|
Insegnamento
MATHEMATICS FOR FINANCE AND OPTIMIZATION
EPQ3102101, A.A. 2024/25
Informazioni valide per gli studenti immatricolati nell'A.A. 2024/25
Dettaglio crediti formativi
Tipologia |
Ambito Disciplinare |
Settore Scientifico-Disciplinare |
Crediti |
CARATTERIZZANTE |
Statistico-matematico |
SECS-S/06 |
9.0 |
Organizzazione dell'insegnamento
Periodo di erogazione |
Primo semestre |
Anno di corso |
I Anno |
Modalità di erogazione |
in presenza |
Tipo ore |
Crediti |
Ore di didattica erogata |
Ore Studio Individuale |
LEZIONE |
9.0 |
63 |
162.0 |
Inizio attività didattiche |
30/09/2024 |
Fine attività didattiche |
18/01/2025 |
Visualizza il calendario delle lezioni |
Lezioni 2024/25 Ord.2023
|
Prerequisiti:
|
Gli studenti devono possedere una solida conoscenza di base di matematica, probabilità e statistica. In particolare, devono avere familiarità con l’algebra lineare, il calcolo differenziale, le variabili aleatorie discrete e continue. È fortemente raccomandata la frequenza del pre-corso di matematica, i cui contenuti sono requisito essenziale per un'adeguata comprensione del corso. Per il modulo di ottimizzazione, gli studenti devono possedere conoscenze di base di microeconomia e degli elementi fondamentali dell’ottimizzazione dinamica (principio del massimo e programmazione dinamica). |
Conoscenze e abilita' da acquisire:
|
ABILITA COGNITIVE Al termine del corso gli studenti saranno in grado di: C1. Discutere il funzionamento dei moderni mercati finanziari e i principali tipi di strumenti scambiati; C2. Spiegare e analizzare modelli matematici per i mercati finanziari; C3. Comprendere i principi alla base della valutazione dei derivati finanziari; C4. Analizzare i rischi dei derivati finanziari.
ABILITÀ PRATICHE Gli studenti saranno in grado di: P1. Calcolare il prezzo dei derivati finanziari; P2. Gestire il rischio dei derivati finanziari; P3. Costruire strategie di trading e portafogli di hedging.
COMPETENZE TRASVERSALI Gli studenti svilupperanno: T1. Abilità matematiche; T2. Capacità di problem solving; T3. Capacità analitiche. |
Modalita' di esame:
|
Modulo di finanza: Le conoscenze e le abilità degli studenti saranno valutate attraverso: esame scritto - agli studenti verranno poste domande teoriche ed esercizi sull'intero programma del corso. Saranno valutate le abilità C1, C2, C3, C4, P1, P2, P3, T1, T2, T3. In aggiunta, fino a 2 punti bonus sono attribuiti sulla base di un test su matematica generale e probabilità, relativamente agli argomenti affrontati nel pre-corso di matematica. Il test si terrà durante le prime due settimane di lezione. Il testo vuole essere un incentivo a studiare attentamente gli argomenti affrontati nel pre-corso di matematica: la conoscenza di tali argomenti risulta essenziale per un'adeguata comprensione del corso.
Modulo di ottimizzazione: per gli studenti frequentanti, le conoscenze e le abilità saranno valutate attraverso: progetto di gruppo – gli studenti dovranno formare un gruppo e preparare la presentazione di un breve rapporto. Saranno valutate le abilità C1, C2, C3, P1, P2, T1, T2, T3. Per gli studenti non frequentanti, le conoscenze e le abilità saranno valutate attraverso: esame scritto – gli studenti dovranno risolvere uno o più esercizi basati sui modelli presentati a lezione. Saranno valutate le abilità P2, T1, T2. Si considerano frequentanti gli studenti che hanno seguito almeno il 70% delle lezioni. |
Criteri di valutazione:
|
Modulo di finanza: 100% esame scritto – gli studenti saranno valutati in base al loro ragionamento e non in base ai risultati numerici. Bonus: fino a 2 punti attribuiti al test iniziale di matematica e probabilità
Modulo di ottimizzazione: per gli studenti frequentanti: 100% progetto di gruppo: gli studenti saranno valutati in base alla loro capacità di analizzare approfonditamente l’argomento del progetto e in base alla loro capacità di discutere problemi di progetti di investimento. per gli studenti non frequentanti: 100% esame scritto: gli studenti saranno valutati in base alla correttezza del loro ragionamento analitico e alla completezza della conoscenza acquisita. |
Contenuti:
|
Modulo di finanza: questo modulo fornisce un’introduzione alla finanza quantitativa. L’obiettivo principale consiste nella comprensione dei derivati finanziari e delle principali tecniche per il loro prezzaggio e per la loro copertura. La prima parte del corso verte su modelli a tempo discreto (modello binomiale), mentre la seconda parte del corso riguarda modelli a tempo continuo (modello di Black-Scholes). Verranno presentati i relativi strumenti essenziali di calcolo stocastico congiuntamente alle loro applicazioni finanziarie. Il modulo di finanza tratterà i seguenti argomenti: • Introduzione ai mercati finanziari • Derivati finanziari • Modello binomiale • Moto Browniano ed elementi di calcolo stocastico • Il modello di Black-Scholes-Merton
Modulo di ottimizzazione: questo modulo fornisce agli studenti la capacità di comprendere diversi modelli matematici utilizzati in economia, ecologia, scienze ambientali, analizzandone le connessioni reciproche. Il modulo di ottimizzazione tratterà I seguenti argomenti: • principio del massimo (richiami) • consumo energetico e qualità ambientale • modelli per le risorse non rinnovabili • modelli per la protezione ambientale • integrated assessment models (RICE, DICE, WITCH,PAGE, ICAM) • programmazione dinamica (stocastica) (richiami) • il tasso di estrazione delle risorse rinnovabili (problema di rotazione forestale) |
Attivita' di apprendimento previste e metodologie di insegnamento:
|
Il corso prevede: • Lezioni frontali, • Esercitazioni; • Discussione di esempi e case studies. |
Eventuali indicazioni sui materiali di studio:
|
Modulo di finanza: slides delle lezioni (rese disponibili sulla pagina Moodle del corso) e ai testi sottoindicati.
Modulo di ottimizzazione: le slide delle lezioni e l’elenco dei riferimenti bibliografici saranno resi disponibile agli studenti tramite la pagina Moodle del corso. |
Testi di riferimento: |
-
Hull,John C., Options, futures, and other derivatives. --: Pearson, 2017.
-
Björk,Tomas, Arbitrage theory in continuous time. Oxford: Oxford University Press, 2019.
-
Hritonenko, Natali; Yatsenko, Yuri, Mathematical Modeling in Economics, Ecology and the Environment. New York, NY: Springer, 2013.
|
Didattica innovativa: Strategie di insegnamento e apprendimento previste
Obiettivi Agenda 2030 per lo sviluppo sostenibile
|
|