METODI PER LA GESTIONE DEI PORTAFOGLI PERSONALI

L’insegnamento è fra quelli a libera scelta del corso di laurea magistrale in Economia e Finanza. Ha lo scopo di fornire conoscenze sui criteri decisionali, sugli strumenti quantitativi, sulle tecniche operative e sui modelli per l'analisi delle opportunita di investimento nei mercati finanziari e per la costruzione di portafogli personali in condizioni di rischio. Ha inoltre lo scopo di presentare metodi di ottimizzazione bio-ispirata, tecniche di intelligenza artificiale e di machine learning per la gestione di portafoglio complessi.

1. Conoscenza e comprensione:
1.1. capire gli strumenti quantitativi ed i metodi matematici necessari per la specificazione di un problema di investimento rischioso;
1.1. conoscere i modelli per la scelta e la gestione di portafogli finanziari personali;
1.3. conoscere le diverse tipologie di misure di rischio e di vincoli sulle caratteristiche del portafoglio.

2. Capacità di applicare conoscenza e comprensione:
2.1. formalizzare un problema di investimento rischioso specificandone la misura di rischio ed il sistema dei vincoli sulle caratteristiche del portafoglio;
2.2. applicare gli strumenti quantitativi ed i metodi matematici necessari per la selezione e la gestione di portafogli finanziari personali;
2.3. implementare gli strumenti quantitativi ed i metodi matematici mediante l'utilizzo di software.

3. Capacità di giudizio:
3.1. interpretare i risultati derivanti dalla risoluzione di un problema di investimento rischioso;
3.2. comprendere i pregi ed i limiti dei modelli di selezione e di gestione dei portafogli finanziari personali;
3.3. riflettere sulla misurazione del rischio sulla base di un metodo analitico-finanziario.

Avere freschi in mente: funzioni di più variabili; algebra delle matrici; elementi di ottimizzazione; elementi di statistica.

La Modern Portfolio Theory (MPT)
- La diversificazione
- I modelli classici di selezione di portafoglio
- Limiti della MPT

Modelli avanzati di selezione di portafoglio
- Misure di rischio risk-adjusted
- Misure di rischio coerenti
- Vincoli non standard.

Metaeuristiche per l'ottimizzazione
- La Particle Swarm Optimization
- Machine Learning per la MPT

La revisione statica di portafoglio
- Il modello di Smith
- Il modello di Stone e Hill

Elementi di MATLAB™ per la selezione e la gestione di portafoglio
- Introduzione a MATLAB™
- L’ottimizzazione libera e vincolata con MATLAB™

- Luenberger D.G. (2013) Investment Science. Oxford University Press. [Capitoli 6 (senza le sottosezioni "Solution of the Markowitz Problem" e "Solution Method".), 11 (senza le sottosezioni "Risk Aversion Coefficient" e "Certainty Equivalent")].

- Altro materiale didattico sarà indicato dal docente durante il corso.

L’esame prevede tre homeworks ed una prova orale.
Gli homeworks: 1) devono essere svolti in gruppo; 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, questa è articolata in due parti: nella prima parte si deve presentare criticamente, mediante slide, un articolo di ricerca; nella seconda si devono presentare, sempre mediante slide, i risultati derivanti dall'applicazione a dati reali di un modello di selezione/gestione di portafoglio.
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

Il/la docente ha il dovere di vigilare affinché siano rispettate le regole di autenticità e originalità delle prove d'esame. Di conseguenza, nei casi in cui vi sia il sospetto di un comportamento irregolare, l'esame può prevedere un ulteriore approfondimento, contestuale alla prova d'esame, che potrà essere realizzato anche in modalità differente rispetto alle modalità sopra riportate.

Griglia di valutazione:
- 18–22: svolgimento lacunoso e impreciso degli homework; capacità critiche appena sufficienti applicate alla comprensione di applicazioni, metodi, modelli presentati nella letteratura specializzata; capacità minime o assenti nello sviluppo e nell’implementazione di applicazioni, metodi, modelli presentati nella letteratura specializzata; conoscenza appena sufficiente degli argomenti trattati a lezione e nel materiale didattico indicato.
- 23–26: svolgimento completo ma non del tutto preciso degli homework; capacità critiche discrete applicate alla comprensione di applicazioni, metodi, modelli presentati nella letteratura specializzata; capacità modeste nello sviluppo e nell’implementazione di applicazioni, metodi, modelli presentati nella letteratura specializzata; conoscenza discreta degli argomenti trattati a lezione e nel materiale didattico indicato.
- 27–30L: svolgimento completo e rigoroso degli homework; ottime capacità critiche applicate alla comprensione di applicazioni, metodi, modelli presentati nella letteratura specializzata; buone capacità di sviluppo e implementazione di applicazioni, metodi, modelli e simili presentati nella letteratura specializzata; conoscenza approfondita degli argomenti trattati a lezione e nel materiale didattico indicato.

L'insegnamento si articola in:
a) lezioni frontali;
b) applicazioni degli strumenti studiati mediante l'utilizzo di software;
c) studio individuale.
Gli studenti sono fortemente incoraggiati a frequentare le lezioni in modo attivo.

Sito del corso sulla piattaforma di e-learning Moodle.

Questo insegnamento tratta argomenti connessi alla macroarea "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile