Insegnamento STATISTICAL METHODS FOR DATA SCIENCE

Nome del corso Informatica
Codice insegnamento A002172
Curriculum Comune a tutti i curricula
Docente responsabile Gianna Figa'-talamanca
Docenti
  • Gianna Figa'-talamanca
Ore
  • 42 ore - Gianna Figa'-talamanca
CFU 6
Regolamento Coorte 2024
Erogato Erogato nel 2025/26
Erogato altro regolamento
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.