Corso di laurea

Analisi Dei Dati Per L'Economia E Il Management

Università degli Studi di Modena e Reggio Emilia · 18 materie · 0 file condivisi

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.

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 Dei Dati 1° anno · 1° semestre · 9 CFU · ECON-01/A · 0 file

*Analisi dei dati (CdLM ADEM) – Modulo 1: 3cfu Montagna; Modulo 2: 6cfu Pistoresi Il corso introduce gli studenti all’analisi statistica ed econometrica dei dati, con particolare attenzione alle applicazioni in ambito…

Scheda dell'insegnamento

Obiettivi formativi

*Analisi dei dati (CdLM ADEM) – Modulo 1: 3cfu Montagna; Modulo 2: 6cfu Pistoresi Il corso introduce gli studenti all’analisi statistica ed econometrica dei dati, con particolare attenzione alle applicazioni in ambito economico e aziendale. Il percorso formativo è articolato in due moduli, che si consiglia di seguire in modo sequenziale. Il Modulo 1 fornisce i concetti e gli strumenti fondamentali necessari per affrontare il Modulo 2. Il primo modulo fornisce gli strumenti di base della statistica inferenziale, affrontando le principali distribuzioni di probabilità, la distribuzione campionaria, i problemi di stima e gli intervalli di confidenza, nonché la verifica di ipotesi per medie e differenze di medie. Il secondo modulo introduce i principali strumenti della regressione e dell’analisi econometrica. Partendo dalla struttura e dalle principali fonti dei dati economici, vengono analizzati modelli di regressione lineare semplice e multipla, la valutazione della bontà del modello, la verifica delle ipotesi sui parametri, la multicollinearità e il problema delle variabili omesse. Sono inoltre affrontate diverse forme funzionali e strategie di selezione del modello. Il corso introduce successivamente alcuni strumenti per l’analisi di relazioni causali, quali la regressione con variabili strumentali, e considera modelli per variabili dipendenti binarie e dati panel, inclusi i modelli a effetti fissi. Tutti gli argomenti sono accompagnati da esercitazioni e attività di laboratorio con l’utilizzo di software statistici, con l’obiettivo di sviluppare la capacità di applicare i metodi a dati reali e di interpretare criticamente i risultati delle analisi. Al termine del corso, gli studenti saranno in grado di scegliere le principali metodologie statistiche ed econometriche in funzione della domanda empirica e della natura dei dati disponibili, applicarle attraverso strumenti software, interpretare i risultati di stima e valutarne criticamente l’affidabilità e i limiti.

Programma

Per ogni Credito Formativo Universitario (CFU) sono previste 7 ore di didattica frontale e 18 ore di studio autonomo di studenti e studentesse. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore. Modulo 1 1 CFU (7 ore) Introduzione alla statistica e all’analisi dei dati. Distribuzioni di probabilità discrete e continue. Distribuzione campionaria [NCT cap. 5, 6 e 7] 1 CFU (7 ore) Problemi di stima e intervalli di confidenza per la media di una popolazione e per la differenza di medie di due popolazioni [NCT cap. 8 e 9] 1 CFU (7 ore) Verifica d’ipotesi sulla media di una popolazione e sulla differenza di medie di due popolazioni [NCT cap. 10 e 11] **Tutti gli argomenti saranno accompagnati da esercitazioni, anche con l’utilizzo di diversi software statistici. Modulo 2 (PISTORESI) 1CFU (7 ore) Dati e Fonti. Struttura dei dati: serie storiche, cross sezionali e panel (bilanciati e non bilanciati). Regressione lineare con regressore singolo: continuo, dicotomico. Bontà del modello: R-quadro [SW, Capitoli 4, 5]. Esercitazioni in laboratorio con l’utilizzo di un software statistico 1CFU (7 ore) Regressione lineare con regressori multipli [SW, Capitolo 6]. Multicollinearità e variabili omesse. Strategie di selezione del modello ottimale con R quadro corretto, AIC, BIC, HQ [SW, Capitolo 7]. Test sui parametri del modello di regressione: test unilaterali e bilaterali. Verifica di ipotesi e intervalli di confidenza nella regressione multipla. Strategie di selezione del modello ottimale con l’ F test. Multicollinearita’: VIF [SW, Capitoli 4,5, e 6]. Valutazione di studi basati sulla regressione multipla [SW, Capitolo 9 + articoli]. Esercitazioni in laboratorio con l’utilizzo di un software statistico 1 CFU (7ore) Regressione non lineare (modelli polinomiali, log-log, lin-log, log-lin, modelli con interazioni) [SW, Capitolo 8]. Esercitazioni in laboratorio con l’utilizzo di un software statistico 1 CFU (7 ore) Regressione con variabili strumentali. [SW, Capitolo 12]. 1CFU (7ore) Regressione con variabile dipendente binaria. [SW, Capitolo 11]. Esercitazioni in laboratorio con l’utilizzo di un software statistico 1CFU (7ore) Regressione con dati panel. Effetti fissi e temporali. [SW, Capitolo 10]. Regressione con dati pseudo panel. (cenni)

Questi moduli poggiano sulla conoscenza dei concetti di base di statistica a livello di laurea triennale. Tuttavia, il modulo 1 ripropone concetti di statistica di base utili per coloro che provengono da lauree triennali in cui il corso di statistica non è obbligatorio

L'insegnamento si svolge in presenza ed è erogato in lingua italiana. Il metodo didattico si basa su: (a) lezioni frontali con contenuti sia teorici che applicati supportati da materiale didattico (slides, esercizi, etc.) e registrazioni delle lezioni (b) esercitazioni al computer con uso di software statistici, in cui si sviluppa la capacità di applicare le conoscenze acquisite. Le esercitazioni riguarderanno contesti economici e aziendali di vario genere che emergono anche come casi studio negli altri corsi del piano di studi. I software statistici saranno disponibili nel laboratorio virtuale di UNIMORE e/o scaricabile nel computer personale del singolo studente. Costituiscono quindi parte integrante del corso le esercitazioni con l'uso di pacchetti statistici e la discussione settimanale degli esercizi assegnati. Nello svolgimento dell’insegnamento, sia nelle lezioni frontali che nelle esercitazioni, agli studenti frequentanti viene sempre richiesta una partecipazione attiva, attraverso interventi singoli e con discussioni collettive sui temi oggetto di studio. La partecipazione attiva è richiesta anche durante le attività seminariali con esperti, ricercatori e rappresentanti del mondo del lavoro che interverranno per mostrare come applicare in contesti lavorativi le tecniche di analisi empirica previste nel corso. Da Ottobre 2026 verrà reso disponibile il materiale relativo alle lezioni e le videoregistrazioni immediatamente. Lo streaming invece non è permesso in linea con le decisioni relative alla erogazione della didattica di UNIMORE. Potrebbe anche essere richiesta una interazione da remoto per esercitazioni o presentazioni.

Modalità d'esame

L'esame è una prova scritta che si svolgerà secondo il calendario ufficiale e come dettagliato di seguito: L'esame è sostenuto in un'unica prova su tutti gli argomenti del corso ed è della durata di 90 minuti. Il voto è espresso in trentesimi e il superamento dell’esame si intende con il raggiungimento della soglia dei 18/30 (vale a dire una preparazione ragionevolmente sufficiente). Le verifiche dell'apprendimento potrebbero prevedere: domande aperte di teoria o in cui si richiede il commento di stime fornite dal docente, esercizi con casi pratici di analisi empirica da svolgere anche con l'utilizzo di software statistici. Gli indicatori di valutazione sono: capacità di utilizzare le conoscenze teoriche per impostare lo svolgimento con l'utilizzo di software; padronanza del linguaggio statistico; capacità di discutere gli argomenti e i risultati dell’analisi empirica, capacità di approfondire gli argomenti, capacità critica. Gli esiti saranno comunicati entro e non oltre due settimane dalla prova scritta; la pubblicazione avverrà tramite Esse3.

Testi di riferimento

  • Newbold P., Carlson W. e Thorne B. (2021) Statistica (nona edizione), Pearson Education Italia [NCT] • Stock J. H. e Watson M. W. (2020), Introduzione all’Econometria (quinta edizione italiana), Pearson Education Italia [SW]. Suggerimenti per ulteriori letture verranno forniti durante il corso

Codice insegnamento 28916

Business Metrics E Data Visualization 1° anno · 2° semestre · 9 CFU · ECON-06/A · 0 file

Il corso illustra alcuni framework teorici utili per mettere in relazione dati di mercato/settore e dati aziendali e per comprendere le relazioni sistemiche che esistono fra i diversi tipi di risultati aziendali.…

Scheda dell'insegnamento

Obiettivi formativi

Il corso illustra alcuni framework teorici utili per mettere in relazione dati di mercato/settore e dati aziendali e per comprendere le relazioni sistemiche che esistono fra i diversi tipi di risultati aziendali. Inoltre, il corso presenta la strumentazione essenziale per l’analisi e la comunicazione dei dati e dei risultati aziendali. In relazione al tema della comunicazione, in particolare, il corso intende fornire un’introduzione ai principi e alle tecniche di Data Visualization e Visual Perception, con l’obiettivo di guidare alla creazione di viste e cruscotti efficaci. L’idea è quella di studiare il “processo di analisi dei dati” insieme alla “data visualization” per favorirne la facilità di lettura e l’efficacia. Il corso unisce teoria e pratica, prevedendo numerose esercitazioni volte a dare concretezza ai modelli teorici presentati.

Programma

1 CFU Introduzione. Cenni su tipi e basi di dati. Dati di mercato/settore e dati aziendali. Le principali fonti di dati interni ed esterni. I processi di generazione dei dati aziendali. 3 CFU Il concetto di balanced scorecard. Metriche finanziarie (bilancio). Metriche operative. Impatto dei processi di digitalizzazione sulla varietà delle metriche disponibili. Definizione e linee guida per la costruzione di una Dashboard. Esempi ed esercizi in ambiente Excel. 2 CFU Le relazioni fra metriche e il modello di business. Identificazione delle metriche chiave in funzione degli obiettivi strategici di un’impresa. Il ruolo delle metriche nel processo di implementazione di una strategia di business. 3 CFU Principi e tecniche di Data Visualization e Visual Perception. Confronto tra diversi tipi di grafici. Esempi di best practice di data visualization e dashboard. Analisi descrittiva (Indici di posizione, dispersione e distribuzione). Analisi esplorativa (Correlazione tra variabili quantitative, Indice χ2 di relazione tra variabili qualitative). Analisi predittiva (cenni sulle tecniche di regressione e di Data Mining). Analisi prescrittiva. Esempi ed esercizi in Tableau ed Excel. Lingua: Italiano

Il corso non richiede prerequisiti formali. Il programma tuttavia è strutturato dando per acquisite una conoscenza di base del bilancio e la capacità di utilizzare il pacchetto Microsoft Office in generale e le tabelle Pivot di Excel in particolare. Gli studenti che ritengono di non avere adeguate conoscenze a riguardo riceveranno istruzioni prima dell’inizio del corso su come fare per colmare eventuali carenze nella propria formazione di partenza.

La didattica di questo insegnamento si basa (1) su lezioni frontali, in cui si forniscono le conoscenze ed i framework teorici utili per mettere in relazione i diversi tipi di dati/risultati fra di loro e con il modello di business; (2) esercitazioni in aula, con cui gli studenti sviluppano la capacità di applicare in pratica le conoscenze acquisite. La frequenza non è obbligatoria, ma fortemente consigliata.

Modalità d'esame

L’apprendimento viene verificato attraverso (a) una serie di esercitazioni individuali e di gruppo svolte in parte in aula e in parte come esercizi a casa; (c) un esame finale scritto.

Testi di riferimento

  • Marco Iansiti and Karim R. Lakhani, Competing in the Age of AI, Harvard Business School Publishing, 2020 - Luciana Canovi, Analisi di Bilancio e Previsione Finanziaria, Giappichelli Editore – Torino (2° edizione) - Bill Schmarzo, The Economics of Data, Analytics, and Digital Transformation, Packt Publishing, 2020 - Tableau Your Data! Fast and Easy Visual Analysis with Tableau Software [Paperback] Dan Murray - The Big Book Dashboards: Visualizing Your Data Using Real-World Business Scenarios S. Wexler, Jeffrey Shaffer… Wiley (2017)

Codice insegnamento 28917

Economia Industriale E Nuovi Mercati 1° anno · 1° semestre · 9 CFU · ECON-01/A · 0 file

Il corso ha due obiettivi. Il primo è quello di fornire i concetti e gli strumenti essenziali per l’analisi del comportamento economico delle imprese che operano nei mercati di monopolio o di oligopolio. Il secondo…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha due obiettivi. Il primo è quello di fornire i concetti e gli strumenti essenziali per l’analisi del comportamento economico delle imprese che operano nei mercati di monopolio o di oligopolio. Il secondo obiettivo è quello di presentare gli argomenti principali dell’economia e dell’organizzazione industriale utilizzando sia modelli teorici che riferimenti a casi concreti mettendo in evidenza le relazioni con la legislazione italiana ed europea sulla tutela della concorrenza. Al termine del corso gli studenti dovrebbero essere in grado di • Saper riconoscere e spiegare le principali scelte di prezzo, di varietà e di qualità dei prodotti che le imprese adottano per acquisire, mantenere o accrescere il loro potere di mercato • Saper applicare l’analisi di teoria dei giochi e i principali modelli di interazione concorrenziale tra imprese alla realtà dei mercati oligopolistici. • Saper riconoscere e spiegare le principali strategie che le imprese adottano per limitare la concorrenza e la rilevanza di tali strategie in relazione alla legislazione antitrust italiana ed europea. • Saper riconoscere i mercati in cui sono presenti effetti di rete diretti o indiretti e le principali dinamiche concorrenziali. • Saper riconoscere i comportamenti e le principali strategie concorrenziali adottate dalle imprese che gestiscono piattaforme digitali che operano su più versanti del mercato

Programma

1. Impresa ed equilibrio in concorrenza perfetta. Equilibrio di mercato in monopolio. Il surplus e l’efficienza. Misure della struttura di mercato e del potere di mercato. (4 lezioni – 1 CFU) 2. Le varie forme di discriminazione di prezzo da parte di un monopolista. Altre pratiche discriminatorie, bundling e tie-in. (4 lezioni 1 CFU) 3. Varietà e qualità del prodotto. Differenziazione orizzontale e differenziazione verticale del prodotto (4 lezioni 1 CFU) 4. Teoria dei giochi. Giochi simultanei e giochi sequenziali (8 lezioni 2 CFU) 5. Modelli statici di oligopolio. Concorrenza sulle quantità e concorrenza sui prezzi con beni omogenei o con beni differenziati. (4 lezioni. 1 CFU) 6. La concorrenza dinamica. Interazione strategica con decisioni sequenziali. La differenziazione dei prodotti e la concorrenza sui prezzi. Concorrenza sequenziale sulle quantità (il modello di Stackelberg) e sui prezzi. Il problema di entrata e le minacce non credibili. (2 lezioni 0,5 CFU) 7. Strategie anticoncorrenziali: il comportamento predatorio. La deterrenza all’entrata. Il modello di Spence-Dixit. Il prezzo limite Strategie anticoncorrenziali: la collusione (i giochi ripetuti). I fattori che facilitano la collusione. (4 lezioni 1 CFU) 8. Nuovi mercati con importanti effetti di rete. Effetti di rete e massa critica. Compatibilità o guerra per gli standard. (4 lezioni) (1 CFU) 9. I mercati dei beni intermediati. Comportamento e strategie delle piattaforme digitali che operano su più versanti del mercato (2 lezioni) (0.5 CFU)

Conoscenze relative ai principi di microeconomia e ai fondamenti di matematica. In particolare gli studenti devono essere in grado di riconoscere e ricavare le principali proprietà delle funzioni di domanda e delle funzioni di costo, di effettuare l'analisi di equilibrio parziale, sia da un punto di vista algebrico che grafico, e di valutare gli effetti sul benessere sociale degli equilibri di mercato. Per quanto riguarda le conoscenze di matematica lo studente deve esser in grado di risolvere equazioni e disequazioni di primo e di secondo grado, calcolare derivate e tracciare i grafici delle funzioni elementari di una variabile reale e sapere applicare le tecniche di ottimizzazione a tali funzioni.

Il metodo didattico di questo insegnamento si basa su: (a) lezioni frontali in cui si presentano, prevalentemente, gli strumenti e i modelli teorici principali per l’analisi dei mercati e in cui si sviluppa la capacità di comprensione; (b) esercitazioni in aula, nelle quali si stimola la capacità di applicare la conoscenza e la comprensione dei modelli teorici con semplici esempi numerici di problemi economici concreti riguardanti la concorrenza nei mercati oligopolistici. Sia nelle lezioni frontali che nelle esercitazioni in aula, è richiesta agli studenti una partecipazione attiva con interventi singoli e con brevi discussioni collettive sui temi di economia industriale proposti. Le lezioni saranno registrate e rese disponibili ogni venerdì.

Modalità d'esame

È previsto alla fine del corso un esame in forma scritta della durata di 1 ora e 30 minuti. La verifica dei risultati d’apprendimento avviene mediante la proposizione di esercizi, che richiedono uno svolgimento numerico, e di domande, che richiedono uno svolgimento di tipo più analitico o risposte di tipo aperto. Per ciascun esercizio e per ciascuna domanda è indicato il punteggio massimo ottenibile. Il massimo risultato totale conseguibile nella prova d'esame è pari a 33 e coloro che avranno totalizzato un punteggio superiore a 30, otterranno il 30 e lode.

Testi di riferimento

Pepall, L., R.J. Richards and G. Norman, Organizzazione industriale, McGraw Hill, 2017 Belleflamme, P. and M.Peitz, The Economics of Platforms, Cambridge University Press, 2021 Brighi, L. Microeconomia. Teoria ed esercizi svolti, Giappichelli, 1996, Cap. 6 Altre letture consigliate Watson J., Strategy: An introduction to Game Theory, WW Norton & Co, 2013 Mas Colell A., M. D. Whinston and J. Green, Microeconomic Theory, Oxford University Press, 1995, Ch. 7, 8, 9.

Codice insegnamento 28918

Finanza E Mercati 1° anno · 2° semestre · 9 CFU · ECON-09/B · 0 file

Il corso intende fornire le conoscenze e le competenze fondamentali per comprendere e analizzare le scelte finanziarie delle imprese, in particolare: • i principali metodi di valutazione delle imprese, dei progetti di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire le conoscenze e le competenze fondamentali per comprendere e analizzare le scelte finanziarie delle imprese, in particolare: • i principali metodi di valutazione delle imprese, dei progetti di investimento e degli strumenti finanziari fondamentali (azioni, obbligazioni), • il ruolo dei mercati finanziari nella formazione dei prezzi, in quanto punti di riferimento per la valutazione, • le forme di finanziamento e la struttura del capitale delle imprese, • le scelte di remunerazione degli azionisti. Il carattere del corso è soprattutto volto alle applicazioni operative dei concetti. La sezione “Risultati dell’apprendimento attesi” di questa scheda fornisce dettagli ulteriori sugli obiettivi formativi.

Programma

L’impresa e i mercati finanziari. Elementi di analisi di bilancio. Il valore temporale del denaro e i tassi di interesse. Valutare le obbligazioni e le azioni. Valutare gli investimenti: Net Present Value. I mercati dei capitali e il prezzo del rischio: Capital Asset Pricing e modelli fattoriali. La stima del costo del capitale: Weigthed Average Cost of Capital. Gli effetti della leva finanziaria e dell’imposizione fiscale sul valore. Le scelte di remunerazione agli azionisti. Altri metodi di valutazione: Adjusted Present Value, Dividend Discount Model, Free Cash Flow, Residual Income. Struttura del capitale e forme di finanziamento dell’impresa.

Nessuno

L’insegnamento si svolge in presenza ed è erogato in lingua italiana. La didattica del corso combina lezioni frontali, seminari, esercizi da svolgere in autonomia ed esercitazioni in aula. Esercizi ed esercitazioni sono parte integrante dell’insegnamento e hanno lo scopo sviluppare le capacità di applicazione delle conoscenze apprese di valutare regolarmente il grado di comprensione delle medesime.

Modalità d'esame

L’apprendimento degli studenti verrà valutato periodicamente nel corso dell’insegnamento attraverso esercizi da svolgere in autonomia ed esercitazioni in aula. Le soluzioni agli esercizi proposte dagli studenti saranno discusse in aula assieme al docente. L’esame prevede tre domande in forma aperta, ciascuna valutata in trentesimi. Il voto finale è media aritmetica semplice dei punteggi ottenuti in ciascuna domanda. Se tale somma supera 28/30, il docente potrà aumentare il punteggio attribuendo un bonus fra uno e tre punti; in questo caso, qualora il risultato superi 30/30, il voto finale è trenta e lode. Alle domande cui non si fornisce risposta o in cui la risposta è palesemente incoerente con il quesito proposto viene attribuito un punteggio nullo. Le domande hanno lo scopo di valutare le conoscenze e la capacità di comprensione, l’applicazione delle medesime, l’autonomia di giudizio e le abilità comunicative descritte nella sezione “Risultati dell’apprendimento” atteso di questa scheda.

Testi di riferimento

Berk J. and DeMarzo, P. (2020) Corporate Finance – Global Edition, 5th Edition, Pearson: Capitoli da 1 a 17 I materiali per le esercitazioni e le letture di approfondimento saranno disponibili sulla piattaforma Moodle durante il corso.

Codice insegnamento 28919

Metodi Quantitativi E Computer Science 1° anno · 1° semestre · 12 CFU · STAT-04/A · 0 file

Lo scopo del corso di Metodi Quantitativi e Computer Science è di: (i) sviluppare la conoscenza e la capacità di usare gli strumenti quantitativi richiesti dall'analisi economica; (ii) apprendere le basi di…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso di Metodi Quantitativi e Computer Science è di: (i) sviluppare la conoscenza e la capacità di usare gli strumenti quantitativi richiesti dall'analisi economica; (ii) apprendere le basi di programmazione per strutturare soluzioni software che sfruttino tali strumenti di analisi. Il corso è dedicato alla presentazione di una serie di strumenti matematici e di programmazione essenziali al resto del percorso magistrale.

Programma

Per ciascuna attività del programma è prevista l’acquisizione di CFU (Crediti Formativi Universitari) di didattica frontale e relative ore di lezione. Si noti che in questo insegnamento per ogni CFU sono previste 7 ore di didattica frontale e 18 ore di studio autonomo di studentesse e studenti. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore. 1. Struttura algebrica degli spazi euclidei: spazi e sottospazi lineari, dipendenza lineare di vettori, base e dimensione di un sottospazio, trasformazioni lineari, matrici, immagine e nucleo (1.5 CFU). 2. Autovalori e autovettori di una matrice quadrata, diagonalizzazione (1 CFU). 3. Forme quadratiche e loro segno (0.5 CFU) 4. Calcolo differenziale in più variabili (1 CFU). 5. Ottimizzazione senza vincoli e con vincoli di uguaglianza e disuguaglianza (1 CFU). 6. Introduzione ai sistemi dinamici, risoluzione di equazioni differenziali e alle differenze finite, e di sistemi lineari di equazioni (1 CFU). 7. Programmazione – in linguaggio Python • (1 CFU) Principi di programmazione: i. Nozioni di base circa linguaggi di programmazione imperativi e ad oggetti (Python), e linguaggi dichiarativi (SQL); ii. variabili, funzioni, librerie etc. • (1 CFU) Algoritmi e Strutture dati: i. nozioni base sullo studio della complessità degli algoritmi; ii. principali strutture dati e caratteristiche • (1 CFU) Strumenti e librerie: i. IPython notebook (Jupyter), Google Colab, matplotlib, scikit-learn, etc.; ii. Come strutturare un progetto software con librerie Python. 8. Gestione e interrogazione di dati • (1 CFU) Database relazionali: i. principi di interrogazione dati in SQL; ii. integrazione di SQL in Python. • (2 CFU) Gestire dati all’interno di progetti software per l’analisi di dati: i. Dataframe: gestione dei dati all’interno di un progetto software (libreria Pandas); ii. Data Exploration, Data wrangling e data preparation: nozioni base per la manipolazione e preparazione di dati per l’analisi; iii. Serie temporali (in Pandas);

Si presume che gli studenti abbiano familiarità con i contenuti dei corsi di matematica di base a livello di laurea triennale. Specificamente, ci si riferisce a: operazioni con le matrici, determinante e rango di una matrice, risoluzione di sistemi di equazioni lineari, derivate e calcolo differenziale in una variabile, calcolo integrale, e teoria degli insiemi. Questi argomenti sono presentati in breve in un corso Moocs preparato appositamente per gli studenti del corso e disponibile online.

Il metodo didattico si basa su: (i) lezioni frontali, in cui si presentano i concetti teorici e si sviluppa la capacità pratica di risolvere esercizi; (ii) laboratori didattici al computer con linguaggio di programmazione Python e ambiente Google Colab. È richiesta la partecipazione attiva degli studenti. Sono previste esercitazioni da parte di un tutor. La frequenza è caldamente consigliata. Il corso è erogato in lingua italiana. Tutte le informazioni tecniche e organizzative sull'insegnamento, nonché il materiale didattico, e le registrazioni delle lezioni saranno caricati su piattaforma MS Teams e Moodle del corso; quest’ultima contiene anche esercizi aggiuntivi. Le lezioni verrano registrate e messe a disposizione su piattaforma MS Teams a partire dalla seconda settimana di lezione.

Modalità d'esame

L'esame è diviso in tre fasi: 1. un esame scritto con problemi e domande aperte (carta, penna e calcolatrice). La prova dura 2 ore ed e' valutata in trentesimi I risultati saranno disponibili entro una settimana e pubblicati su Moodle. 2. esame orale su argomenti di teoria. 3. prova scritta di laboratorio, della durata di un’ora e mezza. All’interno della prova scritta verrà richiesto di svolgere esercizi pratici di programmazione e di rispondere a quesiti (domande aperte e/o domande a risposta multipla).

Testi di riferimento

Matematica [1] Simon C.P. and Blume L., Mathematics for Economists, 1994, Norton. Traduzione italiana: Matematica per le Scienze Economiche, UBE Egea, 2015. Computer Science [2] Python for Data Analysis, 2nd Edition (2017) Wes McKinne, O'Reilly Media, Inc. ISBN: 9781491957660 [3] Introduction to Computation and Programming Using Python, Third Edition, John V. Guttag

Codice insegnamento 28920

Statistical Learning And Predictive Modeling 1° anno · 2° semestre · 9 CFU · STAT-01/A · 0 file

Il corso si propone di introdurre metodi e modelli per estrarre informazioni rilevanti da grandi moli di dati, con particolare attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di introdurre metodi e modelli per estrarre informazioni rilevanti da grandi moli di dati, con particolare attenzione all'apprendimento statistico (statistical learning) sia in contesto predittivo che non (apprendimento supervisionato e non). Al fine di fornire le competenze per l'analisi e la modellazione di dati reali, le lezioni saranno integrate da esercitazioni in R.

Programma

Introduzione al data mining e allo statistical learning (0.5 CFU): - modelli parametrici e nonparametrici - valutazione dell'accuratezza di un modello - contrasto tra bontà di adattamento e complessità di un modello Regressione e Classificazione (1.5CFU): - richiami su regressione lineare - K-nearest neighbors - regressione logistica - analisi discriminante Metodi di ricampionamento (0.5 CFU) - validazione incrociata - bootstrap Selezione di un modello lineare e regolarizzazione (1 CFU): - selezione stepwise - ridge regression - principal components regression - partial least squares - LASSO Metodi non-lineari (regressione flessibile) (1 CFU): - regressione polinomiale - splines di regressione - splines di lisciamento - modelli additivi generalizzati Metodi basati su alberi di decisione (1.5 CFU): - alberi di regressione e classificazione - Bagging, foreste casuali, Boosting Support Vector Machines (1 CFU): - classificatore con margine massimale - classificatore di tipo Support Vector - Classificazione con margini di decisione nonlineari - SVM con più di due classi Apprendimento non supervisionato (2 CFU) - analisi delle componenti principali - metodi di raggruppamento.

Conoscenze di algebra lineare e statistica inferenziale da corsi triennali.

L'insegnamento si svolge in presenza ed è erogato in lingua inglese. La frequenza è facoltativa ma altamente consigliata. I metodi didattici comprendono: - lezioni frontali che vengono svolte con l’ausilio di mezzi audiovisivi - esercitazioni al computer settimanali con uso del software statistico R - le esercitazioni si svolgeranno durante la seconda sessione nei giorni in cui sono previste due lezioni consecutive Tutto il materiale sarà messo a disposizione degli studenti sulla piattaforma Moodle del Dipartimento.

Modalità d'esame

Esame scritto (riguardante sia la parte teorica che quella pratica, 50% del voto finale) durata 45-60 minuti. Sono anche previste attività di valutazione formativa in itinere (50% del voto finale) con esercizi da risolvere in gruppo utilizzando il software R (ed eventuale presentazione orale) e quiz. Gli esercizi da consegnare possono essere svolte sia da frequentanti che non frequentati e vengono prese in considerazione solamente se tutte le consegne sono state effettuate e fino all’appello di settembre dell’anno accademico corrente. Altrimenti, il voto finale sarà il voto preso all’esame scritto. La valutazione (prova scritta più gli esercizi consegnati durante il corso/quiz ove occorrente) è positiva con un punteggio complessivo di almeno 18/30. Gli esiti saranno pubblicati su Esse3, di norma entro due settimane dal giorno previsto della prova d'esame.

Testi di riferimento

Azzalini, Scarpa (2004), Analisi dei dati e data mining, Springer-Verlag James, Witten, Hastie, Tibshirani (2013), An Introduction to Statistical Learning (with Applications in R), Springer-Verlag Hastie, Tibshirani, Friedman (2009), The elements of statistical learning: data mining, inference and prediction. 2nd edition, Springer-Verlag

Codice insegnamento 28921

Analisi Delle Serie Temporali 2° anno · 1° semestre · 6 CFU · ECON-05/A · 0 file

Il corso intende fornire nozioni teoriche e strumenti di analisi delle serie temporali utili per le applicazioni empiriche macroeconomiche, e in particolare per lo studio delle fluttuazioni cicliche e delle politiche…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire nozioni teoriche e strumenti di analisi delle serie temporali utili per le applicazioni empiriche macroeconomiche, e in particolare per lo studio delle fluttuazioni cicliche e delle politiche macroeconomiche. Il corso si focalizza sugli aspetti teorico-statistici; le applicazioni economiche sono limitate ad alcuni esempi illustrativi.

Programma

1,5 CFU (10 ore) Processi stocastici stazionari: definizioni e concetti di base. Proiezioni ortogonali. Teoria della previsione. Teoria della rappresentazione. Lezioni: 8 ore. Esercitazioni: 2 ore. 1,5 CFU (10 ore) Modelli ARMA univariati. Filtri lineari. Equazioni stocastiche alle differenze (Processi AR). Processi MA. Autocovarianze. Specificazione e stima dei modelli ARMA. Lezioni: 8 ore. Esercitazioni: 2 ore 0,5 CFU (4 ore) Processi non stazionari. Processi TS e DS. Modelli ARIMA. Test di stazionarietà. Modelli a componenti non osservabili. Lezioni: 4 ore. 1 CFU (8 ore) Analisi multivariata. Processi ARMA vettoriali. Funzione di cross-covarianza. Rappresentazione. Granger causazione. Previsione. Specificazione e stima. Lezioni: 7 ore. Esercitazioni: 1 ora. 1,5 CFU (10 ore) VAR strutturali: generalità, identificazione, funzioni di risposta all’impulso, scomposizione della varianza. Cointegrazione e rappresentazione a trend comuni. Lezioni: 6 ore. Esercitazioni: 4 ore.

È richiesto un corso di matematica di livello intermedio che includa nozioni di algebra matriciale e nozioni elementari sugli spazi vettoriali, nonché un corso di base di statistica che includa elementi di inferenza statistica e la teoria statistica della regressione. Molto utile, anche se non strettamente necessaria, è una conoscenza di base delle equazioni alle differenze finite.

Lezioni frontali di teoria. Soluzione di esercizi alla lavagna. Applicazioni al computer, in laboratorio di calcolo, con l'uso del software MATLAB. Progetto costituito da una applicazione empirica su temi macroeconomici da svolgere a casa, in piccoli gruppi, con presentazione individuale in aula.

Modalità d'esame

Una parte della verifica avviene tramite un piccolo progetto, costituito da un lavoro empirico su un tema macroeconomico da svolgere a casa in piccoli gruppi con il software MATLAB. Il lavoro è oggetto di una presentazione pubblica in aula e vale per il 35% dell’esame. Il restante 65% è costituito da un esame scritto da svolgere individualmente. L’esame, di un'ora, è una prova scritta costituita da alcune domande teoriche con risposta aperta e alcuni esercizi. Esempi della prova di esame sono a disposizione degli studenti.

Testi di riferimento

Hamilton, J.D. (1994) Time Series Analysis. Princeton: Princeton University Press. cap 2, cap 3, esclusi 3.6 e 3A, parr. 4.1, 4.2, 4.8, 4A parr. 10.1, 10.2, parr. 17.1, 17.2, 17.4 (solo summary), par. 19.1. Sargent, T. (1987) Macroeconomic Theory. New York: Academic Press. Dispensa a cura del docente.

Codice insegnamento 28926

Data Driven Human Resource Management 2° anno · 2° semestre · 6 CFU · ECON-08/A · 0 file

Il corso intende fornire i concetti e gli strumenti fondamentali per la gestione delle risorse umane nell’organizzazione digitalizzata. Questo obiettivo di carattere generale si articola in due sotto-obiettivi, a cui…

Scheda dell'insegnamento

Obiettivi formativi

Il corso intende fornire i concetti e gli strumenti fondamentali per la gestione delle risorse umane nell’organizzazione digitalizzata. Questo obiettivo di carattere generale si articola in due sotto-obiettivi, a cui corrispondono le tappe del processo di apprendimento e a cui sono dedicate un uguale numero di lezioni. Il primo riguarda la teoria e la pratica di gestione delle risorse umane come funzione aziendale consolidata; questa prima parte è arricchita dalle testimonianze di HR managers. Il secondo riguarda la trasformazione digitale del lavoro e le sue implicazioni per la gestione delle risorse umane, segnatamente la svolta data-driven, discussa nei suoi diversi piani di complessità interdisciplinare (organizzativa, metodologica, informatica, giuridica) e analizzata attraverso applicazioni concrete (use cases) di data analytics ai processi decisionali relativi alle risorse umane; questa seconda parte è arricchita dal lavoro in gruppi, dedicato alla soluzione di una challenge sottoposta da un’azienda, con il corredo dei dataset di HR necessari alla ricerca di una soluzione.

Programma

Teoria della Gestione delle Risorse Umane Workforce Planning Employer Branding Recruiting Performance Management Training & Development Compensation Digital HRM, data-driven HRM, HR/People analytics Data-driven HRM: una questione interdisciplinare (privacy, quality, visibility)

Avere superato gli esami di analisi quantitativa del primo anno

Lezioni, casi di studio, esercizi, testimonianze aziendali e teamwork su challenges aziendali

Modalità d'esame

Frequentanti: Prova scritta sul programma d'esame (30%) e lavoro di gruppo su challenge aziendale (70%) Non frequentanti: Prova scritta sul programma d'esame (100%)

Testi di riferimento

D. Angrave et al., HR and analytics: why HR is set to fail the big data challenge, Human Resource Management Journal n.1/2016 T. Rasmussen, D. Ulrich, Learning from practice: how HR analytics avoids being a management fad, Organizational Dynamics n. 44/2015 Y. Curzi. T. Fabbri, Dalla gestione delle risorse umane alla valorizzazione delle competenze, in R. Albano, T. Fabbri, La regolazione organizzativa nei servizi sociali, Giappichelli, Torino, 2024, pag. 41-75 M. Gianecchini, A.C. Scapolan, La gestione strategica delle risorse umane, in M. Neri (a cura di), Humans, resources or what else?, TAO Digital Library, Bologna, 2021 T. Fabbri, A. Scapolan, Digitalization and HR Analytics: a big game for an HR Manager, in F.Cantoni, G.Mangia (Eds), Human Resource Management and Digitalization, Routledge, 2017, pag.243-254 Fabbri T., Scapolan A.C., Bertolotti F., Mandreoli F., Martoglia R. (2022) Work Datafication and Digital Work Behavior Analysis as a Source of HRM Insights, in Solari L., Martinez M., Braccini A.M., Lazazzara A. (eds) Do Machines Dream of Electric Workers?. Lecture Notes in Information Systems and Organisation, vol 49. Springer, Cham. P.M. Leonardi, J.W. Treem, Behavioral Visibility: A new paradigm for organization studies in the age of digitization, digitalization, and datafication, Organization Studies 2020, Vol. 41(12) 1601–1625 P.M. Leonardi, COVID-19 and the New Technologies of Organizing: Digital Exhaust, Digital Footprints, and Artificial Intelligence in the Wake of Remote Work, Journal of Management Studies, 2020

Codice insegnamento 28930

Data Driven Marketing 2° anno · 1° semestre · 9 CFU · ECON-07/A · 0 file

Il corso si propone di fornire agli studenti le conoscenze strategiche, il know-how metodologico e le necessarie competenze tecniche per il marketing digitale, con una particolare attenzione al tema dell’analisi e…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti le conoscenze strategiche, il know-how metodologico e le necessarie competenze tecniche per il marketing digitale, con una particolare attenzione al tema dell’analisi e dell’interpretazione dei dati relativi ai clienti e ai mercati dell’impresa. Al termine del corso gli studenti dovrebbero essere in grado di conoscere modelli concettuali e tecniche utili per: 1) analizzare e comprendere il mercato, 2) mappare il percorso del cliente tra touchpoint digitali e fisici 3) raccogliere ed analizzare i dati dei clienti per definire le strategie con cui generare valore e sviluppare relazioni vantaggiose con i target di riferimento. Il tutto sviluppato dedicando particolare attenzione alle attuali evoluzioni del contesto, quindi fornendo strumenti di lettura specifici in chiave digital. La seconda parte del corso, basandosi su una prospettiva di analisi fondata sulla centralità del clienti (customer centricity) e dei dati ad essi connessi, si concentra sugli elementi alla base delle strategie di gestione del cliente nel lungo periodo e di tattiche operative di breve periodo. In particolare il corso si concentra su: - le metriche di analisi del valore del cliente; - l'analisi del portafoglio clienti utilizzando le predette metriche; - la definizione di strategie e tattiche specifiche per accrescere il valore del singolo cliente. L'obiettivo è permettere di interpretare la composizione della base clienti, in un ottica di valore, e di progettare le strategie relazionali che possono aumentare, nel tempo, il valore generato da ogni cliente.

Programma

I crediti di didattica frontale e le relative ore di lezione previste per i contenuti del corso sono illustrati di seguito. Si ricorda che per ogni credito formativo universitario (CFU) sono previste 7 ore di didattica frontale e 14 ore di studio autonomo; dunque, un CFU corrisponde a un impegno complessivo di 21 ore. • Lo scenario digitale: evoluzione e trend di settore (1 Cfu: 7 ore frontali + 14 ore di studio) • Comprendere il customer journey e i touchpoint tra ambienti fisici e digitali (1 Cfu: 7 ore frontali + 14 ore di studio) • La centralità del sito web (1 Cfu: 7 ore frontali + 14 ore di studio) • Creare una strategia di marketing data-driven (1 Cfu: 7 ore frontali + 14 ore di studio) • La gestione dei contenuti: il content marketing (1 Cfu: 7 ore frontali + 14 ore di studio) • La gestione dei social: il social media marketing (1 Cfu: 7 ore frontali + 14 ore di studio) • Centralità del cliente e metriche di analisi basate sull'attività e sul valore (10 ore frontali + 21 ore di studio) • Dalle metriche all'analisi del portafoglio cliente alla definizione delle strategie e delle tattiche di gestione (11 ore frontali + 21 ore di studio) I pesi assegnati agli argomenti sono suscettibili di cambiamenti sulla base dell’interesse manifestato dagli studenti o da avvenimenti di attualità che possono portare ad attribuire maggior attenzione ad una parte/argomento.

Conoscenza dei principi di marketing strategico e marketing operativo, e livello sufficiente di familiarità delle dinamiche e delle piattaforme di Internet. Buona conoscenza della lingua inglese, in quanto parte del materiale potrà essere fornito in inglese.

Il corso si sviluppa utilizzando formati diversi (lezioni tradizionali, esercizi, testimonianze di operatori di marketing) per offrire un mix di teoria e spiegazioni pratiche sul marketing digitale. La frequenza non è obbligatoria, ma vivamente consigliata.

Modalità d'esame

Coerentemente con gli obiettivi formativi e con i metodi didattici del corso, la verifica dell’apprendimento sarà svolta come segue. Modulo DIGITAL: prova scritta composta da 22 domande a risposta multipla (1 punto ciascuna) e 2 domande aperte (5 punti ciascuna) Modulo CRM: prova scritta composta da 3 domande: 2 domande teoriche (25% + 25%) 1 domanda applicativa (caso di studio) (50%)

Testi di riferimento

Brancale F. (2023), Data-driven Marketing, Flaco edizioni (fino al capitolo 7) Kotler P., Hollensen S., Opresnic M.O. (2021), Social media marketing, Hoepli Balboni B., (2013), Customer Value Management. Valore, strategie e performance nella gestione del portafoglio clienti, FrancoAngeli Fader, P. (2020). Customer centricity: Focus on the right customers for strategic advantage. University of Pennsylvania Press. Kumar, V., & Reinartz, W. (2018). Customer relationship management. Springer

Codice insegnamento 28931

Digital Business Modeling & Lab 2° anno · 2° semestre · 6 CFU · ECON-07/A · 0 file
Digital Business Strategy 2° anno · 1° semestre · 6 CFU · ECON-06/A · 0 file

Il corso si propone di fornire agli studenti strumenti concettuali e analitici per comprendere e valutare le strategie e i modelli di business nell’economia digitale. Dopo aver introdotto i principali strumenti di…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire agli studenti strumenti concettuali e analitici per comprendere e valutare le strategie e i modelli di business nell’economia digitale. Dopo aver introdotto i principali strumenti di analisi strategica, il corso approfondisce le caratteristiche distintive dei modelli di business digitali e i processi attraverso cui le tecnologie digitali modificano le modalità di creazione e appropriazione del valore, le dinamiche competitive e i confini tra settori. Particolare attenzione è dedicata al collegamento tra scelte strategiche e di business model e risultati economico-finanziari, analizzando come tali scelte influenzino i principali driver della redditività operativa, sia in termini di risultato operativo sia di capitale operativo investito. Il corso mira inoltre a sviluppare la capacità di utilizzare dati e strumenti quantitativi per supportare l’analisi strategica e la valutazione dei modelli di business. Le attività applicative sono finalizzate alla raccolta, elaborazione, analisi e interpretazione di dati provenienti da fonti diverse e alla costruzione e validazione di modelli analitici a supporto delle decisioni strategiche.

Programma

Sebbene il corso sia in Italiano, il programma e la maggior parte dei materiali sono in inglese, per cui si presentano di seguito i contenuti in inglese 1 CFU: Strategic analysis in the digital economy Evolution of strategic management, industry analysis, business models and value networks. 2 CFU: Digital business models and competitive dynamics Economics of digital goods, value creation and value capture, network and learning effects, and competition between digital and traditional business models. 1 CFU: Economics and financial consequences of business models Key drivers of operating profit and net operating assets and their relationship with strategic and business model choices. 2 CFU: Data-driven strategic analysis Use of internal and external data, quantitative analysis and analytical models to investigate strategic and business model questions. Il programma di dettaglio con l'indicazione dei materiali sarà disponibile su Moodle.

Il corso non richiede prerequisiti formali. Il programma presuppone tuttavia conoscenze di base di economia aziendale, contabilità e analisi dei dati. Gli studenti che ritengono di non avere adeguate conoscenze a riguardo riceveranno istruzioni prima dell’inizio del corso su come fare per colmare eventuali carenze nella propria formazione di partenza.

La didattica si basa su una combinazione di lezioni frontali, analisi e discussione di casi aziendali, attività strutturate in aula ed esercitazioni applicative. Le lezioni frontali introducono i concetti e i framework necessari per l'analisi strategica e la valutazione dei modelli di business; casi e attività in aula ne favoriscono l'applicazione a situazioni aziendali concrete. Le esercitazioni utilizzano dati e strumenti quantitativi e digitali, con particolare attenzione a Excel, per affrontare problemi di natura strategica e analizzare le implicazioni economico-finanziarie delle scelte di business model. Per gli studenti frequentanti, il corso prevede inoltre un lavoro di gruppo da consegnare al termine del corso, finalizzato all'applicazione integrata dei concetti e degli strumenti sviluppati durante l'insegnamento.

Modalità d'esame

Per gli studenti frequentanti, l’apprendimento viene verificato attraverso quiz e assignment svolti durante il corso, un lavoro di gruppo finale e un esame finale. L’esame finale consiste in una prova al computer composta da domande chiuse, domande numeriche e 1 domanda aperta. Indicazioni più dettagliate sulle modalità di svolgimento e sulla composizione del punteggio saranno fornite durante il corso. Per gli studenti non frequentanti, l’apprendimento viene verificato attraverso l’esame finale, consistente in una prova al computer composta da domande chiuse, domande numeriche e 3 domande aperte.

Testi di riferimento

Studenti frequentanti: Iansiti, M., & Lakhani, K. R. (2020). "Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World." Harvard Business Review Press. Capitoli da 6 a 10 Nota: C. Parolini, The evolution of strategic management (disponibile su Moodle) Capitolo di libro: C. Parolini, Le determinanti della redditività operativa (disponibile su Moodle) Slides del corso (disponibili su Moodle) Studenti non frequentanti: Iansiti, M., & Lakhani, K. R. (2020). "Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World." Harvard Business Review Press. Capitoli da 6 a 10 Harari, Y. N. (2024). Nexus: A Brief History of Information Networks from the Stone Age to AI. Random House. global.penguinrandomhouse.com - Italian edition: Harari, Y. N. (2024). Nexus. Breve storia delle reti di informazione dall'età della pietra all'IA. Bompiani. Nota: C. Parolini, The evolution of strategic management (disponibile su Moodle) Capitolo di libro: C. Parolini, Le determinanti della redditività operativa (disponibile su Moodle) Capitolo di libro: C. Parolini, The Value Net (disponibile su Moodle) Slides del corso (disponibili su Moodle)

Codice insegnamento 28922

Diritto Dell’Economia Digitale 2° anno · 2° semestre · 6 CFU · GIUR-03/A · 0 file

Il corso di Diritto dell’economia digitale è un modulo Jean Monnet, come parte del progetto ECODIGITAL - Economic Digital Law: analysing the EU legal framework of Digital Economy and unfolding its potential, finanziato…

Scheda dell'insegnamento

Obiettivi formativi

Il corso di Diritto dell’economia digitale è un modulo Jean Monnet, come parte del progetto ECODIGITAL - Economic Digital Law: analysing the EU legal framework of Digital Economy and unfolding its potential, finanziato dall’Unione europea nel quadro del programma Erasmus +. Esso mira a fornire una conoscenza della normativa europea (e, per quanto di competenza, nazionale) applicabile al mercato digitale e degli orientamenti giurisprudenziali rilevanti nel settore, con particolare riferimento alla disciplina di libera circolazione e protezione dei dati personali ed alla regolazione dei mercati digitali, nel contesto di un’economia data-driven.

Programma

1) L’evoluzione della disciplina in tema di riservatezza e protezione dei dati: dalle origini ottocentesche ai giorni nostri – 2 ore 2) La Strategia europea in materia di dati: un quadro di insieme – 2 ore 3) La libera circolazione e la protezione dei dati personali tra GDPR e Codice della privacy – 17 ore 4) La tutela della proprietà intellettuale sui software e sulle banche dati – 1 ora 5) Altruismo dei dati e riuso dei dati pubblici: il Data Governance Act - 4 ore 6) Norme armonizzate sull'accesso equo ai dati e sul loro utilizzo: il Data Act – 4 ore 7) Il commercio elettronico: i servizi della società dell’informazione, la fornitura di contenuti e servizi digitali, le piattaforme digitali – 2 ore 8) La regolazione dei mercati digitali: il Digital Markets Act – 4 ore 9) La disciplina dei servizi digitali: il Digital Services Act – 4 ore 10) L’uso dei dati nel contesto dell’intelligenza artificiale: l’AI Act e il Digital omnibus on AI– 2 ore 11) Focus con esperti su tematiche relative al governo dell’economia digitale – 6 ore

Il corso può essere più facilmente fruito con la conoscenza di nozioni giuridiche fondamentali, specialmente in tema di fonti del diritto. Non è invece richiesta una conoscenza specialistica di singoli settori ordinamentali.

Il corso si svolgerà attraverso 42 ore di lezioni frontali, in lingua italiana, alle quali gli studenti sono vivamente invitati a partecipare attivamente. Nel corso di esse, saranno discussi casi giurisprudenziali significativi relativi agli argomenti trattati nel corso. In relazione alla natura di modulo Jean Monnet dell’insegnamento ed al progetto ECODIGITAL di cui esso è parte, sono previsti inoltre tre seminari di approfondimento, per complessive sei ore di lezione, su tematiche specifiche con esperti del settore, che costituiscono parte integrante della didattica. Le lezioni si svolgono in presenza, ma sono registrate. Le registrazioni saranno disponibili da subito.

Modalità d'esame

L'esame si svolge in forma orale mediante alcune domande, volte ad accertare la conoscenza e comprensione del dettato normativo e la capacità di applicarlo a fattispecie concrete. La prova ha una durata indicativa di 25 minuti. Gli studenti iscritti all’appello che intendano rinunciarvi devono cancellarsi da Esse3 entro il termine di chiusura delle iscrizioni (ovvero tre giorni prima dell’esame). Nel caso in cui sopravvenga in un momento successivo la necessità per lo studente di ritirarsi dall'esame, sarà possibile giustificare la propria assenza e comunicare il ritiro inviando una mail al docente entro il giorno stesso dell’esame. In caso contrario lo studente sarà considerato assente ingiustificato e, per conseguenza, dovrà saltare l’appello successivo.

Testi di riferimento

Gli studenti frequentanti possono utilizzare le slide e i materiali resi disponibili dal docente sulla piattaforma Moodle e gli appunti delle lezioni. Si considera tale lo studente che abbia partecipato almeno al 75% delle lezioni e a due seminari con esperti esterni. Gli studenti non frequentanti (o che comunque lo preferiscano) possono fare riferimento a: G. ZICCARDI - P. PERRI (a cura di), Tecnologia e diritto, vol II. Informatica giuridica, Giuffrè, Milano, 2019, limitatamente ai capitoli da III a XVI; F. PIZZETTI (a cura di), La regolazione europea della società digitale, Giappichelli, Torino, 2024, limitatamente ai capitoli I, II, III, V, VI e VII; G. PASCUZZI, Il diritto dell’era digitale, Il Mulino, Bologna, sesta edizione, 2025, limitatamente al capitolo 9.

Codice insegnamento 28932

Formazione E Valutazione Delle Leggi 2° anno · 1° semestre · 6 CFU · GIUR-03/A · 0 file

Il corso mira ad offrire un quadro del procedimento legislativo a livello nazionale e regionale, ponendo l’accento sui metodi e le tecniche per l’analisi e la valutazione dell’impatto, in particolare finanziario, delle…

Scheda dell'insegnamento

Obiettivi formativi

Il corso mira ad offrire un quadro del procedimento legislativo a livello nazionale e regionale, ponendo l’accento sui metodi e le tecniche per l’analisi e la valutazione dell’impatto, in particolare finanziario, delle leggi (e di altri atti normativi) e sull’implementazione di essi in ambito governativo, parlamentare e regionale.

Programma

Il corso è suddiviso in due parti, in cui saranno trattati i seguenti argomenti: PARTE PRIMA – SISTEMA DELLE FONTI E PROCEDIMENTO LEGISLATIVO (3 CFU) 1) La qualità della legislazione nel diritto dell’Unione europea e nel diritto costituzionale italiano: 3 ore 2) Tendenze attuali della legislazione: 3 ore 3) Regole generali di funzionamento delle Camere: 2 ore 4) Il procedimento legislativo ordinario: 4 ore 5) I procedimenti in ambito economico-finanziario: 2 ore 6) I procedimenti legislativi speciali (conversione di decreti-legge, autorizzazione alla ratifica dei Trattati internazionali, ecc.): 2 ore 7) Il procedimento legislativo in ambito regionale: 2 ore 8) Il lobbying e la sua regolazione: 2 ore PARTE SECONDA – ANALISI E VALUTAZIONE DELLE LEGGI (3 CFU) 1) La formulazione degli atti normativi: 2 ore 2) La relazione illustrativa e l’analisi tecnico-normativa (ATN): 2 ore 3) Quantificazione degli oneri e copertura finanziaria delle leggi di spesa: 2 ore 4) Analisi di Impatto della Regolazione (AIR) e Valutazione di Impatto della Regolazione (VIR) con particolare attenzione ai profili economici, ambientali e di genere dell’analisi: 2 ore 5) La programmazione e semplificazione normativa: 4 ore 6) La tecnica legislativa a livello regionale: 2 ore 7) L’uso delle tecnologie nel procedimento legislativo: 2 ore 8) Esercitazioni di tecnica legislativa: 4 ore 9) Lavoro di gruppo sulla redazione di un progetto di legge: 2 ore Lo spazio dedicato ai singoli argomenti è indicativo e potrà subire variazioni per tenere conto di specifici interessi di ricerca, anche ai fini della stesura della tesi, ed esigenze didattiche degli studenti.

Il corso può essere utilmente seguito da studenti in possesso di nozioni basilari su fonti del diritto ed organi costituzionali, acquisiti tramite un corso di Diritto pubblico o Diritto costituzionale di livello istituzionale.

Testi di riferimento

Gli studenti frequentanti (ovvero che abbiano seguito almeno undici lezioni sulle ventino previste) possono utilizzare le slides e il materiale didattico resi disponibili dal docente sulla piattaforma Moodle e gli appunti delle lezioni. La presenza a lezione sarà accertata mediante l'app Unimore. Gli studenti non frequentanti (e coloro che in ogni caso lo preferiscano) possono fare riferimento a: 1) per gli argomenti trattati nella prima parte: L. GIANNITI - N. LUPO, Corso di diritto parlamentare, Il Mulino, Bologna, quarte edizione, 2023, limitatamente ai capitoli VII, VIII, paragrafi 3, 5 e 6, e X, nonché ai quadri 6.5, 6.6 e 9.4; 2) per gli argomenti trattati nella seconda parte: E. ALBANESI, Teoria e tecnica legislativa nel sistema costituzionale, Napoli, Editoriale Scientifica, terza edizione, 2026. Per il reperimento delle fonti, si suggerisce a tutti gli studenti, frequentanti e non, di fare riferimento a F. S. Toniato, Codice parlamentare, Lefèbvre Giuffrè, Milano, 2025.

Codice insegnamento 28923

Macroeconomia Avanzata 2° anno · 2° semestre · 9 CFU · ECON-01/A · 0 file

L'obiettivo del corso è fornire strumenti teorici e analitici rigorosi per lo studio della macroeconomia moderna. In particolare, il corso si concentra sui modelli macroeconomici dinamici di equilibrio generale con…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo del corso è fornire strumenti teorici e analitici rigorosi per lo studio della macroeconomia moderna. In particolare, il corso si concentra sui modelli macroeconomici dinamici di equilibrio generale con microfondazioni, anche in una prospettiva di lungo periodo, nonché sull'evidenza empirica relativa alle principali determinanti e conseguenze della crescita economica e della performance macroeconomica. Il corso si propone di fornire gli strumenti per affrontare a un livello avanzato le principali questioni trattate dalla letteratura macroeconomica, costruire e risolvere modelli analitici che le rappresentino, valutare la relativa evidenza empirica e analizzarne le implicazioni per la politica macroeconomica.

Programma

Per questo insegnamento, ogni Credito Formativo Universitario (CFU) corrisponde a 7 ore di didattica frontale e 18 ore di studio autonomo. Pertanto, un CFU corrisponde a un impegno standard complessivo di 25 ore. *** Parte I: Teoria (6 CFU – 42 ore) – Prof.ssa Graziella Bertocchi *** Introduzione alla teoria della crescita (fatti empirici; convergenza, crescita e sottosviluppo). Introduzione ai sistemi dinamici (equazioni alle differenze finite; stati stazionari; stabilità globale e locale). Riferimenti: Blanchard et al. (2024), Acemoglu (2009), Chiang e Wainwright (2005), Azariadis (1993), Galor (2007). Lezioni ed esercitazioni: 7 ore. Il modello di crescita neoclassico (il modello di Solow; il modello con agente rappresentativo a orizzonte infinito; la regola aurea; il modello del ciclo economico reale). Riferimenti: Blanchard et al. (2024), Bertocchi (1990), Acemoglu (2009), Azariadis (1993). Lezioni ed esercitazioni: 16 ore. Il modello con generazioni sovrapposte (scelta intertemporale; inefficienza dinamica; politiche fiscali; debito pubblico). Riferimenti: Bertocchi (1990), Acemoglu (2009), Azariadis (1993). Lezioni ed esercitazioni: 9 ore. La teoria della crescita endogena (innovazione; capitale umano; istruzione; fattori socio-politici). Riferimenti: Blanchard et al. (2024), Azariadis (1993), Acemoglu (2009). Lezioni ed esercitazioni: 3 ore. Diseguaglianza e redistribuzione (distribuzione del reddito e della ricchezza; politiche fiscali endogene; eredità; il teorema dell'elettore mediano). Riferimenti: Bertocchi (2011), Acemoglu (2009). Lezioni ed esercitazioni: 7 ore. *** Parte II: Evidenza empirica e applicazioni (3 CFU – 21 ore) – Prof. Cosimo Beverelli *** Evidenza empirica sulla crescita economica (convergenza; contabilità della crescita; capitale, lavoro e produttività). Lezioni: 4 ore. Determinanti della crescita e dello sviluppo (istituzioni; capitale umano e istruzione; commercio, innovazione e diffusione della tecnologia). Lezioni: 6 ore. Politica e performance macroeconomica (debito pubblico e crescita economica; il ritorno dell'inflazione: fatti, spiegazioni e dibattito sulle politiche economiche). Lezioni: 4 ore. Diseguaglianza, mobilità e redistribuzione (diseguaglianza del reddito e della ricchezza; mobilità intergenerazionale e uguaglianza delle opportunità; redistribuzione ed economia politica). Lezioni: 6 ore. Riepilogo e discussione. 1 ora.

Il corso può essere frequentato con profitto dopo aver acquisito i contenuti di metodi quantitativi, microeconomia e macroeconomia, insegnati nei corsi di base ed intermedi, e le competenze proprie di un corso introduttivo di econometria. In particolare, sono utili nozioni di calcolo, teoria della probabilità, metodi di ottimizzazione, analisi di regressione, teoria della crescita economica, teoria del consumatore e dell'impresa.

Il corso è impartito in lingua inglese. La modalità di erogazione è in presenza. La frequenza è facoltativa. L'approccio didattico si basa sulla presentazione degli argomenti tramite modelli economici di crescente complessità. Gli specifici prerequisiti matematici sono forniti nell'ambito del corso. Ogni argomento è illustrato con l'ausilio di esempi ed applicazioni. La parte empirica affianca all'analisi teorica evidenza empirica e applicazioni basate su dati macroeconomici, con particolare attenzione all'interpretazione dei risultati e ai dibattiti di politica economica. Sono previste esercitazioni durante le quali sono svolti problemi precedentemente assegnati. È incoraggiato il lavoro di gruppo per la risoluzione dei problemi assegnati in preparazione alle esercitazioni. È stimolata un'attiva partecipazione alle lezioni e alle esercitazioni.

Modalità d'esame

È previsto un esame finale scritto. L'esame, della durata di 90 minuti, sarà articolato in due parti. La prima parte riguarderà la Parte I del corso e richiederà la risoluzione di due problemi, ognuno suddiviso in più parti. Oltre alla risoluzione dei problemi sarà richiesto un commento dei risultati ottenuti. La seconda parte comprenderà un esercizio riguardante la Parte II del corso, suddiviso in più parti. Sarà richiesta l'analisi e l'interpretazione di evidenza empirica e la discussione dei relativi risultati. Ciascuno dei due problemi della prima parte vale 10 punti. L'esercizio della seconda parte vale complessivamente 10 punti. Un punto aggiuntivo viene assegnato come bonus, consentendo di raggiungere il punteggio massimo anche in caso di lievi imperfezioni. Un punteggio complessivo superiore a 30 comporta l'attribuzione della lode. Gli esiti saranno pubblicati indicativamente 10 giorni dopo l'esame. Gli esami saranno visionabili su richiesta, contattando i docenti via email. Durante le esercitazioni saranno svolti esempi di problemi. Saranno forniti esempi del testo d'esame.

Testi di riferimento

Viene fornito materiale didattico curato dai docenti che riflette il contenuto di lezioni ed esercitazioni. Il corso non si basa su un testo specifico ma come ausilio alla comprensione del materiale sono consigliati i seguenti testi: Acemoglu, D., Introduction to Modern Economic Growth, Princeton, 2009; Azariadis, A., Intertemporal Macroeconomics, Wiley-Blackwell, 1993; Barro, R.J., Sala-I-Martin, X., Economic Growth, Second edition, MIT Press, 2004; Bertocchi, G., Strutture Finanziarie Dinamiche, Il Mulino, 1990; Blanchard, O., Amighini, A., Giavazzi, F. Macroeconomia. Una prospettiva europea, Il Mulino, 2024; Blanchard, O., Fischer, S., Lectures on Macroeconomics, MIT Press, 1989; Chiang A., Wainwright, K., Fundamental Methods of Mathematical Economics, Fourth edition, McGraw-Hill, 2005; Galor, O., Discrete Dynamical Systems, Springer, 2007; Romer, D., Advanced Macroeconomics, Fifth edition, McGraw-Hill, 2019; Weil, D.N., Crescita Economica, Hoepli, 2007. Nel corso del semestre potranno essere assegnate altre letture.

Codice insegnamento 28924

Metodi Decisionali Per L’Economia E La Finanza 2° anno · 1° semestre · 6 CFU · STAT-04/A · 0 file

Il corso si propone di fornire allo studente solide conoscenze necessarie per la comprensione e l’applicazione degli strumenti utilizzati per il supporto alle decisioni in ambito economico e finanziario. In particolare…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di fornire allo studente solide conoscenze necessarie per la comprensione e l’applicazione degli strumenti utilizzati per il supporto alle decisioni in ambito economico e finanziario. In particolare verranno esaminati i metodi decisionali multicriteriali ed i principali modelli di finanza quantitativa utili necessari per i problemi pratici incontrati in campo aziendale. Alcune applicazioni e casi di studio saranno discussi durante le lezioni. Per un ulteriore approfondimento degli obiettivi formativi, si rimanda alla lettura dei "Risultati di apprendimento attesi".

Programma

Per ciascuna attività del programma è prevista l’acquisizione di CFU (Crediti Formativi Universitari) di didattica frontale e relative ore di lezione. Si noti che in questo insegnamento per ogni CFU sono previste 7 ore di didattica frontale e 18 ore di studio autonomo di studentesse e studenti. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore. La scansione dei contenuti per CFU è da intendere come puramente indicativa. Essa può infatti subire modifiche nel corso dell’insegnamento alla luce dei feedback degli studenti e delle studentesse. 1. AIUTO MULTICRITERIALE ALLA DECISIONE (2 CFU) Elementi di logica classica e fuzzy. Relazioni binarie e strutture di preferenza crisp e fuzzy. Fuzzy rule-based classification systems (frbcs). Riferimenti: George Bojadziev, Maria Bojadziev - Fuzzy Logic for Business, Finance, and Management. Advances in Fuzzy Systems – Applications and Theory – Vol. 23. (2007). Capitoli 1,2,5 Riza L.S., Bergmeir C., Herrera F., Benitez J.M., (2015). Frbs: Fuzzy Rule-Based Systems for Classification and Regression in R. Journal of Statistical Software, Vol. 65, n. 6, pp.1–30. http:// www.jstatsoft.org/v65/i06/ Principali metodologie e tecniche di aggregazione. Metodi Topsis Riferimenti: Papathanasiou, J., & Ploskas, N. (2018). Multiple criteria decision aid. In Methods, Examples and Python Implementations, Vol. 136. Springer Optimization and Its Applications. Capitoli 1,3. Behzadian, M., Khanmohammadi Otaghsara, S., Yazdani, M., & Ignatius, J. (2012). A state-of the-art survey of TOPSIS applications. Expert Systems with Applications, 39(17), 13051–13069. doi.org/10.1016/j.eswa.2012.05.056 Brüggemann, R., & Patil, G. (2011). Ranking and Prioritization for Multi-indicator Systems. Introduction to Partial Order Applications. New York: Springer. doi:10.1007/978-1-4419-8477-7. 2. QUANTITATIVE FINANCE E FINANCIAL ECONOMETRICS (4 CFU) 2 CFU – (14 ore) Opzioni: modello binomiale e Black-Scholes, titoli azionari: CAPM e test econometrici. Riferimenti: Simon Benninga, Modelli Finanziari, la finanza con Excel, McGraw-Hill, 2010, seconda edizione, con CD-Rom allegato. Capitoli 7,8,9,10,11,16,17,18 Moment risk premia and the cross-section of stock returns in the European stock market, E. Elyasiani, L Gambarelli, S Muzzioli. Journal of Banking & Finance, Volume 111, February 2020, 105732 1 CFU – (7 ore) Serie storiche finanziarie e loro caratteristiche. Rendimenti e volatilità, volatilità implicita Riferimenti: Tsay, R.S. (2010) – Analysis of Financial Time Series. Wiley, Capitoli 1,2 Il corso si basa su elementi di statistica e matematica finanziaria che si danno per acquisiti. Si richiede la conoscenza dei modelli di valutazione degli strumenti azionari, obbligazionari e derivati (fornita nel corso di Modelli per gli investimenti finanziari). Alcuni concetti necessari alla trattazione degli argomenti del corso verranno richiamati all’inizio del corso stesso. La didattica è basata, in via ordinaria, su lezioni frontali in presenza tramite ausilio di lavagne virtuali (tablet), nelle quali la materia viene sviluppata nei dettagli formali e debitamente commentata. Potranno svolgersi esercitazioni al computer con uso di software quali Excel ed R. Sarà garantita l’erogazione a distanza. Ogni lezione prevede una parte teorica accompagnata dalla risoluzione di esercizi. Le domande e gli interventi degli studenti sono graditi e incoraggiati. La frequenza non è obbligatoria, ma fortemente consigliata. Il corso è erogato in lingua italiana. Tutte le informazioni tecniche e organizzative sull'insegnamento, nonché il materiale didattico, saranno caricati su piattaforma teams e sulla pagina morespace http://morespace.unimore.it/silviamuzzioli/. Se possibile, le lezioni vengono videoregistrate e rese disponibili alla pagina Teams del corso e su morespace: http://morespace.unimore.it/silviamuzzioli/ Si invita lo studente ad iscriversi ed a consultare tale piattaforma con regolarità. L’insegnamento è erogato in lingua italiana.

Modalità d'esame

L'esame si svolgerà al termine dell’insegnamento secondo il calendario ufficiale degli appelli d’esame. La prova è scritta. La durata è di 1 ora. La prova di esame consiste nella risoluzione di 6 esercizi. Un esercizio vale 6 punti, gli altri 5 punti. La scala di valutazione è in trentesimi. L'esame è superato con un punteggio complessivo di almeno 18/30. La prova mira all'accertamento sia di una conoscenza operativa ed approfondita di tutti gli aspetti teorici della materia sia della capacità di affrontare e risolvere gli esercizi presentati durante il corso. Tali esercizi sono finalizzati a valutare: - le conoscenze e le capacità di comprensione; - l’applicazione di conoscenze e capacità di comprensione; - l’autonomia di giudizio. E’ possibile per gli studenti frequentanti il sostenimento dell'esame tramite la scrittura ed esposizione orale di una tesina. I risultati della valutazione del test o della tesina verranno comunicati mediante inserimento in esse3 entro due settimane dalla prova.

Testi di riferimento

  • Papathanasiou, J., & Ploskas, N. (2018). Multiple criteria decision aid. In Methods, Examples and Python Implementations, Vol. 136. Springer Optimization and Its Applications. - George Bojadziev, Maria Bojadziev - Fuzzy Logic for Business, Finance, and Management. Advances in Fuzzy Systems – Applications and Theory – Vol. 23. (2007). Capitoli 1,2,5 - Simon Benninga, Modelli Finanziari, la finanza con Excel, McGraw-Hill, 2010, seconda edizione, con CD-Rom allegato. - Tsay, R.S. (2010) – Analysis of Financial Time Series. Wiley.

Codice insegnamento 28927

Microeconomia Avanzata 2° anno · 1° semestre · 6 CFU · ECON-01/A · 0 file

Il corso si propone di dotare lo studente di rigorosi strumenti analitici per lo studio della moderna teoria microeconomica e di fornire una conoscenza approfondita delle teorie del consumatore, dell’impresa,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di dotare lo studente di rigorosi strumenti analitici per lo studio della moderna teoria microeconomica e di fornire una conoscenza approfondita delle teorie del consumatore, dell’impresa, dell’equilibrio economico generale, dell’equilibrio parziale e della scelta in condizioni di incertezza. L'obiettivo è di mettere lo studente nelle condizioni di analizzare le scelte economiche degli agenti e il funzionamento dei mercati attraverso l'utilizzo di modelli formali. Al termine del corso gli studenti dovrebbero essere in grado di - Formalizzare i principali problemi di scelta economica in termini di un problema di ottimizzazione vincolata - Risolvere problemi di ottimizzazione sia con vincoli di eguaglianza che di diseguaglianza. - Ricavare i principali modelli empirici dei sistemi di domanda. - Ricavare la funzione di offerta in un mercato perfettamente concorrenziale. - Calcolare i prezzi di equilibrio generale in un‘economia di puro scambio. - Impostare e risolvere un semplice problema di scelta di portafoglio tra un’attività sicura ed una rischiosa

Programma

  • Problemi di ottimizzazione vincolata. (1 CFU) - Teoria del consumatore e teoria della domanda. (2 CFU) - Tecnologia, costi e l'impresa in concorrenza perfetta. (1CFU) - Equilibrio economico generale e benessere sociale in economie di puro scambio e con produzione. Analisi di equilibrio parziale. (1CFU) - Scelta in condizioni di incertezza e applicazione alla scelta di portafoglio. (1 CFU)

La frequenza al corso presuppone che lo studente abbia appreso i principali contenuti che sono impartiti negli insegnamenti introduttivi di microeconomia e di matematica di un corso di laurea triennale (e che sia in grado di studiare su testi in lingua inglese.) Per quanto riguarda microeconomia i contenuti riguardano la teoria del consumatore e dell’impresa in mercati perfettamente concorrenziali, l’equilibrio generale e l’analisi del benessere sociale. Per quanto riguarda matematica i contenuti riguardano lo studio di funzioni di una o più variabili e l’algebra lineare.

L’attività didattica è costituita da lezioni ed esercitazioni in aula e, a discrezione dello studente, da esercitazioni individuali personalizzate da svolgere a casa e dall’elaborazione di una breve relazione scritta su un argomento non trattato nel corso e concordato con il docente. Nelle lezioni frontali si presentano gli strumenti analitici e i modelli teorici indicati nei contenuti del corso e si sviluppa la capacità di comprensione. Nelle esercitazioni in aula e nelle altre attività individuali da svolgere a casa si stimola la capacità di applicare la conoscenza e la comprensione dei modelli teorici a semplici problemi economici concreti e ad altri argomenti non coperti nel corso delle lezioni frontali. Un'attiva partecipazione alle lezioni e alle esercitazioni in aula è incoraggiata attraverso domande individuali e il coinvolgimento nello svolgimento in aula delle soluzioni degli esercizi. L’insegnamento è erogato in lingua italiana e la frequenza è facoltativa.

Modalità d'esame

La valutazione dell’apprendimento avviene mediante una prova scritta finale. L’esame scritto è composto da 4 esercizi e da una domanda con risposta aperta a scelta dello studente su tre domande proposte dal docente e riguardanti gli argomenti svolti in classe. L’esame dura 1 ora e 30 minuti. I massimi punteggi sono i seguenti: 7 punti per ciascuno dei 4 esercizi riguardanti la teoria del consumatore, l’equilibrio economico generale, la teoria dell’impresa e la scelta in condizioni di incertezza; 5 punti per la domanda a scelta. Un punteggio superiore a 30 corrisponde al voto di 30 e lode. Sulla pagina di Moodle dedicata al corso è disponibile un facsimile della prova di esame. Gli esiti saranno comunicati entro e non oltre una settimana dalla prova scritta; la pubblicazione avverrà tramite Esse3.

Testi di riferimento

Snyder, C. and W. Nicholson Microeconomic Theory, South –Western, Cengage, 11th ed., 2012, ch. 2,3,4, 5, 6, 9, 10 , 11, 13 Mas Colell, A., M. Whinston and J.Green, Microeconomic Theory, OUP, 1995 ch. 6.A, 6.B e 6.C Simon, C. and L. Blume, Mathematics for Economists, W.W. Norton, (1994) (opzionale) Brighi L. Microeconomia, Giappichelli, 1996. Esercizi cap. 2, 3 e 4

Codice insegnamento 28925

Prova Finale 2° anno · 15 CFU · 0 file
Ulteriori Conoscenze Linguistiche 2° anno · 3 CFU · 0 file

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.