CODING FOR FINANCE - 162020-ENG

insegnamento

ID:

162020-ENG

Dettaglio:

SSD: Metodi matematici dell'economia e delle scienze attuariali e finanziarie Durata: 48 CFU: 6

Sede:

BERGAMO

Url:

Dettaglio Insegnamento:

ECONOMICS AND FINANCE - 162-R-EN/Quantitative Finance and Insurance Anno: 1

Anno:

2026

Periodo di attività

Secondo Semestre (15/02/2027 - 28/05/2027)

Obiettivi Formativi

Al termine del corso, gli studenti saranno in grado di manipolare in modo efficiente dati finanziari e numerici utilizzando gli array di NumPy e le strutture dati di Pandas. Saranno capaci di implementare e analizzare modelli di ottimizzazione di portafoglio media-varianza, di costruire la frontiera efficiente e di individuare i portafogli ottimali usando Python. Sempre utilizzando il linguaggio di programmazione Python gli studenti impareranno ad applicare i criteri di dominanza stocastica per ordinare alternative di investimento, nonché a stimare e verificare i principali modelli di asset pricing, ovvero il Capital Asset Pricing Model (CAPM) e l'Arbitrage Pricing Theory (APT). Infine, saranno in grado di modellizzare e risolvere problemi decisionali in condizioni di rischio e incertezza, traducendo i concetti teorici della finanza in codice Python funzionante applicato a dati di mercato reali.

Prerequisiti

Si richiede agli studenti una familiarità di base con i concetti di programmazione, sebbene non sia strettamente necessaria un'esperienza pregressa con Python. È indispensabile una conoscenza di base della matematica, in particolare dell'algebra lineare (vettori, matrici e operazioni tra matrici) e del calcolo elementare. Gli studenti dovrebbero inoltre avere dimestichezza con i concetti fondamentali, tra cui rendimenti, rischio e mercati finanziari.

Metodi didattici

Il corso combina lezioni teoriche con attività pratiche di calcolo. Ogni argomento viene dapprima presentato da un punto di vista concettuale e matematico, per poi essere implementato in Python. Viene fatto ampio uso di notebook interattivi Jupyter o Google Colab. Lungo tutto il corso sono integrate esercitazioni pratiche basate su dati reali dei mercati finanziari, allo scopo di rafforzare il legame tra teoria e applicazione. Gli studenti sono incoraggiati a svolgere esercitazioni individuali e di gruppo.

Verifica Apprendimento

La verifica del profitto si basa su una combinazione di valutazione continua e di una prova finale.

Contenuti

Il corso introduce le basi di Python per la finanza, che comprende i tipi di dati essenziali, le strutture di controllo, le funzioni e l'ecosistema scientifico di Python, oltre alla configurazione dell'ambiente di lavoro. Si passa quindi al calcolo numerico con NumPy, affrontando gli array n-dimensionali, la vettorizzazione, il broadcasting, l'indicizzazione e lo slicing, le operazioni di algebra lineare e la generazione di numeri casuali per la simulazione. La parte successiva è dedicata all'analisi dei dati con Pandas, con particolare attenzione agli oggetti Series e DataFrame e all'importazione, pulizia e trasformazione dei dati finanziari.

Con questi strumenti, il corso affronta la teoria di portafoglio media-varianza nell'ambito del modello di Markowitz, comprendendo la frontiera efficiente, l'introduzione di un'attività priva di rischio e la Capital Market Line. Il corso prosegue con i principali modelli di asset pricing, presentando il Capital Asset Pricing Model (CAPM) e l'Arbitrage Pricing Theory (APT). La parte finale tratta il processo decisionale in condizioni di incertezza, basato sulla teoria dell'utilità attesa, sull'avversione al rischio e l'equivalente certo, nonché la dominanza stocastica del primo, secondo e terzo ordine, con la relativa implementazione numerica e le applicazioni alla scelta di portafoglio sempre usando la programmazione in Python.

Altre informazioni

Tutti i materiali del corso, comprese le slide delle lezioni, i dataset e le esercitazioni, saranno messi a disposizione degli studenti attraverso la piattaforma e-learning.