FINTECH: TECHNOLOGY FOR FINANCE AND INSURANCE

La finanza moderna non potrebbe esistere senza il supporto di tecnologie provenienti da altri ambiti. Tra queste tecnologie, un ruolo di crescente importanza è giocato dalla cosiddetta Intelligenza Artificiale, nelle sue varie accezioni. Il corso ha lo scopo di fornire conoscenze su metodologie intelligenti, generalmente ispirate alle capacità di problem solving tipiche degli esseri viventi superiori, per la risoluzione di problemi di interesse in ambito finanziario. Ad esempio, si presentano metaeuristiche intelligenti che si ispirano ai principi dell'evoluzione naturale per la risoluzione di problemi complessi di selezione di portafoglio, si presentano metodi previsivi che si ispirano al funzionamento del cervello biologico e si presentano sistemi per il trading finanziario basati su tecniche di apprendimento meccanico che si ispirano alle modalità di apprendimento degli esseri viventi superiori.
Durante il corso si utilizzano anche strumenti software per implementare tali metodologie.

1. Conoscenza e comprensione:
1.1. conoscere tecnicamente le metodologie intelligenti presentate nel corso;
1.2. comprendere e saper utilizzare tali metodologie per la soluzione di problemi finanziari.

2. Capacità di applicare conoscenza e comprensione:
2.1. applicare le opportuni metodologie intelligenti per la risoluzione di problemi operativi;
2.2. realizzare i calcoli necessari mediante strumenti software.

3. Capacità di giudizio:
3.1. interpretare i risultati derivanti dalle computazioni;
3.2. comprendere i pregi ed i limiti delle metodologie intelligenti apprese.

Avere freschi in mente gli obiettivi formativi dei seguenti insegnamenti di uno dei corsi di laurea triennale dell'area economica: Matematica - 1, Matematica - 2, Elementi di Informatica per l'Economia. Inoltre, è preferibile avere qualche esperienza di programmazione software.

- Introduzione all'Intelligenza Artificiale in finanza ed in assicurazione.
- Metaeuristiche intelligenti per l'ottimizzazzione di problemi complessi ed applicazioni finanziarie ed assicurative.
- Apprendimento supervisionato (Percettrone, Adaline, Madaline e Percettrone Multi Strato) ed applicazioni finanziarie ed assicurative.
- Group Method of Data Handling ed applicazioni finanziarie ed assicurative.
- Apprendimento per rinforzo ed applicazioni finanziarie ed assicurative.
- Implementazioni in Matlab.

- Materiale didattico disponibile nella piattaforma di e-learning Moodle. [Materiale di riferimento]

- Alpaydin E. (2014) Introduction to Machine Learning. The MIT Press [Lettura integrativa]

L’esame prevede tre homeworks ed una prova orale.
Gli homeworks: 1) devono essere svolti in coppia; 2) sono validi per tutto l’a.a. e non oltre; 3) i loro svolgimenti devono essere inviati entro e non oltre una prefissata scadenza (le modalità di invio e la scadenza verranno indicate durante il corso).
Per quanto riguarda la prova orale: 1) deve essere svolta singolarmente; 2) è articolata in due parti: nella prima parte si deve presentare criticamente un articolo di ricerca; nella seconda si deve applicare una o più delle metodologie imparate durante il corso per replicare i risultati presentati nell'articolo di ricerca.
Per quanto riguarda la valutazione: 1) ciascun homework vale da 0 a 4 punti, per un totale da 0 a 12 punti; 2) la prova orale vale da 0 a 18 punti.
La somma dei punti ottenuti dallo svolgimento degli homeworks e dalla prova orale costituisce il voto finale.

orale

L’insegnamento si articola in:
a) lezioni frontali;
b) implementazione ed utilizzo di metodologie intelligenti mediante strumenti software;
c) studio individuale.
Gli studenti sono fortemente incoraggiati a frequentare le lezioni in modo attivo.

Sito del corso presente nella piattaforma piattaforma e-learning Moodle.

Questo insegnamento tratta argomenti connessi alla macroarea "Povertà e disuguaglianze" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile