Anno di corso: 1

Crediti: 8
Crediti: 8
Crediti: 8
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale
Crediti: 3
Tipo: Lingua/Prova Finale

Anno di corso: 2

Anno di corso: 3

Crediti: 8
Crediti: 8
Crediti: 16
Tipo: A scelta dello studente
Crediti: 4
Tipo: Lingua/Prova Finale
Crediti: 13
Tipo: Altro

BUSINESS INTELLIGENCE PER I SERVIZI FINANZIARI

Scheda dell'insegnamento

Anno accademico di regolamento: 
2014/2015
Anno di corso: 
3
Anno accademico di erogazione: 
2016/2017
Tipo di attività: 
Obbligatorio a scelta
Crediti: 
8
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
76
Prerequisiti: 

Basi di Dati; Probabilità e statistica dell'informatica; Linguaggi di programmazione

Moduli

Metodi di valutazione

Tipo di esame: 
Orale
Modalita' di verifica dell'apprendimento: 

Progetto e relativa discussione; verifiche intermedie tramite esercitazioni di laboratorio.

Valutazione: 
Voto Finale

Obiettivi formativi

Figure professionali in grado di utilizzare e/o implementare soluzioni di Data Science per la gestione e l'analisi dei dati finanziari, sia in modalità bacth che online
Un settore privilegiato nel corso l' IT per il settore finanziario per lo sviluppo di soluzioni di analisi dei mercati.

Contenuti

- I mercati finanziari: organizzazione, microstrutture e tecnologie (tra cui anche bitcoin e block-chain)
- I mercati finanziari come "data generators": strumenti e tipi di operatori attivi
- Asset allocation e Capital Asset Pricing Model
- Pricing dei prodotti derivati
- High Frequency Trading (HFT): arbitraggi su titoli, derivati e valute
- R: il linguaggio della finanza computazionale
- Massive Online Analysis, Stream Data Mining: l'ecosistema Hadoop ed il Machine Learning online
- Progettazione di applicativi di HFT

Programma esteso

1 I mercati finanziari: organizzazione, microstrutture e tecnologie (ra cui bitcoin e block-chain)

2 I mercati finanziari come "data generators": strumenti e tipi di operatori attivi

3 Asset allocation e Capital Asset Pricing Model

4 Pricing dei prodotti derivati

5 High Frequency Trading (HFT): arbitraggi su titoli, derivati e valute

6 R: il linguaggio della finanza computazionale

7 Massive Online Analysis, Stream Data Mining: l'ecosistema Hadoop ed il Machine Learning online

8 Progettazione di applicativi di HFT

Bibliografia consigliata

"Computational Finance - An Introductory Course with R", Argimiro Arratia, Atlantis Press (2014)

Metodi didattici

L'attività formativa si articolerà in lezioni frontali ed esercitazioni in cui verranno presentati gli applicativi opensource e le piattaforme disponibili sul mercato che saranno alla base dell'attività di laboratorio dedicata all'impostazione e allo sviluppo di un progetto che potrà consistere nella realizzazione o di applicativi di analytics per dati finanziari o di un applicativo di trading.