FINTECH: TECHNOLOGY FOR FINANCE AND INSURANCE

La finanza modernamente intesa non potrebbe esistere senza il supporto di tecnologie provenienti da altri ambiti. Tra queste tecnologie, un ruolo di crescente importanza è giocato dall'Intelligenza Artificiale, nelle sue varie accezioni. Il corso ha lo scopo di fornire conoscenze su metodologie intelligenti e su tecniche di machine learning, generalmente ispirate alle capacità di problem solving tipiche degli esseri viventi superiori, per la risoluzione di problemi di interesse in ambito finanziario ed assicurativo. Ad esempio: si presentano metaeuristiche intelligenti che si ispirano ai principi dell'evoluzione naturale e dell'emergenza dell'intelligenza di sciame 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 l'individuazione di policy ottime di trading finanziario basati su tecniche di apprendimento automatico che si ispirano alle modalità di apprendimento degli esseri viventi superiori. Inoltre, durante il corso si presentano e di utilizzano anche strumenti software per implementare tutte le metodologie presentate.

1. Conoscenza e comprensione:
1.1. Conoscere gli aspetti teorici delle metodologie intelligenti e le tecniche di machine learning presentate nel corso;
1.2. Comprendere, saper applicare e, quando necessario, adattare tali metodologie e tecniche per la soluzione di problemi finanziari.

2. Capacità di applicare conoscenza e comprensione:
2.1. Individuare ed applicare le opportuni metodologie intelligenti e tecniche di machine learning per la risoluzione di problemi operativi;
2.2. Impostare i processi risolutivi e realizzare i calcoli necessari mediante l'utilizzo di strumenti software.

3. Capacità di giudizio:
3.1. Interpretare finanziariamente i risultati derivanti dalle computazioni;
3.2. Comprendere i pregi ed i limiti delle metodologie intelligenti e delle tecniche di machine learning apprese.

Avere chiari i contenuti dei seguenti insegnamenti dei corsi di laurea triennale dell'area economica: Matematica-1, Matematica-2, Elementi di Informatica per l'Economia. Inoltre, è consigliabile possedere qualche esperienza nella programmazione software.

- Introduzione all'Intelligenza Artificiale e al Machine Learning in finanza ed in assicurazione.
- Metaeuristiche intelligenti per l'ottimizzazzione di problemi complessi ed applicazioni finanziarie ed assicurative.
- Apprendimento supervisionato (Albero Decisionale, Foresta Casuale, Percettrone e Percettrone Multi Strato) ed applicazioni finanziarie ed assicurative.
- Apprendimento per rinforzo ed applicazioni finanziarie ed assicurative.
- Elementi di Natural Language Processing ed applicazioni finanziarie ed assicurative.
- Elementi di Group Method of Data Handling 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 tre parti: nella prima parte si deve presentare mediante l'utilizzo di slide criticamente un articolo di ricerca; nella seconda si deve presentare mediante l'utilizzo di slide i risultati dell'applicazione di una o più delle metodologie imparate durante il corso per replicare i risultati presentati nell'articolo di ricerca; nella terza parte si deve rispondere ad una domanda scelta dal docente su tre proposte dall'esaminando relative agli argomenti trattati a lezione e nel materiale didattico indicato.
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 e simili presentati nella letteratura specializzata; capacità minime o assenti nello sviluppo e nell’implementazione software di applicazioni, metodi, modelli e simili 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 e simili presentati nella letteratura specializzata; capacità modeste nello sviluppo e nell’implementazione software di applicazioni, metodi, modelli e simili 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 e simili presentati nella letteratura specializzata; buone capacità di sviluppo e implementazione software 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) 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 "Capitale umano, salute, educazione" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile