Finanza e assicurazioni - Finance and insurance

1. Basi di inferenza statistica (probabilità, test, intervalli di confidenza, funzione di verosimiglianza, stimatori) 2. Panoramica sull'apprendimento statistico 3. Regressione lineare 4. Classificazione e raggruppamento 5. Selezione e regolarizzazione del modello lineare 6. Modelli non lineari 7. Alberi di Regressione 8. Applicazioni ai dati finanziari e attuariali tramite il linguaggio di programmazione R

L'insegnamento richiede conoscenze base di Statistica descrittiva, Statistica inferenziale e Probabilità. Sono inoltre utili conoscenze di matematica di base (studio di funzioni e algebra matriciale). Il corso prevede anche una parte di programmazione in R, dunque la conoscenza di un linguaggio di programmazione è utile anche se non indispensabile.

-Slide preparate dal docente; -An Introduction to Statistical Learning: with Applications in R (Springer Texts in Statistics) 2nd Edition 2021 by Gareth James (Author), Daniela Witten (Author), Trevor Hastie (Author), available on line at https://www.statlearning.com/

La frequenza non è obbligatoria ma fortemente consigliata

L’esame consiste in due prove con pesi differenti: a. Il 40% del voto finale sarà attribuito alla discussione di un rapporto su un argomento specifico. In questa prova verranno valutate la capacità degli studenti di svolgere in modo autonomo analisi di dati avanzate, redigere report chiari e illustrarli ai colleghi. b. Il 60% del voto finale deriverà da un esame orale. Questa parte ha lo scopo di verificare le conoscenze teoriche degli studenti, il livello di approfondimento raggiunto e la capacità di trarre conclusioni appropriate dall’applicazione di metodi statistici avanzati.

Le lezioni si svolgeranno in presenza. Per ogni tecnica statistica analizzata è prevista una parte di didattica erogativa, durante la quale il docente illustra gli aspetti teorici, i contesti applicativi e le limitazioni del metodo, seguita da una parte di didattica interattiva, in cui le metodologie studiate vengono applicate a dati reali in ambito finanziario e/o attuariale e discusse attivamente dal docente e dagli studenti. Parte delle lezioni prevede l’utilizzo del linguaggio di programmazione R.