Advanced Topics In Finance And Insurance 2025/2026

Il corso si articola su due principali tematiche: I) Ingegneria finanziaria per gli investimenti (3 settimane). Questo modulo copre la valutazione di molteplici strumenti e classi di attività: - Valutazione di strumenti finanziari, compresi i fondamenti della teoria dei prezzi lineari e la valutazione neutrale al rischio per i derivati - Identificazione, modellazione e previsione dei principali fattori di rischio per i rendimenti di azioni, strumenti a reddito fisso, derivati, strumenti di credito, alta frequenza, cambi - Tecniche di repricing: metodi Monte Carlo per il “full repricing”, approssimazioni analitiche di “greche” (Greeks). II) Data science per la finanza (3 settimane). Questo modulo copre gli strumenti statistici necessari per modellare e stimare le dinamiche congiunte dei mercati: - Distribuzioni multivariate e classi notevoli: ellittiche, esponenziali, discrete - L'ecosistema “media-covarianza/lineare”: vettore medio, matrice di covarianza, ellissoide, equivarianza affine, correlazione, previsione lineare - Stima dell'ecosistema “media-covarianza/lineare”: stime "storiche", massima verosimiglianza, stime Bayesiane, teoria delle matrici aleatorie e shrinkage - Modelli fattoriali lineari: regressione, analisi delle componenti principali, analisi dei fattori, modelli cross-sectional - Modelli di apprendimento automatico; feature engineering, feature bases, alberi, reti neurali, gradient boosting, regolarizzazione lasso/ridge, foreste casuali, ecc.

---

Il corso si articola su due principali tematiche: I) Ingegneria finanziaria per gli investimenti (3 settimane). Questo modulo copre la valutazione di molteplici strumenti e classi di attività: - Valutazione di strumenti finanziari, compresi i fondamenti della teoria dei prezzi lineari e la valutazione neutrale al rischio per i derivati - Identificazione, modellazione e previsione dei principali fattori di rischio per i rendimenti di azioni, strumenti a reddito fisso, derivati, strumenti di credito, alta frequenza, cambi - Tecniche di repricing: metodi Monte Carlo per il “full repricing”, approssimazioni analitiche di “greche” (Greeks). II) Data science per la finanza (3 settimane). Questo modulo copre gli strumenti statistici necessari per modellare e stimare le dinamiche congiunte dei mercati: - Distribuzioni multivariate e classi notevoli: ellittiche, esponenziali, discrete - L'ecosistema “media-covarianza/lineare”: vettore medio, matrice di covarianza, ellissoide, equivarianza affine, correlazione, previsione lineare - Stima dell'ecosistema “media-covarianza/lineare”: stime "storiche", massima verosimiglianza, stime Bayesiane, teoria delle matrici aleatorie e shrinkage - Modelli fattoriali lineari: regressione, analisi delle componenti principali, analisi dei fattori, modelli cross-sectional - Modelli di apprendimento automatico; feature engineering, feature bases, alberi, reti neurali, gradient boosting, regolarizzazione lasso/ridge, foreste casuali, ecc.

---