General submission rules and information

This ICA consists of group work. Students alone are responsible for forming groups of size 2.

Your report can be composed in any way that you find convenient (R markdown, LATEX, Word). However, please save the final version of your report as a PDF file with filename group_N_report.pdf, where N is your group number.

Each group will submit 3 files: one PDF file, the original data set of selected stock prices (excel or csv), and one R script. You will still need to include all the relevant R code in the PDF file for marking and feedback purposes (whilst data and R script may be used to verify results).  An example of the structure of the report expected from groups will be provided in due course.

All 3 files must be submitted via the “ICA 2023 Information" section of the Moodle

page.  Each group member must click their respective submit buttons in order for the group’s submission to be successful and final. By ticking the submission declaration box in Moodle you are agreeing to the following declaration:

Declaration:  I am aware  of the  UCL Statistical Science Department’s regulations  on plagiarism for assessed coursework.  I have read the guidelines in the student handbook and understand what constitutes plagiarism.  I hereby affirm that the work my group is submitting is our own and entirely produced by the indicated group members.

Any plagiarism will normally result in zero marks for all students involved, and may also mean that your overall examination mark is recorded as non-complete.  Guidelines as to what constitutes plagiarism may be found in the Departmental Student Handbooks. The relevant excerpt is also posted in the “ICA 2023 Information" section of the Moodle page.

Working together and discussing solutions within your own group  is fine and the usual plagiarism regulations do not apply to this. However, they do apply to plagiarism of work of other groups or other sources. Do not discuss your work with students that are not members of your group. Do not show your work to students that are not members of your group.

The Turn-It-In  plagiarism detection system may be used to scan your submission for evidence of plagiarism and collusion.

To allow anonymous marking, provide only group number “ Group N" on the front page of the report.  Please do NOT write your names on the report, or any other identifying information.

The report must be typed and must NOT contain more than 20 A4 pages, including graphs, tables, pictures, and R code.  The report should have reasonable margins and a font size no less than 10pt.  Submissions exceeding the maximum length limit will be normally ignored in terms of marking. This is a generous limit, which you shouldn’t aim to reach: taking up more space will not gain more marks.

Late submission will incur a penalty unless there are extenuating circumstances supported by appropriate documentation.   Penalties are set out in the student handbook of the Department of Statistical Science.

Non-submission of in-course assessment may mean that your overall examination mark is recorded as “non-complete", i.e. you might not obtain a pass for the course.

The group work will be assessed through the use of the UCL IPAC tool, Individual Peer Assessed Contribution (IPAC). More information will be provided in due course.

A feedback sheet will be returned to you.  You will receive a provisional letter grade – grades are provisional until confirmed by the Statistics Examiners’ Meeting in June 2023.

Task 1

Assessment plays an important role in the process of learning. The process of writing an exam question can be a useful learning tool for students.  It also enables students to experience the exam from the instructor’s perspective. Below you are given a past exam question on minimax decision principle.

A  company produces widgets in batches of  100.   Due to inherent defects in the manufacturing process, each produced batch could be of three types:  θ 1  is “bad”, θ2  is “acceptable”, and θ3  is “very good” . The company has produced a particular batch, and now has to decide which action to take: a1 - send it to the market, or a2 - throw it away.

The losses corresponding to each action ai ,  i  =  1, 2,  and type θj , j = 1, 2, 3, are represented by the following loss matrix :

Find the minimax randomized action.

For this task you need to develop one exam question based on the example above.  You need to modify the preamble to the question and the loss matrix while keeping the number of actions and states of nature the same.  You should also produce detailed and correct solutions (both graphical and numerical) along with a marking scheme. Your developed question should have six allocated marks in total.                                                        [10]

Task 2

You have been receiving numerous advertisements from a social trading platform eDoro. The platform promises to provide a free account with no management fees and 0% com- missions on stock investments. You become interested in opening an account with eDoro, and investing in a portfolio consisting of two stocks.  However, you are also aware that this investment carries a certain level of risk. Conveniently, you have recently enrolled on a course called "Decision and Risk", and you have learned copula-based models for mea- suring the market risk of a portfolio of financial assets. Your initial search for potential financial stocks resulted in the following six candidates for investment: