesis 

2,3 

Regression with Time‐Series Data  

MA process 

AR process 

ARMA process 

stationary and non‐stationary variables 

Testing for unit roots (Dickey‐Fuller Test) 

Testing asset pricing models  

Chapter 12 (HGL), and chapter 5&7 (CB)   

Learning Time series analysis

4,5 

Modelling Volatility 

ARCH  

GARCH  

EGARCH and other variations 

Recent advances in volatility estimation using high frequency data ‐ realized volatility  

Chapter 14 (HGL), and chapter 8 (CB)   

Measurement of Time Varying Volatility 

6 

Predicting risk and returns for multiple assets  

Vector error correction models (VEC)  

Vector autoregressive models (VAR) 

Time varying variance covariance matrices.  

Estimating impulse response functions 

 

Chapter 13 (HGL), and chapter 6 (CB) 

Analysis for more than one Asset

7 

Switching Model 

Seasonalities in financial markets 

Modelling seasonality in financial data 

Estimating simple piecewise linear functions 

Chapter 7 (HGL) and Chapter 9 (CB)     

Introduction of Qualitative variables 

Lahore University of Management Sciences 

Markow switching models 

Applications of Markow switching models 

 

Textbook(s)/Supplementary Readings  

1. Chris Brooks 2002. Introductory Econometrics for Finance (CB) 

2. Hill, Griffith, and Lim 2011. Principles of Econometrics. 4rh edition (HGL) 

3. Walter Enders (2003). Applied econometric time series, Wiley.