Nessuno

Modulo 1 - Programmazione di routine e codici per l'ottimizzazione di portafoglio e la valutazione della performance

Modulo 2 - Tecniche di clustering e applicazioni in finanza e assicurazioni

Offrire conoscenze e competenze applicative nel campo dell'asset management e della finanza per le assicurazioni

Esercitazioni e project work

Preparazione e presentazione di un progetto di gruppo. In casi particolari il progetto potrà essere svolto individualmente

Il modulo 1 introduce le tecniche di ottimizzazione di portafoglio tradizionali con particolare attenzione alle tecniche finalizzate all'incremento della diversificazione. La seconda parte del modulo 1 è invece dedicata alla costruzione di sistemi di rating dei fondi comuni di nvestimento

Il modulo 2 introduce i metodi di apprendimento non supervisionato, con particolare attenzione alle tecniche di clustering e alle loro applicazioni in ambito finanziario e assicurativo, attraverso esempi e implementazioni in R o Python.

Parte I – Fondamenti del clustering e applicazioni finanziarie (6 ore)

• Introduzione all’apprendimento non supervisionato: standardizzazione delle variabili e misure di distanza.
• Clustering K-means: algoritmo e scelta del numero ottimale di cluster.
• Applicazioni finanziarie: implementazione e interpretazione mediante R o Python.

Parte II – Applicazioni del clustering in ambito assicurativo (6 ore)

• Dati assicurativi e problemi di segmentazione, con particolare riferimento ai sinistri nelle assicurazioni danni e ai relativi pattern di sviluppo.
• Costruzione e segmentazione dei triangoli di run-off mediante tecniche di clustering e implicazioni per la stima delle riserve sinistri. 
• Applicazioni assicurative mediante R o Python.

Appunti delle lezioni (a cura dei docenti del corso) saranno distribuiti sulla pagina dell'insegnamento su elearning.unisalento.it

Per il modulo 2 lettura consigliata

Boehmke, B., Greenwell, B.: Hands-On Machine Learning with R.
Disponibile gratuitamente all'indirizzo: https://bradleyboehmke.github.io/HOML