|
Insegnamento
COMPUTATIONAL FINANCE
SCP4063078, A.A. 2018/19
Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19
Dettaglio crediti formativi
Tipologia |
Ambito Disciplinare |
Settore Scientifico-Disciplinare |
Crediti |
AFFINE/INTEGRATIVA |
Attività formative affini o integrative |
SECS-P/05 |
9.0 |
Organizzazione dell'insegnamento
Periodo di erogazione |
Primo semestre |
Anno di corso |
I Anno |
Modalità di erogazione |
frontale |
Tipo ore |
Crediti |
Ore di didattica assistita |
Ore Studio Individuale |
LABORATORIO |
6.5 |
46 |
116.5 |
LEZIONE |
2.5 |
18 |
44.5 |
Inizio attività didattiche |
01/10/2018 |
Fine attività didattiche |
18/01/2019 |
Visualizza il calendario delle lezioni |
Lezioni 2019/20 Ord.2014
|
Commissioni d'esame
Commissione |
Dal |
Al |
Membri |
3 Commissione a.a.2018/19 |
01/10/2018 |
30/09/2019 |
CAPORIN
MASSIMILIANO
(Presidente)
BERNARDI
MAURO
(Membro Effettivo)
MORETTO
MICHELE
(Membro Effettivo)
|
Prerequisiti:
|
Non strettamente necessari ma caldamente consigliati.
1) Elementi di base di statistica per le applicazioni in finanza.
2) Elementi di base di matematica finanziaria.
3) Conoscenza di base di microeconomia e macroeconomia, conoscenza del modello di Markowitz e del Capital Asset Pricing Model (CAPM).
I prerequisiti di al punto 3) corrispondono al contenuto del corso di Economia dei Mercati Finanziari erogato nella laurea triennale in Statistica per l'Economia e l'Impresa. |
Conoscenze e abilita' da acquisire:
|
Il corso punta a fornire strumenti che permettano agli studenti di affrontare problemi di natura computazionale in ambito finanziario. Sarà data enfasi all'ambito dell'allocazione di portafoglio. Alla fine del corso gli studenti diventeranno utilizzatori avanzati di un software statistico che permetterà loro di formalizzare e risolvere problemi legati ad una domanda di finanza empirica. |
Modalita' di esame:
|
L'esame sarà svolto tramite un lavoro di gruppo. Ogni gruppo (un team) riceverà all'inizio del corso (i gruppi saranno formati entro le prime due settimane di lezione) un elenco di compiti legati a domande di finanza computazionale. Ogni team dovrà coordinare le proprie attività, inducendo i componenti del team a collaborare. Durante la sessione d'esame, ogni team illustrerà i risultati sotto forma di una presentazione. Ogni componente del tema dovrà possedre completa conoscenza della presentazione, delle analisi sviluppate dal team, e dei risultati principali. |
Criteri di valutazione:
|
La valutazioone del lavoro di gruppo sarà basata sui seguenti elementi:
- la presenza di risposte appropriate ai vari compiti assegnati al team;
- l'appropriatezza degli strumenti quantitativi utilizzati dal team;
- l'interpretazione economnica dei risultati ottenuti;
- l'interazione tra i componenti del team. |
Contenuti:
|
1. La suite Matlab: introduzione e programmazione.
2. Asset Allocation base: Markowitz con e senza l'asset privo di rischio; Markowitz sotto vincoli tradizionali.
3. Asset Allocation avanzato: Risk Budgeting; vincoli non lineari di cardinalità; metodi di penalizzazione in ambito di asset allocation; l'approccio di Michaud al ricampionamento; il modello di Black-Litterman; il modello di Chow-Kritzman.
4. Backtesting e valutazione delle performance. |
Attivita' di apprendimento previste e metodologie di insegnamento:
|
Lezioni in laboratorio informatico con teoria e pratica anche a gruppi. |
Eventuali indicazioni sui materiali di studio:
|
Lecture notes distribuite agli studenti via moodle, comprensive di codice di esempio e dati. |
Testi di riferimento: |
-
Hull, J.C., Options, Futures and other derivatives. --: Prentice Hall, --. E' disponibile anche una versione in Italiano
-
Roncalli, T., Introduction to risk parity and budgeting. --: Chapman & Hall, --.
-
Bodie, Z., Kane, A. and Marcus, A.J., Investments. --: McGraw Hill, --.
-
Hull, J.C., Risk management and financial institutions. --: Wiley Finance, --. E' disponibile anche una versione in Italiano
-
Barucci, E., Marsala, C., Nencini, M., and Sgarra, C., Ingegneria finanziaria. --: Egea, --.
-
Elton, E.J., Gruber, M.J., Brown, S.J., and Goetzmann, W.N., Modern Portfolio Theory and Investment Analysis. --: Wiley, --. E' disponibile anche una versione in Italiano
|
Didattica innovativa: Strategie di insegnamento e apprendimento previste
- Lecturing
- Laboratory
- Problem based learning
- Case study
- Working in group
- Problem solving
- Files e pagine caricati online (pagine web, Moodle, ...)
Didattica innovativa: Software o applicazioni utilizzati
- Moodle (files, quiz, workshop, ...)
- Matlab
|
|