Pagina di ricerca programmi

 

EC/0068 - STATISTICAL MODELS FOR PORTFOLIO ASSET ALLOCATION

Anno Accademico ​2021/2022

Docente
CLAUDIO ​CONVERSANO (Tit.)
Periodo
Primo Semestre ​
Modalità d'Erogazione
Convenzionale ​
Lingua Insegnamento
INGLESE ​



Informazioni aggiuntive

CorsoPercorsoCFUDurata(h)
[11/83] ​ ​ECONOMIA, FINANZA E POLITICHE PUBBLICHE [83/20 - Ord. 2017] ​ ​Economia e Mercati Finanziari636
Obiettivi

Il corso è orientato a fornire agli studenti i concetti di base relativi ai metodi di valutazione dell’asset allocation con particolare riferimento alla loro applicazione in contesti economico-finanziari. L’obiettivo principale è quello di far comprendere l’importanza di tali metodi per la soluzione di problemi reali inerenti la gestione di portafogli di attività finanziarie. Alla fine del corso gli studenti saranno in grado di utilizzare appropriatamente gli elementi di base dei metodi statistici avanzati e di valutare l’importanza del loro impiego per problemi decisionali tipici dell’asset manager.
In conformità ai descrittori di Dublino, gli skill di apprendimento acquisititi alla fine del corso possono essere classificati in:
1) Conoscenza e apprendimento. Il corso permette di comprendere gli elementi fondamentali caratterizzanti i modelli statistici multivariati per l’asset management utilizzabili in processi decisionali tipici di aziende finanziarie moderne (multinazionali), nonché comprendere gli effetti che tali decisioni comportano sulle strategie aziendali.
2) Capacità di applicare quanto appreso a lezione. I metodi statistici trattati in aula saranno applicati relativamente a casi-studio attraverso l’utilizzo del software open source R.
3) Capacità di giudizio critico. Nel corso delle lezioni, agli studenti sarà richiesto di risolvere problemi reali come se essi fossero gli asset manager di un’azienda a cui è richiesto di assumere delle decisioni per il miglioramento della redditività dei portafogli gestiti.
4) Abilità comunicative. Durante le lezioni, agli studenti sarà richiesto di discutere e commentare criticamente l’adeguatezza di ogni singolo metodo di analisi statistica rispetto a diversi possibili scenari.
5) Capacità di apprendimento. Le lezioni, il materiale didattico e le analisi dei casi studio consentiranno agli studenti di massimizzare le loro capacità di apprendimento complessive e accrescere le loro conoscenze in ambito statistico.

Prerequisiti

E’ di fondamentale importanza che gli studenti che intendono frequentare le lezioni abbiano acquisito le conoscenze di base relative ai metodi di analisi statistica univariata e bivariata, con riferimento alla statistica descrittiva, alle variabili aleatorie e all’inferenza statistica. La conoscenza di alcune nozioni di base di matematica (funzione potenza, funzione esponenziale, logaritmi, limiti e derivate) faciliterà il conseguimento degli obiettivi di apprendimento sopra delineati.

Contenuti

Principali argomenti
1. Introduzione al corso. Introduzione all’utilizzo di R: 6 ore

2. Funzioni in R per la manipolazione di oggetti serie storiche: 4 ore
Serie storiche di indici e prezzi
Serie storiche di prezzi e rendimenti cumulati
Serie storiche relative a dorawdowns e durate
Stima della matrice di varianza/covarianza
Quantili e misure di rischio a essi collegate

3. Stima robusta dei parametri delle distribuzioni dei rendimenti di attività finanziarie: 4 ore
Stima robusta della matrice di varianza/covarianza
Stima della matrice di varianza/covarianza basata sull’approccio Nearest-Neighbour
Stime basate su Shrinkage e Bagging

4. Analisi esplorativa della distribuzione dei rendimenti delle attività finanziarie: 4 ore
Rappresentazioni grafiche di prezzi e rendimenti
Test di normalità
Selezione di attività finanziarie simili
Confronto tra statistiche multivariate per la stima del rischio e rendimento
Analisi della dipendenza tra coppie di asset


5. Specificazione di portafogli e dei relativi vincoli in R: 4 hours

6. Portafogli media-varianza: 4 ore
Teoria del portafoglio di Markowitz
Portafogli media-varianza a rischio minimo
La frontiera efficiente
Portfogli robusti

7. Portafogli media-Conditional Value at Risk: 4 hours
Frontiere efficienti per portagli basati su strategie long
Frontiere efficienti per portagli basati su strategie short illimitate
Frontiere efficienti per portagli con vincoli sui pesi degli asset
Frontiere efficienti per portagli con vincoli sui pesi degli asset ripartiti per gruppi

8. Il Backtesting: 2 hours

9. Strategie di gestione dei portafogli di attività finanziarie: 6 ore
Adaptive asset allocation
Portafolgli media-indice di Gini
Portafogli robusti
La frontiera efficiente ricampionata
Portafogli Omega
Strategie di ribilanciamento
La strategia 130/30
La Performance attribution

Metodi Didattici

Il calendario delle lezioni prevede 3 lezioni per settimana, ognuna di 2 ore. Alcune lezioni di 2 ore saranno dedicate all’analisi di casi-studio attraverso l’utilizzo del software statistico R.

Verifica dell'apprendimento

La verifica della preparazione è basata su una prova scritta, della durata di circa 2 ore, a cui è richiesto agli studenti di rispondere a 7 quesiti inerenti i fondamenti teorici dei metodi statistici trattati e/o l’interpretazione dei risultati di analisi statistiche in cui tali metodi sono utilizzati. Saranno valutate la capacità di formalizzazione matematica, la capacità di interpretare correttamente i risultati di analisi statistiche riportate in tabelle e grafici e la padronanza del linguaggio statistico utilizzato nelle risposte fornite ai singoli quesiti.
E’ vivamente raccomandata la frequenza delle lezioni, nonché la preparazione dell’esame a partire dagli appunti delle lezioni e dai testi di riferimento.
In conformità a quanto previsto dai descrittori di Dublino, la valutazione del profitto è orientata alla verifica della sussistenza dei requisiti seguenti:
1) capacità di identificare il metodo statistico più appropriato da applicare per l’analisi di uno specifico dataset (valutazione del livello di conoscenza e di apprendimento).
2) capacità di interpretare correttamente i risultati di un’analisi statistica (valutazione della capacità di saper metter in pratica correttamente i livelli di conoscenza e di apprendimento).
3) La capacità di saper utilizzare correttamente il software statistico R e, in generale, di saper utilizzare tale strumento per applicare correttamente il metodo statistico più appropriato per l’analisi di uno specifico dataset.
4) La capacità di sintetizzare i risultati di un’analisi statistica e di rappresentare questi ultimi attraverso una formulazione matematica rigorosa e l’utilizzo di appropriate tabelle e rappresentazioni grafiche (valutazione delle abilità comunicative).
5) La conoscenza dei fondamenti teorici dei modelli di analisi statistica multivariata (valutazione degli skill di apprendimento).
La votazione finale è espressa in trentesimi.
Il voto minimo è pari a 18/30 ed è conseguito dallo studente che mostra un livello di conoscenza appena sufficiente. Egli è almeno in grado di identificare correttamente lo scenario di riferimento relativo all’analisi multivariata di uno specifico dataset, conosce gli elementi di base per la stesura di un report in cui si presentano i risultati dell’analisi statistica attraverso grafici e tabelle e commenta gli stessi risultati con un linguaggio tecnico minimale.
Il voto massimo è pari a 30/30 (con lode) ed è conseguito dallo studente che è in grado di schematizzare gli argomenti trattati in modo logico e coerente ed applicare tali metodi in modo appropriato evidenziando correttamente i vantaggi e gli svantaggi connessi all’utilizzo di ciascuno di essi.

Testi

Non è previsto, per questo insegnamento, un libro di testo di riferimento.
Il materiale didattico sarà reso disponibile dal docente attraverso il proprio sito web.

Altre Informazioni

Materiale didattico aggiuntivo, letture di approfondimento, esercizi e prove d’esame, nonché informazioni aggiuntive relative alle lezioni, potranno essere fornite dal docente su specifica richiesta degli studenti interessati.

contatti | accessibilità Università degli Studi di Cagliari
C.F.: 80019600925 - P.I.: 00443370929
note legali | privacy