Metodi statistici per la finanza e le assicurazioni PROF. RICCARDO BRAMANTE; PROF. MARCO CERRI OBIETTIVO DEL CORSO È noto che gli strumenti di analisi impiegati in finanza e nelle assicurazioni stanno assumendo connotazioni sempre più analitiche. All’investitore viene ormai richiesta non più solamente una solida formazione sui mercati e sul loro funzionamento, ma anche una buona capacità di sfruttare strumenti matematici, statistici e informatici che gli consentano di prendere decisioni spesso molto specifiche e personalizzate al contesto in cui opera e in tempi brevi. È sulla base di questi presupposti che con questo corso ci si propone, utilizzando prevalentemente il sw Excel© di introdurre: metodi per effettuare exploratory data analysis di rendimenti di un prodotto finanziario e di un portafoglio; commentare l’uso di tecniche di simulazione e di campionamento per la finanza; effettuare inferenza sui parametri di modelli impiegati per descrivere fenomeni finanziari con particolare riguardo all’impiego di modelli di regressione; simulazione di un moto browniano geometrico e calcolo del valore di un opzione; correlazione ed autocorrelazione; metodi per la stima del VaR; misure di volatilità dei mercati finanziari; modelli statistici per serie storiche finanziarie. PROGRAMMA DEL CORSO OBIETTIVI FORMATIVI CHE LO STUDENTE DOVREBBE AVER RAGGIUNTO PRIMA DI ACCEDERE AL CORSO Prima di accedere al corso la studentessa/lo studente dovrebbe conoscere almeno gli elementi di matematica e statistica impartiti nei corsi della laurea triennale, e conoscere i principali modelli probabilistici (in particolare il modello gaussiano). Nozioni di base sul comportamento dei mercati finanziari, dei principali prodotti finanziari e, stante il rilevante impiego di strumenti informatici, una almeno discreta dimestichezza col personal computer, con un browser internet e col foglio elettronico excel, costituiranno elementi utili per una più agevole interpretazione dei risultati. OBIETTIVI FORMATIVI CHE LO STUDENTE POTREBBE ACQUISIRE NEL CORSO Utilizzando il foglio elettronico Excel, si inizierà esplorativa con l’analisi di serie storiche finanziarie prese da siti specialistici. Tale argomento sarà presentato commentando anche con l’uso del modulo Analisi dei dati. Seguiranno richiami su alcuni modelli probabilistici tipici della finanza e delle assicurazioni e le principali tecniche per l’identificazione e la stima dei parametri di distribuzioni. Tali argomenti saranno presentati commentando: la generazione di numeri casuali, il modulo Risolutore. Seguiranno esempi di proiezione di serie storiche finanziarie. Si procederà con la costruzione di un portafoglio di titoli. Tale argomento sarà presentato commentando l’uso di Tabelle Pivot. Dopo il completamento della trattazione dei precedenti argomenti, la studentessa/lo studente avrà modo di apprendere strumenti statistici che permettono di: – approfondire e descrivere sinteticamente le caratteristiche delle dinamiche di una serie storica finanziaria, anche utilizzando procedure di simulazione e ricampionamento da serie storiche; – studiare le dinamiche di volatilità e correlazioni e stimare il VaR di un portafoglio. BIBLIOGRAFIA Testi consigliati D. ZAPPA-M. NAI RUSCONE-R. BRAMANTE, Appunti di metodi statistici per la finanza e le assicurazioni, EDUCatt, 2012. Letture complementari S. BENNINGA-C. ZAZZARA, Modelli finanziari: la finanza con Excel, McGraw-Hill, 2001. D. RUPPERT, Statistics and Data Analysis for financial engineering, Springer, 2011. C. SENGUPTA, Financial Modelling Using Excel and VBA, Wiley, 2004. DIDATTICA DEL CORSO Le lezioni saranno svolte esclusivamente in aula informatica. Si snoderanno affrontando l’elaborazione di serie storiche finanziarie (serie di prezzi, volumi, rendimenti, tassi), utilizzando il sw Excel. Sono previsti tre cicli di lezioni aggiuntive: 1. Dott. Silvia Facchinetti: ciclo di lezioni di introduzione ad impego base di SAS; 2. Dott. Marco Cerri: ciclo di lezioni di introduzione ad impego avanzato di SAS; 3. Dott. Elena Siletti: ciclo di lezioni di introduzione a linguaggio R.; La partecipazione a questi moduli è a titolo facoltativo. Le modalità di iscrizione verranno comuicate all’inizio del corso. METODO DI VALUTAZIONE La prova di valutazione verrà svolta esclusivamente in aula informatica. Alla candidata/al candidato verrà assegnato un case study con una batteria di domande relative ai temi trattati a lezione a cui rispondere usando come strumento di calcolo il sw excel. La durata della prova sarà di almeno 1h. Laboratorio di Analisi Statistica Multivariata per la finanza e le assicurazioni PROF. MARCO CERRI OBIETTIVO DEL CORSO Il corso ha come scopo quello di fornire la metodologia di esplorazione di grandi moli di dati e di pervenire ad una loro sintesi che ne evidenzi e preservi la caratteristiche informative principali. Nella prima parte, verranno presentati gli aspetti fondamentali comuni ai diversi algoritmi di analisi statistica multivariata e le principali metodologie di Data Mining, utilizzati nell’analisi di vasti e complessi dataset, nonché la loro applicazione in ambito attuariale mediante l’utilizzo del sistema SAS. Ai partecipanti verranno mostrati i software SAS Base, SAS Enterprise Guide e SAS Enterprise Miner e il loro utilizzo in sede di preparazione, elaborazione, analisi, interpretazione dei risultati ed estensione degli algoritmi. Nella seconda parte del corso, verranno presentate le principali funzionalità di software applicativi GIS (Geographic Information System) attraverso l’uso dell’applicativo ARCVIEW di ESRI, per l’analisi dei dati geografici e le metodologia di integrazione ai processi di data mining. PROGRAMMA DEL CORSO PARTE1: Introduzione a SAS e alle principali tecniche di analisi statistica multivariata – Introduzione ai software di data mining (obiettivi, architettura DB aziendale alla sua interrogazione (cenni), DWH, datamart e ambienti di analisi, tipologie di dati, small e big data) all’ambiente SAS: SAS Base, SAS Enterprise Guide, SAS Enterprise Miner. – Introduzione al Trattamento dati: import, select, merge, sample, funzioni, … – Analisi preliminare dei dati: frequenze, descrittive, cross table, correlazioni, ANOVA. Tecniche di analisi esplorative – Analisi in Componenti Principali (PCA). – Cluster Analysis: gerarchiche e non gerarchiche. Tecniche di scoring – Modelli di Regressione: specificazione, stima dei parametri, verifiche di ipotesi e selezione del modello. – Alberi Decisionali: nodi, livelli, principali algoritmi, tabelle guadagni e perdite. – Reti Neurali Artificiali: architetture, funzionamento, apprendimento, ottimizzazione, previsione. – Confronto tra modelli e creazioni dei processi di traning, validation e test. – Estensione del modello migliore per la previsione e la classificazione, logiche di aggiornamento del modello e di utilizzo aziendale. PARTE 2: Introduzione al GIS e alle principali tecniche di analisi dei dati territoriali – – – – – Panoramica sulle funzionalità dei sistemi informativi geografici. Presentazione delle principali banche dati territoriali. Integrazione del GIS ai DB aziendali. Esempi ed usi di sistemi di qualificazione territoriale per il CRM. Bacini e Modelli gravitazionali e loro impiego nel CRM. BIBLIOGRAFIA Letture consigliate S. DULLI-N. DEL CIELLO-A. SACCARDI, Metodi di data mining per il CRM, Franco Angeli, 2002. O. PARR-RUD, Business Analytics Using SAS® Enterprise Guide® and SAS® Enterprise Miner™: A Beginner's Guide, SAS Institute Inc, 2014. DIDATTICA DEL CORSO Le lezioni, svolte solo in aula informatica, privilegeranno l’aspetto applicativo delle varie tecniche proposte, sperimentando il sistema SAS e il sistema ESRI nei loro principali software applicativi e su dataset di natura economico-finanziaria. I richiami teorici saranno presentati con supporto di slide in MS PowerPoint eventualmente rilasciate agli studenti. METODO DI VALUTAZIONE Una prova di valutazione in aula sulla applicazione degli argomenti impartiti. AVVERTENZE Orario e luogo di ricevimento Il Prof. Marco Cerri riceve gli studenti come da orari affissi all’albo presso il Dipartimento di Scienze statistiche (Lanzone 18, III piano) nonché come pubblicato sulle pagine web dei docenti.