ADVANCED STATISTICS FOR FINANCE

Obiettivi formativi

Il corso introduce gli studenti ai fondamenti dell’inferenza statistica e alle principali metodologie di data science, con particolare attenzione alle applicazioni economico-finanziarie. Il corso presenta i principali modelli statistici, tecniche di regressione, classificazione, clustering e riduzione dimensionale. Al termine del corso, gli studenti e le studentesse conosceranno i principali modelli e metodi statistici da utilizzare per le analisi in ambito economico-finanziario e assicurativo. Sapranno individuare le metodologie più adeguate all’analisi di ciascun problema e sapranno utilizzare software statistici di calcolo e di analisi dei dati per implementarle. Sapranno applicare i metodi dell’inferenza statistica ai dati reali per effettuare analisi empiriche e sapranno intrepretare correttamente i risultati dei modelli e giudicare la loro validità nel contesto di studio. Avranno sviluppato autonomia nella capacità di selezionare i modelli più adeguati alle diverse analisi, motivandone la scelta in relazione alla loro complessità, interpretabilità e capacità predittiva. Saranno in grado di comunicare i risultati attraverso report chiari e coerenti, anche integrando codice e output analitici. Avranno acquisito un metodo di studio autonomo e disporranno degli strumenti per approfondire lo studio di nuove metodologie statistiche, anche avanzate, avendo anche le capacità di implementarle in un linguaggio di programmazione.

Canale 1
VALERIA BIGNOZZI Scheda docente

Programmi - Frequenza - Esami

Programma
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
Prerequisiti
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.
Testi di riferimento
All the information about the course will be available at the following link: https://elearning.uniroma1.it/course/view.php?id=20815 -Slides provided by the lecturer; -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/
Frequenza
La frequenza non è obbligatoria ma fortemente consigliata
Modalità di esame
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.
Modalità di erogazione
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.
  • Codice insegnamento10592625
  • Anno accademico2025/2026
  • CorsoFinanza e assicurazioni - Finance and insurance
  • CurriculumFinancial risk and data analysis - in lingua inglese
  • Anno1º anno
  • Semestre2º semestre
  • SSDSECS-S/01
  • CFU6