Corso di laurea

Finance and Banking - Finanza e Banca

Università degli Studi di Roma Tor Vergata · 25 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

Advanced Topics In Finance And Insurance 1° anno · 6 CFU · STAT-04/A · 0 file

OBIETTIVI FORMATIVI: Apprendimento delle principali tecniche matematico/statistiche utilizzate nella modellizzazione e nell’ analisi dei mercati finanziari e nella misurazione e gestione del rischio. CONOSCENZA E…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Apprendimento delle principali tecniche matematico/statistiche utilizzate nella modellizzazione e nell’ analisi dei mercati finanziari e nella misurazione e gestione del rischio.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti acquisiscono conoscenza dei principali metodi matematici e statistici utilizzati per l'analisi dei mercati finanziari. Accanto agli aspetti più prettamente modellistici, vengono introdotti aspetti applicativi mediante l'uso di software dedicati in molteplici casi di studio.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del percorso di apprendimento gli studenti sono in grado di applicare le conoscenze e le tecniche acquisite per l'analisi di numerosi prodotti finanziari e la misurazione e gestione del rischio, anche tramite l'implementazione di programmi di calcolo.

AUTONOMIA DI GIUDIZIO: Il corso intende fornire una visione ampia e coerente dei diversi aspetti concernenti l'analisi e la gestione del rischio che possono orientare le decisioni e la soluzione dei problemi in contesti finanziari caratterizzati da informazioni spesso limitate e in rapida evoluzione.

ABILITÀ COMUNICATIVE: Lo studente dovrà essere in possesso di adeguate conoscenze che permettono di comunicare in modo chiaro, a interlocutori specialistici e non, il contesto teorico di riferimento, e sintetizzare le evidenze empiriche concernenti il problema decisionale sorto in ambito finanziario.

CAPACITÀ DI APPRENDIMENTO: Lo studente dovrà essere in grado di affrontare in modo ampiamente autonomo i problemi di analisi di prodotti finanziari complessi, misurazione e gestione del rischio, ed il necessario aggiornamento delle conoscenze e dei modelli in continua evoluzione nell'ambito finanziario.

Programma

Il corso si articola su due principali tematiche:
I) Ingegneria finanziaria per gli investimenti (3 settimane). Questo modulo copre la valutazione di molteplici strumenti e classi di attività:

  • Valutazione di strumenti finanziari, compresi i fondamenti della teoria dei prezzi lineari e la valutazione neutrale al rischio per i derivati
  • Identificazione, modellazione e previsione dei principali fattori di rischio per i rendimenti di azioni, strumenti a reddito fisso, derivati, strumenti di credito, alta frequenza, cambi
  • Tecniche di repricing: metodi Monte Carlo per il “full repricing”, approssimazioni analitiche di “greche” (Greeks).

II) Data science per la finanza (3 settimane). Questo modulo copre gli strumenti statistici necessari per modellare e stimare le dinamiche congiunte dei mercati:

  • Distribuzioni multivariate e classi notevoli: ellittiche, esponenziali, discrete
  • L'ecosistema “media-covarianza/lineare”: vettore medio, matrice di covarianza, ellissoide, equivarianza affine, correlazione, previsione lineare
  • Stima dell'ecosistema “media-covarianza/lineare”: stime "storiche", massima verosimiglianza, stime Bayesiane, teoria delle matrici aleatorie e shrinkage
  • Modelli fattoriali lineari: regressione, analisi delle componenti principali, analisi dei fattori, modelli cross-sectional
  • Modelli di apprendimento automatico; feature engineering, feature bases, alberi, reti neurali, gradient boosting, regolarizzazione lasso/ridge, foreste casuali, ecc.

Modalità d'esame

La verifica dell'apprendimento è basata su tre criteri:

1) partecipazione attiva delle "flipped classrooms". Agli studenti divisi in piccoli gruppi sono proposti dei temi/problemi da affrontare/risolvere in un tempo assegnato da discutere con il resto della classe.
2) Consegna degli homework. Ogni settimana sono proposti dei problemi che gli studenti devono risolvere e sottomettere in formato elettronico.
3) Prova scritta finale. La prova finale, in modalità "open book", consiste in domande a risposta aperta. Le domande comprendono sia questioni di tipo teorico/modellistico che la risoluzione di problemi/esempi, affrontati durante il corso. Lo studente dovrà dimostrare di aver appreso le principali tecniche matematico/statistiche usate nella modellizzazione e nell'analisi dei mercati finanziari e la loro conseguente applicazione in modo ampiamente autonomo a prodotti finanziari anche complessi per la misurazione e gestione del rischio. Inoltre, viene valutata l'abilità di comunicazione in termini di proprietà di linguaggio e chiarezza espositiva, in aderenza con i descrittori di Dublino.
Il punteggio della prova d'esame è espresso in trentesimi, in accordo con i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

A. Meucci, Risk and Asset Allocation, Springer 2009

Codice insegnamento 8012331

Advanced Topics In Finance And Insurance Ii 1° anno · 6 CFU · SECS-S/06 · 0 file

OBIETTIVI FORMATIVI: Apprendimento delle principali tecniche matematico/statistiche utilizzate nella modellizzazione e nell’ analisi dei mercati finanziari e nella misurazione e gestione del rischio. CONOSCENZA E…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Apprendimento delle principali tecniche matematico/statistiche utilizzate nella modellizzazione e nell’ analisi dei mercati finanziari e nella misurazione e gestione del rischio.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti acquisiscono conoscenza dei principali metodi matematici e statistici utilizzati per l'analisi dei mercati finanziari. Accanto agli aspetti più prettamente modellistici, vengono introdotti aspetti applicativi mediante l'uso di software dedicati in molteplici casi di studio.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del percorso di apprendimento gli studenti sono in grado di applicare le conoscenze e le tecniche acquisite per l'analisi di numerosi prodotti finanziari e la misurazione e gestione del rischio, anche tramite l'implementazione di programmi di calcolo.

AUTONOMIA DI GIUDIZIO: Il corso intende fornire una visione ampia e coerente dei diversi aspetti concernenti l'analisi e la gestione del rischio che possono orientare le decisioni e la soluzione dei problemi in contesti finanziari caratterizzati da informazioni spesso limitate e in rapida evoluzione.

ABILITÀ COMUNICATIVE: Lo studente dovrà essere in possesso di adeguate conoscenze che permettono di comunicare in modo chiaro, a interlocutori specialistici e non, il contesto teorico di riferimento, e sintetizzare le evidenze empiriche concernenti il problema decisionale sorto in ambito finanziario.

CAPACITÀ DI APPRENDIMENTO: Lo studente dovrà essere in grado di affrontare in modo ampiamente autonomo i problemi di analisi di prodotti finanziari complessi, misurazione e gestione del rischio, ed il necessario aggiornamento delle conoscenze e dei modelli in continua evoluzione nell'ambito finanziario.

Programma

Il corso si articola su due principali tematiche:
1) La gestione quantitativa del rischio (3 settimane) comprende la valutazione del portafoglio corretta per il rischio/liquidità, la distribuzione dei rendimenti e le statistiche di rischio, e la loro scomposizione nei principali fattori di rischio:

  • Aggregazione, che consiste nel calcolo del valore di un portafoglio, compresi i portafogli di imprese, e della sua distribuzione del rendimento ex-ante in mercati regolari e in condizioni di stress
  • Valutazione ex-ante, che consiste nel calcolo di misure di rischio, quali misure basate sull'utilità, VaR, CVaR e misure spettrali più generali
  • Attribuzione ex-ante, che consiste nella scomposizione delle misure di rendimento e di rischio ex-ante nei principali fattori di rischio
    2) La gestione quantitativa del portafoglio (3 settimane) comprende la costruzione statica e dinamica del portafoglio e l'esecuzione ottimale:
  • Ottimizzazione: programmazione convessa, regolarizzazione quadratica, problemi di selezione
  • Costruzione di portafogli a un periodo: rendimento totale e valore relativo media-varianza, legge fondamentale della gestione attiva, valori estremi e non normalità
  • Costruzione di portafogli dinamici: strategie cross-sectional, strategie time-series
  • Esecuzione: modellazione dell'impatto del mercato, programmazione degli ordini, collocamento degli ordini

I precedenti moduli sono oggetto del corso "Advanced Topics in Finance and Insurance I".

Modalità d'esame

La verifica dell'apprendimento è basata su tre criteri:

1) partecipazione attiva delle "flipped classrooms". Agli studenti divisi in piccoli gruppi sono proposti dei temi/problemi da affrontare/risolvere in un tempo assegnato da discutere con il resto della classe.
2) Consegna degli homework. Ogni settimana sono proposti dei problemi che gli studenti devono risolvere e sottomettere in formato elettronico.
3) Prova scritta finale. La prova finale, in modalità "open book", consiste in domande a risposta aperta. Le domande comprendono sia questioni di tipo teorico/modellistico che la risoluzione di problemi/esempi, affrontati durante il corso. Lo studente dovrà dimostrare di aver appreso le principali tecniche matematico/statistiche usate nella modellizzazione e nell'analisi dei mercati finanziari e la loro conseguente applicazione in modo ampiamente autonomo a prodotti finanziari anche complessi per la misurazione e gestione del rischio. Inoltre, viene valutata l'abilità di comunicazione in termini di proprietà di linguaggio e chiarezza espositiva, in aderenza con i descrittori di Dublino.
Il punteggio della prova d'esame è espresso in trentesimi, in accordo con i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

A. Meucci, Risk and Asset Allocation, Springer 2009

Codice insegnamento 8011972

Automated Decision Making In Business And Economics 1° anno · 6 CFU · STAT-04/A · 0 file

OBIETTIVI FORMATIVI: Il corso si propone di fornire le competenze informatiche metodologiche (con l'utilizzo di applicativi e linguaggi di programmazione quali Excel, VBA, python ecc.) per l'analisi di dati su larga…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
Il corso si propone di fornire le competenze informatiche metodologiche (con l'utilizzo di applicativi e linguaggi di programmazione quali Excel, VBA, python ecc.) per l'analisi di dati su larga scala provenienti da una molteplicità di fonti, quali banche dati economiche, eventi storici, testi, social media, sensori, immagini o discorsi allo scopo di prendere decisioni in una serie di contesti, tra cui politiche economiche, amministrazione aziendale, pubblica amministrazione, sanità, istruzione, diritto, occupazione, trasporti e previsioni economiche. Gli studenti saranno in grado di
1) elaborare e pulire grandi database grezzi (rilevamento e correzione di errori di battitura, voci mancanti, interpolazione, dati errati e così via);
1) comprendere la struttura di una banca dati elaborata, le sue principali caratteristiche e per quali finalità può essere utilizzata;
2) effettuare rigorose inferenze statistiche su grandi database elaborati tramite algoritmi informatici;
3) produrre scenari previsionali per le variabili di interesse desunti dal database in analisi;
4) valutare gli impatti, sul sistema in esame, nel breve e nel lungo periodo di politiche standardizzate;
5) risolvere problemi di ottimizzazione vincolata lineare e non lineare relativi all'amministrazione aziendale e alla allocazione ottimale delle risorse;

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Gli studenti apprenderanno le metodologie che il corso si propone di insegnare attraverso esercitazioni pratiche ed esempi con un approccio ispirato al "learning by doing" e al "trial and error".
Non sarà richiesta la memorizzazione di codici o procedure particolari, gli studenti dovranno sviluppare capacità autonome di problem solving che possano aiutarli nei processi decisionali supportati dall'analisi dei dati.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Attraverso la conoscenza e la comprensione acquisite lo studente deve essere in grado di sviluppare abilità/capacità per:
1) capire che tipo di strumento informatico è necessario per l'analisi di un database a seconda dello stesso;
2) comprendere la struttura di un database, quali tipologie di errori possono essere presenti, come correggerli e/o valutarne l'impatto in base a specifiche esigenze;
3) pianificare autonomamente una strategia decisionale supportata dai dati;

AUTONOMIA DI GIUDIZIO:

Sviluppare riflessioni autonome su varie questioni relative alle strategie decisionali supportate dall'analisi dei dati. Avere la capacità di integrare diverse competenze e linguaggi di programmazione per gestire set di dati complessi e incompleti, nonché per prendere decisioni validate statisticamente sulla base di informazioni limitate o incomplete. L'approccio del corso cerca di collegare argomenti economici e commerciali all'analisi dei dati per promuovere le capacità di risoluzione di problemi. Lo studente deve quindi essere in grado di scegliere gli approcci e gli strumenti necessari al processo decisionale supportati dall'analisi dei dati con la capacità di raccogliere e interpretare i dati, nonché di utilizzare le fonti informative e i corretti applicativi informatici.

ABILITÀ COMUNICATIVE:

Gli studenti devono essere in grado di evidenziare il flusso di informazioni nella descrizione di un processo decisionale e apprendere, nello specifico, come utilizzare VBA, Excel e il suo risolutore.

CAPACITÀ DI APPRENDIMENTO:

  • interpretare diversi tipi di basi di dati relativi a business, economia, società, innovazione, eventi storici e media.
  • eseguire analisi statistiche di grandi basi di dati tramite Excel, VBA, python;
  • tradurre un processo decisionale aziendale o politico in un problema di ottimizzazione vincolata ed essere in grado di implementare la corrispondente procedura risolutiva.

Programma

Non sono previste differenze di programma tra studenti frequentanti e non-frequentanti.
Il corso è diviso in quattro aree tematiche, articolate su 18 lezioni frontali di due ore ciascuna. Le aree tematiche sono denominate e temporalmente articolate come segue:
1) Tabelle Pivot e analisi statistiche di dataset (prime 3 lezioni). Gli argomenti trattati in questo modulo saranno: funzioni principali di Excel ed utilizzo; creazione di tabelle Pivot; analisi statistica di basi di dati tramite tabelle Pivot.
2) Linguaggio VBA e applicazioni (lezioni dalla quarta alla sesta). Gli argomenti trattati in questo modulo saranno: introduzione al linguaggio VBA; creazione di routines; principali comandi e applicazioni per l'eleborazione di dati di basi; simulazione di scenari decisionali.
3) Solver e ottimizzazione delle decisioni (lezioni dalla settima alla quindicesima). Gli argomenti trattati in questo modulo saranno: problemi decisionali in contesti di risorse scarse e vincolate; funzionamento generale di Excel Solver e sue applicazioni a problemi decisionali con variabili continue, discrete e binarie e a problemi di trasporto ottimo su network.
4) Modellizzazione e previsione finanziaria tramite Excel (ultime tre lezioni). Gli argomenti trattati in questo modulo saranno: flussi di cassa, Net Present Value, Internal Rate of Return e valutazione di convenienza finanziaria di un progetto (funzioni NPV e IRR in Excel). Creazione di prototipi di balance sheet e income statement. Analisi di "pro-forma financial statements" e utilizzio della strumento "What-If Analysis" di Excel.

Modalità d'esame

L'esame consiste in una verifica tramite pc tramite l'uso della piattaforma moodle. Non sono previsti esoneri, prove intermedie o qualsiasi altra valutazione prima dell'esame effettivo.
Le domande riguarderanno specifiche analisi che lo studente dovrà effettuare su basi di dati forniti al momento dell'esame.
L'esame sarà in formato di libro aperto e si potrà accedere a tutti codici e le routine discusse a lezione.
Gli studenti che rinunciano o non superano l'esame possono sostenere nuovamente l'esame nello stesso appello.
In caso il docente lo richieda, lo studente viene convocato per una intervista che si basa su qualsiasi argomento trattato a lezione.
Le modalità e i criteri di verifica dell'apprendimento sono gli stessi per studenti frequentanti e non-frequentanti.
Il voto finale è espresso in trentesimi secondo il seguente schema:

Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.

21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.

30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Soluzioni dei problemi ottenute in modo originale.

Testi di riferimento

Financial Modeling, 3rd edition, Simon Benninga, 2008.

Microsoft Excel VBA and Macros (Office 2021 and Microsoft 365), Bill Jelen and Tracy Syrstad, Pearson Education (US), 2022.

Using Excel for Business and Financial Modelling: A Practical Guide.
Danielle Stein Fairhurst, John Wiley & Sons Inc, 2019.

Spreadsheet Modeling & Decision Analysis: A Practical Introduction to Business Analytics. Cliff Ragsdale, South-Western College Pub, 2017.

Codice insegnamento 8012380

Big Data Analysis For Economics And Finance 1° anno · 6 CFU · STAT-01/A · 0 file

OBIETTIVI FORMATIVI: Il corso discuterà analisi di big data per esercizi empirici in economia, business, e finanza. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Strumenti statistici e informatici per classificazione…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Il corso discuterà analisi di big data per esercizi empirici
in economia, business, e finanza.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Strumenti statistici e informatici
per classificazione supervisionata e non-supervisionata, inclusa regolarizzazione
e scelta dei predittori. Breve introduzione alle reti neurali.
CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Verranno discusse le
principali applicazioni moderne. Verrà utilizzato il software R.
AUTONOMIA DI GIUDIZIO: Lo studente dovrà essere in grado di scegliere lo strumento più
utile, e interpretarne i risultati e le limitazioni.
ABILITÀ COMUNICATIVE: Lo studente dovrà essere in grado di comunicare i
risultati delle sue analisi attraverso grafici, tabelle, e brevi testi sintetici.
CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno coscienti dei vantaggi e limiti delle
tecniche introdotte, e potranno approfondirle su testi appositi.

Programma

Caratteristiche dei Big Data. Fonti di Big data. Architetture per i big data (4 ore)
Apprendimento non-supervisionato: k-medie, PAM, k-medie trimmata (4 ore)
Apprendimento supervisionato: screening, regolarizzazione. Regressione ridge, LASSO, elastic net. (10 ore)
Metodi informatici: k-nn, C&RT, random forests, reti neurali. Principi di previsione e scelta dei parametri di tuning. (10 ore)
Principali applicazioni: analisi testuale, di immagini, di suoni. Latent Dirichlet Allocation,
sentiment analysis. (8 ore)

Modalità d'esame

L'esame si svolgera' in forma scritta, con un mix di domande aperte e chiuse. Le domande riguarderanno il materiale del corso, e includeranno codice R e output di R del quale verra' chiesta l'interpretazione.

Per accedere all'esame gli studenti devono aver prenotato per tempo su Delphi.

Lo studente dovrà dimostrare di essere in grado di scegliere la tecnica statistica piu' adeguata al problema in esame, di conoscerne limiti e vantaggi, e di saper implementare la tecnica e interpretarne i risultati.

Il voto sarà espresso in trentesimi secondo la seguente scale:

Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.

o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.

o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.

o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.

o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Brad Boehmke, Brandon Greenwell (2019) Hands-on Machine Learning with R, Chapman
& Hall/CRC Press
Hastie T., Tibshirani R., Friedman J. (2009). The Elements of Statistical Learning: Data
Mining, Inference, and Prediction, Second Edition. Springer, Springer Series in Statistics.

Codice insegnamento 8012326

Climate Risk And Financial Stability 1° anno · 6 CFU · ECON-05/A · 0 file

L'insegnamento "Climate Risk and Financial Stability" contribuisce agli obiettivi formativi del Corso di Laurea Magistrale in Finance and Banking fornendo agli studenti le conoscenze teoriche e gli strumenti empirici…

Scheda dell'insegnamento

Obiettivi formativi

L'insegnamento "Climate Risk and Financial Stability" contribuisce agli obiettivi formativi del Corso di Laurea Magistrale in Finance and Banking fornendo agli studenti le conoscenze teoriche e gli strumenti empirici necessari per analizzare l'impatto dei rischi climatici sui mercati finanziari, sugli intermediari e sulla stabilità finanziaria.

Il corso esamina le principali fonti di rischio climatico, distinguendo tra rischi fisici e rischi di transizione, e analizza i meccanismi attraverso cui tali rischi influenzano banche, compagnie di assicurazione, mercati finanziari e autorità di vigilanza. Particolare attenzione è dedicata all'analisi empirica, all'utilizzo di dati finanziari e climatici e all'applicazione di metodologie quantitative comunemente impiegate da intermediari finanziari, banche centrali e organismi di regolamentazione.

Il corso mira inoltre a sviluppare la capacità di interpretare evidenze empiriche, valutare esercizi di stress testing climatico e comprendere le implicazioni dei cambiamenti climatici per la stabilità del sistema finanziario.

RISULTATI DI APPRENDIMENTO ATTESI

Conoscenza e capacità di comprensione

Gli studenti acquisiranno conoscenze relative alle principali fonti di rischio climatico e ai canali di trasmissione attraverso cui tali rischi influenzano intermediari finanziari e mercati.

Capacità di applicare conoscenza e comprensione

Gli studenti saranno in grado di utilizzare dati climatici e finanziari per misurare il rischio climatico, interpretare risultati empirici, valutare esercizi di stress testing e analizzare gli effetti dei rischi climatici sulla stabilità finanziaria.

Autonomia di giudizio

Gli studenti svilupperanno capacità critiche nella valutazione delle metodologie empiriche e delle politiche di regolamentazione e vigilanza connesse al rischio climatico.

Abilità comunicative

Gli studenti saranno in grado di presentare e discutere in modo rigoroso risultati empirici e implicazioni di policy relativi al rischio climatico e alla stabilità finanziaria.

Capacità di apprendimento

Gli studenti acquisiranno gli strumenti necessari per approfondire autonomamente la letteratura scientifica e i più recenti sviluppi normativi e regolamentari in materia di clima e finanza.

Programma

Il corso analizza le implicazioni del rischio climatico per gli intermediari finanziari, i mercati finanziari e la stabilità del sistema finanziario. L'insegnamento combina fondamenti teorici e un forte orientamento all'analisi empirica e all'utilizzo di metodi quantitativi.

Gli argomenti trattati includono:
Introduzione al rischio climatico e alla stabilità finanziaria. Rischi fisici e rischi di transizione. Dati climatici e misurazione del rischio climatico. (Settimana 1)

Rischio climatico e mercati finanziari. Asset pricing, finanza d'impresa e rischio di transizione. (Settimana 2)

Rischio climatico e sistema bancario. Mercati del credito, bilanci bancari, attività di prestito e stress test climatici. (Settimana 3)

Assicurazioni, riassicurazione, trasferimento del rischio climatico ed economia dell'assicurabilità. (Settimana 4)

Reti finanziarie, rischio sistemico, politica macroprudenziale e ruolo delle banche centrali e delle autorità di vigilanza. (Settimana 5)

Regolamentazione finanziaria in materia di rischio climatico, frontiere della ricerca e presentazione dei progetti degli studenti. (Settimana 6)

Particolare attenzione sarà dedicata all'utilizzo di dati finanziari, economici e climatici, nonché alle metodologie empiriche maggiormente impiegate nella letteratura accademica e nei documenti delle istituzioni nazionali e internazionali. Il corso potrà inoltre includere l'analisi di sviluppi recenti nel campo della finanza climatica e della regolamentazione finanziaria.

Modalità d'esame

La verifica dell’apprendimento si basa su una prova scritta finale e su un progetto individuale o di gruppo che sarà presentato e discusso in aula.

La prova scritta è finalizzata ad accertare l’acquisizione delle conoscenze teoriche e la capacità di comprendere i principali concetti relativi al rischio climatico, agli intermediari finanziari e alla stabilità finanziaria. Le domande potranno richiedere sia la conoscenza degli argomenti trattati durante il corso sia la capacità di interpretare evidenze empiriche e discutere implicazioni di policy.

Il progetto ha l’obiettivo di sviluppare la capacità di applicare strumenti quantitativi ed empirici all’analisi di problematiche relative al rischio climatico e alla stabilità finanziaria. Gli studenti presenteranno il proprio lavoro in aula, illustrando dati, metodologia, risultati e implicazioni economiche e finanziarie.

La frequenza delle lezioni non è obbligatoria. Tuttavia, la partecipazione attiva alle discussioni in aula è fortemente incoraggiata, poiché contribuisce allo sviluppo della capacità di analisi critica, di comunicazione e di applicazione delle conoscenze acquisite.

La valutazione finale terrà conto della prova scritta, della qualità del progetto e della sua presentazione, nonché della capacità dello studente di utilizzare in modo appropriato i concetti e gli strumenti analitici presentati durante il corso.

Indicativamente:

18-22: conoscenza sufficiente degli argomenti fondamentali e capacità limitata di applicazione degli strumenti analitici;
23-26: buona conoscenza degli argomenti e adeguata capacità di interpretazione e applicazione;
27-30: conoscenza approfondita, capacità critica e utilizzo appropriato degli strumenti teorici ed empirici;
30 e lode: eccellente padronanza degli argomenti, elevata capacità di analisi critica e particolare autonomia nell'applicazione dei metodi e nell'interpretazione dei risultati.

Testi di riferimento

Il materiale didattico sarà costituito da una selezione di articoli scientifici, rapporti di istituzioni internazionali (quali NGFS, ECB, BIS, EIOPA, IMF e FSB) indicati dal docente. Ulteriori riferimenti bibliografici saranno indicati durante il corso in relazione agli argomenti trattati e ai più recenti sviluppi della letteratura.

Codice insegnamento 8012407

Coding And Data Analysis For Finance 1° anno · 6 CFU · STAT-04/A · 0 file

OBIETTIVI FORMATIVI: introdurre gli studenti all'uso dei software R, MATLAB, Stata e Python per l'analisi empirica in campo economico. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: l'obiettivo finale è quello di favorire la…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: introdurre gli studenti all'uso dei software R, MATLAB, Stata e Python per l'analisi empirica in campo economico.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: l'obiettivo finale è quello di favorire la comprensione del funzionamento dei software al fine di implementare un approccio analitico per l'analisi delle questione economiche, anche in un contesto di ricerca.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: affrontare in maniera organica l'analisi empirica di dati micro e macroeconomici.

AUTONOMIA DI GIUDIZIO: acquisire gli strumenti computazionali e metodologici per analizzare l'operato dei policy maker nazionali ed europei.

ABILITÀ COMUNICATIVE: saper presentare risultati empirici in maniera rigorosa a interlocutori specialisti e non specialisti.

CAPACITÀ DI APPRENDIMENTO: gli studenti potranno intraprendere lo studio approfondito dei software considerati, o di ulteriori software.

Programma

Il corso si articola in due aree tematiche e consiste in 18 lezioni frontali da due ore ciascuna.
Non sono previste differenze di contenuto nei programmi tra studenti frequentanti e non frequentanti.

Area tematica numero 1: Coding.
Tale area tematica si svolgerà nelle prime nove lezioni del corso.
I principali argomenti previsti in quest'area tematica sono:
Lavorare con le UI di programmazione, Variabili e comandi, Vettori, Matrici, Scripts, Dati temporali, Dati di tipo tabular, Selezione condizionata dei dati, Dati mancanti, Le funzioni, Automatizzazione, Stima di modelli su dati empirici . Risoluzione dei problemi

Area tematica numero 2: Teoria e pratica delle regressioni lineari.
Tale area tematica si svolgerà dalla lezione numero 10 fino all'ultima lezione (la numero 18).
I principali argomenti previsti in quest'area tematica sono i seguenti.
Modello di lineare semplice

  • Stimatori OLS.
  • R2
  • Proprietà dello stimatore OLS
  • Varianza condizionata
  • Stima della varianza.
  • Inferenza statistica.
  • Il modello CAPM.
    Regressione lineare multipla:
  • Ripasso di algebra lineare.
  • Proprietà dello stimatore OLS
  • Varianza condizionata
  • Stima della varianza.
  • Multicollinearità.
  • Il teorema di Gauss-Markov.
  • Multiple hypothesis testing.
  • Massima verosimiglianza.
  • Confronto di modelli.
  • Variabili omesse e variabili irrilevanti.
  • Errori di misura.
  • Propietà asintotiche degli stimatori OLS.

Modalità d'esame

Si premette che non è prevista alcuna distinzione nelle prove di esame tra studenti frequentanti e non-frequentanti.

Questo è un corso di tipo Pass o Fail. L'esame consiste in una prova scritta. Per superare il corso è necessario rispondere correttamente ad almeno il 98% delle domande della prova scritta (esame finale).

La valutazione dello studente prevede una prova scritta in cui vengono proposti problemi di base di programmazione e regressioni lineari su dataset artificiali. La prova scritta verte su tutti gli argomenti (anche quelli puramente teorici) che sono stati svolti durante le 18 lezioni frontali. Qualsiasi di questi argomenti può essere materia di verifica.
Non sono previste prove intermedie ne alcun tipo di esonero.

E’ severamente vietato, durante lo svolgimento della prova scritta, l'utilizzo di qualsiasi strumento di AI o di qualsiasi altro device all'infuori del computer necesario a svolgere l'esame. Non è possibile, durante l'esame, navigare su internet, nè accedere ai materiali del corso (di alcun tipo).

Chiunque contravvenga a queste regole sarà allontanto dalla sede di esame e, da quel momento, dovrà sostenere una prova orale (si veda di seguito per le modalità di tale prova),

Lo studente dovrà dimostrare piena conoscenza di tutti gli argomenti teorici trattati a lezione e di essere in grado di risolvere problemi di natura teorica legata alla teoria delle regressioni lineari. Dovra altresì dimostrare capacità di produrre codici efficienti per l'analisi di dataset di natura finanziaria con riferimento particolare alla teoria delle regressioni lineari tramite OLS.
Infine dovrà dimostrare di poter risolvere problemi concettuali di programmazione anche quando essi non si riferiscano ad una applicazione specifica.

Qualora il docente lo ritenga necessario lo studente potrà essere chiamato per una verifica orale tramite intervista. Tale intervista, se richiesta, verterà su tutti gli argomenti trattati durante le lezioni frontali, siano essi di natura teorica, applicata o legati a sviluppo di codici.

Testi di riferimento

Wooldridge J. M. (2016). Introductory Econometrics: A Modern Approach.
Brooks C. (2014). Introductory Econometrics for Finance.
Jacod and Protter (2004). Probability Essentials. Springer.

Codice insegnamento 8012405

Corporate Finance 1° anno · 6 CFU · ECON-09/B · 0 file

OBIETTIVI FORMATIVI: Il corso ha l’obiettivo di portare gli studenti a comprendere e utilizzare i modelli di supporto alle decisioni di capital budgeting, al calcolo del costo del capitale e alla valutazione aziendale.…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
Il corso ha l’obiettivo di portare gli studenti a comprendere e utilizzare i modelli di supporto alle decisioni di capital budgeting, al calcolo del costo del capitale e alla valutazione aziendale.

RISULTATI DI APPRENDIMENTO ATTESI:
Capacità di analisi e gestione delle decisioni finanziarie. Comprensione degli strumenti per effettuare valutazioni finanziarie.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Il corso rafforzerà i fondamenti teorici e metodologici della finanza d’impresa l’analisi e la valutazione di progetti e imprese. Gli studenti acquisiranno le conoscenze teoriche e pratiche di base per agire come analista finanziario indipendente.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Gli studenti saranno in grado di valutare il ruolo del direttore finanza e l’impatto delle sue decisioni sul processo di creazione di valore aziendale.

AUTONOMIA DI GIUDIZIO:
Gli studenti sapranno raccogliere e interpretare dati finanziari reali per analizzare le decisioni di investimento e per esprimere giudizi sul processo di creazione del valore aziendale.

ABILITÀ COMUNICATIVE:
Gli studenti svilupperanno la capacità di comunicare i risultati dell’analisi finanziaria sia in forma scritta (attraverso la risoluzione di esercizi) che in forma orale (attraverso presentazioni in aula).

Programma

Sulla base di lezioni frontali e dell’analisi di casi di studio rilevanti, il corso si concentra sui principali temi della finanza aziendale quali:
CAPITAL BUDGETING
VALUTAZIONE DI OBBLIGAZIONI E AZIONI
RISCHIO E IL COSTO DEL CAPITALE
STRUTTURA FINANZIARIA E VALUTAZIONE AZIENDALE

Tentative schedule
Week 1: 6h
Introduction
Risk and returns
Measuring investment returns
Week 2: 6h
Capital structure
Returning cash to the owners
Strategy, finance and value creation
Week 3: 6h
Corporate valuation I
Corporate valuation II
Equity financing
Week 4: 6h
Case discussion
Debt financing I
Debt financing II
Week 5: 6h
Corporate restructuring
M&A I
M&A II
Week 6: 6h
Review and synthesis
Case studies

Modalità d'esame

Esame scritto

La valutazione si baserà su:

  • Comprensione concettuale: La capacità dello studente di spiegare e applicare i modelli di supporto per il capital budgeting, il calcolo del costo del capitale e le metodologie di valutazione d'azienda.
  • Capacità di giudizio: La capacità di analizzare scenari ipotetici o reali presentati durante l'esame e di esprimere un giudizio motivato sul processo di creazione di valore aziendale.

Criteri per la formulazione del giudizio espresso in trentesimi:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Libro di testo
Materiali presentati in aula

Libri consigliati

Aswath Damodaran, Applied Corporate Finance, 4th Edition, Wiley, 2014

McKinsey& Co., Tim Koller, Marc Goedhart and David Wessels, 2015, Valuation: Measuring and Managing the Value of Companies (Seventh Edition), Wiley.

Codice insegnamento 8012403

Credit Risk And Insurance 1° anno · 6 CFU · STAT-04/A · 0 file

OBIETTIVI FORMATIVI Il corso ha l’obiettivo di fornire le principali tecniche matematiche impiegate nella modellizzazione e nell’analisi del rischio di credito e dei rischi connessi ai mercati assicurativi del ramo vita.…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI
Il corso ha l’obiettivo di fornire le principali tecniche matematiche impiegate nella modellizzazione e nell’analisi del rischio di credito e dei rischi connessi ai mercati assicurativi del ramo vita.
CONOSCENZA E CAPACITÀ DI COMPRENSIONE
Il corso consentirà alle studentesse e agli studenti di sviluppare metodi matematici, sia deterministici sia stocastici, per la modellizzazione dei mercati finanziari soggetti a rischio di credito e dei mercati attuariali. Verranno studiati gli strumenti chiave per la valutazione di contratti finanziari esposti al rischio di default e di contratti assicurativi sulla vita, sia tradizionali sia innovativi.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
Al termine del corso, le studentesse e gli studenti saranno in grado di descrivere matematicamente i modelli utilizzati per la gestione e la valutazione dei contratti soggetti a rischio di credito e di quelli assicurativi sulla vita, evidenziandone caratteristiche, vantaggi e le criticità. Sapranno inoltre applicare tecniche quantitative adeguate per la loro valutazione.

AUTONOMIA DI GIUDIZIO
Grazie all'impostazione del corso, basata sull’analisi teorica e critica dei risultati matematici e delle relative implicazioni finanziarie, le studentesse e gli studenti svilupperanno la capacità di costruire argomentazioni logiche, identificando chiaramente assunti e conclusioni, e riconoscere eventuali errori o lacune nei ragionamenti. L'analisi di esempi concreti in ambito finanziario e attuariale li aiuterà a individuare le caratteristiche fondamentali di una modellizzazione matematica coerente.

ABILITÀ COMUNICATIVE
Le studentesse e gli studenti acquisiranno la capacità di esporre con rigore scientifico i modelli matematici relativi ai rischi dei mercati finanziari e assicurativi, in particolare il rischio di credito, di controparte e di longevità. Saranno inoltre in grado di discutere le tecniche di valutazione dei contratti trattati, comunicando risultati quantitativi con precisione nell’ambito delle scienze finanziarie e attuariali.

CAPACITÀ DI APPRENDIMENTO
Il corso fornirà le basi necessarie per iniziare la carriera o proseguire gli studi in ambito finanziario e attuariale, sviluppando la capacità di affrontare in autonomia nuovi problemi di media complessità, grazie all’approccio teorico e metodologico proposto.

Programma

Settimana 1
Introduzione al rischio di credito

  • Definizione, fonti e misurazione
  • Eventi creditizi ed esposizione al credito
  • Rating creditizi
    Modelli strutturali del rischio di credito
  • Modello di Merton ed estensioni: Black-Cox
  • Applicazioni e limitazioni

Settimana 2:
Modelli in forma ridotta, basati sull’intensità

  • Intensità di default e probabilità di sopravvivenza
  • Tassi di hazard e tecniche di stima
    Modelli di valutazione del credito
  • Spread creditizi
  • Valutazione di obbligazioni rischiose

Settimana 3:

  • Derivati creditizi
  • Credit Default Swap, CDS
  • Collateralized Debt Obligations, CDO
    Rischio di credito nell’esposizione di controparte
  • CVA, DVA e aggiustamenti per il funding, FVA
  • Wrong-way risk

Settimana 4:
Assicurazioni vita
Probabilità di sopravvivenza

  • Modelli deterministici e stocastici per l’intensità di mortalità

Settimana 5:
Valutazione dei contratti di assicurazione vita

  • Contratti di assicurazione vita
  • Rendite vitalizie, 6 ore

Settimana 6:
Calcolo dei premi e delle riserve

Modalità d'esame

La valutazione dello studente prevede una prova scritta in cui verranno proposti esercizi e domande teoriche relativi a tutti gli argomenti trattati a lezione.

L'esame si ritiene superato se la valutazione della prova scritta è di almeno 18/30.
Se lo scritto si supera (i.e. la votazione della prova è di almeno 18/30) si può rifiutare il voto UNA SOLA VOLTA e tornare in un appello successivo. Il voto ottenuto all'appello successivo annulla il voto precedente e non può essere rifiutato.

Per superare l'esame lo studente dovrà dimostrare di saper discutere i principali modelli matematici per il rischio di credito, le loro proprietà, determinare le probabilità di default con metodi parametrici e empirici, discutere le caratteristiche di derivati di credito, e i value adjustments; determinare le probabilità di sopravvivenza di un individuo sulla base dei modelli descritti durante il corso e delle tavole e di conoscerne le proprietà; di saper distinguere i vari contratti assicurativi sulla vita di tipo classico e moderno in base alle loro caratteristiche, saperli descrivere in termini matematici e fornire il loro significato finanziario; di saper determinare, anche con l’aiuto del foglio di calcolo elettronico, il valore attuariale di questi contratti, il processo delle perdite, i premi e altre importanti quantità come il net amount at risk, risk premium e saving premium.

Criteri per la formulazione del giudizio espresso in trentesimi:

Non sufficiente: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.

21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse con sufficiente rigore matematico ed economico/finanziario.

27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio e argomentazioni espresse con buon rigore matematico ed economico/finanziario.

30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse con ottima padronanza matematica ed economico/finanziaria

Testi di riferimento

1. Life insurance mathematics. Hans U. Gerber. With exercises contributed by Samuel H. Cox. 3rd ed. Springer, 1997.

2. Actuarial Mathematics for Life Contingent Risks. David C. M. Dickson, Mary R. Hardy, Howard R. Waters. 3rd ed. Cambridge University Press, 2020.

3. Quantitative Risk Management. McNeil A., Frey R. and Embrecht, P. 2nd ed. Princeton University Press

Codice insegnamento 8012395

Derivatives 1° anno · 6 CFU · ECON-09/B · 0 file

OBIETTIVI FORMATIVI: Lo scopo del corso è quello di fornire conoscenze sui principali tipi di contratti derivati (contratti a termine, futures, opzioni, ecc.) e sulle competenze in materia di prezzi, valutazione del…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
Lo scopo del corso è quello di fornire conoscenze sui principali tipi di contratti derivati (contratti a termine, futures, opzioni, ecc.) e sulle competenze in materia di prezzi, valutazione del contratto e applicazione. Nell'ambito dell'applicazione dei derivati un focus speciale sarà sulle strategie di copertura, piuttosto che sul trading e sull'arbitraggio. Saranno fatte diverse ipotesi sulle attività sottostanti, compresi i tassi di interesse, le valute, i corsi azionari e le materie prime. Anche la struttura è derivata dal programma. Nell'ultima parte del corso verrà effettuata un'analisi delle opzioni esotiche e dei prodotti strutturati.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Gli studenti svilupperanno la conoscenza dei principali contratti derivati e comprenderanno le diverse possibili applicazioni dei prodotti derivati.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Gli studenti saranno in grado di scegliere tra diversi prodotti derivati quando saranno invitati ad applicarli in scenari reali (o realistici), come la copertura e il trading.

AUTONOMIA DI GIUDIZIO:
Gli studenti saranno in grado di giudicare le conseguenze dell'uso di prodotti derivati in diversi casi (ad esempio gestione del portafoglio, gestione dei rischi aziendali, ecc.)

ABILITÀ COMUNICATIVE:
Gli studenti impareranno il glossario dei prodotti derivati e saranno in grado di usarlo per discutere di prodotti derivati e strategie finanziarie che comportano l'uso di derivati

CAPACITÀ DI APPRENDIMENTO:
Gli studenti saranno in grado di valutare il prezzo e il valore dei prodotti derivati.

Programma

(Settimana #1 e 2)
1) Introduzione ai derivati ​​(principali tipi di contratto, attività sottostanti, mercati dei derivati, applicazioni)

2) Forward:

  • definizione, caratteristiche principali, applicazione
  • Prezzi e ipotesi di non arbitraggio
  • Il valore del contratto forward

(Settimana #3)
3) Future

  • definizione, caratteristiche principali, applicazion
  • Prezzi e valore di mercato

(Settimana #4)
4) L'accordo sui tassi a termine (FRA):

  • definizione, caratteristiche principali, applicazione
  • Prezzi e valore di mercato
  • I market maker e la citazione Double way

5) Lo scambio

  • definizione
  • Interest Rate Swap (IRS): caratteristiche principali, applicazione e prezzi
  • Lo scambio di valute

(Settimana #5)
6) Le opzioni

  • Definizione
  • Opzione call: caratteristiche principali, pay-off e applicazione
  • Opzione put: caratteristiche principali, pay-off e applicazione
  • Il prezzo dell'opzione (elementi di base):
  • Valore intrinseco e valore temporale
  • Limite di prezzo: i limiti di prezzo massimo e minimo
  • Strategie di trading di opzioni

7) Cap, floor e collar

  • Cap: caratteristiche principali, pay-off e applicazione
  • Floor: caratteristiche principali, pay-off e applicazione
  • Collar: caratteristiche principali, pay-off e applicazione

(Settimana #6)
8) Le opzioni esotiche

  • Definizione
  • Analisi dei principali tipi di contratto (opzione Boston, opzione Bermuda, Forward start option, opzione compound, opzione As you like it, opzione barriera, opzione binaria, opzione look back, opzione asiatica, opzione Rainbow, opzione basket)

9) I prodotti strutturati

  • Definizione
  • Analisi dei principali tipi di contratto (Equity linked, reverse convertible, reverse floaters, credit default obligations, ecc.)

Modalità d'esame

La valutazione avviene tramite una singola prova scritta, ed attribuisce un voto in trentesimi (voto minimo per superare l'esame 18/30, voto massimo 30/30. E' prevista la possibiltà di attribuire una lode a chi ha ottenuto 30/30).

La prova scritta comprende domande a risposta multipla, domande aperte e/o esercizi. La durata della prova è variabile, in funzione delle difficoltà delle singole parti, in un intervallo compreso tra i 90 ed i 120 minuti.
Lo studente può decidere di ritirarsi fino al termine della prova. Qualora decida di ritirarsi potrà presentarsi all'appello successivo.

Nel caso uno studente infranga le regole d'esame in una prova scritta (es. detenzione di appunti/materiali non autorizzati, detenzione di apparecchiature per comunicare con altri soggetti dentro o fuori l'aula, ecc.) è discrezione del docente far sostenere l'esame in forma orale per gli appelli successivi a quello in cui si è commessa l'infrazione.

Le domande a risposta multipla consentono di verificare la conoscenza della terminologia finanziaria tipica dei derivati, necessaria per la comprensione degli strumenti e la capacità comunicativa.

Attraverso le domande aperte si verificano la capacità di linguaggio, di comprensione e di ragionamento circa il funzionamento e le possibili applicazioni dei derivati. Si possono altresì testare le capacità di giudizio.

Gli esercizi sono volti a verificare la conoscenza delle tecniche di pricing, e del funzionamento dei derivati, indispensabili per un utilizzo consapevole degli strumenti.

Criteri per la formulazione del giudizio espresso in trentesimi:

  • Non idoneo (<18/30): importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
  • 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
  • 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
  • 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
  • 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
  • 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

J.C.Hull, Option, Futures and Other derivatives, Pearson-Prentice Hall (last edition).

Nicolini G. (2012). "Gli strumenti finanziari derivati - Definizioni, caratteristiche ed utilizzi". EIF-e.Book, Venezia - Treviso (ISBN 978–88–96639–14–6).

Codice insegnamento 8012406

Financial Econometrics 1° anno · 6 CFU · STAT-02/A · 0 file

OBIETTIVI FORMATIVI: I modelli econometrici per l'analisi e la previsione dei mercati finanziari rappresentano una parte essenziale del percorso formativo in economia e finanza. La misurazione e la previsione del rischio…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
I modelli econometrici per l'analisi e la previsione dei mercati finanziari rappresentano una parte essenziale del percorso formativo in economia e finanza.

La misurazione e la previsione del rischio di mercato costituiscono i temi fondamentali del corso. La parte centrale verte sulla stima della volatilità nei mercati finanziari. Verranno introdotti i modelli di eteroschedasticità condizionata, ARCH e GARCH, e le loro estensioni per catturare il premio al rischio e le asimmetrie di comportamento della volatilità. Si passerà dunque ad esaminare i modelli di volatilità stocastica e i modelli di volatilità multivariati, che trovano fondamentale impiego nella stima della matrice di covarianza condizionata da utilizzare per la scelta ottimale del portafoglio.

Costituiscono parte integrante del corso le esercitazioni, svolte in Excel, R e Matlab, e i casi di studio.

Il corso ha i seguenti obiettivi formativi:

  • conoscere le principali e più avanzate e moderne tecniche di misurazione e analisi del rischio di mercato;
  • saper prevedere la volatilità delle attività finanziarie ed il Value at Risk;
  • acquisire la capacità di selezionare e combinare regole predittive;
  • saper trattare i dati ad alta frequenza;
  • essere in grado di comunicare le principali evidenze empiriche che emergono dall’'analisi;
  • svolgere analisi statistiche col il software appropriato;
  • apprezzare criticamente le potenzialità e i limiti delle metodologie disponibili, acquisendo la capacità di discriminare tra di esse.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

Il corso tratta la logica e le metodogie fondamentali dell’analisi dei dati finanziari, che servono a misurare e prevedere il rischio.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

Le conoscenze acquisite vengono applicate a problemi di previsione del rischio dei titoli finanziari e alla comparazione dei metodi acquisiti. Costituiscono parte integrante del corso le esercitazioni di laboratorio che vengono svolte mediante i software R e Matlab. Gli studenti utilizzano le loro conoscenze per analizzare casi di studio, sia in laboratorio che negli esercizi individuali.

AUTONOMIA DI GIUDIZIO:

Lo studente viene stimolato a trarre conclusioni sulla validità interna ed esterna dei modelli considerati sulla base del confronto con i dati osservati. Il corso dedica molta attenzione alla comunicazione delle evidenze empiriche mediante grafici e statistiche di sintesi e sulla capacità di saper presentare le suddette evidenze a non esperti, in maniera efficace e sintetica.

ABILITÀ COMUNICATIVE:
Al fine di accertare il conseguimento di questo obiettivo formativo sono previsti compiti settimanali, il cui deliverable fondamentale è una relazione scritta che evidenzi i principali elementi interpretativi delle applicazioni. Il software utilizzato (R e Matlab) è peraltro fortemente orientato verso la comunicazione grafica delle evidenze statistiche.

Programma

1 Introduction. Asset returns. Stylized facts: asymmetry, kurtosis and volatility clustering. Stochastic processes: stationarity, purely random processes. Random walks and martingales. Review of prediction theory. Optimal prediction.
(Lectures 1-3)

2 Volatility measurement and analysis: autoregressive Conditional Heteroscedasticity (ARCH): model specification, properties, maximum likelihood estimation, prediction. Extensions: ARCH in mean. Generalized ARCH models, Integrated GARCH, Exponential GARCH models. GJR-GARCH, Leverage. Fat and heavy tails.
(Lectures 4-7)

3 Multivariate GARCH models. VEC and BEKK. Conditional correlation models: constant and dynamic, CCC, DCC. Factor models: Factor GARCH, O-GARCH. Large dimensional covariance and correlation matrices. (Lectures 8-10)

4. Copulae and tail dependence (Lecture 11)

5. Risk Measurement: Value at Risk and Expected Shortfall. (Lectures 12-14).

6. Stochastic volatility models. Pseudo-maximum likelihood inference. State space models. The Kalman filter. (Lectures 15-16)

7. Realized volatility. Long memory. (Lectures 17-18).

Modalità d'esame

  • Lezioni frontali (18, ciascuna della durata di due ore)
  • Laboratori (Matlab, R)

L’'accertamento dei risultati dell'apprendimento viene effettuato con le seguenti modalità:

30% Compiti settimanali
70% Esame finale

Il lavoro settimanale riguarda l'elaborazione e la presentazione di casi di studio riguardante la previsione della volatilità e del value at risk di uno o più titoli finanziari. Esso mira a valutare la capacità di lavorare in gruppo, di utilizzare le conoscenze e le metodologie acquisite durante il corso, nonché la capacità di comunicare le evidenze statistiche.

L’'esame finale è una prova scritta di 2 ore che valuta l’ effettiva acquisizione parte dello studente degli obiettivi formativi e dei risultati di apprendimento attesi. Esso consta di tre domande a risposta aperta con sotto-quesiti che richiedono l'elaborazione gli elementi fondamentali della specificazione dei modelli per le serie storiche finanziarie, la stima mediante il metodo della massima verosimiglianza, la verifica empirica e la validazione predittiva. Lo studente deve saper valutare criticamente le assunzioni sottostanti alla specificazione ed essere in grado di sintetizzare le proprietà statistiche dei metodi utilizzati e di prevedere i processi sottostanti. La valutazione degli elaborati è fondata sul rigore formale, l'abilità di derivare analiticamente le conseguenze delle assunzioni fatte, la consequenzialità e la fondamentale comprensione delle tecniche. Ciascun quesito e sotto-quesito ha un numero di punti dichiarato che concorre al punteggio finale.

Il voto finale sarà espresso in trentesimi con l'articolazione che segue:

  • Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
  • 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
  • 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
  • 24-26: Buona conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
  • 27-29: Distinta conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Distinta autonomia di giudizio.
  • 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Campbell, J., Lo, A. and MacKinlay, A. (1999). The Econometrics of Financial Markets. Princeton University Press: New Jersey.

Fan J. and Yao, Q. (2017). The Elements of Financial Econometrics. Cambride University Press.

Franke, J., Haerdle, W.K. and Hafner, C.M. (2012). Statistics of Financial Markets. An Introduction. Third Edition. Springer.

Linton O. (2019). Financial Econometrics: Models and Methods. Cambridge University Press.

McNeil, A.J., Frey, R. and Embrechts, P. (2005). Quantitative Risk Management, Princeton Series in Finance.

Taylor, S. J. (2005). Asset Price Dynamics, Volatility, and Prediction. Princeton University Press.

Codice insegnamento 8012364

Financial Market Models 1° anno · 6 CFU · ECON-02/A · 0 file

OBIETTIVI FORMATIVI: Conoscenza delle teorie sugli strumenti e sui mercati finanziari. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Valutare gli strumenti finanziari a disposizione delle imprese e degli investitori nei mercati…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Conoscenza delle teorie sugli strumenti e sui mercati finanziari.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Valutare gli strumenti finanziari a disposizione delle imprese e degli investitori nei mercati finanziari.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: competenze analitiche per passare dai modelli teorici alla loro implementazione empirica con utilizzo dei dati osservati e dei pacchetti econometrici.

AUTONOMIA DI GIUDIZIO: Capacità di analisi dei dati e dei parametri empirici per la formulazione di una interpretazione economico-finanziaria in base delle informazioni derivanti dai modelli applicati.

ABILITÀ COMUNICATIVE: Esposizione chiara, diretta e concisa delle conclusioni raggiunte derivante dall'interpretazione dei dati osservati e dei parametri stimati.

CAPACITÀ DI APPRENDIMENTO: Capacità di contestualizzare l'analisi e le soluzioni derivanti dai modelli teorici con interpretazioni appropriate.

Programma

Parte 1: Market and Securities’ Characteristics. (6h)
Markets and Indexes Definitions; Prices and Returns of Securities; Prices and Returns of a Portfolio;
Esercitazione 1 (2h)

Parte 2: Efficient Portfolios and Efficient Frontier. (6h)
Building the Efficient Frontier; Shape of the Efficient Frontier; Extend the Efficient Frontier allowing for Risk Free Rate and Short Selling; Return Maximization Problem;
Esercitazione 2 (2h)

Parte 3: Single Index Model. (6h)
Inputs for the Portfolio Analysis; Single Index Model: Overview and Characteristics;
Estimating Stocks and Portfolios’ Market Betas; Building the Frontier with the Single Index Model.
Esercitazione 3 (2h)

Parte 4 e 5: Standard and Non-Standard Capital Assets Pricing Model. (12h)
Capital Asset Pricing Model Intuitive and Rigorous Approach; Fama-French-Carhart Multifactor Model (FFC); CSR Risk-Factors and the Investors’ Preferences for Responsible Investment; Corporate Social Responsibility, Responsible Investments on the Financial Markets; Responsible Fama-French-Carhart Model (RFFC); Standard Test for Equilibrium Models; Black, Jensen e Sholes Approach; Fama-MacBeth Approach;
Esercitazione 4 e 5 (2h + 2h)

Parte 6: Efficient Markets Hypothesis.(6h)
Introduction to the Efficient Market Hypothesis (EMH); The three forms of Market Efficiency;
Semi-Strong Market Efficiency and the Event Study; Tests for the Semi-Strong Market Efficiency;
Esercitazione 6 (2h)

Modalità d'esame

Partecipazione in aula (15%).
Take Home assignment (25%): disponibile solo per gli studenti che frequentano almeno il 70% delle lezioni (17 su 24), incluse le esercitazioni. Il Take Home assignment DEVE essere consegnato su Moodle entro la scadenza specifica definita all’inizio del corso.
Esame finale (60%).

Il voto finale è calcolato come segue:
Primo appello: gli studenti possono scegliere se utilizzare la struttura completa di valutazione, composta da Partecipazione in aula, Take Home assignment ed Esame finale, oppure essere valutati esclusivamente sulla base dell’Esame finale.
Appello di recupero: il voto finale è basato esclusivamente sull’Esame finale. I voti relativi alla Partecipazione in aula e al Take Home assignment non possono essere utilizzati nell’appello di recupero.

Gli studenti possono sostenere l’esame al massimo due volte. Se uno studente sostiene l’appello di recupero, sarà registrato il voto ottenuto in tale appello, incluso l’eventuale esito negativo. Non è consentito sostenere un appello di recupero nella stessa sessione d’esame.

Tutti gli studenti saranno pienamente coinvolti nel processo di apprendimento, a partire dalle esercitazioni settimanali e dal Take Home assignment, fino all’esame finale scritto. Il Take Home assignment è collegato sia all’argomento teorico affrontato settimanalmente sia alla relativa esercitazione pratica.

Alla fine delle sei settimane, tutti gli argomenti del corso saranno stati trattati e consolidati attraverso il Take Home assignment. In questo modo, ciascuno studente sarà pronto a sostenere l’Esame finale, dimostrando: la conoscenza teorica degli strumenti finanziari e dei mercati finanziari; la capacità di valutare empiricamente gli strumenti finanziari presenti sul mercato attraverso competenze analitiche e l’implementazione di modelli mediante programmi di coding. Infine, lo studente sarà in grado di analizzare dati e parametri, interpretare i risultati dei modelli stimati e formulare, in forma orale e scritta, valutazioni relative ai risultati e alle conclusioni dell’analisi.

I criteri per la formulazione del voto finale, espresso in trentesimi, sono i seguenti:

  • Insufficiente: significative imprecisioni nella conoscenza e nella comprensione degli argomenti; limitate capacità di analisi e sintesi; frequenti generalizzazioni.
  • 18-20: sufficiente conoscenza e comprensione degli argomenti, con alcune lacune; sufficienti capacità di analisi, sintesi e giudizio autonomo.
  • 21-23: conoscenza e comprensione standard degli argomenti; capacità di analisi e sintesi abbastanza corrette, con argomentazione logica coerente.
  • 24-26: buona conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi, con argomentazione e approccio rigorosi.
  • 27-29: conoscenza e comprensione complete degli argomenti; notevoli capacità di analisi e sintesi; buone capacità di giudizio autonomo.
  • 30-30L: livello eccellente di conoscenza e comprensione degli argomenti; notevoli capacità di analisi, sintesi e giudizio autonomo; argomentazioni espresse in modo originale.

Testi di riferimento

Campbell, J. Y., Lo, A.W. C., and MacKinlay, A. C. (1997). The econometrics of financial markets. princeton University press.
Ciciretti R., Dalò A., and Dam L., The Price of Taste for Socially Responsible Investments, CEIS Research Paper No. 413, 2017
Becchetti L., Ciciretti R., and Dalò A. Fishing the corporate social responsibility risk factors. CEIS Research Paper No. 368, 2016.
Becchetti, L., Ciciretti, R., Dalò, A., and Herzel, S. Socially responsible and conventional investment funds: performance comparison and the global financial crisis. Applied Economics, 47(25), 2541-2562, 2015.
Carhart M. M. On persistence in mutual fund performance. The Journal of Finance, 52(1):57–82, 1997.
Fama E. and French K. R. International tests of a five-factor asset pricing model. Journal of Financial Economics, 123(3):441–463, 2017.
Fama E. F. and French K. R. A five-factor asset pricing model. Journal of Financial Economics, 116(1):1–22, 2015.
Fama E. and French K. R. Size, value, and momentum in international stock returns. Journal of Financial Economics, 105(3):457–472, 2012.
Fama E. and French K. R. Multifactor explanations of asset pricing anomalies. The Journal of Finance, 51(1):55–84, 1996.
Fama E. and French K. R. Common risk factors in the returns on stocks and bonds. Journal of Financial Economics, 33(1):3–53, 1993.
Fama E. and French K. R. The cross-section of expected stock returns. The Journal of Finance, 47(2):427–465, 1992.
Fama E. F. and MacBeth J. D. Risk, return, and equilibrium: Empirical tests. The Journal of Political Economy, 81(3):607–636, 1973.
Jegadeesh, N. and Titman, S. Returns to buying winners and selling losers: Implications for stock market efficiency. The Journal of Finance, 48(1), 65-91, 1993
Jensen M. C. The performance of mutual funds in the period 1945-1964. The Journal of Finance, 23(2):389–416, 1968.
Lintner J. The valuation of risk assets and the selection of risky investments in stock portfolios and capital budgets. The Review of Economics and Statistics, 47(3):13–37, 1965.
Mossin J. Equilibrium in a capital asset market. Econometrica: Journal of the Econometric Society, 34(4):768–783, 1966.
Sharpe W. F. Capital asset prices: A theory of market equilibrium under conditions of risk. The Journal of Finance, 19(3):425–442, 1964.

Codice insegnamento 8012404

Fixed Income 1° anno · 6 CFU · STAT-04/A · 0 file

Il corso fornisce una conoscenza di base della teoria e della pratica dei mercati del reddito fisso. CONOSCENZA E COMPRENSIONE Gli studenti avranno una panoramica delle convenzioni di mercato e degli strumenti…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce una conoscenza di base della teoria e della pratica dei mercati del reddito fisso.
CONOSCENZA E COMPRENSIONE
Gli studenti avranno una panoramica delle convenzioni di mercato e degli strumenti analitici per i titoli a reddito fisso e i derivati, come i futures sull'eurodollaro e gli swap sui tassi di interesse.
APPLICAZIONE DELLA CONOSCENZA E COMPRENSIONE
Gli studenti applicheranno le proprie conoscenze per risolvere problemi rilevanti relativi ai mercati del reddito fisso, implementando modelli su Matlab.
AUTONOMIA DI GIUDIZIO
Gli studenti saranno in grado di confrontare diverse strategie e decisioni finanziarie.
CAPACITÀ COMUNICATIVE
Gli studenti discuteranno le principali idee e i risultati appresi.

Programma

Week 1: BASICS
Government Debt, Money Market, Repos, MBS, ABS, Derivatives
Discount Factors, Interest Rates, The Term Structure of Interest Rates
Week 2: INTEREST RATE RISK MANAGEMENT
Duration, Convexity, Factor duration, Immunization, Asset-Liability Management
Week 3: INTEREST RATE DERIVATIVES
Forward, Swaps, Futures, Options
Week 4: INFLATION AND MONETARY POLICIES
The role of the central bank. Forecasting and interpreting the term structure.
Week 5-6: TERM STRUCTURE MODEL IN DISCRETE TIME
One-step binomial trees, multi-step binomial trees, Risk-neutral trees.
TERM STRUCTURE MODELS IN CONTINUOUS TIME
Vasicek and Cox-Ingersoll-Ross models

Modalità d'esame

L'esame consisterà in una prova scritta con esercizi pratici e questiti teorici. Gli studenti sono tenuti a partecipare attivamente al corso, lavorando settimanalmente a compiti assegnati a casa. Riceveranno punti bonus che saranno aggiunti al voto d'esame per ottenere il voto finale del corso. I punti bonus saranno validi solo fino alla fine della sessione d'esame estiva.

Criteri per la formulazione del giudizio espresso in trentesimi:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Veronesi, P. (2010). Fixed Income Securities. Wiley

Codice insegnamento 8012397

High-dimensional Methods For Dependent Data In Economics And Finance 1° anno · 6 CFU · SECS-S/03 · 0 file

OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sui dati dipendenti ad alta dimensionalità, per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno dati durante le…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:Introdurre gli studenti ad argomenti avanzati sui dati dipendenti ad alta dimensionalità, per renderli capaci di ricerca indipendente. Esempi di argomenti attivi di ricerca saranno dati durante le lezioni.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Il corso insegnerà agli studenti gli
strumenti teorici e pratici per lo studio avanzato di serie storiche macroeconomiche e
finanziarie ad alta dimensionalità.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:Gli studenti saranno in
grado di produrre ed interpretare analisi statistiche avanzate.

AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.

ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.

CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.

Programma

HIGH-DIMENSIONAL METHODS FOR DEPENDENT DATA IN ECONOMICS AND FINANCE
1) Ripasso sui modelli multivariati di serie storiche; modelli dinamici uniequazionali (prima settimana).
2) Regolarizzazione per modelli dinamici ad alta dimensionalità; metodi di riduzione della dimensione; modelli fattoriali dinamici (seconda settimana)
3) Bootstrap e validazione incrociata per dati dipendenti; previsione economico-finanziaria (terza settimana).

HIGH-DIMENSIONAL METHODS FOR DEPENDENT DATA IN ECONOMICS AND FINANCE
1. Introduzione
2. Teoria del filtraggio Parte 1

  • Filtri lineari
    3. Teoria del filtraggio Parte 2
  • State-space form
  • Kalman filter ed Smoother
  • Esempi economici
    4. Stima
  • Stima di massima verosimiglianza
  • Stima Bayesiana
  • DSGE. Time Varying Parameters VAR.

Modalità d'esame

La prova di esame è scritta. I quesiti riguarderanno potenzialmente tutti gli argomenti del programma e saranno sia di natura teorica che applicata. Il fine principale della prova è verificare sia lo conoscenza teorica degli strumenti oggetto del corso che la capacità dello studente di farne uso ai fini dell'analisi empirica dei fenomeni economici e finanziari.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

I lucidi del corso, alcuni articoli scientifici e routine di calcolo saranno resi disponibili tramite la pagina WEB del corso.

Codice insegnamento 8012195

Internship 1° anno · 6 CFU · 0 file
Investment Banking 1° anno · 6 CFU · ECON-09/B · 0 file

OBIETTIVI FORMATIVI: Conoscenza delle attività delle banche e degli intermediari finanziari nel mercato dei servizi per le imprese, riconducibili all’area d’affari Investment Banking CONOSCENZA E CAPACITÀ DI…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Conoscenza delle attività delle banche e degli intermediari finanziari nel mercato dei servizi per le imprese, riconducibili all’area d’affari Investment Banking

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Capacità di individuare e distinguere i profili caratteristici delle operazioni e servizi offerti nell'area di affari Investment Banking

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Capacità di utilizzare le conoscenze acquisite nell'ambito dell'applicazione delle metodologie di analisi tipiche dell’ Investment Banking

AUTONOMIA DI GIUDIZIO: Capacità di integrare le conoscenze acquisite nell'analisi dei casi in un contesto reale complesso, formulando giudizi sulla base delle informazioni disponibili

ABILITÀ COMUNICATIVE: Saper comunicare in modo chiaro le conclusioni raggiunte nell'analisi dei casi di studio

CAPACITÀ DI APPRENDIMENTO: Capacità di analizzare i contesti di riferimento delle operazioni di investment banking e applicare le soluzioni appropriate

Programma

Il corso esamina le principali funzioni dell'attività di investment banking. Sulla base dello studio di casi rilevanti, il corso si concentra sui principali argomenti nel settore dell'investment banking quali:

  • Valutazione aziendale
  • Collocamento titoli
  • Merchant banking
  • Fusioni e acquisizioni
  • Crediti e finanziamenti

Tentative schedule
Week 1: 6h
Detailed agenda
Course presentation
Definitions
Week 2: 6h
Corporate valuation: Theory
Corporate valuation: Practice
Capital markets
Week 3: 6h
Equity offerings I
Equity offerings II
Merchant banking I
Week 4: 6h
Merchant banking II
Merchant banking III
M&A I
Week 5: 6h
M&A II
LBO Deals
LBO – Case study
Week 6: 6h
Debt offerings
Review and synthesis
Case studies

Modalità d'esame

Esame scritto

La valutazione si baserà su:

  • Conoscenza e comprensione: Lo studente deve dimostrare di conoscere e distinguere i profili caratteristici delle principali operazioni e servizi di Investment Banking, come fusioni e acquisizioni, IPO, e la strutturazione di operazioni di debito.
  • Capacità di giudizio: Lo studente dovrà analizzare e discutere scenari reali o ipotetici, dimostrando la capacità di integrare le conoscenze teoriche per formulare giudizi motivati in contesti complessi.
  • Capacità di apprendimento: La valutazione includerà la capacità di analizzare un contesto di riferimento (es. un'azienda in cerca di capitale) e proporre una soluzione appropriata.

Criteri per la formulazione del giudizio espresso in trentesimi:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Iannotta, G., Investment Banking, Springer-Verlag, 2010.

Codice insegnamento 8012398

Mathematics 1° anno · 12 CFU · MATH-03/B · 0 file

Linear Algebra e Probabilità OBIETTIVI FORMATIVI: Conoscere le proprietà di base degli spazi vettoriali astratti e delle trasformazioni lineari. Saper derivare le proprietà delle principali distribuzioni discrete e…

Scheda dell'insegnamento

Obiettivi formativi

Linear Algebra e Probabilità

OBIETTIVI FORMATIVI:
Conoscere le proprietà di base degli spazi vettoriali astratti e delle trasformazioni lineari.
Saper derivare le proprietà delle principali distribuzioni discrete e (assolutamente) continue.

CONOSCENZA E CAPACITA’ DI COMPRENSIONE:
Essere in grado di determinare autovalori e autovettori di una matrice.
Matrici simmetriche.
Conoscere la nozione di proiettori e di matrice idempotente.
Conoscenza dei teoremi limite fondamentali: legge (debole) dei grandi numeri e teorema centrale del limite.

Calculus e Optimization

OBIETTIVI FORMATIVI:

CONOSCENZA E CAPACITA’ DI COMPRENSIONE:
Saper effettuare un semplice cambiamento di variabili nel calcolo degli integrali e saper usare le coordinate polari.
Saper applicare il teorema di Kuhn-Tucker in casi semplici.
Saper usare i moltiplicatori Lagrangiani nello studio di estremi vincolati per funzioni di più variabili.

CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Saper calcolare l’integrali di funzioni di più variabili (tramite il Teorema di Fubini, …) .
Saper calcolare la matrice Hessiana e suoi autovalori.
Saper determinare i massimi e minimi liberi di una funzione di più variabili.
Calcolo di integrali tramite la derivazione sotto il segno di integrale.
Saper risolvere semplici equazioni differenziali (variabili separabili, …).

AUTONOMIA DI GIUDIZIO:
Traduzione in termini matematici di problemi di ottimizzazione dalla vita reale.

ABILITA’ COMUNICATIVE:
Saper presentare gli aspetti quantitativi dei modelli economici e finanziari.

CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Saper applicare le proprietà algebriche dell’algebra delle matrici con particolare riferimento alle matrici a blocchi.
Saper diagonalizzazione una matrice (sotto le opportune condizioni).
Attesa condizionata e suo significato geometrico. Gaussiana multivariata.

AUTONOMIA DI GIUDIZIO:
Come modellare situazioni economiche e finanziarie utilizzando modelli stocastici.

ABILITA’ COMUNICATIVE:
Saper presentare gli aspetti quantitativi dei modelli economici e finanziari.

Linear Algebra e Probabilità

OBIETTIVI FORMATIVI:
Conoscere le proprietà di base degli spazi vettoriali astratti e delle trasformazioni lineari.
Saper derivare le proprietà delle principali distribuzioni discrete e (assolutamente) continue.

CONOSCENZA E CAPACITA’ DI COMPRENSIONE:
Essere in grado di determinare autovalori e autovettori di una matrice.
Matrici simmetriche.
Conoscere la nozione di proiettori e di matrice idempotente.
Conoscenza dei teoremi limite fondamentali: legge (debole) dei grandi numeri e teorema centrale del limite.

Calculus e Optimization

OBIETTIVI FORMATIVI:

CONOSCENZA E CAPACITA’ DI COMPRENSIONE:
Saper effettuare un semplice cambiamento di variabili nel calcolo degli integrali e saper usare le coordinate polari.
Saper applicare il teorema di Kuhn-Tucker in casi semplici.
Saper usare i moltiplicatori Lagrangiani nello studio di estremi vincolati per funzioni di più variabili.

CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Saper calcolare l’integrali di funzioni di più variabili (tramite il Teorema di Fubini, …) .
Saper calcolare la matrice Hessiana e suoi autovalori.
Saper determinare i massimi e minimi liberi di una funzione di più variabili.
Calcolo di integrali tramite la derivazione sotto il segno di integrale.
Saper risolvere semplici equazioni differenziali (variabili separabili, …).

AUTONOMIA DI GIUDIZIO:
Traduzione in termini matematici di problemi di ottimizzazione dalla vita reale.

ABILITA’ COMUNICATIVE:
Saper presentare gli aspetti quantitativi dei modelli economici e finanziari.

CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Saper applicare le proprietà algebriche dell’algebra delle matrici con particolare riferimento alle matrici a blocchi.
Saper diagonalizzazione una matrice (sotto le opportune condizioni).
Attesa condizionata e suo significato geometrico. Gaussiana multivariata.

AUTONOMIA DI GIUDIZIO:
Come modellare situazioni economiche e finanziarie utilizzando modelli stocastici.

ABILITA’ COMUNICATIVE:
Saper presentare gli aspetti quantitativi dei modelli economici e finanziari.

Programma

LINEAR ALGEBRA AND PROBABILITY
Parte II: Analisi Matematica
Serie. Numeri complessi. Serie ed esponenziali complessi. Formula di Eulero. Differenziabilità per funzioni in più variabili: esempi e controesempi. Il gradiente. La matrice jacobiana. Differenziale per funzioni composte. Derivate parziali miste. Il teorema di Schwartz-Young. Integrazione in dimensione n. Il teorema di Fubini. La formula per il cambio di variabili. Integrazione usando coordinate polari. Derivazione sotto il segno di integrale. Introduzione alle equazioni differenziali. Il problema di Cauchy. Il prodotto scalare L^2 in R^2 e per le variabili aleatorie. Funzioni quasiconcave. Funzioni implicite. I-l teorema della mappa contrattiva.

Parte III: Algebra Lineare
Sistemi di equazioni lineari. Algebra delle matrici. Matrici quadrate. Trasposta. Determinante. Gruppi, campi, spazi vettoriali. Indipendenza lineare e basi. Dimensione. Trasformazioni lineari. Nuclei. Prodotti scalari. Disuguaglianza di Cauchy- Schwartz. Autovalori, autovettori, polinomio caratteristico di una matrice quadrata. Proprietà degli autospazi. Matrici ortogonali e simmetriche. Matrici definite positive. Operatori di proiezione. Decomposizione di Cholesky. Matrici diagonalizzabili. Il teorema spettrale.

Parte IV: Ottimizzazione
Il polinomio di Taylor in dimensione n. La matrice hessiana. Ottimizzazione non vincolata: condizioni necessarie e sufficienti per massimi e minimi. Ottimizzazione vincolata. Lagrangiana e moltiplicatori di Lagrange. Introduzione a Kuhn-Tucker. Il teorema dell’inviluppo.

CALCULUS AND OPTIMIZATION
Il programma completo dei due moduli (12 CFU) è diviso in quattro parti di circa 18 ore di lezioni ciascuna.

Parte I: Probabilità
Spazi di probabilità. Algebre di eventi. Calcolo combinatorio. Spazi di probabilità finiti. Introduzione agli assiomi di Kolmogorov. Probabilità condizionata, formula di Bayes. Eventi indipendenti. Variabili aleatorie. Distribuzione di probabilità e funzione di densità per variabili aleatorie. Attesa, varianza e loro proprietà. Attesa e varianza per le principali distribuzioni. Covarianza e invarianza di scala per il coefficiente di correlazione. Vettori aleatori. Distribuzione e densità per i vettori aleatori. Variabili aleatorie indipendenti, covarianza e correlazione. Attesa condizionata per variabili aleatorie e suo significato geometrico. Convergenza in probabilità e in legge. La funzione caratteristica. Legge (debole) dei grandi numeri. Teorema centrale del limite. Distribuzione gaussiana multivariata. Attesa condizionata per la gaussiana bivariata.

Parte II: Analisi Matematica
Serie. Numeri complessi. Serie ed esponenziali complessi. Formula di Eulero. Differenziabilità per funzioni in più variabili: esempi e controesempi. Il gradiente. La matrice jacobiana. Differenziale per funzioni composte. Derivate parziali miste. Il teorema di Schwartz-Young. Integrazione in dimensione n. Il teorema di Fubini. La formula per il cambio di variabili. Integrazione usando coordinate polari. Derivazione sotto il segno di integrale. Introduzione alle equazioni differenziali. Il problema di Cauchy. Il prodotto scalare L^2 in R^2 e per le variabili aleatorie. Funzioni quasiconcave. Funzioni implicite. I-l teorema della mappa contrattiva.

Parte III: Algebra Lineare
Sistemi di equazioni lineari. Algebra delle matrici. Matrici quadrate. Trasposta. Determinante. Gruppi, campi, spazi vettoriali. Indipendenza lineare e basi. Dimensione. Trasformazioni lineari. Nuclei. Prodotti scalari. Disuguaglianza di Cauchy- Schwartz. Autovalori, autovettori, polinomio caratteristico di una matrice quadrata. Proprietà degli autospazi. Matrici ortogonali e simmetriche. Matrici definite positive. Operatori di proiezione. Decomposizione di Cholesky. Matrici diagonalizzabili. Il teorema spettrale.

Parte IV: Ottimizzazione
Il polinomio di Taylor in dimensione n. La matrice hessiana. Ottimizzazione non vincolata: condizioni necessarie e sufficienti per massimi e minimi. Ottimizzazione vincolata. Lagrangiana e moltiplicatori di Lagrange. Introduzione a Kuhn-Tucker. Il teorema dell’inviluppo.

Modalità d'esame

La valutazione dello studente prevede una prova scritta strutturata.

Per garantire il raggiungimento degli obiettivi di apprendimento la struttura dell'esame è tripartita. Una parte è dedicata alla dimostrazione di teoremi con lo scopo di controllare la comprensione teoretica degli argomenti del programma (Learning Outcomes). In una situazione intermedia si trova una seconda parte effettuata tramite quiz (alternativa vero-falso): le domande implicate hanno lo scopo di controllare l'abilità dello studente nell'applicazione della comprensione teoretica a nuove situazioni (Applying Knowledge and Understanding). Una terza parte è composta da esercizi più standard (Knowledge and Understanding).

Gli studenti che si ritirano o vengono bocciati a un esame possono ripresentarsi anche nella stessa sessione di esame.

Gli studenti che sostengono l'esame sono valutati secondo la seguente scala di valutazione:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

T.M. Apostol. Calculus, Vol. I and Vol. II, Wiley & Sons.

D. C. Lay, Linear Algebra and Its Applications, Pearson

P. Bilingsley, Probability and Measure (Wiley Series in Probability and Statistics)

S. Ross, A First course in Probability

J.P. Romano and A.F. Siegel, Counterexamples in Probability And
Statistics (Wadsworth and Brooks/Cole Statistics/Probability Series)

P. Lockhart. A Mathematician Lament.

Codice insegnamento 8012377

Numerical Methods And Machine Learning For Finance 1° anno · 6 CFU · STAT-04/A · 0 file

OBIETTIVI FORMATIVI: Il corso fornisce una conoscenza dei primi elementi di programmazione, con enfasi sulle applicazioni finanziarie. Durante il corso verrà anche analizzato, sia dal punto di vista teorico che…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:

Il corso fornisce una conoscenza dei primi elementi di programmazione, con enfasi sulle applicazioni finanziarie. Durante il corso verrà anche analizzato, sia dal punto di vista teorico che applicativo, il modello di regressione lineare.
Gli studenti applicheranno le loro conoscenze per scrivere alcuni codici per risolvere problemi classici nel campo della finanza quantitativa.

1) CONOSCENZA E CAPACITA’ DI COMPRENSIONE

Si richiede di comprendere le basi di progrmmazione e della teoria delle regressioni lineari. Si richiede la comprensione di codici Matlab elementari con applicazioni statistiche e la capacità di formulazione di modelli di regressione lineari da applicare allo studio di problemi legati alla finanza (come, ad esmpio, il capital asset pricing model).

2) CAPACITA’ DI APPLICARE CONOSCENZA E COMPRENSIONE

Al termine del corso gli studenti devono essere in grado di formulare l'analisi di un semplice problema finanziario in termini di regressioni lineari, derivare le prorpoietà teoriche del modello formulato (in particolare degli stimatori utilizzati per stimare il modello) e di produrre efficienti codici in grado di svolgere tali analisi su dataset reali.

3) AUTONOMIA DI GIUDIZIO

Si richiede, al termine del corso, di avere gli strumenti per valutare in quali contesti economici sia sensato applicare i modelli di regressione lineare e, più specificatamente, la capacità di giudicare quale formulazione sia la migliore a seconda del contesto in cui ci si trova (series storiche di prezzi di asset o GDP etc...).

4) ABILITA' COMUNICATIVE

E' richiesto che, al termine del corso, gli studenti siano in grado di esprimersi con un linguaggio rigoroso, preciso e sintetico sia per ciò che concerne la teoria degli stimatori OLS e le loro proprietà asintotiche.

5) CAPACITA' DI APPRENDERE

Il corso fornisce gli strumenti per lavorare in autonomia su modelli econometrici di base e su come tradurre tali problemi in codici utili alla stima degli stessi su serie storiche temporali di varia natura. Gli studenti, alla fine del coso, avranno una buona autonomia di apprendimento in relazione ad articoli scientfici di stampo econometrico-finanziario.

Programma

NUMERICAL METHODS AND MACHINE LEARNING FOR FINANCE
Parte 1: Metodi Numerici per la Finanza

Settimana 1: Metodi tree/lattice

  • Alberi binomiali
  • Alberi trinomiali

Settimana 2: Metodi Monte Carlo

  • Generazione di variabili casuali
  • Variabili gaussiane correlate
  • Simulazione di traiettorie e valutazione di opzioni
  • Simulazione e errore di stima
  • Metodi di riduzione della varianza
  • Valutazione di opzioni: applicazione all'opzione barriera "down and out" europea nel modello di Black-Scholes e Valutazione di obbligazioni con il modello CIR.

Settimana 3: Metodi alle differenze finite per le equazioni alle derivate parziali (PDE)

  • Schema esplicito, Schema implicito, Schema di Crank-Nicolson
  • Analisi di stabilità e convergenza
  • Risoluzione numerica di sistemi di equazioni lineari

NUMERICAL METHODS AND MACHINE LEARNING FOR FINANCE
Parte 2: Machine Learning

Settimana 4: Introduzione ai metodi di Machine Learning

  • Concetti primitivi di AI e machine learning
  • Feedforward neural network, definizione e prorpietà
  • Esempi elementari di allenamento di una rete

Settimana 5: Teoria delle reti neurali e metodi numerici di ottimizzazione

  • Teorema di approsimazione universale
  • Limiti di stima e approssimazione
  • Algoritimi della classe Gradient desecent

Settimana 6: Calibrazione di reti e stima di modelli

  • Calibrazione degli iperparametri di una rete
  • Processi stocastici parametrici in tempo continuo e discretizzazione
  • Stima tramite Simulated Method of Moments
  • Stima tramite Deep Neural Network

Modalità d'esame

La verifica dell’apprendimento avviene mediante una prova orale.

Tale modalità consente di accertare l’effettivo conseguimento dei risultati di apprendimento attesi, con particolare riferimento:
alla comprensione dei metodi numerici e degli algoritmi di machine learning presentati (conoscenza e comprensione),
alla capacità di applicarli in contesti finanziari reali (applicazione),
all’autonomia di giudizio nell’analisi critica dei risultati,
alla chiarezza e accuratezza nella presentazione (abilità comunicative).

L'esame orale verte sugli argomenti del corso e mira a valutare la comprensione teorica, la capacità di ragionamento e l'autonomia critica.

Sarà possibile rifiutare il voto dell'esame UNA SOLA VOLTA.

Criteri per la formulazione del giudizio espresso in trentesimi:

Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.

21-23: conoscenza e comprensione degli argomenti routinaria; capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi e buona autonomia di giudizio.

30-30L: ottimo livello di conoscenza e comprensione degli argomenti; notevoli capacità di analisi, sintesi e autonomia di giudizio; argomentazioni espresse in modo originale.

La verifica dell’apprendimento avviene mediante una prova orale.

Tale modalità consente di accertare l’effettivo conseguimento dei risultati di apprendimento attesi, con particolare riferimento:
alla comprensione dei metodi numerici e degli algoritmi di machine learning presentati (conoscenza e comprensione),
alla capacità di applicarli in contesti finanziari reali (applicazione),
all’autonomia di giudizio nell’analisi critica dei risultati,
alla chiarezza e accuratezza nella presentazione (abilità comunicative).

L'esame orale verte sugli argomenti del corso e mira a valutare la comprensione teorica, la capacità di ragionamento e l'autonomia critica.

Sarà possibile rifiutare il voto dell'esame UNA SOLA VOLTA.

Criteri per la formulazione del giudizio espresso in trentesimi:

Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.

18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.

21-23: conoscenza e comprensione degli argomenti routinaria; capacità di analisi e sintesi corrette con argomentazione logica coerente.

24-26: discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.

27-29: conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi e buona autonomia di giudizio.

30-30L: ottimo livello di conoscenza e comprensione degli argomenti; notevoli capacità di analisi, sintesi e autonomia di giudizio; argomentazioni espresse in modo originale.

Testi di riferimento

K.E. Atkinson. An introduction to numerical analysis, Second Edition. Wiley, 1989.
P. Billingsley. Convergence of probability measures (2nd ed.). John Wiley & Sons, 1999.
R. Cont and E. Voltchkova. A finite difference scheme for option pricing in jump diffusion and
exponential L´evy models. SIAM Journal On Numerical Analysis, 43(4): 1596-1626, 2005.
Barron, A.R., Approximation and estimation bounds for artificial neural networks. Mach. Learn., 1994, 14(1), 115–133.
Horvath, B., Muguruza A. and Tomas M. (2021) Deep learning volatility: a deep neural network perspective on pricing and calibration in (rough) volatility models, Quantitative Finance, 21:1, 11-27.
Hornik, K., Stinchcombe, M. and White, H., Universal approximation of an unknown mapping and its derivatives using multilayer feedforward networks. Neural Netw., 1990, 3(5), 551.560

Codice insegnamento 8012394

Statistics 1° anno · 6 CFU · STAT-01/A · 0 file

OBIETTIVI FORMATIVI: Il corso si propone di fornire una comprensione approfondita dei principali problemi inferenziali, con particolare riferimento alla teoria della stima e alla verifica delle ipotesi, sia per piccoli…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Il corso si propone di fornire una comprensione approfondita dei principali problemi inferenziali, con particolare riferimento alla teoria della stima e alla verifica delle ipotesi, sia per piccoli sia per grandi campioni, adottando un approccio integrato di tipo teorico e applicato.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti e le studentesse acquisiranno le principali tecniche di inferenza statistica e gli strumenti necessari per valutarne criticamente l'efficacia e l’'ambito di applicazione.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Al termine del corso, gli studenti e le studentesse saranno in grado di applicare le conoscenze acquisite alla formalizzazione di problemi pratici e alla risoluzione di quesiti analitici. In particolare, saranno in grado di determinare e confrontare stimatori, valutare metodi inferenziali alternativi e implementare procedure di verifica delle ipotesi.

AUTONOMIA DI GIUDIZIO: Gli studenti e le studentesse svilupperanno la capacità di utilizzare in modo autonomo gli strumenti statistici appresi e di interpretare criticamente dati quantitativi, con riferimento a fenomeni economici e finanziari.

ABILITÀ COMUNICATIVE:
Gli studenti e le studentesse saranno in grado di utilizzare il linguaggio tecnico della statistica e di comunicare in modo chiaro, rigoroso e privo di ambiguità i risultati e i concetti appresi.

CAPACITÀ DI APPRENDIMENTO: Al termine del corso, gli studenti e le studentesse avranno sviluppato competenze che consentiranno loro di approfondire in modo autonomo tematiche avanzate di inferenza statistica.

Programma

Il Programma si articola in 3 aree tematiche:
Variabili aleatorie campionarie e Statistiche (10 ore)
Stima puntuale e intervallare (16 ore)
Verifica di ipotesi: criteri e costruzione di test ottimali (10 ore)
In particolare verranno affrontati i seguenti argomenti:

  • (Breve richiamo probabilità) Variabili aleatorie multiple. Richiamo teoria asintotica (2 ore)
  • Campionamento e distribuzioni campionarie (6 ore)
  • Sufficienza e Principio di verosimiglianza (2 ore)

Inferenza e stima puntuale
-Proprietà degli stimatori per piccoli e grandi campioni (2 ore)

  • Errore Quadratico Medio. Stimatori UMVUE (2 ore)
  • Metodi di Stima: metodo dei momenti (2 ore)
  • Metodo della massima verosimiglianza (2 ore)
  • Stimatori di massima verosimiglianza (2 ore)
    -Confronto tra stimatori (2 ore)
  • Stimatori Bayesiani (2 ore)
    -Intervalli di confidenza (2 ore)

Verifica di ipotesi Test ottimi.

  • Lemma di Neyman-Pearson (2 ore)
  • Test del rapporto di verosimiglianza(2 ore)
  • Test asintotici:Likelihood Ratio Tests, Score Test, Wald Test(2 ore)
    Approccio del p-value alla verifica di ipotesi(2 ore)
  • Inferenza Nonparametrica (2 ore)

Modalità d'esame

L'esame finale sarà una prova scritta e una discussione della prova scritta. La prova scritta è composta di esercizi e domande aperte e chiuse di teoria su tutto il programma.
Il voto finale è espresso in trentesimi. Le domande di teoria hanno un punteggio fino a 12 punti.
L'esercizio di inferenza, che comprende tutta la teoria della verosimiglianza e la verifica
delle ipotesi, ha un punteggio fino a 12 punti. I restanti 6 punti sono assegnati a esercizi di inferenza che richiedono abilità intuitive, ovvero la capacità di comprendere e risolvere
problemi basandosi su un'analisi rapida e sulla comprensione immediata dei concetti.
Durante il corso, gli studenti e le studentesse potranno svolgere uno o due compiti a casa e uno o due test a sorpresa a risposta multipla in aula; tali attività potranno contribuire fino a 2 punti aggiuntivi al voto finale, a condizione che l'esame sia sostenuto nella sessione invernale.

Durante l’esame si verificherà che gli studenti e le studentesse abbiano acquisito la capacità di formalizzare problemi pratici e di risolvere quesiti analitici specifici (ad esempio: determinare e confrontare stimatori, valutare metodi inferenziali alternativi e implementare procedure di verifica delle ipotesi).
Gli studenti e le studentesse saranno inoltre valutati per la loro capacità di utilizzare le conoscenze acquisite e di interpretare criticamente i risultati.

Lo studente o la studentessa risulterà-
non idoneo/a: importanti carenze e/o inaccuratezze nella conoscenza e
comprensione degli argomenti; limitate capacità di analisi e sintesi,
frequenti generalizzazioni.

o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con
possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio
sufficienti.

o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di
analisi e sintesi corrette con argomentazione logica coerente.

o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità
di analisi e sintesi con argomentazioni espresse in modo rigoroso.

o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli
capacità di analisi, sintesi. Buona autonomia di giudizio.

o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti.
Notevoli capacità di analisi e di sintesi e di autonomia di giudizio.
Argomentazioni espresse in modo originale.

Testi di riferimento

Testi consigliati:

K. Knight. Mathematical statistics. Chapman Hall/CRC (2000).
N. Mukhopadhyay. Probability and Statistical Inference, Dekker-CRC Press (2000).
T. H. Wonnacott and R. J. Wonnacott. Statistics: Discovering Its Power. John Wiley
Sons; International Ed edition (1982).
A. Mood, F. Graybill and D. Boes. Introduction to the theory of statistics, McGraw-Hill (1974).

Codice insegnamento 8012375

Sustainable Investments In Finance 1° anno · 6 CFU · ECON-02/A · 0 file

OBIETTIVI FORMATIVI: Al termine del corso, gli studenti avranno una solida conoscenza degli investimenti sostenibili e del loro ruolo nelle decisioni finanziarie. Acquisiranno competenze analitiche per valutare i fattori…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI:
Al termine del corso, gli studenti avranno una solida conoscenza degli investimenti sostenibili e del loro ruolo nelle decisioni finanziarie. Acquisiranno competenze analitiche per valutare i fattori ESG e applicarli nella gestione di portafogli e nelle strategie di investimento.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:

  • Acquisire una comprensione approfondita dei principi della finanza sostenibile, inclusi i criteri ESG (Ambientali, Sociali e di Governance).
  • Conoscere il modo in cui i mercati finanziari integrano la sostenibilità e l’impatto delle normative sugli investimenti responsabili.
  • Comprendere il ruolo degli investitori istituzionali e degli intermediari finanziari nella promozione degli investimenti sostenibili.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:

  • Analizzare e valutare opportunità di investimento che integrano i fattori ESG utilizzando modelli finanziari.
  • Applicare criteri di sostenibilità nella costruzione di portafogli e nella valutazione del rischio.
  • Utilizzare dati empirici e tecniche econometriche per misurare l’impatto dei fattori ESG sulla performance finanziaria.

AUTONOMIA DI GIUDIZIO:

  • Sviluppare capacità di pensiero critico per valutare le implicazioni etiche e finanziarie degli investimenti sostenibili.
  • Analizzare il bilanciamento tra performance finanziaria e obiettivi di sostenibilità.
  • Formulare strategie di investimento che integrino rischio, rendimento e considerazioni ESG.

ABILITÀ COMUNICATIVE:

  • Presentare e discutere strategie di investimento sostenibile in modo chiaro ed efficace, sia in forma scritta che orale.
  • Comunicare analisi finanziarie e insight sui fattori ESG a pubblici specializzati e non esperti.
  • Collaborare in team per valutare e proporre soluzioni finanziarie sostenibili.

CAPACITÀ DI APPRENDIMENTO:

  • Sviluppare capacità di apprendimento autonomo per rimanere aggiornati sulle evoluzioni della finanza sostenibile.
  • Migliorare le abilità di problem-solving integrando la teoria finanziaria con le sfide reali della sostenibilità.
  • Acquisire strumenti per un continuo sviluppo professionale nel settore degli investimenti responsabili.

Programma

Settimana 1: Finanza d'Impresa e Responsabilità Sociale d’Impresa (CSR)

La relazione tra impresa e mercato nel contesto ESG è stata ampiamente studiata. Diversi autori sottolineano come la CSR possa influenzare le performance di mercato e il comportamento aziendale. Gli studi dimostrano che la CSR è un importante fattore nella valutazione delle imprese, in particolare in termini di rendimenti aggiustati per il rischio.

Compito Settimana 1: Presentazione slide: diapositiva uno - Idea di ricerca/lavoro

Settimana 2: Investimenti Socialmente Responsabili (SRI)

L'Investimento Socialmente Responsabile (SRI) implica l’integrazione dei fattori ESG nelle strategie di investimento. La letteratura suggerisce che i fondi SRI possono ottenere performance simili ai fondi tradizionali con un profilo rischio-rendimento spesso comparabile o addirittura superiore. Inoltre, gli investimenti SRI attraggono una crescente classe di investitori socialmente consapevoli.

Compito Settimana 2: Presentazione slide: diapositiva due - Revisione della letteratura

Settimana 3: Equilibrio del mercato e Livelli di ESG

L’quilibrio di mercato per gli investimenti legati ai fattori ’ESG deriva dall'interazione tra domanda e offerta. Dal lato dell'offerta, l'impegno delle imprese nella CSR influenza il prezzo delle azioni, mentre dal lato della domanda, gli investitori alla ricerca di investimenti sostenibili determinano la dinamica complessiva del mercato. L'evidenza empirica suggerisce che questi fattori giocano un ruolo cruciale nella formazione di un equilibrio di mercato nell’ambito degli SRI.

Compito Settimana 3: Presentazione slide: diapositiva tre - Dati grezzi e campione di stima

Settimana 4: Fattore di Rischio Sistematico ESG

L'integrazione dei fattori ESG nei modelli di valutazione degli asset è fondamentale per catturare i rischi sistematici associati all'ESG. L'espansione dei modelli tradizionali, come il Capital Asset Pricing Model (CAPM), includendo fattori di rischio specifici ESG, consente una migliore rappresentazione della realtà di mercato. Questo ha portato a una comprensione più articolata dell’impatto dei fattori ESG sulla valutazione degli asset e sul rischio complessivo di mercato.

Compito Settimana 4: Presentazione slide: diapositiva quattro - Modello e strategia di stima

Settimana 5: Fondi Comuni di Investimento e fattori ESG

I fondi comuni con un focus sui fattori ESG sono sempre più richiesti dal mercato sia retail che istituzionale poiché gli investitori danno sempre più priorità a considerazioni etiche nelle loro decisioni di investimento. Gli studi mostrano che i fondi comuni orientati ai fattori ESG presentano un profilo rischio-rendimento differente rispetto ai fondi tradizionali, e la loro performance è spesso allineata con obiettivi sociali.

Compito Settimana 5: Presentazione slide: diapositiva cinque - Risultati

Settimana 6: Portafogli e Emissioni di CO2

Uno dei temi chiave negli SRI è la valutazione delle emissioni di CO2 all'interno dei portafogli di investimento. È stato dimostrato che ridurre l’'sposizione alle emissioni di carbonio può allineare obiettivi etici e finanziari. Inoltre, l'integrazione dei rischi legati al carbonio nelle decisioni di investimento influisce sulla valutazione aziendale e sui rendimenti, specialmente nei settori ad alta emissione.

Compito Settimana 6: Presentazione slide: diapositiva sei - Conclusioni

Modalità d'esame

Partecipazione in classe (30%): valutazione del lavoro settimanale di preparazione di una presentazione sintetica (6 slide) su un tema scelto tra le Reference del corso.

Tutti gli studenti sono coinvolti durante le settimane di corso nel processo di apprendimento dato che nelle esercitazioni settimanali (e nella redazione della presentazione in slide come compito a casa, TH) dovranno commentare le presentazioni degli altri studenti. Il lavoro di redazione della presentazione a casa è legato al tema scelto dallo studente ed avrà cadenza settimanale. Al termine delle sei settimane tutte le parti della presentazione sintetica saranno state trattate dallo studente e quindi ogni studente è pronto a sostenere l'esame finale per dimostrare i risultati del suo apprendimento

Esame orale finale (70%): gli studenti discutono in una presentazione pubblica l'argomento da loro scelto con il supprto di 15 slide suddivise in 5 blocchi (idea di ricerca, letteratura, dati e dataset di stima, risultati e conclusioni).

Gli studenti possono sostenere l'esame solo due volte. Non è prevista la possibilità di sostenere l'esame due volte nella stessa sessione. Il voto della ripetizione dell'esame sarà registrato (incluso un eventuale voto di "insufficiente").

Per quanto riguarda i Criteri per la formulazione del giudizio espresso in trentesimi:

  • Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
  • 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
  • 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
  • 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
  • 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
  • 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Bauer R., Derwall J., Guenster N., and Koedijk K. The eco-efficiency premium puzzle. FinancialAnalysts Journal, 61(2):51–63, 2005a.

Bauer R., Koedijk K., and Otten R. International evidence on ethical mutual fund performance andinvestment style. Journal of Banking & Finance, 29(7):1751–1767, 2005b.

Bauer R., Otten R., and Rad A. Ethical investing in australia: Is there a financial penalty? PacificBasin Finance Journal, 14(1):33–48, 2006.

Bauer R., Derwall J., Guenster N., and Koedijk K. The wages of social responsibility. European Finan-cial Management, 17(4):679–704, 2011.

Bauer R., Derwall J., and Otten R. The ethical mutual fund performance debate: New evidence fromcanada. Journal of Business Ethics, 70(2):111–124, 2007.

Becchetti L., Ciciretti R. and Dalò A., Fishing the corporate social responsibility risk factors. Journalof Financial Stability, 37:25–48, 2018.

Becchetti L., Ciciretti R., Dalò A. and Herzel S., Socially responsible and conventional investmentfunds: performance comparison and the global financial crisis. Applied Economics, 47(25), 2541-2562, 2015.

Bello Y. Socially responsible investing and portfolio diversification. Journal of Financial Research,28(1):41–57, 2005.

Berg F., Koelbel J. F., and Rigobon R. Aggregate confusion: the divergence of esg ratings. Available at SSRN 3438533, 2020.

Bollen N. Mutual fund attributes and investor behavior. Journal of Financial and Quantitative Analysis,42(3):683–708, 2007.

Bolton P. and Kacperczyk M. Do investors care about carbon risk? National Bureau of EconomicResearch, 2020.

Carhart M. M., On persistence in mutual fund performance. The Journal of Finance, 52(1):57–82,1997

Campbell J. Y., Lo A. W. C. and MacKinlay A. C., The econometrics of financial markets. PrincetonUniversity press, 1997.

Cerqueti R., Ciciretti R., Dalò A. and Nicolosi M., A new measure of the resilience for networks offunds with applications to socially responsible investments, Physica A, 593, 2022.

Cerqueti R., Ciciretti R., Dalò A. and Nicolosi M., ESG Investing: A Chance to Reduce Systemic Risk,Journal of Financial Stability, 54, 2021.

Ciciretti R., Dalò A. and Ferri G., Herding and Anti-Herding Across ESG Funds, CEIS Research PaperNo. 524, 2021.

Ciciretti R., Dalò A. and Dam L., The contributions of betas versus characteristics to the ESG premiumJournal of Empirical Finance 71, 104-124, 2023.

Ciciretti, R., Dalò, A. and Puopolo G. W., Mutual Fund Returns and CO2 Emissions, MIMEO, 2024.

Becchetti, L., Ciciretti, R. and I. Hasan. Corporate Social Responsibility, Stakeholder Risk and Id-iosyncratic Volatility. Journal of Corporate Finance, Vol. 35, pp. 297-309, 2015.

Becchetti, L., Ciciretti, R. and A. Giovannelli. Corporate Social Responsibility and Earnings Forecasting Unbiasedness. Journal of Banking and Finance, Vol. 37(9), pp. 3654-3668, 2013.

Chemmanur T. J., Rajaiya H., and Sheng J. How does soft information affect external firm financing?evidence from online employee ratings. Available at SSRN 3507695, 2020.

Chen J., Hong H., Huang M., and Kubik J. D. Does fund size erode mutual fund performance? therole of liquidity and organization. The American Economic Review, 94(5):1276–1302, 2004.

[23] Dasgupta A., Prat A., and Verardo M. The price impact of institutional herding. The Review of FinancialStudies, 24(3):892–925, 2011.

[24] Delpini D., Battiston S., Caldarelli G., and Riccaboni M. Systemic risk from investment similarities.PloS one, 14(5), 2019.

[25] Derwall J., Koedijk K., and Horst J. T. A tale of values-driven and profit-seeking social investor. Jour-nal of Banking & Finance, 35(8):2137–2147, 2011.

[26] Dyck A., Lins K. V., Roth L., and Wagner H. F. Do institutional investors drive corporate social respon-sibility? international evidence. Journal of Financial Economics, 131(3):693–714, 2019.

[27] El Ghoul S. and Karoui A. Does corporate social responsibility affect mutual fund performance andflows? Journal of Banking & Finance, 77:53–63, 2017.

[28] Fama E. and French K. R., International tests of a five-factor asset pricing model. Journal of FinancialEconomics, 123(3):441–463, 2017.

[29] Fama E. and French K. R., A five-factor asset pricing model. Journal of Financial Economics, 116(1):1–22,2015.

[30] Fama E. and French K. R., Size, value, and momentum in international stock returns. Journal ofFinancial Economics, 105(3):457–472, 2012.

[31] Fama E. and French K. R., Multifactor explanations of asset pricing anomalies. The Journal of Finance,51(1):55–84, 1996.

[32] Fama E. and French K. R., Common risk factors in the returns on stocks and bonds. Journal ofFinancial Economics, 33(1):3–53, 1993.

[33] Fama E. and French K. R., The cross-section of expected stock returns. The Journal of Finance,47(2):427–465, 1992.

[34] Fama E. and MacBeth J. D., Risk, return, and equilibrium: Empirical tests. The Journal of PoliticalEconomy, 81(3):607–636, 1973.

[35] Flammer C. Corporate social responsibility and shareholder reaction: The environmental awarenessof investors. The Journal of Finance, 56(3):758–781, 2013.

[36] Grinblatt M., Titman S., andWermers R. Momentum investment strategies, portfolio performance,and herding: A study of mutual fund behavior. The American Economic Review, 85(5):1088–1105,1995.

[37] Hartzmark S. and A. S. Do investors value sustainability? a natural experiment examining rankingand fund flows. The Journal of Finance, 74(6):2789–2837, 2019.

[38] Heinkel R., Kraus A., and Zechner J. The effect of green investment on corporate behavior. Journalof financial and quantitative analysis, 36(4):431–449, 2001.

[39] Hong H. and Kacperczyk M. The price of sin: The effects of social norms on markets. Journal ofFinancial Economics, 93(1):15–36, 2009.

[40] Huynh T. and Xia Y. Climate change news risk and corporate bond returns. Journal of Financial andQuantitative Analysis, 2020.

[41] Ibragimov R., Jaffee D., and Walden J. Diversification disaster. Journal of Financial Economics, 99(2):333–348, 2011.

[42] Jegadeesh N. and Titman S., Returns to buying winners and selling losers: Implications for stockmarket efficiency. The Journal of Finance, 48(1), 65-91, 1993.

[43] Jensen M. C., The performance of mutual funds in the period 1945-1964. The Journal of Finance,23(2):389–416, 1968.

[44] Jiang H. and Verardo M. Does herding behavior reveal skill? an analysis of mutual fund performance.The Journal of Finance, 73(5):2229–2269, 2018.

[45] Joliet R. and Titova Y. Equity sri funds vacillate between ethics and money: An analysis of the funds’stock holding decisions. Journal of Banking & Finance, 97:70–86, 2018.

[46] Kim Y., Li H., and Li S. Corporate social responsibility and stock price crash risk. Journal of Banking& Finance, 43:1–13, 2014.

[47] Lakonishok J., Shleifer A., and Vishn R. The impact of institutional trading on stock prices. Journalof Financial Economics, 32(1):23–43, 1992.

[48] Lintner J., The valuation of risk assets and the selection of risky investments in stock portfolios andcapital budgets. The Review of Economics and Statistics, 47(3):13–37, 1965.

[49] Lins K. V., Servaes H., and Tamayo A. Social capital, trust, and firm performance: The value ofcorporate social responsibility during the financial crisis. The Journal of Finance, 72(4):1785–1824,2017.

[50] Luo A. and Balvers R. Social screens and systematic investor boycott risk. Journal of Financial andQuantitative Analysis, 52(1):365–399, 2017.

[51] Mossin J., Equilibrium in a capital asset market. Econometrica: Journal of the Econometric Society,34(4):768–783, 1966.

[52] Naaraayanan S. L., Sachdeva K., and Sharma V. The real effects of environmental activist investing.Available at SSRN 3483692, 2020.

[53] Pastor L., Stambaugh R., and Taylor L. A. Sustainable investing in equilibrium. Working Paper, 2019.

[54] Patel S. and Sarkissian S. To group or not to group? evidence from mutual fund databases. Journalof Financial and Quantitative Analysis, 52(5):1989–2021, 2017.

[55] Renneboog L., Horst J. T., and Zhang C. Socially responsible investments: Institutional aspects, per-formance, and investor behavior. Journal of Banking & Finance, 32(9):1723–1742, 2008a.

[56] Renneboog L., Horst J. T., and Zhang C. The price of ethics and stakeholder governance: The perfor-mance of socially responsible mutual funds. Journal of Corporate Finance, 14(3):302–322, 2008b.

[57] Roncoroni A., Battiston S., Farfàn L. O. L. E., and Jaramillo S. M. Climate risk and financial stabilityin the network of banks and investment funds. Available at SSRN 3356459, 2019.

[58] Sharpe W. F., Capital asset prices: A theory of market equilibrium under conditions of risk. TheJournal of Finance, 19(3):425–442, 1964.

[59] Stiglitz J. E. Risk and global economic architecture: Why full financial integration may be undesir-able. American Economic Review, 100(2):388–92, 2010.

Codice insegnamento 8012393

Time Series 1° anno · 6 CFU · STAT-02/A · 0 file

OBIETTIVI FORMATIVI: Gli studenti apprenderanno conoscenza teorica e capacità avanzate dell'analisi econometrica dei fenomeni economici e finanziari nel tempo. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Gli studenti apprenderanno conoscenza teorica e capacità avanzate dell'analisi econometrica dei fenomeni economici e finanziari nel tempo.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti saranno capacità di sviluppare tutte le fasi del processo di una analisi empirica volta all’'analisi e alla previsione delle serie storiche economiche e finanziarie.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Gli studenti saranno in grado di capire e utilizzare i principali modelli dinamici usati nella ricerca empirica.

AUTONOMIA DI GIUDIZIO: Gli studenti impareranno a valutare le implicazioni dei risultati statistici per il problema in esame.

ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di comunicare efficacemente risultati delle analisi empiriche basate su dati in serie storiche.

CAPACITÀ DI APPRENDIMENTO: Gli studenti saranno stimolati a sviluppare le loro abilità mediante la lettura di articoli scientifici e l'uso di database specializzati.

Programma

Serie storiche univariate:
1) Serie storiche stazionarie e nonstazionarie (prima settimana).
2) Inferenza statistica e previsione (seconda settimana).
3) Radice unitarie in economia e finanza (terza settimana).

Serie storiche multivariate:
4) Stazionarietà e ergodicità; Rappresentazione di Wold multivariata; Modelli VAR (quarta settimana).
5) VAR strutturali (quinta settimana).
6) Cointegrazione (sesta settimana).

Modalità d'esame

La valutazione dello studente prevede una prova ……scritta in cui vengono proposti esercizi sulla teoria e domande di comprensione sugli argomenti del corso. Il voto medio degli esercizi a casa (se svolti) conta per il 20% del voto finale.
Lo studente dovrà dimostrare di aver appreso la conoscenza teorica e le capacità avanzate dell'analisi econometrica dei fenomeni economici nel tempo.
La prova non può essere sostenuta due volte nella sessione invernale.
La prova di esame sarà valutata secondo i seguenti criteri:
o Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
o 18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti.
o 21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
o 24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
o 27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
o 30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Cochrane, J.H. (2005), Time Series for Macroeconomics and Finance, Manuscript.
Mills, T.C. & R.N. Markellos (2008), The Econometric Modelling of Financial Time Series, 3rd Edition, Cambridge University Press.

Codice insegnamento 8012325

Asset Management 2° anno · 6 CFU · 0 file
Asset Pricing 2° anno · 6 CFU · 0 file
Empirical Banking 2° anno · 6 CFU · 0 file
Final Exam 2° anno · 24 CFU · 0 file
Securities Regulation And Responsible Investments 2° anno · 6 CFU · GIUR-02/A · 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.