Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Scienze
SCIENZE STATISTICHE
Insegnamento
COMPUTATIONAL FINANCE
SCP4063078, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2019/20

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
SCIENZE STATISTICHE
SS1736, ordinamento 2014/15, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese COMPUTATIONAL FINANCE
Sito della struttura didattica http://www.stat.unipd.it/studiare/ammissione-laurea-magistrale
Dipartimento di riferimento Dipartimento di Scienze Statistiche
Sito E-Learning https://elearning.unipd.it/stat/course/view.php?idnumber=2019-SS1736-000ZZ-2019-SCP4063078-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile MASSIMILIANO CAPORIN SECS-S/03

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
ECM0013159 COMPUTATIONAL FINANCE MASSIMILIANO CAPORIN EP2422

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

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2014

Commissioni d'esame
Nessuna commissione d'esame definita

Syllabus
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 Cerca nel catalogo
  • Roncalli, T., Introduction to risk parity and budgeting. --: Chapman & Hall, --. Cerca nel catalogo
  • Bodie, Z., Kane, A. and Marcus, A.J., Investments. --: McGraw Hill, --. Cerca nel catalogo
  • Hull, J.C., Risk management and financial institutions. --: Wiley Finance, --. E' disponibile anche una versione in Italiano Cerca nel catalogo
  • Barucci, E., Marsala, C., Nencini, M., and Sgarra, C., Ingegneria finanziaria. --: Egea, --. Cerca nel catalogo
  • 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 Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Lecturing
  • Laboratory
  • Working in group