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

BUSINESS INTELLIGENCE PER I SERVIZI FINANZIARI

Scheda dell'insegnamento

Anno accademico di regolamento: 
2016/2017
Anno di corso: 
3
Anno accademico di erogazione: 
2018/2019
Tipo di attività: 
Obbligatorio a scelta
Lingua: 
Italiano
Crediti: 
8
Ciclo: 
Primo Semestre
Ore di attivita' didattica: 
72
Prerequisiti: 

- Basi di Dati;

- Probabilità e statistica dell'informatica;

- Linguaggi di programmazione

Moduli

Metodi di valutazione

Modalita' di verifica dell'apprendimento: 

La prova d'esame sarà articolata come segue:

Un parziale, intorno alla metà di Dicembre, che consiste in un insieme di domande (al massimo 10) a risposta aperta riguardanti gli argomenti presentati.

Ad ogni domanda sarà associato un punteggio, da 3 a 5. Lo studente può rispondere ad un qualsiasi numero di domande.

Alcuni esempi di domande:
[5 PUNTI] Capital asset pricing model
[5 PUNTI] come le attitudini al rischio sono rappresentate dalle funzioni di utilità?
[3 PUNTI] Tasso interno di rendimento

La valutazione del parziale sarà espressa attraverso un giudizio quali-quantitativo:
Insufficiente [<18]
Sufficiente [18->22]
Buono [23->26]
Eccellente [27->29]
Top [ >30]

Il parziale NON è obbligatorio: lo studente che ottenga una valutazione almeno sufficiente al parziale sarà esonerato, alla prova orale finale, dalla discussione degli argomenti del parziale steso.

La prova finale sarà organizzata come segue:
Prova orale:
La prova orale verterà sugli argomenti svolti a lezione.
I temi del parziale non saranno oggetto di verifica alla prova orale, per gli studenti che abbiano superato il parziale stesso.
Progetto di Laboratorio in R:
Realizzazione di un applicativo in R (o Python) per l'analisi di dati finanziari. Oltra ad una relazione scritta, il progetto sarà discusso, oralmente, avvalendosi di un set di slide, con possibili domande sugli argomenti svolti in aula.
Le tempistiche di consegna verranno comunicate su Moodle.

Assignment:
Verranno proposti alcuni argomenti di approfondimento tra i quali lo studente dovrà sceglierne uno preparare una sintetica relazione che potrà essere discussa all’orale.
Le tempistiche di consegna verranno comunicate su Moodle.

Assignment (facoltativo):
Lo studente potrà scegliere fra tre temi su problematiche generali relative a mercati finanziari. I tre temi verranno proposti assieme ai risultati del parziale.
La relazione prodotta sarà valutata positivamente ai fini della determinazione del voto finale.
Le tempistiche di consegna verranno comunicate su Moodle.

Valutazione: 
Voto Finale

Obiettivi formativi

Formare figure professionali in grado di utilizzare e/o implementare soluzioni di Business Intelligence/Analytics e Data Science per la gestione e l'analisi dei dati finanziari, sia in modalità bacth che online.

In particolare si forniranno competenze per lo sviluppo di soluzioni di analisi dei mercati finanziari

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
- Python per la finanza: un'introduzione
- Progettazione di applicativi di Predictive analytics e Algorithmic Trading

Programma esteso

- Introduzione al corso e Sorgenti di dati

- Valore attuale e tasso di rendimento

- Rischi delle attività finanziarie, funzioni di utilità

- Mercati finanziari e strumenti finanziari

- Correlazione, covarianza, Media-Varianza, Capital Asset Pricing Model (CAPM)

- Titoli di stato debito e privati

- Gli strumenti derivati

- Introduzione a R

- Download e analisi di dati finanziari (con R)

- Rappresentazione e manipolazione di dati finanziari con R

- Gestione Asset e Portafogli

- Statistiche per serie temporali di dati finanziari

- Misure di similarità e tecniche di Clustering per serie temporali

- Forecasting

- Introduzione a Python: analisi statistiche e predittive su dati finanziari

Bibliografia consigliata

Slide del corso fornite dai docenti

- Articoli suggeriti durante il corso

- Testo: "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 open-source 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.