Salta al contenuto principale
CODICE 87035
ANNO ACCADEMICO 2018/2019
CFU
SEDE
  • GENOVA
PERIODO 2° Semestre
PROPEDEUTICITA
Propedeuticità in ingresso
Per sostenere l'esame di questo insegnamento è necessario aver sostenuto i seguenti esami:
  • ECONOMIA E ISTITUZIONI FINANZIARIE 8700 (coorte 2017/2018)
  • FINANCIAL ECONOMETRICS 85554 2017
MATERIALE DIDATTICO AULAWEB

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso ha come obiettivo quello di introdurre gli studenti all’utilizzo del linguaggio di programmazione matlab, utilizzato nella professione di quant presso banche di investimento. Il corso si prefigge di dotare lo studente degli strumenti di programmazione di base che gli consentano di risolvere problemi di modellistica lineare e non lineare, stima,test statistici e di verifica empirica su dati finanziari e simulazioni di Monte Carlo.

MODALITA' DIDATTICHE

Eventuali propedeuticità e/o pre requisiti consigliati

Pre requisiti consigliati: almeno un esame di Econometria 1 sostenuto in triennale.

 Si consiglia caldamente il corso di Statistical modules EIF( prof Lagazio)

Nessun prerequisito di programmazione e’ previsto

Modalità didattiche

Lezioni frontali, e lezioni in aula computer

Presente su Aulaweb

Si   ☒  No ☐

Obblighi

La frequenza non e’ obbligatoria ma caldamente raccomandata

PROGRAMMA/CONTENUTO

Programma/Contenuti

Parte I: Introduzione al linguaggio. Functions and commands, script files, il workspace, come importare i dati.

 

Parte II: Elementi del linguaggio. Tipi di dati, vettori, matrici, traposte , operazioni tra matrici, fattoriali , funzioni di matrici, matrici elementari, matrici speciali, random number generators.

 

Parte III: M-file. Introduzione ai costrutti logici  “for”, “if”, “if -else”, “elseif”. Confronto tra “if “ multipli e “elseif”

 

Parte IV: Loops.Ripetizione determinata con “series for”, ripetizione indeterminata con “series while”.

 

Parte V: Esempi di programmazione di modelli matematici afferenti al campo dell’econometria, della finanza quantitativa e del Machine Learning. In particolare, verranno trattati modelli di regressione non lineari, algoritmi di ottimizzazione numerica, GARCH, metodologie numeriche per il pricing di strumenti finanziari complessi (Stochastic Trees, Monte Carlo methods), tecniche di classificazione e clustering dati attuata rispettivamente con reti neurali artificiali supervisionate (feed-forward networks) e non-supervisionate (Self-organizing maps), metodi avanzati di forecasting basati su reti neurali dinamiche (NAR-NARX)

TESTI/BIBLIOGRAFIA

Dispense a cura del docente disponibili su aulaweb

DOCENTI E COMMISSIONI

Commissione d'esame

GIACOMO BURRO (Presidente)

PIER GIUSEPPE GIRIBONE (Presidente)

LEZIONI

INIZIO LEZIONI

2° Semestre

ESAMI

MODALITA' D'ESAME

Modalità di accertamento

Esame orale. Al termine del corso verra’ assegnato un take home project a ciascuno studente. Lo studente dovra’ dimostrare di aver appreso il linguaggio matlab scrivendo il programma per poter risolvere i problemi posti, stimando quanto richiesto e discutendo con il docente i propri risultati nel corso di un esame orale.

Ripetizione dell’esame

Nessun salto d’appello

MODALITA' DI ACCERTAMENTO

Modalità di accertamento

Esame orale. Al termine del corso verra’ assegnato un take home project a ciascuno studente. Lo studente dovra’ dimostrare di aver appreso il linguaggio matlab scrivendo il programma per poter risolvere i problemi posti, stimando quanto richiesto e discutendo con il docente i propri risultati nel corso di un esame orale.

Ripetizione dell’esame

Nessun salto d’appello

Calendario appelli

Data appello Orario Luogo Tipologia Note
07/06/2019 14:00 GENOVA Orale
25/06/2019 14:00 GENOVA Orale
04/07/2019 14:00 GENOVA Orale
13/09/2019 14:00 GENOVA Orale

ALTRE INFORMAZIONI

Eventuali propedeuticità e/o pre requisiti consigliati

Pre requisiti consigliati: almeno un esame di Econometria 1 sostenuto in triennale e Financial Econometrics .

 Si consiglia caldamente il corso di Statistical modules EIF

Nessun prerequisito di programmazione e’ previsto