Dettagli sull'Insegnamento per l'A.A. 2018/2019

Prerequisiti

Capacita' di programmazione in Excel e in un linguaggio di programmazione matriciale tipo MatLab, Gauss, Ox, Scilab, Octave. Confidenza con lo studio di funzioni univariate ed multivariate, con gli strumenti di base di calcolo delle probabilita', funzioni di densita' continue e discrete. Per poter seguire il corso è indispensabile aver sostenuto Financial Data Analytics and Investment Data Driven Decision I oltre gli insegnamenti ad esso propedeutici.

Obiettivi

Le abilita' quantitative ed informatiche dello studente sono applicate alla modellistica di e normative asset pricing e portfolio selection.

Sillabo

• Asset pricing, portfolio selection e data analytics: dalla modellizzazione di positive economics ad approcci normativi operativi. Le problematiche di asset management e le soluzioni algoritmiche.
• portfolio selection in pratica. case di studio per riprendere i portafogli ottimizzati trattati nella prima parte del corso considerando anche alcuni problematiche pratiche: a) vincoli usati in pratica: a.1) no short selling positions; a.2) holding positions; a.2) turnover; a.3) factor sensitivity; a.4) cardinality; a.5) minimum holding and transaction size; a.5) round lot; a.6) tracking error; a.7) other soft constraints; b) vincoli di tail risk measure: b.1) portafogli ottimizzati rispetto a VaR; b.2) portafogli ottimizzati rispetto a CVaR. c) i costi di transazione nella costruzione dei portafogli: c.1) lineari; c.2) lineari a tratti; c.4) quadratici; c.5) fissi; d) le imposte nell'ottimizzazione del portafoglio.
• costruzione di un robust equity portfolio: a) box uncertainty b) ellipsoidal uncertainty.
• metodi shrinkage e modello di Black Litterman per la costruzione di un portafoglio azionario.
• construzione di un portafoglio azionario sotto il vincolo di un VaR and CVaR.
• Verifica della Performance. performance ratios principali: 1) Sharpe Ratio; 2) Jensen's alpha; 3) Tracking Error; 4) Information Ratio; 5) Sortino Ratio; 6) Maximum Draw-down; 7) VaR; 8) CVaR; Stress testing delle strategie di portafoglio.

Descrittori di Dublino

Alla fine del corso, lo studente dovrebbe

Testi di riferimento

• Benninga, Simon et al, Financial modeling , The MIT Press. 2008. 3 ed.    
• Fabozzi, Frank J.; Pachamanova, Dessislava A., Portfolio construction and analytics , John Wiley & Sons. 2016.    
• Kim, Woo Chang; Kim, Jang Ho; Fabozzi, Frank J, Robust Equity Portfolio Management,+ Website: Formulations, Implementations, and Properties Using MA , John Wiley & Sons. 2015.    
• Fabozzi, Frank J; Kolm, Petter N.; Pachamanova, Dessislava A.; Focardi, Sergio M., Robust portfolio optimization and management , John Wiley & Sons. (vol. 1) 2007.    
• Pachamanova, Dessislava A.; Fabozzi, Frank J., Simulation and Optimization in Finance: Modeling with MATLAB,@ RISK, or VBA , John Wiley & Sons. (vol. 1) 2010.    

Modalità d'esame

**Pre Assessment** una valutazione preliminare della preparazione propedeutica al corso non e' effettuata. **Formative Assessment** la valutazione formativa dei processi insegnamento e di apprendimento in questo corso e' effettuata attraverso i seguenti canali di partecipazione attiva in classe alle sessioni di lezione frontale e di esercitazione: A) gli studenti possono essere interrogati nel corso delle lezioni riguardo lo stesso argomento trattato nella sessione corrente. Gli studenti possono porre domande al docente sull'argomento trattato a lezione e/o argomenti correlati nei quali possano essere interessati. B) riassunto delle precedenti sessioni: uno studente verra' sorteggiato all'inizio di ciascuna sessione per riassumere i temi trattati nelle precedenti, nei fatti introducendo l'argomento della lezione stessa. C) brevi seminari: agli studenti e' richiesto di applicare le loro conoscenze quantitative costruite in corsi precedenti a problemi specifici di finanza, proponendo le loro soluzioni orginali, precedentemente preparate in un compito a casa. **Summative Assessment** la valutazione riassuntiva del corso e' effettuata per mezzo di: A) Test Scritti: i) per gli studenti che frequentano le lezioni, nel corso sono tenuti due test parziali scritti in classe. Uno a meta' e uno alla fine del semestre; ii) per gli studenti che non frequentano le lezioni ovvero che non hanno superato i test parziali durante il corso, un test onnicomprensivo di tutti gli argomenti dell'esame e' amministrato negli appelli ordinari in calendario. B) Compiti a casa e esami “take home” alcuni compiti obbligatori sono assegnati nel corso delle lezioni per permettere agli studenti di comprendere le problematiche affrontate a lezione con maggiore calma e concentrazione. Alcuni “take home” opzionali possono essere suggeriti agli studenti che vogliano applicare metodi quantitativi precedentemente appresi in altri corsi alle problematiche affrontate a lezione. C) Esami Orali: dopo aver conseguito una valutazione media sufficiente nei due esami parziali ovvero nell'esame onnicomprensivo amministrati in un appello ordinario, lo studente sostiene un esame orale composto da 1) discussione del compito scritto, errori e metodologie originali 2) argomento a piacere. **aims and formative purposes** scopo formativo del corso e' valutare lo studente rispetto a tre diverse dimensioni dell'apprendimento: A) conoscenze teoriche di base fornite attraverso le lezioni frontali e le letture suggerite: verificato attraverso domande aperte con risposte sotto forma di brevissimi saggi. B) capacita' di risoluzione dei problemi che richiedono calcoli simbolici, deterministici e/o stocastici: verificato attraverso domande scritte sulla costruzione di modelli ed algoritmi da adattare a specifici problemi formali. C) capacita' di programmazione: verificata per mezzo di problemi piccoli da trattare in classe o grandi da trattare come “take home” programmando in un linguaggio di alto livello, e.g. MatLab, Gauss, Ox, Scilab. **Evaluation criteria** 1) risultati numerci finali; 2) stile: 2.1) di modellizzazione di soluzioni, possibilmente anche nuove, in una notazione simbolica appropriata; 2.2) di stesura di codici per i modelli esposti a lezione; 2.3) di prosa, nei piccoli saggi di risposta alle domande aperte. **Assessment breakdown** Sia la valutazione nel corso delle lezioni che riassuntiva concorrono alla valutazione complessiva dello studente con i seguenti pesi percentuali: partecipazione in classe 5%; riassunto delle precedenti sessioni 10%; seminari brevi (se tenuti, altrimenti questo peso e' dato alla partecipazione in aula) 5%; Test scritti in aula 50%; Compiti a casa e esami take home 25%; esame orale 5%.

Note

• le propedeuticita' sono indicative del tipo di argomenti che lo studente deve padroneggiare per poter affrontare il corso. Pertanto, studenti che avessero sostenuto esami diversi che trattavano gli stessi argomenti possono senz'altro inserire l'insegnamento nel proprio curriculum.

Aggiornamenti alla pagina del corso

• A.A. 2017/2018
• A.A. 2018/2019
• A.A. 2019/2020