Corso di laurea

scienze statistiche, finanziarie e attuariali

Università degli studi di Bologna · 32 materie · 6 file condivisi

Il Corso di Laurea Magistrale in Scienze Statistiche, Finanziarie e Attuariali fornisce solide basi per affrontare in maniera rigorosa l'analisi quantitativa dei rischi connessi all'esercizio di attività finanziarie, assicurative e previdenziali.
Lo studente impara a comprendere e utilizzare sofisticati strumenti per l’analisi statistica ed econometrica a supporto delle decisioni in ambito finanziario e assicurativo. Inoltre, il corso fornisce gli strumenti necessari per accedere all’esame di stato per l’accesso all’ordine degli attuari.


Presentazione del Corso di Studio

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Al momento abbiamo 6 files caricati sul nostro portale suddivisi nelle 32 materie appartenenti al tuo corso di laurea.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ANALISI MATEMATICA 1° anno · 1° semestre · 6 CFU · MAT/05 · 1 file

Al termine del corso lo studente possiede i primi concetti e risultati sul calcolo differenziale e in piu' variabili e sui primi elementi di teoria della misura. In particolare, lo studente è in grado di: - affrontare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede i primi concetti e risultati sul calcolo differenziale e in piu' variabili e sui primi elementi di teoria della misura. In particolare, lo studente è in grado di: - affrontare correttamente problemi di ottimizzazione in piu' variabili; - calcolare integrali multipli.

Programma

Successioni e serie numeriche. Introduzione alla teoria della misura e dell'integrazione. Introduzione al calcolo differenziale in piú variabili. Ottimizzazione libera per funzioni di più variabili. Formula di riduzione per integrali doppi. Introduzione alle equazioni differenziali ordinarie: equazioni a variabili separabili ed equazioni lineari del secondo ordine.

Modalità d'esame

Prova scritta di 75 minuti. La prova scritta consiste nello svolgimento di alcuni esercizi e nella risposta ad alcune domande poste al fine di verificare la comprensione degli argomenti da parte dello studente.
Nel corso della prova scritta è proibito usare formulari o calcolatrici.
Scala di valutazione:
< 18:bocciato
18-23:sufficiente
24-27:buono
28-30 molto buono
30 e lode:eccellente
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica

Testi di riferimento

Bramanti, Confortola, Salsa, "Matematica per le scienze con fondamenti di probabilità e statistica". Zanichelli 2024 (ISBN: 9788808320704). Il testo è facoltativo.

Codice insegnamento 00013

DIRITTO DELLE ASSICURAZIONI 1° anno · 6 CFU · IUS/05 · 0 file

Al termine del corso lo studente possiede una formazione giuridica sui contratti di assicurazione e sui singoli tipi di assicurazione.

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede una formazione giuridica sui contratti di assicurazione e sui singoli tipi di assicurazione.

Programma

L'obbligazione
L'adempimento e l'inadempimento delle obbligazioni
Il contratto
La solidarietà
Interpretazione del contratto (in particolare del contratto di assicurazione)
I fatti illeciti
L'impresa assicurativa
Gli intermediari assicurativi
La vigilanza sulle assicurazioni
Il contratto di assicurazione
Assicurazione in nome altrui, per conto di chi spetta
Le dichiarazioni dell'assicurato
Il rischio
La durata del contratto di assicurazione
Il premio
Il dolo nel contratto di assicurazione
Sopra assicurazione e sotto assicurazione
Coassicurazione e la pluralità di assicuratori
La surrogazione dell'assicuratore
Alienazione delle cose assicurate
Le assicurazioni contro i danni
Il principio indennitario
Le assicurazioni contro i danni alle cose
Le assicurazioni contro i danni alla persona
L'assicurazione della responsabilità civile
Clausole loss occurrence e clausole claims made
L'assicurazione sulla vita
L'assicurazione del credito
Le assicurazioni obbligatorie
L'assicurazione r.c. auto
La riassicurazione
Il contenzioso assicurativo
La gestione della lite

Modalità d'esame

La verifica dell'apprendimento avviene attraverso il solo esame finale, in forma orale, che accerta l'acquisizione delle conoscenze e delle abilità attese tramite lo svolgimento di una prova orale.
Non è possibile tenere con sè libri, appunti o apparecchiature elettroniche durante l'esame.
La registrazione all'esame è obbligatoria e gli studenti devono registrarsi attraverso AlmaEsami secondo le regole generali della Scuola di Economia, Management e Statistica.
Durante le lezioni verranno approfonditi i temi relativi all'obbligazione e al contratto in generale. I non frequentanti dovranno integrare la bibliografia consigliata con un testo (o parte di testo) di introduzione all'obbligazione e al contratto da concordare con il docente.
Il punteggio finale è di 30 punti e il minimo per superare l'esame è di 18/30. <18 insufficiente 18-23 sufficiente 24-27 buono 28-30 ottimo 30 e lode eccellente
Per gli studenti e le studentesse con DSA o disabilità temporanee o permanenti:
si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.

Testi di riferimento

Letture consigliate per approfondimenti:
M. Franzoni (a cura di), Diritto delle assicurazioni, Bologna, 2016
oppure
A. Donati - G. Volpe Putzolu, Manuale di Diritto delle Assicurazioni, Milano, Giuffrè, 2019, XII edizione.

Codice insegnamento 06425

ECONOMETRIA FINANZIARIA C.A. 1° anno · 10 CFU · SECS-P/05 · 0 file

principali tecniche econometriche time-series uni-equazionali e multi-equazionali che permettono di modellare prezzi, rendimenti e rischio delle attività finanziarie. In particolare lo studente è in grado di: -…

Scheda dell'insegnamento

Obiettivi formativi

principali tecniche econometriche time-series uni-equazionali e multi-equazionali che permettono di modellare prezzi, rendimenti e rischio delle attività finanziarie. In particolare lo studente è in grado di: - analizzare, specificare e stimare i modelli più comunemente utilizzati per l'analisi dei mercati finanziari, utilizzando software econometrici - fare previsioni e strategie di trading relative all'andamento dei mercati su orizzonti temporali brevi

Programma

In corso è suddiviso in due parti.
Prima parte I fondamenti dell'analisi del rischio tramite modelli di serie storiche per la volatilità condizionale.
Seconda parte Strumenti econometrici per la costruzione di un solido background quantitativo e analisi delle relazioni causali dinamiche della finanza: dai problemi di endogenità alle regressioni IV, alla stima GMM di modelli per i prezzi delle attività finanziarie.
Prezzi e rendimenti di attività finanziarie: definizioni I tre fatti stilizzati sui rendimenti Quale modello time series per i rendimenti?
Serie storiche stazionarie, legge dei grandi numeri e teoremi centrali del limite
Modelli AR, MA, ARMA
Modelli ARCH and GARCH per i rendimenti delle attività finanziarie e loro uso in finanza quantitativa.
Distinzione tra modello di regressione "classico" e "generalizzato".
Il modello CAPM come modello di regressione con disturbi GARCH. Stima e analisi diagnostica
Problemi di endogenità e il principio delle variabili strumentali (IV).
Stima GMM di asset pricing models: analisi econometrica dei modelli Present Value e del modello C-CAPM.

Modalità d'esame

La prova d’esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:

  • conoscenza dell'econometria di base declinata alla modellizzazione dei mercati finanziari;
  • conoscenza degli stimatori OLS, GLS, IV, proprietà e loro ambiti di applicazione;
  • conoscenza dei principali modelli time series, in particolare la classe dei modelli ARMA e relativi probelmi di forecast;
  • conoscenza della classe dei modelli ARCH e GARCH, loro utilizzo nella misura dinamica del rischio e in ambito previsivo.
    La prova d’esame è svolta in forma scritta e prevede una valutazione in trentesimi.
    Lo studente è altamente incoraggiato ed incentivato a sostenere una prova parziale scritta al termine della prima parte. Chi sostiene il primo parziale sosterrá nel primo parziale ufficiale solo i temi relativi alla seconda parte.
    Gli studenti dovranno svolgere esercizi che combinino conoscenze teoriche con il commento di output di stima ottenuti dallo studio e di casi reali.
    L’IA può essere uno strumento utile per coadiuvare lo studio individuale con approfondimenti, sintesi e percorsi di autovalutazione. Per quanto riguarda la verifica dell’apprendimento, durante l’esame in presenza l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica.

Testi di riferimento

Il materiale didattico è fornito dal docente in forma di slides. Lo studente può approfondire, completare e integrare gli argomenti trattati facendo riferimento alla seguente bigliografia ufficiale:
CAMPBELL, J.Y., LO, A.W., MacKINLAY (1997), The econometrics of financial markets, Princeton University Press.
TSAY (2002) Analysis of Financial Time Series, Wiley.
Verbeek, M. (2000), Modern Econometrics, Wiley.
Palomba, G. (2010), Elementi di statistica per l'econometria", Clua Ancona. Questo testo è particolarmente consigliato e suggerito per studenti non possesso di un brackground econometrico completo.
IL MATERIALE DIDATTICO E' FORNITO DAL DOCENTE. Lo studente può tuttavia avvalersi dei seguenti testi come guida, approfondimento e integrazione:

Codice insegnamento 69830

ECONOMIA E FINANZA DEL RISPARMIO 1° anno · 1° semestre · 6 CFU · SECS-P/09 · 0 file

L'obiettivo del corso è quello di fornire agli studenti gli strumenti e le competenze necessarie per comprendere, analizzare e affrontare le problematiche legate ai temi del risparmio e dell’investimento dal punto di…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo del corso è quello di fornire agli studenti gli strumenti e le competenze necessarie per comprendere, analizzare e affrontare le problematiche legate ai temi del risparmio e dell’investimento dal punto di vista economico e finanziario. Il corso approfondisce i principali modelli teorici e pratici relativi alle decisioni di risparmio in condizioni di certezza e incertezza, alla gestione ottimale del portafoglio e alla progettazione di piani pensionistici strutturati. L’approccio adottato mira a sviluppare una comprensione critica delle dinamiche economiche sottostanti e delle implicazioni finanziarie delle scelte individuali e collettive.

Programma

Consumo e risparmio: concetti e misure Prospettiva microeconomica Prospettiva macroeconomica Scelte intertemporali di consumo L’equilibrio del consumatore Teoria Keynesiana del consumo Fisher e le scelte intertemporali Modigliani e l’ipotesi del ciclo di vita Friedman e l’ipotesi del reddito permanente Considerazioni conclusive Markowitz e le scelte di portafoglio Principi fondamentali Portafoglio di 2 titoli La scelta ottimale di portafoglio Costi di transazione e vincoli aggiuntivi Sistemi pensionistici Aspetti definitori e tassonomici Pensione pubblica Previdenza complementare Risorse informali

Modalità d'esame

Descrizione della prova d'esame
La preparazione degli studenti sarà valutata attraverso un esame scritto.
L'esame è costituito da 16 multiple choice (32 punti). La durata dell’esame è pari a 40 minuti. La risposta corretta a ogni Multiple Choice attribuisce 2 punti. Non esiste alcuna penalità per la risposta non corretta ed esiste solo una risposta corretta. L’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Obiettivi della prova d'esame
La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:
Capacità di comprendere le problematiche relative alle scelte intertemporali di consumo, in un'ottica di pianificazione di lungo periodo. Capacità di analizzare e predisporre scelte di portafoglio in un'ottica di creazione di valore nel medio e lungo periodo. Capacità di comprendere e progettare piani pensionistici strutturati.
Griglia di graduazione del voto finale
Voto minimo 18; voto massimo 30L.
18-23: preparazione e capacità di analisi sufficienti ma relative ad un numero limitato di argomenti affrontati nel corso. 24-27: preparazione tecnicamente adeguata ma con alcuni limiti rispetto agli argomenti trattati; capacità di analisi buone, anche se non particolarmente articolate. 28-30: ottima conoscenza di un ampio numero di temi affrontati nel corso; buone capacità di analisi e di critica. 30L: conoscenza eccellente e molto approfondita ed esaustiva dei temi affrontati nel corso; capacità di analisi critica e di collegamento.

Testi di riferimento

Dispense
Le dispense saranno disponibili sulla piattaforma “virtuale.unibo.it”. Non sono previste letture propedeutiche consigliate.
Libri consigliati
Spataro, L. (2020). Economia del risparmio e della previdenza. UTET Università. ISBN 978‑8860086167.

Codice insegnamento B8144

ECONOMIA E VALUTAZIONE DI IMPRESE FINANZIARIE & ASSICURATIVE 1° anno · 6 CFU · SECS-P/07 · 0 file

Obiettivi: Il corso è articolato in due moduli. Il primo modulo ha l’obiettivo di introdurre gli studenti al modello del bilancio come sintesi dei circuiti gestionali aziendali ed alla valutazione degli aggregati di…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi: Il corso è articolato in due moduli. Il primo modulo ha l’obiettivo di introdurre gli studenti al modello del bilancio come sintesi dei circuiti gestionali aziendali ed alla valutazione degli aggregati di bilancio, con particolare riferimento alle aziende bancari ed assicurative. Il secondo modulo ha l'obiettivo di illustrare i principi del system dynamics affinché lo studente sia in grado di analizzare i modelli costruiti secondo tale tecnica e di costruire e testare sistemi dinamici, in particolare e con esplicito riferimento a problematiche finanziarie e assicurative. Al termine del corso gli studenti sono in grado di comprendere i fondamenti delle valutazioni aziendali ed i documenti finanziari aziendali di sintesi, e di costruire sistemi dinamici con cui interpretare le dinamiche finanziarie aziendali

Programma

Le caratteristiche e l'analisi dei sistemi aziendali
Il risk management nelle famiglie e nelle imprese
Il rischio e la probabilità
Origini e ruolo delle assicurazioni nella società
Le imprese assicurative nel sistema economico e la loro regolazione
Premi e riserve dell'attività assicurativa: ramo vita e danni
Le tecniche di gestione dell'attività assicurativa
La vigilanza dell'attività assicurativa
Il bilancio e gli indicatori di performance delle aziende assicurative
I modelli di business nella prioduzione e distribuzione dei prodotti assicurativi e le loro evoluzioni

Modalità d'esame

Prova orale di verifica delle conoscenze acquisite

Testi di riferimento

M.Maggioni, G.Turchetti; Economia e gestione delle imprese di assicurazione, Il mulino, 2023
Ulteriori materiali saranno resi disponibili dal docente su Virtuale

Codice insegnamento 79037

IDONEITA' LINGUA INGLESE B - 2 1° anno · 1° semestre · 6 CFU · L-LIN/12 · 0 file
MATEMATICA (C.I.) 1° anno · 1° semestre · 0 file

Al termine del corso lo studente possiede i primi concetti e risultati sul calcolo differenziale e in piu' variabili e sui primi elementi di teoria della misura. In particolare, lo studente è in grado di: - affrontare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede i primi concetti e risultati sul calcolo differenziale e in piu' variabili e sui primi elementi di teoria della misura. In particolare, lo studente è in grado di: - affrontare correttamente problemi di ottimizzazione in piu' variabili; - calcolare integrali multipli.

Programma

Successioni e serie numeriche. Introduzione alla teoria della misura e dell'integrazione. Introduzione al calcolo differenziale in piú variabili. Ottimizzazione libera per funzioni di più variabili. Formula di riduzione per integrali doppi. Introduzione alle equazioni differenziali ordinarie: equazioni a variabili separabili ed equazioni lineari del secondo ordine.

Modalità d'esame

Prova scritta di 75 minuti. La prova scritta consiste nello svolgimento di alcuni esercizi e nella risposta ad alcune domande poste al fine di verificare la comprensione degli argomenti da parte dello studente.
Nel corso della prova scritta è proibito usare formulari o calcolatrici.
Scala di valutazione:
< 18:bocciato
18-23:sufficiente
24-27:buono
28-30 molto buono
30 e lode:eccellente
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica

Testi di riferimento

Bramanti, Confortola, Salsa, "Matematica per le scienze con fondamenti di probabilità e statistica". Zanichelli 2024 (ISBN: 9788808320704). Il testo è facoltativo.

Codice insegnamento B5548

MATEMATICA FINANZIARIA C.A. 1° anno · Annuale · 6 CFU · SECS-S/06 · 0 file

Al termine del corso lo studente conosce i metodi matematici e i concetti di base della moderna matematica finanziaria. Conosce in particolare gli strumenti di calcolo stocastico e la modellistica relativa a prezzi…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce i metodi matematici e i concetti di base della moderna matematica finanziaria. Conosce in particolare gli strumenti di calcolo stocastico e la modellistica relativa a prezzi azionari, volatilità dei rendimenti, e valutazione dei derivati finanziari. Lo studente è in grado di: - comprendere i modelli classici di asset pricing; - effettuare simulazioni ed analisi numeriche al calcolatore relative a tali modelli.

Programma

Richiami di matematica finanziaria e di calcolo delle probabilità; tasso di interesse composto discreto e continuo; processi stocastici; processo di Wiener; equazioni differenziali stocastiche; modelli stocastici per i prezzi azionari; cenni al calcolo stocastico di Ito; derivati e opzioni finanziarie; valutazione di non arbitraggio e misura martingala equivalente; pricing di opzioni vaniglia Europee (modello di Black-Scholes e modello binomiale), cenni ad opzioni esotiche e a modelli con volatilità stocastica; introduzione a Matlab; calcolo numerico del prezzo di non arbitraggio una opzione; il metodo Monte Carlo (valutazione mediante discounted expectation) e il metodo delle differenze finite; utilizzo di Matlab per il pricing di opzioni.

Modalità d'esame

L'esame consiste in un colloquio orale. Lo studente verrà interrogato su tre macro-argomenti tra quelli svolti a lezione (corrispondenti a tre domande aperte scelte dal docente, una delle quali può essere eventualmente e a scelta dello studente sostituita dalla esposizione di un progetto, come descritto nel seguito). Nel rispondere, lo studente potrà essere chiamato a dare spiegazioni anche attraverso formule, passaggi scritti o brevi e semplici esempi numerici (esempi che comunque saranno stati esposti a lezione). Ciascuna macro-domanda verte su un argomento contenuto nelle slide presentate a lezione o sviluppato dal punto di vista pratico tramite Matlab. Non saranno fatte domande su esempi numerici, esercizi, o casi pratici diversi da quelli che sono stati svolti a lezione. In sostituzione di una delle tre domande, a loro assoluta e libera scelta, gli studenti potranno inoltre sviluppare, da soli o in gruppo fino a un massimo di 4 persone, un progetto su un caso di studio assegnato dal docente. Ogni progetto prevede l'utilizzo del software Matlab. Lo studente, sia che farà o un progetto singolo o un progetto di gruppo, sarà interrogato sul progetto stesso durante il suo esame, sostituendo così una delle tre domande sui tre macro-argomenti. Quindi, per riassumere, all'esame lo studente potrà scegliere se
1) rispondere a tre domande aperte (scelte dal docente)
2) oppure rispondere a due domande aperte (scelte dal docente) ed inoltre discutere un progetto che gli è stato precedentemente assegnato dal docente (e sul quale lo studente si sarà precedentemente cimentato, anche in gruppo, con l'ausilio del Matlab)
Il peso dato all'esposizione di ciascun macro-argomento (o del progetto) è pari a un terzo, ovvero ad ogni macro-argomento (o al progetto) sono attribuiti nella valutazione complessiva fino a un massimo di 10 punti, e qualora lo studente discuta tutti e tre i macro-argomenti (o, nel caso, i due macro-argomenti e il progetto) in modo esaustivo, accurato e senza tentennamenti, verrà assegnata anche la lode. All'esposizione del progetto, qualora lo studente decidesse di sostituire con esso uno dei tre macro-argomenti, verrà attribuito lo stesso punteggio massimo di 10 punti (ovvero lo stesso punteggio massimo assegnato ad una singola macro-domanda).
Pertanto, la valutazione massima che lo studente può raggiungere è assolutamente la stessa (30 e lode) sia che si scelga la modalità d'esame con il progetto sia che si scelga la modalità d'esame senza progetto.
Non è consentito l'uso di formulari o di calcolatrici (queste ultime non sono necessarie).
Il voto finale dell'esame integrato (Matematica) è la media dei voti riportati nei due singoli moduli (Analisi Matematica e Matematica Finanziaria).
Non sono previste prove intermedie (parziali) durante il singolo modulo di Matematica Finanziaria.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile
(https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno
comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Oltre alle slide e al materiale fornito dal docente si consiglia il libro di testo
Luca Ballestra, Matematica Finanziaria, McGraw-Hill Create, 2019, ISBN: 9781307461459 Infine, per comprendere meglio la teoria si consiglia anche: Menoncin Francesco, Mercati finanziari e gestione del rischio, ISEDI, 2006, e anche Options, Futures, and Other Derivatives - Pearson
Trattandosi di testi consigliati, non se ne consiglia una edizione particolare.
Sul sito virtuale del corso sono disponibili le slide realizzate dal docente, che vertono sull'intero corso (e che saranno usate durante le lezioni in aula), e alcuni programmi Matlab che saranno illustrati e utilizzati in aula.

Codice insegnamento 69827

MODELLI DEMOGRAFICI PER ASSICURAZIONI E IMPRESE 1° anno · 6 CFU · SECS-S/04 · 0 file

Al termine del corso lo studente conosce i principali modelli di life expectancy, survival analysis e business demography in ambito assicurativo ed economico. In particolare, lo studente è in grado di: - prevedere la…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce i principali modelli di life expectancy, survival analysis e business demography in ambito assicurativo ed economico. In particolare, lo studente è in grado di: - prevedere la popolazione e i suoi sotto-aggregati tramite tecniche sintetiche e analitiche con scopi di programmazione economica e analisi dei mercati - indirizzare la modellistica di cui sopra alle problematiche assicurative e aziendali.

Programma

Richiami a concetti elementari dell'analisi demografica: tassi generici e specifici, metodi di stadardizzazione, il diagramma di Lexis e l'analisi per generazioni e in trasversale, tavole di mortalità, popolazione stazionaria. Richiami di analisi della sopravvivenza: stimatore di sopravvivenza di Kaplan Meier, funzione di rischio, modelli parametrici e semiparametrici. Analisi della mortalità in particolari età. Trattamento dei dati di mortalità con tecniche di smoothing. Previsione dei rischi di morte. Il modello Lee-Carter. Modelli di mortalità con frailty (cenni). Applicazioni in ambito assicurativo. Elementi di business demography. Analisi del rischio di fallimento delle imprese mediante modelli di sopravvivenza.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:

  • conoscenza approfondita dei metodi e dei modelli demografici illustrati durante le lezioni frontali
  • capacità di impiegare tali metodi per analizzare e prevedere l'evoluzione della mortalitá
  • conoscenza dei principali modelli demografici per le assicurazioni e le imprese
  • conoscenza e capacità di utilizzo dei principali pacchetti software demografici
    Prova d'esame:
    1) PARTE PRATICA: lo studente dovrà elaborare un progetto individuale utilizzando dati demografici reali mediante il software statistico R. I dati da analizzare saranno forniti dal docente e proverranno da fonti ufficiali quali Istat, Eurostat e Human Mortality Database. Le analisi dovranno basarsi sui pacchetti R illustrati durante le lezioni.
    Ogni studente presenterà il proprio lavoro attraverso una presentazione individuale composta da circa 10 slide (in PowerPoint o formato equivalente), da esporre in sede d’esame prima della prova orale sugli argomenti del corso. La presentazione dovrà illustrare in modo sintetico e chiaro: – i dati utilizzati, – le caratteristiche geografiche e socio-economiche delle popolazioni analizzate, – i metodi applicati, – i risultati ottenuti, – una breve riflessione critica.
    Oltre alla presentazione, sarà necessario consegnare il codice R completo (.R o .Rmd) e gli eventuali file di lavoro (.csv, .xlsx) utilizzati per l’elaborazione, in modo da garantire la trasparenza e la riproducibilità del progetto. Tutto il materiale (slide, codice e file di lavoro) dovrà essere inviato al docente almeno due giorni prima della data dell’esame.
    2) PARTE TEORICA: è prevista inoltre una prova orale su tutti gli argomenti teorici trattati.
    La valutazione finale è uguale alla media dei voti ottenuti nelle due parti.

Testi di riferimento

Materiali didattici distribuiti dal docente, reperibili anche su internet presso il sito web https://virtuale.unibo.it/
Testi consigliati:

  • S. Preston, P. Heuveline, M. Guillot.
    "Demography: Measuring and Modeling Population Processes" (capitoli 1, 2 e 3)
  • E. Pitacco, M. Denuit, S. Haberman, Olivieri.
    "Modelling Longevity Dynamics for Pensions and Annuity Business" (capitoli 2, 3 e 4)
  • Susanna Levantesi, Massimiliano Menzietti "Allungamento della vita media e rischio assicurativo"
  • D. G. Kleinbaum, M. Klein
    "Survival Analysis" (capitoli 1, 2, 3)

Codice insegnamento 79034

PROCESSI STOCASTICI 1° anno · 6 CFU · SECS-S/01 · 0 file

Al termine del corso lo studente conosce i fondamenti della teoria dei processi aleatori con particolare riferimento alle applicazioni in ambito attuariale e finanziario. In particolare, lo studente è in grado di: -…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce i fondamenti della teoria dei processi aleatori con particolare riferimento alle applicazioni in ambito attuariale e finanziario. In particolare, lo studente è in grado di: - trattare alcuni fra i più importanti tipi di processi fra cui le catene di Markov, i processi di Poisson, i processi di nascita e morte e il moto Browniano; - applicare la modellistica di cui sopra alle applicazioni tipiche tramite esercizi sia teorici sia numerici.

Programma

Richiami di probabilità. Spazi di probabilità; Variabili aleatorie;Valore atteso; Indipendenza; Distribuzioni e attese condizionate; Proprietà di valore atteso e varianza (condizionate e non); Funzioni generatrici dei momenti; Alcune distribuzioni notevoli: Bernouilli, Poisson, Esponenziale, Gamma, Compound Poisson. Catene di Markov a tempo discreto. Matrice di Transizione e distribuzione degli stati. Catene omogenee. Equaioni di Chapman-Kolmogorov. Calssificazione degli stati: Stati persistenti e transienti. Probabilità di primo passaggio e tempo di primo passaggio. Tempo medio di ritorno. Stati nullo-persistenti. Stati periodici. Esempi. Stati comunicanti e intercomunicanti. Insieme di stati Chiuso e insieme di stati Irriducibile. Teoremadi decomposizione. Distribuzioni stazionarie ed ergodicità. Catene di Markov con spazio degli stati finito. Matrici non-negative, matrici stocastiche e matrici non-negative regolari. Decomposizione in autovalori autovettori di una matrice di transizione e Teorema di Perron-Frobenious. Processi di Poisson, Compound Poisson e applicazioni. Introduzione a tempo discreto: processo per il numero dei sinistri, processo per il danno totale, riserve e problema della rovina. Un modello a tempo continuo per il danno totale. Tempi di arrivo e di attesa dei sinistri. Risarcimento totale. Premi e riserva iniziale. Evento Rovina. Processo del massimo. Processi ad incrementi indipendenti e processi a incrementi stazionari. Il processo di Poisson omogeneo. Cinque definizioni equivalenti per il processo di Poisson. Intensità, tempi di arrivo, tempi di attesa, numero dei sinistri, distribuzione di Poisson. Simulazione traiettorie di processi di Poisson. Proprietà di sovrapposizione. Processo di Poisson composto (compound Poisson) e processo Poisson composto con trend. Problema della rovina; condizione di profitto netto; coefficiente di aggiustamento di Cramér-Lundberg; Diseguaglianza di Lundberg. Il caso particolare con risarcimenti Gamma (ed esponenzial) distribuiti. Valutazione di Obbligazioni con rischio di controparte (default). Il processo di Poisson non-omoegeneo (cenni).

Modalità d'esame

Esame scritto di 2 ore che si compone di domande teoriche ed esercizi.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile(https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovrannocomunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettiviformativi dell'insegnamento.
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Probability and Random Processes, G.R. Grimmett and D.R. Stirzaker, 4th Edition, Oxford university Press, 2020
Non-Life Insurance Mathematics, an Introduction with Stochastic Processes, T. Milkosch. Springer-Verlag, 2004.

Codice insegnamento 17266

STATISTICA AVANZATA 1° anno · 10 CFU · SECS-S/01 · 0 file

Al termine del corso lo studente conosce i metodi principali dell'inferenza statistica, in contesto frequentista e bayesiano. In particolare lo studente è in grado di: - applicare le metodologie opportune per la stima…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce i metodi principali dell'inferenza statistica, in contesto frequentista e bayesiano. In particolare lo studente è in grado di: - applicare le metodologie opportune per la stima e la verifica di ipotesi di un modello statistico adeguato alla natura dei dati; - utilizzare software statistici adeguati per gli studi applicati.

Programma

Inferenza Statistica Classica
Introduzione all'inferenza statistica classica. Modelli statistici parametrici. La funzione di verosimiglianza. La famiglia esponenziale. Statistiche e momenti campionari. Teoria della stima. Principio di sufficienza. Principio di verosimiglianza. Proprietà finite e asintotiche degli stimatori di massima verosimiglianza. Verifica di ipotesi. Introduzione alla verifica di ipotesi. Interpretazione frequentista del p-value. Test uniformemente più potenti. Il test del rapporto di verosimiglianza. Verifica di ipotesi su media, varianza, proporzione, differenza tra medie. Stima intervallare. Relazioni fra verifica di ipotesi e stima intervallare. Costruzione di intervalli di confidenza: interpretazione frequentista del livello di confidenza. Intervalli di confidenza asintotici per la media. Intervallo di confidenza per la varianza di una popolazione Normale.
Inferenza Statistica Bayesiana
Introduzione all'inferenza Bayesiana Verosimiglianza, distribuzioni a priori e a posteriori. Sintesi della distribuzione a posteriori. Scelta della distribuzione a priori: il caso coniugato e le distribuzioni a priori non informative. Principali modelli univariati: Beta-Binomiale, Gamma-Poisson, Normale-Normale. Il fattore di Bayes per la verifica di ipotesi e la selezione del modello. Metodi Markov Chain Monte Carlo per la simulazione della distribuzione a posteriori e loro applicazione con il software Stan in R. Inferenza e previsioni basate sulla distribuzione a posteriori simulata. Il modello di regressione lineare Bayesiano. Analisi di casi di studio in ambito finanziario e assicurativo.

Modalità d'esame

La prova d'esame ha lo scopo di verificare il raggiungimento dei seguenti obiettivi didattici: - conoscenza approfondita dei concetti, dei metodi e degli strumenti di statistica avanzata trattati durante il corso; - capacità di applicare tecniche di statistica avanzata all'analisi critica di insiemi di dati; - capacità di interpretare correttamente i risultati ottenuti e di comunicarli in modo chiaro e rigoroso. Modulo 1 La verifica dell'apprendimento per il Modulo 1 prevede le seguenti modalità.
Prova parziale: esame scritto della durata di due ore, composto da domande aperte ed esercizi volti a verificare la comprensione dei contenuti teorici e applicativi. Esame completo: esame scritto della durata di un'ora, composto da esercizi, seguito da un colloquio orale. L'ammissione alla prova orale è subordinata al superamento della prova scritta.
Durante la prova scritta è consentito consultare esclusivamente appunti preparati personalmente da ciascuno studente. Gli appunti devono essere scritti a mano e possono contenere formule, descrizioni e qualsiasi altro materiale ritenuto utile ai fini dell'esame. Il materiale deve essere contenuto in un unico foglio A4 fronte-retro. Non è consentito consultare alcun altro materiale. L'uso dell'IA durante le prove di verifica dell’apprendimento è vietato. Ogni utilizzo costituisce violazione dell'integrità accademica. Modulo 2 La verifica dell'apprendimento per il Modulo 2 è comune alla prova parziale e all'esame completo e si articola in due parti:
Progetto di analisi dei dati: redazione di un documento relativo all'applicazione di metodi e modelli statistici bayesiani per lo studio di un caso reale, con l'ausilio dei software R e Stan. Il documento dovrà descrivere il problema analizzato, i dati utilizzati, i metodi adottati, i risultati ottenuti e le relative conclusioni inferenziali. Il lavoro sarà discusso in sede d'esame. Colloquio orale sui contenuti del corso finalizzato a verificare la comprensione dei principali concetti teorici, metodologici e applicativi trattati.
Criteri di valutazione
Studenti e studentesse con DSA o disabilità temporanee o permanenti
ufficio di Ateneo responsabile
Iscrizione all'esame
AlmaEsami

Testi di riferimento

Libri di testo obbligatori:
Azzalini A. (2001) Inferenza Statistica. Una presentazione basata sul concetto di verosimiglianza. Springer. Johnson A. A., Ott M. Q., Dogucu M. (2022). Bayes Rules! An Introduction to Applied Bayesian Modeling. Chapman and Hall/CRC, Cap. 1-10. https://www.bayesrulesbook.com
Letture integrative:
Piccolo D. (2010) Statistica. Il Mulino. Held L., Bové S. D. (2014). Applied Statistical Inference: Likelihood and Bayes. Springer. Matsuura K. (2023). Bayesian Statistical Modeling with Stan, R, and Python. Springer.
Ulteriore materiale didattico (slides, esercitazioni, ecc.) a cura dei docenti disponibile su Virtuale.

Codice insegnamento 29515

STATISTICA AVANZATA [cod. 29515] 1° anno · 3 file
ALGORITMI DI TRADING Qualora non già scelto 2° anno · 1° semestre · 6 CFU · SECS-S/03 · 0 file

Al termine del corso lo studente possiede le competenze per definire strategie di trading basate sull'osservazione nel tempo delle grandezze finanziarie, scegliendo criticamente il metodo statistico di analisi e…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente possiede le competenze per definire strategie di trading basate sull'osservazione nel tempo delle grandezze finanziarie, scegliendo criticamente il metodo statistico di analisi e “previsione” in funzione dell'informazione disponibile e del contesto operativo. In particolare riuscirà a disegnare scenari probabilizzati sulla evoluzione dei mercati finanziari, attraverso tecniche statistiche di smoothing e di analisi dei pattern ricorrenti (analisi tecnica). Inoltre riuscirà a trasformare gli output dei modelli in segnali operativi, anche attraverso la costruzione di algoritmi automatici per il trading (trading system).

Programma

Lo studio del trend-ciclo per la definizione di strategie operative: analisi del sentiment (cenni), l'analisi tecnica dei mercati finanziari (approccio grafico). L'approccio analitico (la costruzione di algoritmi di trading basati su intervalli di confidenza).
Tecniche di trading basate su:

  • funzioni deterministiche e trend stocastici (identificazione e stima);
  • smoothing (medie mobili, livellamento esponenziale);
  • pairs trading;
  • supervised machine learning tecniques;
    Gli elementi di una strategia di investimento: scenario operativo, risk management e money management Tecniche di simulazione (ottimizzazione ex post).
    Valutazione dei modelli statistici e degli algoritmi di trading: funzione di perdita ed errore di previsione, la combinazione delle previsioni. Ruolo della propensione al rischio, funzioni di costo per i mercati finanziari, e previsione direzionale (per classi) L'impiego delle funzioni di perdita nella valutazione delle metodologie di trading: l'approccio descrittivo e i test inferenziali di accuratezza e distorsione delle previsioni. Il confronto tra due o più tecniche di trading.

Modalità d'esame

La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:

  • conoscenza a degli strumenti statistici illustrati durante le lezioni frontali
  • capacità di impiegare tali strumenti per analizzare i fenomeni economico-finanziari
  • capacità di impiegare i risultati ottenuti al fine di interpretare il fenomeno oggetto di studio e di realizzare processi di decisione.
    La prova d'esame è svolta in forma orale, normalmente preceduta da una prova scritta preliminare che prevede alcune domande che vertono sui metodi (“domande di teoria”), ed esercizi in cui gli studenti dimostrano di saper applicare gli strumenti acquisiti.
    Durante la prova non è ammesso l'uso di materiale di supporto quale libri di testo, appunti, supporti informatici.
    Non sono previste prove parziali
    Per sostenere la prova d'esame è necessaria l'iscrizione tramite bacheca elettronica, nel rispetto delle scadenze previste. Coloro che non riuscissero ad iscriversi entro la data prevista, sono tenuti a comunicare tempestivamente (e comunque prima della chiusura ufficiale delle liste di iscrizione) il problema alla segreteria didattica. Sarà facoltà del docente ammetterli a sostenere la prova.

Testi di riferimento

Guizzardi A. (2002) « La previsione Economica » Guaraldi Ed. Rimini, Capp.: 3, 4, 6, 8 (escluso 8.1), 9 (escluso 9.5), 11, 12
Dispense del docente

Codice insegnamento 75407

ECONOMETRIA DEL RISCHIO Qualora non già scelto 2° anno · 2° semestre · 6 CFU · SECS-P/05 · 0 file

Al termine del corso lo studente conosce i principali metodi della cosiddetta econometria del “Risk Classification” applicata al contesto assicurativo. In particolare, lo studente è in grado di: - comprendere,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce i principali metodi della cosiddetta econometria del “Risk Classification” applicata al contesto assicurativo. In particolare, lo studente è in grado di: - comprendere, modellare e predire il verificarsi di “claims”, capire la loro gravità e relativo costo; - effettuare simulazioni ed analisi statistico/econometriche relative ai modelli di cui al punto sopra.

Programma

Argomenti inclusi nel corso: - Review delle misure di rischio (finanziario e di credito) - Proprietà empriche e fatti stilizzati dei rendimenti di attività finanziarie - Distribuzione di probabilità e modelli statistici per i rendimenti di attività finanziarie - Modelli per la volatilità condizionata (modelli GARCH) - Stima delle misure di rischio - Factor risk models per i rendimenti di attività finanziarie - Pricing del rischio di credito - Scenari di stress test

Modalità d'esame

L'esame consisterà in un lavoro teorico\applicato da svolgere a casa. La prova finale consiste in un take-home assignment individuale o piccoli gruppi, scelto tra una rosa di temi proposti durante il corso. L’elaborato richiede l’applicazione dei metodi visti a lezione su dati reali.

Testi di riferimento

  • Danielsson, J. (2011). Financial Risk Forecasting. Wiley Finance. - Tsay, R. (2010). Analysis of Financial Time Series, Third Edition. Wiley.

Codice insegnamento 69841

FINANZA, INVESTIMENTI E TRADING 2° anno · 2° semestre · 4 CFU · 0 file

Il corso si propone di fornire agli studenti le competenze teoriche e pratiche necessarie per comprendere, analizzare e implementare le principali strategie di trading a breve termine e i piani di investimento a lungo…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti le competenze teoriche e pratiche necessarie per comprendere, analizzare e implementare le principali strategie di trading a breve termine e i piani di investimento a lungo termine utilizzati nei mercati finanziari. Il corso offre una visione integrata di come gli investitori professionali affrontano le decisioni di trading e investimento. Al termine del percorso formativo, gli studenti saranno in grado di: (i) analizzare e valutare l’efficacia delle strategie di trading a breve termine e dei piani di investimento a lungo termine; (ii) sviluppare strategie di trading adattandole alle diverse condizioni di mercato; (iii) elaborare piani di investimento tenendo conto del contesto macroeconomico e delle dinamiche dei mercati finanziari; (iv) utilizzare strumenti software e piattaforme di trading per monitorare e valutare le decisioni prese.

Programma

Operatività Prodotti Mercati Book di negoziazione Misure di performance e rischio Definizioni preliminari Misure di rendimento Misure di rischio Misure di rendimento corrette per il rischio Analisi Analisi macroeconomica Analisi fondamentale Analisi tecnica Efficienza informativa Strategie Definizioni preliminari Strategie di trading Strategie di investimento

Modalità d'esame

Descrizione della prova d'esame
La preparazione degli studenti sarà valutata attraverso un esame scritto.
L'esame è costituito da 16 multiple choice (32 punti). La durata dell’esame è pari a 40 minuti. La risposta corretta a ogni Multiple Choice attribuisce 2 punti. Non esiste alcuna penalità per la risposta non corretta ed esiste solo una risposta corretta. L’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica. Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile [https://site.unibo.it/studenti-con%20disabilita-e-dsa/it]; sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Obiettivi della prova d'esame
La prova d'esame mira a verificare il raggiungimento dei seguenti obiettivi didattici:
Capacità di comprendere le principali grandezze economiche rilevanti per gli investitori Capacità di analizzare e definire strategie di trading Capacità di analizzare e definire strategie diinvestimento
Griglia di graduazione del voto finale
Voto minimo 18; voto massimo 30L.
18-23: preparazione e capacità di analisi sufficienti ma relative ad un numero limitato di argomenti affrontati nel corso. 24-27: preparazione tecnicamente adeguata ma con alcuni limiti rispetto agli argomenti trattati; capacità di analisi buone, anche se non particolarmente articolate. 28-30: ottima conoscenza di un ampio numero di temi affrontati nel corso; buone capacità di analisi e di critica. 30L: conoscenza eccellente e molto approfondita ed esaustiva dei temi affrontati nel corso; capacità di analisi critica e di collegamento.

Testi di riferimento

Dispense
Le dispense saranno disponibili sulla piattaforma “virtuale.unibo.it”. Non sono previste letture propedeutiche consigliate.
Libri consigliati
Luenberger, D. G. (2011). Finanza e investimenti. Fondamenti matematici. Apogeo Education. ISBN 978-8838786365.
Analisi tecnica dei mercati finanziari (3ª ed.).
Blanchard, O. et al. (2024). Macroeconomia. Una prospettiva europea (Nuova ed.). Il Mulino. ISBN 978‑88‑15‑38981‑7

Codice insegnamento B8156

GESTIONE DEL RISCHIO (C.I.) 2° anno · 2° semestre · 0 file

Al termine del corso lo studente conosce la modellistica per l'analisi e la gestione del rischio, orientando le applicazioni al contesto finanziario e assicurativo. In particolare, lo studente è in grado di: - utilizzare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce la modellistica per l'analisi e la gestione del rischio, orientando le applicazioni al contesto finanziario e assicurativo. In particolare, lo studente è in grado di: - utilizzare le tecniche di costruzione di misure del rischio; - definire e stimare i modelli per la quantificazione del rischio; - impiegare le tecniche di gestione e copertura del rischio finanziario.

Programma

Richiami di probabilità e processi stocastici (es. martingale, diffusioni e calcolo di Ito). Il rischio finanziario: tassonomia dei rischi finanziari Prodotti finanziari e strategie di copertura. Valutazione neutrale al rischio. I 2 teoremi fondamentali dell'asset pricing. Non arbitraggio e completezza. Contratti Forwards e Futures ed opzioni. Cenni alle opzioni americane ed esotiche. Copertura e speculazione con opzioni. Le greche. Struttura per scadenza. Zero Coupon Bond, Coupon bonds, Swap/Par Bonds. Tassi Spot e Tassi Forward. Tassi Libor. Forward su Zero Coupon Bond e Forward Rate Agreements. Opzioni europee su ZCB. Caplet/Floorlet. Interest Rate Swaps e Tassi Swap. Cap e Floor. Forward su IRS e opzioni su IRS: Swaptions. Alcuni modelli per la struttura per scadenza.

Modalità d'esame

  • Esame orale su tutto il contenuto del corso
  • Questo modulo è integrato con l'insegnamento "Modelli di previsione delle insolvenze". La valutazione finale consisterà nella media aritmentica delle due valutazioni, eventualmente arrotondata per eccesso.
    Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
    Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Appunti forniti dal docente (online). I. Oliva, R. Reno, "Principi di Finanza Quantitativa", Maggioli Editore - Apogeo Education, 2021. R. Cesari, "Introduzione alla finanza matematica. Derivati, prezzi e coperture", Springer 2009. A. J. McNeil, R. Frey & P. Embrechts, "Quantitative Risk Management: Concepts, Techniques and Tools". Princeton University Press, 2015 (i primi 3 capitoli). Ebook disponibile. J.C. Hull, "Risk management e istituzioni finanziarie", Luiss University Press, 2013.
Approfondimenti:
A. Pascucci and W. Runggaldier, "Finanza matematica. Teoria e problemi per modelli multiperiodali", Springer Unitext. P. Christoffersen, "Elements of Financial Risk Management", Academic Press, 2011 Musiela Rutkowski. "Martingal Methods in financial mdoelling". Springer. 2005. D. Lando, Credit Risk Modeling, Theory and Applications. Princeton University Press. 2004.

Codice insegnamento 79039

LABORATORIO DI AMBIENTI DI SVILUPPO PER L'ANALISI STATISTICA 2° anno · Annuale · 3 CFU · 0 file

Il corso si pone l'obiettivo di fornire agli studenti le competenze necessarie per utilizzare Python e Tableau come strumenti per il calcolo statistico e la visualizzazione dei dati. Al termine del corso lo studente…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si pone l'obiettivo di fornire agli studenti le competenze necessarie per utilizzare Python e Tableau come strumenti per il calcolo statistico e la visualizzazione dei dati. Al termine del corso lo studente acquisisce competenze di base nella programmazione in Python e conosce le principali librerie per il calcolo scientifico e statistico. È in grado di manipolare vettori, matrici ed array, e anche di costruire simulazioni numeriche ed analizzarne i risultati. Inoltre, lo studente sarà in grado di manipolare dati complessi, creare grafici, visualizzazioni avanzate e dashboard interattive. Il taglio del corso è applicato: i diversi concetti verranno introdotti mediante esempi e studi di caso.

Programma

Modulo 1:
Introduzione al linguaggio Python: ambienti di sviluppo ed ecosistema Python; la struttura del linguaggio; tipi di dato di base: interi, float, stringhe ed operatori; liste e tuple; oggetti Mutable ed Immutable; costrutti if-the-else, cicli for, definizione di funzioni. Il calcolo scientifico in Python con numpy: creazione array; algebra in virgola mobile estesa; array di numpy come oggetti e loro proprietà; funzioni di aggregazione: sum, max, min, mean, std; prodotti matriciali; vettorializzazione del codice. Le funzioni statisitche della libraria scipy: oggetti distribuzione e metodi associati; esempio di una simulazione Monte Carlo. Grafica con Matplotlib
Modulo 2:
Introduzione a Tableau: descrizione stumenti Tableau (Desktop, Server, Public e Prep); panoramica dell'interfaccia di Tableau desktop e delle sue funzionalità; importazione e connessione dei dati da diverse fonti; dimensioni e metriche; introduzione al modello dati (relazioni); Esercizio: Tableau download, import dati. Creazione di Visualizzazioni di base: tipi di grafici a barre e grafici a dispersione; utilizzo di colori, forme ed etichette per migliorare le visualizzazioni; introduzione alla creazione di mappe geografiche; esercizio: visualizzazioni base. Campi calcolati e altri strumenti di analisi: creazione di calcoli personalizzati e campi calcolati (LOD?); gerarchie; set; utilizzo di filtri e azioni per creare interattività. Creazione di Dashboard: concetti fondamentali di visualizzazione dei dati e analisi visuale; progettazione e creazione di dashboard per la presentazione di più visualizzazioni; aggiunta di filtri globali e interattività tra le visualizzazioni; ottimizzazione dell'aspetto e della disposizione del dashboard. Ottimizzazione Dashboard, condivisione e distribuzione delle analisi: esportazione di visualizzazioni e dashboard in diversi formati; pubblicazione di dashboard interattivi su Tableau Server o Tableau Online.

Modalità d'esame

  • Test su piattaforma Esami OnLine
  • Consegna di un elaborato sviluppato su Tableau

Testi di riferimento

Materiale fornito dal docente
Materiale online:
Tutorial su Pyhton: https://docs.python.org/3/tutorial/index.html Introduzione a Numpy: https://numpy.org/devdocs/user/quickstart.html

Codice insegnamento B6632

MODELLI DI GESTIONE DEL RISCHIO FINANZIARIO E ASSICURATIVO 2° anno · 2° semestre · 6 CFU · SECS-S/06 · 0 file

Al termine del corso lo studente conosce la modellistica per l'analisi e la gestione del rischio, orientando le applicazioni al contesto finanziario e assicurativo. In particolare, lo studente è in grado di: - utilizzare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce la modellistica per l'analisi e la gestione del rischio, orientando le applicazioni al contesto finanziario e assicurativo. In particolare, lo studente è in grado di: - utilizzare le tecniche di costruzione di misure del rischio; - definire e stimare i modelli per la quantificazione del rischio; - impiegare le tecniche di gestione e copertura del rischio finanziario.

Programma

Richiami di probabilità e processi stocastici (es. martingale, diffusioni e calcolo di Ito). Il rischio finanziario: tassonomia dei rischi finanziari Prodotti finanziari e strategie di copertura. Valutazione neutrale al rischio. I 2 teoremi fondamentali dell'asset pricing. Non arbitraggio e completezza. Contratti Forwards e Futures ed opzioni. Cenni alle opzioni americane ed esotiche. Copertura e speculazione con opzioni. Le greche. Struttura per scadenza. Zero Coupon Bond, Coupon bonds, Swap/Par Bonds. Tassi Spot e Tassi Forward. Tassi Libor. Forward su Zero Coupon Bond e Forward Rate Agreements. Opzioni europee su ZCB. Caplet/Floorlet. Interest Rate Swaps e Tassi Swap. Cap e Floor. Forward su IRS e opzioni su IRS: Swaptions. Alcuni modelli per la struttura per scadenza.

Modalità d'esame

  • Esame orale su tutto il contenuto del corso
  • Questo modulo è integrato con l'insegnamento "Modelli di previsione delle insolvenze". La valutazione finale consisterà nella media aritmentica delle due valutazioni, eventualmente arrotondata per eccesso.
    Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile (https://site.unibo.it/studenti-con-disabilita-e-dsa/it); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
    Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Appunti forniti dal docente (online). I. Oliva, R. Reno, "Principi di Finanza Quantitativa", Maggioli Editore - Apogeo Education, 2021. R. Cesari, "Introduzione alla finanza matematica. Derivati, prezzi e coperture", Springer 2009. A. J. McNeil, R. Frey & P. Embrechts, "Quantitative Risk Management: Concepts, Techniques and Tools". Princeton University Press, 2015 (i primi 3 capitoli). Ebook disponibile. J.C. Hull, "Risk management e istituzioni finanziarie", Luiss University Press, 2013.
Approfondimenti:
A. Pascucci and W. Runggaldier, "Finanza matematica. Teoria e problemi per modelli multiperiodali", Springer Unitext. P. Christoffersen, "Elements of Financial Risk Management", Academic Press, 2011 Musiela Rutkowski. "Martingal Methods in financial mdoelling". Springer. 2005. D. Lando, Credit Risk Modeling, Theory and Applications. Princeton University Press. 2004.

Codice insegnamento 79041

MODELLI DI PREVISIONE DELLE INSOLVENZE 2° anno · 6 CFU · SECS-P/07 · 0 file

Al termine del corso lo studente avrà appreso i principi e le logiche che regolano il funzionamento dei più diffusi modelli di previsione delle insolvenze aziendali che utilizzano dati economico-finanziari. In…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente avrà appreso i principi e le logiche che regolano il funzionamento dei più diffusi modelli di previsione delle insolvenze aziendali che utilizzano dati economico-finanziari. In particolare, il corso affronterà i seguenti argomenti: approccio univariato alla previsione delle insolvenze; approccio multivariato alla previsione delle insolvenze (modelli di analisi discriminante, modelli di regressione lineare generalizzati etc.); uso delle reti neurali per la previsione delle insolvenze (cenni).

Programma

Le misure di performance economico-finanziarie Introduzione ai metodi di previsione delle insolvenze L'analisi discriminante univariata L'analisi discriminante multivariata Il modello logit Il modello di analisi in componenti principali Le reti neurali

Modalità d'esame

Esame scritto (domande a risposta multipla).
Discussione di un project work (singolarmente o in gruppi di massimo quattro persone).
Di seguito si riporta una tabella che illustra l'equivalenza fra i voti in trentesimi ed un giudizio sulla comprensione della materia desumibile dalla prova d'esame:
<18 insufficiente 18-23 sufficiente 24-27 buono 28-30 ottimo 30 e lode eccellente

Codice insegnamento 79042

MODELLI STATISTICI PER LE SCIENZE ATTUARIALI Qualora non già scelto 2° anno · Annuale · 6 CFU · SECS-S/01 · 0 file

Al termine del corso lo studente è in grado inoltre di specificare e stimare i modelli statistici per la trattazione di variabili risposta di natura diversa, nella fattispecie variabili binarie, di conteggio e tassi.…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente è in grado inoltre di specificare e stimare i modelli statistici per la trattazione di variabili risposta di natura diversa, nella fattispecie variabili binarie, di conteggio e tassi. In particolare lo studente è in grado di: - applicare e interpretare modelli statistici adeguati alla natura dei dati; - utilizzare software statistici ad hoc per gli studi applicati in ambito attuariale.

Programma

Introduzione ai modelli statistici in ambito machine learning
Obiettivi dell’apprendimento statistico: inferenza e previsione mediante modelli statistici e algoritmi di apprendimento automatico. Metodi di apprendimento: modelli parametrici e non parametrici. Apprendimento supervisionato e non supervisionato. Problemi di regressione e classificazione. Valutazione dell'accuratezza dei modelli predittivi: trade-off tra distorsione e varianza. Funzioni di perdita e metriche di valutazione dei modelli predittivi. Accuratezza predittiva e overfitting.
Modelli statistici per il machine learning
Modelli lineari generalizzati (GLM): gaussiano, Poisson, gamma, logistico, multinomiale. Metodi di regolarizzazione: ridge, lasso e elastic net. Alberi decisionali per la regressione e la classificazione. Metodi Naive Bayes.
Selezione e valutazione dei modelli statistici per il machine learning
Criteri di selezione dei modelli: AIC, BIC. Metodi di ricampionamento: cross-validation, bootstrap. La valutazione dei modelli predittivi di regressione: MSE, RMSE, MAE, R^2. La valutazione dei modelli predittivi di classificazione: matrice di confusione, accuratezza e tasso di errore, sensibilità e specificità, curve ROC e AUC, precisione e recall, F-score, cross-entropy, Brier score. Il problema delle classi non bilanciate.
Metodi ensemble
Bagging. Random forest. Boosting. Stacking.

Modalità d'esame

La verifica dell'apprendimento si articola in due parti:
Progetto di analisi dei dati: redazione di un documento relativo all'applicazione di metodi e modelli statistici per la previsione in un caso di studio reale. Il documento dovrà descrivere il problema analizzato, i dati utilizzati, i metodi adottati, le procedure di valutazione dei modelli e le previsioni ottenute. Il lavoro sarà discusso in sede d'esame. Colloquio orale sui contenuti del corso finalizzato a verificare la comprensione dei principali concetti teorici, metodologici e applicativi trattati.
L'uso dell'IA durante lo svolgimento del progetto di analisi dei dati è ammesso in modo dichiarato, limitato e come strumento di supporto, ma non può sostituire l'apporto originale e critico dello studente.
Criteri di valutazione: la graduazione del voto seguirà il seguente schema: <18 insufficiente 18-23 sufficiente 24-26 discreto 27-28 buono 29-30 ottimo 30 e lode eccellente
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile. Tale ufficio potrà proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del docente, che ne valuterà l'opportunità anche in relazione agli obiettivi formativi dell'insegnamento.
Iscrizione all'esame: tutti gli studenti e studentesse devono registrarsi attraverso la piattaforma AlmaEsami secondo le regole generali previste dall'Ateneo.

Testi di riferimento

Libro di testo
James G., Witten D., Hastie T., Tibshirani R. (2021) An Introduction to Statistical Learning with Applications in R, 2nd edition, Springer-Verlag. Disponibile online.
Letture integrative:
Murphy K. P. (2022) Probabilistic Machine Learning: An Introduction, MIT Press. Disponibile online. Wüthrich, M.V., Merz, M. (2023) Statistical Foundations of Actuarial Learning and its Applications, Springer. Disponibile online.
Ulteriore materiale didattico (slides, esercitazioni, ecc.) a cura del docente disponibile su Virtuale.

Codice insegnamento 79044

PREPARAZIONE PROVA FINALE ALL'ESTERO 2° anno · 12 CFU · 0 file

Al termine dell'attività all'estero, lo studente è in grado di documentarsi ed aggiornarsi autonomamente, nonché di organizzare e gestire in autonomia il proprio lavoro relativo alla prova finale

Scheda dell'insegnamento

Obiettivi formativi

Al termine dell'attività all'estero, lo studente è in grado di documentarsi ed aggiornarsi autonomamente, nonché di organizzare e gestire in autonomia il proprio lavoro relativo alla prova finale

Codice insegnamento 81355

PROVA FINALE 2° anno · 3 CFU · 0 file

La redazione della tesi di laurea e la successiva discussione consentono allo studente di dare conto della ricerca e dell'attività svolta in preparazione alla prova finale. In questo modo lo studente acquisisce la…

Scheda dell'insegnamento

Obiettivi formativi

La redazione della tesi di laurea e la successiva discussione consentono allo studente di dare conto della ricerca e dell'attività svolta in preparazione alla prova finale. In questo modo lo studente acquisisce la capacità di presentare in modo critico ed originale i risultati ottenuti, di comprenderne la portata, e di renderli fruibili ad un pubblico articolato di interlocutori.

Codice insegnamento 86230

PROVA FINALE 2° anno · 10 CFU · 0 file
PROVA FINALE LM 2° anno · 1° semestre · 15 CFU · 0 file

Al termine della prova finale lo studente: - è in grado di dimostrare capacità di approfondimento di un determinato argomento inerente ai temi trattati nel corso di studio; - è in grado di mettere in relazioni dati,…

Scheda dell'insegnamento

Obiettivi formativi

Al termine della prova finale lo studente: - è in grado di dimostrare capacità di approfondimento di un determinato argomento inerente ai temi trattati nel corso di studio; - è in grado di mettere in relazioni dati, conoscenze anche interdisciplinari e informazioni raccolte in autonomia per illustrare l'argomento oggetto dell'approfondimento; - è in grado di organizzare in autonomia il proprio lavoro; - è in grado di illustrare in modo efficace il contenuto di un progetto/rielaborazione esponendo con capacità critica i risultati conclusivi e le proprie riflessioni/argomentazioni; - è in grado di esprimersi in forma scritta e di sintetizzare in forma orale una specifica tematica tra quelle oggetto del Corso di laurea, di documentarsi ed aggiornarsi autonomamente al riguardo, nonché di organizzare e gestire autonomamente il proprio lavoro.

Codice insegnamento 27083

STATISTICS FOR MODELLING ECONOMIC BEHAVIOURS 2° anno · 6 CFU · SECS-S/03 · 0 file

Al termine del corso lo studente avrà familiarità con le principali teorie economico-comportamentali, con le fonti dati e con i modelli statistici più opportuni per analizzarle, e con le potenziali strategie pubbliche…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente avrà familiarità con le principali teorie economico-comportamentali, con le fonti dati e con i modelli statistici più opportuni per analizzarle, e con le potenziali strategie pubbliche e private basate su evidenze comportamentali, con una particolare enfasi sul comportamento del consumatore.

Programma

Il corso esamina gli elementi chiave dell'economia comportamentale, delle politiche pubbliche e delle strategie private secondo una prospettiva applicata, trattando questioni relative alla misurazione statistica e alla modellizzazione del comportamento economico, con un focus specifico sul comportamento dei consumatori.
Razionalità, irrazionalità e razionalità limitata degli agenti economici Sistemi di pensiero veloce e lento Euristiche e bias comportamentali Misurazione statistica delle preferenze e delle scelte Preferenze dichiarate vs. preferenze rivelate Intelligenza artificiale e misurazione Indagini primarie e raccolta dati comportamentali Modellizzazione statistica dei comportamenti economici Modelli a scelta discreta Modelli per dati panel Metodi quasi-sperimentali Applicazioni e casi studio: Le applicazioni verranno definite durante lo svolgimento del corso assieme agli studenti e potranno essere proposte dal docente o concordate e/o modificate assieme agli studenti. I dati per le applicazioni potranno provenire da fonti secondarie (dati reali), oppure potranno essere generati tramite IA una volta definite le caratteristiche del dataset e delle variabili in esso comprese, esplicitando il metodo di raccolta dati ed eventuali distorsioni nella misura rilevanti per la specifica applicazione

Modalità d'esame

Durante il corso, agli studenti verranno forniti casi di studio, dati e domande di ricerca, e sarà richiesto di scrivere un breve rapporto da consegnare e presentare entro la fine del corso. Per gli studenti che non consegnano il rapporto, o che non lo superano, sarà possibile sostenere un esame scritto con domande a scelta multipla e domande a risposta aperta, compresa l'interpretazione dei risultati di un caso di studio.
Presentazione rapporto per studenti frequentanti: Per quanto riguarda la verifica dell’apprendimento, il rapporto e la presentazione comprendono una parte che può prevede l’utilizzo sostanziale dell’IA (elaborazione problemi, generazione dati, contenuti) e una parte obbligatoria di analisi critica. Esame scritto: Per quanto riguarda la verifica dell’apprendimento tramite esame scritto, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Durante il corso verrano forniti attraverso la piattaforma on-line appunti delle lezioni, presentazioni e articoli e capitoli di libro.

Codice insegnamento B5558

TECNICHE ATTUARIALI 2° anno · Annuale · 10 CFU · SECS-S/06 · 0 file

Al termine del corso lo studente conosce le tecniche e gli strumenti attuariali necessari per la gestione dei contratti assicurativi nel ramo vita e nel ramo danni. In particolare, lo studente è in grado di: - effettuare…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente conosce le tecniche e gli strumenti attuariali necessari per la gestione dei contratti assicurativi nel ramo vita e nel ramo danni. In particolare, lo studente è in grado di: - effettuare il calcolo del premio assicurativo (premio equo, premio puro e premio di tariffa) - calcolare la riserva matematica nel ramo vita e la riserva premi e sinistri nel ramo danni - analizzare iI rischio di un contratto assicurativo e valutarne la profittabilità.

Programma

Ramo vita: Brevissimi richiami di matematica finanziaria e di modelli probabilistici per la descrizione della vita umana. Assicurazioni sulla durata di vita: concetti base. Assicurazioni in caso di vita, caso di morte, miste, rendite aleatorie. Simboli di commutazione. Premio equo, premio puro, premio di tariffa e caricamenti. Riserva matematica (metodo prospettivo e retrospettivo). Equazione di Fouret, equazione di Kanner. Premio di rischio e premio di risparmio. Riserve complete. Base tecnica del primo e del secondo ordine, criteri di scelta della base tecnica del primo ordine. Calcolo dell'utile, scomposizione di Homans. Assicurazioni adeguabili, rivalutazione, cenno alle polizze equity linked.
Ramo danni: principali tipologie contrattuali, calcolo del premio puro, criterio dell’utilità attesa, altri "premium principles" e loro proprietà. Calcolo di media e varianza per un portafoglio di rischi analoghi, funzione generatrice di momenti. Analisi della numerosità e dell’importo dei sinistri, indice di sinistrosità, indice di ripetibilità. Polizze RCA, tariffazione a priori e a posteriori. Riserva premi e riserva sinistri, cenni al metodo chain-ladder.
Orientativamente, nelle prime 30 ore di lezione, ovvero nel primo sub-ciclo, verrà svolto il programma sopra descritto dall'inizio fino all'argomento "Premio di rischio e premio di risparmio. Riserve complete" incluso, programma che quindi sarà oggetto della prima prova intercorso.

Modalità d'esame

La verifica delle conoscenze e delle abilità conseguite avviene mediante un esame scritto, della durata di un' ora e trenta minuti, costituito da tre problemi, e anche da una domanda aperta di natura prevalentemente teorica (una dimostrazione o esposizione di un argomento trattato a lezione). Non è consentito l'utilizzo di libri di testo. E' invece permesso l'uso della calcolatrice e di un formulario (contenente solo formule e non esercizi svolti o dimostrazioni). L'esame mira prevalentemente ad accertare la conoscenza maturata dagli studenti e le loro abilità nel risolvere problemi nell’ambito delle tematiche affrontate, prestando particolare attenzione alla correttezza delle risposte e dei procedimenti eseguiti. I tre esercizi e la domanda teorica avranno ciascuno un punteggio variabile da 6 a 10 punti (a seconda della difficoltà), per un massimo di 31 punti corrispondenti a 30 e lode.
Studenti e studentesse con DSA o disabilità temporanee o permanenti: si raccomanda di contattare per tempo l’ufficio di Ateneo responsabile
(https://site.unibo.it/studenti-con-disabilita-e-dsa/it ); sarà sua cura proporre agli studenti e alle studentesse interessati/e eventuali adattamenti, che dovranno
comunque essere sottoposti, con un anticipo di 15 giorni, all’approvazione del/della docente, che ne valuterà l'opportunità anche in relazione agli obiettivi
formativi dell'insegnamento.
Per quanto riguarda la verifica dell’apprendimento, l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

E' fondamentale l'utilizzo di materiale distribuito dal docente reso disponibile in rete e degli appunti di lezione. Per ulteriori approfondimenti si consigliano:
Pitacco E.: Matematica e Tecnica Attuariale delle assicurazioni sulla durata di vita, Lint, Trieste, 2000.
Spelta D.: Teoria matematica delle assicurazioni sulla vita, Pitagora, 2001.
Daboni L.: Lezioni di tecnica attuariale delle assicurazioni contro i danni, LINT, Trieste, 1993.
Cerè M., Spelta D.: Esercizi di matematica attuariale, Esculapio, 2017.
Trattandosi di testi consigliati, non se ne consiglia una edizione particolare.

Codice insegnamento B5556

TECNICHE ATTUARIALI CORSO AVANZATO Qualora non già scelto 2° anno · 2° semestre · 6 CFU · SECS-S/01 · 0 file

Al termine del corso lo studente acquisisce una visione d’insieme avanzata sugli strumenti attuariali necessari alla gestione dell’attività assicurativa, sia nel ramo danni che nel ramo vita. In particolare vengono…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del corso lo studente acquisisce una visione d’insieme avanzata sugli strumenti attuariali necessari alla gestione dell’attività assicurativa, sia nel ramo danni che nel ramo vita. In particolare vengono forniti elementi teorici e applicativi riguardanti: - il pricing in tutti suoi aspetti nelle assicurazioni danni e nello specifico la tariffazione RC Auto; - il pricing in tutti i suoi aspetti nelle assicurazioni vita, assicurazioni sulla salute e sugli strumenti assicurativi previdenziali; - la valutazione delle riserve tecniche nei rami vita e danni; - la riassicurazione nei rami vita e danni; - il profit testing; - ALM; - la direttiva Solvency 2; - alcuni aspetti su IFRS17.

Programma

Rami Vita: il processo di tariffazione e i test di redditività. Breve richiamo ai contratti a prestazione rivalutabile. Operazioni di capitalizzazione. Prodotti “Linked”. Breve richiamo ai contratti di rischio. Operazioni di Ramo VI. i Fondi Pensione. Le riserve tecniche nel bilancio civilistico, bilancio IAS, Solvency II ed in prospettiva IFRS17. La riassicurazione. Il regime di solvibilità.
Essendo il corso avanzato vengono trattati argomenti del corso di Laboratorio di Tecniche Attuariali in maniera più approfondita ed evoluta.
Rami danni: distribuzioni di probabilità per frequenze e costi medi. Processo di tariffazione. Personalizzazione a priori e posteriori. Il premio nell’assicurazione RCA – il fabbisogno tariffario. Le riserve tecniche nel bilancio civilistico, bilancio IAS, Solvency II e in prospettiva IFRS17. La riassicurazione. Il regime di solvibilità.
Durata: 30 ore
Ricevimento: subito dopo la lezione

Modalità d'esame

La verifica delle conoscenze conseguite avviene mediante un'unica prova orale, in cui lo studente deve rispondere a varie domande (minimo 3) sulle tematiche affrontate durante il corso.
Al termine della prova viene fornito un esito espresso in voto.
Lo scopo della prova orale è verificare la capacità dello studente di applicare il proprio bagaglio nozionistico e di eseguire i necessari collegamenti logico-deduttivi. Esito finale:
Preparazione su un numero molto limitato di argomenti affrontati nel corso, capacità di analisi che emerge solo con l’aiuto del docente, espressione in linguaggio complessivamente corretto, solo concetti di base → voto 18-19; Preparazione su un numero limitato di argomenti affrontati nel corso, capacità di analisi autonoma solo su questioni puramente esecutive, espressione in linguaggio corretto, concetti di base → voto 20-24; Preparazione su un numero ampio di argomenti affrontati nel corso, capacità di compiere scelte autonome di analisi critica, padronanza della terminologia specifica, concetti di base → voto 25-29; Preparazione sostanzialmente esaustiva sugli argomenti affrontati nel corso, capacità di compiere scelte autonome di analisi critica e di collegamento, piena padronanza della terminologia specifica e capacità di argomentazione e autoriflessione, concetti di base → voto 30-30L.
La frequenza alle lezioni non discrimina la verifica ma favorisce un miglior apprendimento delle nozioni teoriche.
Durante la prova non sono ammessi ausili di alcuna natura, fatta eccezione per carta bianca e penna.
L’IA può essere uno strumento utile per coadiuvare lo studio individuale con approfondimenti, sintesi e percorsi di autovalutazione. Per quanto riguarda la verifica dell’apprendimento, durante l’esame in presenza l’uso dell’IA è vietato. Ogni utilizzo costituisce violazione dell’integrità accademica.

Testi di riferimento

Le slides fornite dal docente, disponibili nella repository del corso d'insegnamento, trattano tutti gli argomenti del programma.
Applicazioni pratiche, disponibili nella repository del corso d'insegnamento, che trattano gli aspetti principali del corso.
In aggiunta, si consigliano i seguenti libri di testo per approfondimenti:
Pitacco E.: Matematica e Tecnica Attuariale delle assicurazioni sulla durata di vita, Lint, Trieste, 2008 Pitacco E.: Modelli attuariali per le assicurazioni sulla salute, EGEA, 1995 Daboni L.: Lezioni di tecnica attuariale delle assicurazioni contro i danni, LINT, Trieste, 1993

Codice insegnamento B5547

TIROCINIO 2° anno · 9 CFU · 0 file

Al termine del tirocinio lo studente è in grado di: - scegliere in modo autonomo e applicare gli strumenti specifici appresi - acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio lo studente è in grado di: - scegliere in modo autonomo e applicare gli strumenti specifici appresi - acquisire ulteriori conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea - esporre contenuti, informazioni e idee relative al proprio campo di studi - sviluppare capacità comunicative in forma sia scritta che orale adeguate ai diversi interlocutori - sviluppare capacità di lavoro interdisciplinare in equipe

Codice insegnamento 15349

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE 2° anno · 5 CFU · 0 file

Al termine del tirocinio per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali ed operativi, utili per la preparazione della prova finale.

Codice insegnamento 70441

TIROCINIO IN PREPARAZIONE DELLA PROVA FINALE ALL'ESTERO 2° anno · 12 CFU · 0 file

Al termine del tirocinio all'estero per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi…

Scheda dell'insegnamento

Obiettivi formativi

Al termine del tirocinio all'estero per la preparazione della prova finale lo studente acquisisce conoscenze teoriche e pratiche in alcuni ambiti professionali specifici del corso di laurea, nonché i relativi processi decisionali ed operativi, utili per la stesura della prova finale

Codice insegnamento 81354

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.