 |
Silvia MUZZIOLI
Professore Ordinario
Dipartimento di Economia "Marco Biagi"
|
Insegnamento: Metodi decisionali per l’economia e la finanza
Analisi dei dati per l'economia e il management (Offerta formativa 2024)
Obiettivi formativi
Il corso si propone di fornire allo studente solide conoscenze necessarie per la comprensione e l’applicazione degli strumenti utilizzati per il supporto alle decisioni in ambito economico e finanziario. In particolare verranno esaminati i metodi decisionali multicriteriali ed i principali modelli di finanza quantitativa utili necessari per i problemi pratici incontrati in campo aziendale. Alcune applicazioni e casi di studio saranno discussi durante le lezioni.
Per un ulteriore approfondimento degli obiettivi formativi, si rimanda alla lettura dei "Risultati di apprendimento attesi".
Prerequisiti
Il corso si basa su elementi di statistica e matematica finanziaria che si danno per acquisiti.
Si richiede la conoscenza dei modelli di valutazione degli strumenti azionari, obbligazionari e derivati (fornita nel corso di Modelli per gli investimenti finanziari). Alcuni concetti necessari alla trattazione degli argomenti del corso verranno richiamati all’inizio del corso stesso.
Programma del corso
Per ciascuna attività del programma è prevista l’acquisizione di CFU (Crediti Formativi Universitari) di didattica frontale e relative ore di lezione. Si noti che in questo insegnamento per ogni CFU sono previste 7 ore di didattica frontale e 18 ore di studio autonomo di studentesse e studenti. Dunque, un CFU equivale ad un impegno standard di studio pari a 25 ore.
La scansione dei contenuti per CFU è da intendere come puramente indicativa. Essa può infatti subire modifiche nel corso dell’insegnamento alla luce dei feedback degli studenti e delle studentesse.
1. AIUTO MULTICRITERIALE ALLA DECISIONE (2 CFU)
Elementi di logica classica e fuzzy. Relazioni binarie e strutture di preferenza crisp e fuzzy. Fuzzy rule-based classification systems (frbcs).
Riferimenti:
George Bojadziev, Maria Bojadziev - Fuzzy Logic for Business, Finance, and Management. Advances in Fuzzy Systems – Applications and Theory – Vol. 23. (2007). Capitoli 1,2,5
Riza L.S., Bergmeir C., Herrera F., Benitez J.M., (2015). Frbs: Fuzzy Rule-Based
Systems for Classification and Regression in R. Journal of Statistical Software, Vol. 65, n.
6, pp.1–30. http:// www.jstatsoft.org/v65/i06/
Principali metodologie e tecniche di aggregazione. Metodi Topsis
Riferimenti:
Papathanasiou, J., & Ploskas, N. (2018). Multiple criteria decision aid. In Methods, Examples and Python Implementations, Vol. 136. Springer Optimization and Its Applications. Capitoli 1,3.
Behzadian, M., Khanmohammadi Otaghsara, S., Yazdani, M., & Ignatius, J. (2012). A state-of the-art survey of TOPSIS applications. Expert Systems with Applications, 39(17), 13051–13069. doi.org/10.1016/j.eswa.2012.05.056
Brüggemann, R., & Patil, G. (2011). Ranking and Prioritization for Multi-indicator Systems. Introduction to Partial Order Applications. New York: Springer. doi:10.1007/978-1-4419-8477-7.
2. QUANTITATIVE FINANCE E FINANCIAL ECONOMETRICS (4 CFU)
2 CFU – (14 ore)
Opzioni: modello binomiale e Black-Scholes, titoli azionari: CAPM e test econometrici.
Riferimenti: Simon Benninga, Modelli Finanziari, la finanza con Excel, McGraw-Hill, 2010, seconda edizione, con CD-Rom allegato. Capitoli 7,8,9,10,11,16,17,18
Moment risk premia and the cross-section of stock returns in the European stock market, E. Elyasiani, L Gambarelli, S Muzzioli. Journal of Banking & Finance, Volume 111, February 2020, 105732
1 CFU – (7 ore)
Serie storiche finanziarie e loro caratteristiche. Rendimenti e volatilità, volatilità implicita
Riferimenti: Tsay, R.S. (2010) – Analysis of Financial Time Series. Wiley, Capitoli 1,2
Metodi didattici
La didattica è basata, in via ordinaria, su lezioni frontali in presenza tramite ausilio di lavagne virtuali (tablet), nelle quali la materia viene sviluppata nei dettagli formali e debitamente commentata.
Potranno svolgersi esercitazioni al computer con uso di software quali Excel ed R.
Sarà garantita l’erogazione a distanza.
Ogni lezione prevede una parte teorica accompagnata dalla risoluzione di esercizi.
Le domande e gli interventi degli studenti sono graditi e incoraggiati.
La frequenza non è obbligatoria, ma fortemente consigliata.
Il corso è erogato in lingua italiana.
Tutte le informazioni tecniche e organizzative sull'insegnamento, nonché il materiale didattico, saranno caricati su piattaforma teams e sulla pagina morespace http://morespace.unimore.it/silviamuzzioli/.
Se possibile, le lezioni vengono videoregistrate e rese disponibili alla pagina Teams del corso e su morespace:
http://morespace.unimore.it/silviamuzzioli/
Si invita lo studente ad iscriversi ed a consultare tale piattaforma con regolarità.
L’insegnamento è erogato in lingua italiana.
Testi di riferimento
- Papathanasiou, J., & Ploskas, N. (2018). Multiple criteria decision aid. In Methods, Examples and Python Implementations, Vol. 136. Springer Optimization and Its Applications.
- George Bojadziev, Maria Bojadziev - Fuzzy Logic for Business, Finance, and Management. Advances in Fuzzy Systems – Applications and Theory – Vol. 23. (2007). Capitoli 1,2,5
- Simon Benninga, Modelli Finanziari, la finanza con Excel, McGraw-Hill, 2010, seconda edizione, con CD-Rom allegato.
- Tsay, R.S. (2010) – Analysis of Financial Time Series. Wiley.
Verifica dell'apprendimento
L'esame si svolgerà al termine dell’insegnamento secondo il calendario ufficiale degli appelli d’esame. La prova è scritta. La durata è di 1 ora.
La prova di esame consiste nella risoluzione di 6 esercizi.
Un esercizio vale 6 punti, gli altri 5 punti. La scala di valutazione è in trentesimi. L'esame è superato con un punteggio complessivo di almeno 18/30.
La prova mira all'accertamento sia di una conoscenza operativa ed approfondita di tutti gli aspetti teorici della materia sia della capacità di affrontare e risolvere gli esercizi presentati durante il corso.
Tali esercizi sono finalizzati a valutare:
- le conoscenze e le capacità di comprensione;
- l’applicazione di conoscenze e capacità di comprensione;
- l’autonomia di giudizio.
E’ possibile per gli studenti frequentanti il sostenimento dell'esame tramite la scrittura ed esposizione orale di una tesina.
I risultati della valutazione del test o della tesina verranno comunicati mediante inserimento in esse3 entro due settimane dalla prova.
Risultati attesi
1) Conoscenza e capacità di comprensione. Tramite le lezioni lo studente apprende gli strumenti di base della logica fuzzy e dei metodi decisionali multicriteriali, ed i modelli empirici di valutazione delle opzioni e dei titoli azionari.
2) Capacità di applicare conoscenze e comprensione.
Il corso mira a rendere lo studente in grado di applicare i concetti appresi quali le tecniche di aggregazione fuzzy e le decisioni multicriteriali, i modelli per la valutazione delle opzioni e dei titoli azionari, il calcolo della volatilità realizzata ed implicita, tramite la risoluzione di esercizi e l’uso di dati reali.
3) Autonomia di giudizio
Il corso mira a porre lo studente in grado di interpretare autonomamente, argomentare le scelte fatte e prevedere il comportamento di variabili finanziarie nelle situazioni economiche, aziendali e di modellizzare problemi in questi ambiti.
4) Abilità comunicative.
Il corso non si propone di migliorare in modo specifico le abilità
comunicative dello studente, bensì di stimolare le abilità logiche e sviluppare la capacità di utilizzare modelli astratti per applicazioni reali. E' in ogni caso richiesto allo studente di esprimere i concetti
imparati durante il corso con una terminologia precisa e rigorosa. E’ prevista alla fine dell’esame l’esposizione di una tesina sugli argomenti trattati.
5) Capacità di apprendimento.
Completando con successo la prova d'esame lo studente è in grado di
affrontare con adeguata preparazione e autonomia i problemi pratici aziendali