Ateneo - UPO

Il corso è suddiviso in quattro moduli.

Parte 1 – Rischio di Mercato e di credito (Prof. Gianluca Fusai) - 6 CFU

Parte 2 – Simulazione Monte Carlo e applicazioni alla finanza (Prof. Ioannis Kyriakou) – 2 CFU

Parte 3 - Algorithmic Trading: order book, il problema del dealer, esecuzione ottima (Roberto Maria Caloi) - 1 CFU

Parte 4 – Capital Requirements for Prudential Framework (Prof. Dario Onorato) - 1 CFU

Materiale a cura dei docenti disponibile nelle risorse online del corso.

Ulteriori testi (disponibili in biblioteca) utili per il corso:
1. P. Christoffersen, Elements of Financial Risk Management Academic Press, 2° ed.;
2. P. Glasserman, Monte Carlo Methods In Financial Engineering, Springer-Verlag New York, 2003;
3. J. Hull, Options, Futures and other derivatives, Last edition;
4. P. Jorion, Value at Risk, 3rd edition, Mc-Graw Hill.
5. J. Hasbrouck, Empirical Market Microstructure: The Institutions, Economics, and Econometrics of Securities Trading, OUP USA, 2007.

Per ulteriori informazioni, si prega di consultare la pagina del corso su D.I.R. (www.dir.uniupo.it)

A conclusione del corso gli studenti dovrebbero essere in grado di affrontare da un punto di vista quantitativo i seguenti problemi: costruzione e modellizzazione della distribuzione del Profit and Loss per diverse asset classes (azioni, obb.ni, derivati); utilizzo di tecniche di simulazione Monte Carlo in finanza; strategie di gestione e algorithmic trading; rischio di controparte e capital charge; regolamentazione di Basilea 3 relativa al rischio di controparte e alla stima del capitale regolamentare.

E’ obbligatorio avere già sostenuto con successo i corsi di: Pricing di Derivati e Teoria del Portafoglio, Statistica per la Finanza, Business Information for Finance. Se questi esami non sono stati superati all’inizio del corso non sarà possibile sostenere l'esame nella modalità coursework. Le altre modalità d'esame richiedono avere sostenuto gli esami propedeutici alla data di sostenimento dell'esame.

Il modulo verrà principalmente insegnato attraverso lezioni e sessioni di laboratorio. Le sessioni di laboratorio al computer rafforzeranno la comprensione dei concetti insegnati e faciliteranno l'apprendimento delle implementazioni pratiche degli algoritmi trattati. Le lezioni mostreranno metodologie e le loro applicazioni. Materiale di supporto e contenuti aggiuntivi saranno resi disponibili anche tramite Moodle.

La frequenza al corso è facoltativa, ma caldamente suggerita. E’ richiesta la conoscenza di Matlab.
L'esame nella modalità coursework richiede la partecipazione ad almeno il 70% delle lezioni del modulo 1 e del 90% delle lezioni di ciascuno dei moduli 2, 3 e 4.

Le studentesse e gli studenti con disabilità o con Disturbi Specifici dell’Apprendimento (DSA) o con Bisogni Educativi Speciali (BES) possono richiedere servizi e strumenti specifici a loro dedicati rivolgendosi allo Staff Sviluppo e Coordinamento Carriere e Servizi alle Studentesse e agli Studenti e consultando la pagina dedicata del sito di Ateneo: https://uniupo.it/it/servizi/servizi-studentidisabili-e-dsa Le studentesse e gli studenti con disabilità, DSA, BES, una volta preso contatto con lo Staff di Ateneo, possono contattare la/il docente titolare dell'insegnamento in relazione alla declinazione delle modalità di esame.

Per gli studenti frequentanti è data la possibilità di sostener l’esame attraverso un corsework con discussione in classe. Il coursework richiede l’implementazione in Matlab dei modelli discussi in classe e la loro applicazione a casi concreti e copre gli argomenti trattati nei diversi moduli. Occorre inoltre presentare e discutere assignment su base settimanale. E' richiesta infine la replica e la presentazione di un paper sui temi trattati nel corso. Per gli studenti non frequentati o, seppur frequentanti, non intendono sostenere l'esame con la modalità di cui sopra, le modalità d'esame sono dettagliate nelle pagine DIR del corso e può richiedere: a) prova scritta e orale e presentazione di un progetto in Matlab;
oppure
b) solo prova orale su un numero ridotto di capitoli del testo di riferimento relativo e non è richiesto l'utilizzo di Matlab. Per questa modalità b, il punteggio massimo è 23.

L'esame è volto a testare la comprensione e la capacità sia di utilizzare i concetti di base esposti nel corso sia di applicare le conoscenze acquisite per analizzare problemi articolati e complessi. In particolare, lo studente deve essere in grado di dettagliare il procedimento risolutivo, con gli adeguati riferimenti teorici.

Parte 1 – Modelli quantitativi per il Rischio di Mercato e di credito (Prof. Gianluca Fusai) - 6 CFU

a. la misurazione del rendimento e del rischio;
b. Modelli per la stima del VAR e dell’Expected Shortfall. c. Rischio di mercato e derivati finanziari. d. Introduzione al rischio di credito e .

Parte 2 – Simulazione Monte Carlo e applicazioni in finanza (Prof. Ioannis Kyriakou City St George’s, University of London, Bayes Business School) – 2 CFU
Introduzione alla simulazione Monte Carlo. Simulare v.a. uniformi, gaussiane e log-normali. Simulare i rendimenti e i prezzi di un titolo. Simulare da una distribuzione gaussiana multivariata. Applicazioni alla valutazione di derivati finanziari e alla misurazione del rischio di portafogli.

Parte 3 – Algorithmic Trading (Prof. Roberto Maria Caloi (Sella Financial Markets) - 1 CFU): 1. The Central Order Book 2. The Roll Model of traded prices 3. Inventory Control and the dealer problem 4. Statistical Arbitrage 5. Optimal Execution 6. Automation and network latency

Parte 4 – Counterparty Risk Prudential Framework (Prof. Diego Onorato (Intesa San Paolo) - 1 CFU). Calcolo dei capital requirements per il rischio controparte. Basilea 3 e il framework regolamentare. Modelli interni e standard. Rischio modello.

La riuscita nel modulo consentirà allo studente:

Knowledge
Assumere esposizioni nel mercato e valutarne la rischiosità
Identificare in modo accurato i fattori di rischio ed usare gli strumenti adeguati per valutarne quantitativamente il loro impatto
Essere abile a sintetizzare una informazione ampia e complessa per una valutazione accurata e realistica del rischio
Dimostrare una capacità di utilizzo dell’analisi quantitative per il risk management
Eseguire analisi di rischio e saperne comunicare i risultati a tutti i livelli di un’organizzazione finanziaria
Dimostrare un approccio al business che contempla il trade off rischio-rendimento
Apprezzare la rilevanza del risk management a diversi livelli, dal singolo trade, al livello corporate e istituzionale.
Comprendere i punti di forza e debolezza relativi ai diversi metodi.
Creare codici Matlab moderatamente complessi che comprendano un file di script e diversi file di funzioni per implementare i metodi sopra menzionati.
Rispettare ed apprezzare il ruolo della regolamentazione finanziaria.

Skills
Abilità
Utilizzare strumenti informatici e IT generali per applicare i principali metodi numerici utilizzati nel calcolo del rischio, nella determinazione dei prezzi dei derivati e nel trading algoritmico.
Scrivere relazioni coerenti (come parte della valutazione del modulo) e comunicare chiaramente i risultati.
Programmare su una piattaforma numerica (Matlab).

Values and attitudes

Imparare un approccio strutturato alla risoluzione dei problemi tipici della finanza quantitativa.
Rispettare e valorizzare il ruolo della regolamentazione finanziaria.