METODI PER LA GESTIONE DEI PORTAFOGLI PERSONALI

Come vengono costruiti i portafogli di investimento? Quali strumenti consentono di prendere decisioni finanziarie in presenza di rischio? In che modo il Machine Learning sta cambiando il modo di investire nei mercati finanziari?

Questo insegnamento, offerto tra le attività a libera scelta del corso di laurea magistrale in Economia e Finanza, fornisce conoscenze e competenze per comprendere come analizzare opportunità di investimento, valutare il rischio e costruire portafogli finanziari in modo razionale ed efficiente. Il corso affronta i principali criteri decisionali, gli strumenti quantitativi e i modelli utilizzati per supportare le scelte di investimento nei mercati finanziari.
Particolare attenzione è dedicata a metodologie innovative oggi impiegate nella gestione professionale dei portafogli. Oltre ai modelli tradizionali di portfolio management, verranno presentati metodi di ottimizzazione bio-ispirata e algoritmi di Machine Learning applicati alla costruzione e alla gestione di portafogli complessi. Gli studenti avranno così l’opportunità di esplorare strumenti sempre più utilizzati nell’industria del risparmio gestito, nell’asset management e nella consulenza finanziaria quantitativa.
L’insegnamento combina aspetti teorici e applicativi, consentendo agli studenti di comprendere non solo i principi alla base delle decisioni di investimento, ma anche le potenzialità offerte dalle nuove tecnologie per affrontare problemi finanziari complessi. Il corso è particolarmente indicato per chi desidera approfondire la finanza quantitativa, l’analisi degli investimenti e le applicazioni del Machine Learning nel settore finanziario.

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
- Il modello di Black e Littermann
- 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 gruppi costituiti da due o tre studenti;
2) sono validi per tutto l’a.a. e non oltre;
3) i loro svolgimenti devono essere caricati in Moodle 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 criticamente. mediante l'utilizzo di slide, un articolo di ricerca (le modalità per l'individuazione dell'articolo di ricerca verranno indicate durante il corso); 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.
Facoltativamente, lo studente può svolgere ulteriori attività integrative, che saranno illustrate durante il corso, per un punteggio aggiuntivo compreso tra 0 e 2 punti.
Il voto finale è determinato dalla somma dei punti ottenuti negli homework, nella prova orale e nelle eventuali attività integrative facoltative.

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