Data-Driven Finance Course

Lezione 1 • Tipi di Dati Finanziari

Tratta i dati strutturati rispetto a quelli non strutturati, i formati di serie temporali rispetto a quelli cross-sectional. Stabilisce il vocabolario per tutto il lavoro successivo con i dati.

Lezione 2 • Qualità e Integrità dei Dati

Definisce completezza, accuratezza, coerenza e tempestività. Gli studenti applicano controlli di qualità prima di qualsiasi fase analitica.

Lezione 3 • Fonti Primarie di Dati Finanziari

Mappa le origini dei dati di mercato, contabili e macroeconomici. Gli studenti valutano l'affidabilità delle fonti e i metodi di accesso.

Lezione 1 • Rimodellamento e Trasformazione dei Dati

Tratta il pivoting, il melting e l'aggregazione di tabelle finanziarie. Prepara i dati per l'analisi degli indici e la modellazione delle serie temporali.

Lezione 2 • Ingegneria delle Feature per la Finanza

Deriva indici finanziari, rendimenti e segnali dai dati puliti. Crea input per modelli statistici e di machine learning.

Lezione 3 • Pulizia dei Dataset Finanziari

Affronta i valori mancanti, gli inserimenti errati e le incoerenze di formato. Si basa sui concetti di qualità dei dati del Capitolo 1.

Lezione 4 • Unione e Join di Dataset

Insegna i join inner, outer, left e right tra tabelle finanziarie. Abilita l'analisi multi-fonte introdotta nel Capitolo 1.

Lezione 1 • Analisi e Test della Distribuzione

Verifica la normalità e identifica le distribuzioni empiriche nei dati finanziari. Informa la selezione del modello nei capitoli successivi.

Lezione 2 • Visualizzazione dei Dati Finanziari

Costruisce grafici dei prezzi, distribuzioni dei rendimenti, mappe di calore e grafici a dispersione. Traduce i risultati numerici in elementi visivi comunicabili.

Lezione 3 • Esplorazione delle Serie Temporali

Identifica trend, stagionalità e autocorrelazione nelle serie finanziarie. Prepara gli studenti per la modellazione formale delle serie temporali.

Lezione 4 • Analisi di Correlazione e Covarianza

Misura le relazioni lineari tra variabili finanziarie. Supporta la costruzione di portafogli e l'identificazione dei fattori di rischio.

Lezione 1 • Regressione Logistica per la Finanza

Modella risultati finanziari binari come il default e la previsione della direzione. Introduce la classificazione insieme alla regressione.

Lezione 2 • Modelli di Regressione per Serie Temporali

Introduce modelli autoregressivi e a ritardi distribuiti per la previsione finanziaria. Estende i concetti EDA sulle serie temporali del Capitolo 3.

Lezione 3 • Validazione del Modello e Overfitting

Applica la cross-validazione, la suddivisione train-test e la regolarizzazione ai modelli finanziari. Garantisce che i modelli generalizzino oltre il campione di addestramento.

Lezione 4 • Modelli Fattoriali e Scomposizione del Rischio

Applica la regressione multi-fattoriale per scomporre i rendimenti degli attivi in componenti sistematiche e idiosincratiche. Si basa sugli OLS della sezione precedente.

Lezione 1 • Quantificazione del Rischio di Credito

Modella la probabilità di default, la perdita in caso di default e l'esposizione al default. Applica la regressione logistica del Capitolo 4 ai dati creditizi.

Lezione 2 • Metodi di Stima della Volatilità

Tratta i modelli di volatilità storica, EWMA e GARCH. Fornisce le basi per tutte le metriche di rischio di questo capitolo.

Lezione 3 • Metriche del Rischio di Liquidità

Misura gli spread denaro-lettera, la profondità del mercato e i gap di liquidità dei finanziamenti. Estende le competenze di gestione dei dati ai dati dell'order book e dei flussi di cassa.

Lezione 4 • Valore a Rischio e Expected Shortfall

Deriva il VaR e l'ES parametrico, storico e Monte Carlo. Collega le stime di volatilità ai limiti di rischio normativi e interni.

Lezione 1 • Deployment e Monitoraggio dei Modelli

Confeziona i modelli come API e monitora la deriva delle previsioni in produzione. Chiude il ciclo dalla costruzione del modello all'uso operativo.

Lezione 2 • Apprendimento Non Supervisionato in Finanza

Utilizza il clustering e la riduzione della dimensionalità per segmentare attività e fattori. Completa la previsione supervisionata con la scoperta di strutture esplorative.

Lezione 3 • Previsione con Reti Neurali

Applica reti feedforward e ricorrenti alla previsione di prezzi e rendimenti. Estende la modellazione delle serie temporali del Capitolo 4.

Lezione 4 • Elaborazione del Linguaggio Naturale per la Finanza

Estrae sentiment e segnali da conference call sugli utili, notizie e documenti normativi. Introduce la modellazione dei dati non strutturati presentata nel Capitolo 1.

Lezione 1 • Attribuzione della Performance di Portafoglio

Scompone i rendimenti di portafoglio in effetti di allocazione, selezione e interazione. Abilita la valutazione basata sui dati delle decisioni di investimento.

Lezione 2 • Stima di Rendimenti e Rischio

Stima i rendimenti attesi e le matrici di covarianza dai dati storici. Fornisce gli input per tutti i modelli di ottimizzazione di questo capitolo.

Lezione 3 • Ottimizzazione Media-Varianza

Deriva la frontiera efficiente e i portafogli ottimali sotto vincoli. Applica le metriche di rischio del Capitolo 5 alle decisioni di allocazione.

Lezione 4 • Allocazioni Alternative Basate sul Rischio

Tratta il risk parity, l'equal risk contribution e la massima diversificazione. Affronta i limiti della media-varianza con alternative robuste.

Lezione 1 • Progettazione di Dashboard Finanziarie

Crea dashboard interattive per metriche di rischio, performance e portafoglio. Applica su larga scala i principi di visualizzazione del Capitolo 3.

Lezione 2 • Sistemi di Supporto Decisionale Strategico

Integra modelli, dashboard e governance in un'infrastruttura di supporto decisionale. Posiziona la finanza basata sui dati come capacità strategica organizzativa.

Lezione 3 • Costruzione di Flussi di Lavoro Analitici

Progetta pipeline end-to-end riproducibili, dall'acquisizione dei dati alla consegna degli insight. Sintetizza le competenze di ETL, modellazione e visualizzazione.

Lezione 4 • Governance dei Dati in Finanza

Stabilisce la proprietà dei dati, i controlli di accesso e le tracce di audit per l'analisi finanziaria. Garantisce la conformità con gli standard di gestione dei dati.