Metodi statistici per la finanza e le assicurazioni

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.