Insegnamento STATISTICAL METHODS FOR DATA SCIENCE
- Corso
- Informatica
- Codice insegnamento
- A002172
- Curriculum
- Comune a tutti i curricula
- Docente
- Gianna Figa'-talamanca
- Docenti
-
- Gianna Figa'-talamanca
- Ore
- 42 ore - Gianna Figa'-talamanca
- CFU
- 6
- Regolamento
- Coorte 2024
- Erogato
- 2025/26
- Attività
- Affine/integrativa
- Ambito
- Attività formative affini o integrative
- Settore
- MAT/06
- Tipo insegnamento
- Opzionale (Optional)
- Tipo attività
- Attività formativa monodisciplinare
- Lingua insegnamento
- INGLESE
- Contenuti
- Il corso intrdouce agli studenti i principali metodi computazionali per risolvere i classici problemi in finanza matematica
- Testi di riferimento
- Dispense fornite dal docente. Inoltre saranno di utile consultazione i seguenti testi: 1) Glasserman, P., Monte Carlo Methods in Financial Engineering 2) Pascucci A., PDE and Martingale Methods in Option Pricing, Bocconi University Press, Springer Ed. 3) Cesarone F., Computational Finance, Routledge-Giappichelli Ed. 4) Pocci. C., Rotundo, G., De Kok, R., MATLAB for applications in Economics and Finance, Maggioli Ed. 5) Oliva. I., Renò Roberto, Principi di Finanzia Quantitativa, Apogeo Educazione, Maggioli Editore, 2021.
- Obiettivi formativi
- Lo studente sarà i grado di implementare modelli e risolvere questioni di natura applicativa che sono ricorrenti in finanza quantitativa.
- Prerequisiti
- Gli studenti devono aver sostenuto il corso di Matlab Lab o comunque conoscere i software in maniera adeguata..
- Metodi didattici
- Lezioni ed esercitazioni i classe su PC con l'ausilio di Matlab.
- Modalità di verifica dell'apprendimento
- Per sostenere l'esame gli studenti dovranno preparare u report finale del corso che sarà discusso in sede di esame orale.
- Programma esteso
- Il corso introduce alcuni metodi computazionali per la risoluzione di alcuni problemi pratici di finanza quantitativa. In particolare, i seguenti problemi saranno esaminati attraverso lezioni introduttive ed esercitazioni: 1) Generazione di numeri casuali. Il metodo Monte Carlo. Moto browniano geometrico: proprietà teoriche, stima e simulazione. 2) Metodo Monte Carlo per la valutazione di derivati ¿¿semplici ed esotici (modello di Black e Scholes). 3) Metodo Monte Carlo per la stima delle greche dei derivati ¿¿finanziari (modello di Black e Scholes). 4) Schemi di discretizzazione di equazioni differenziali stocastiche oltre il moto browniano aritmetico o geometrico. 5) Modelli a breve termine: proprietà teoriche, simulazione e valutazione di prodotti derivati. 6) Modelli di volatilità stocastica: proprietà teoriche, simulazione e valutazione di prodotti derivati. 7) Metodi di stima e calibrazione dei parametri del modello 8) Esempi relativi ai prodotti assicurativi.