Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
| Corso | Ingegneria Industriale |
| Curriculum | Gestionale |
| Orientamento | Orientamento unico |
| Anno Accademico | 2019/2020 |
| Corso | Ingegneria Industriale |
| Curriculum | Gestionale |
| Orientamento | Orientamento unico |
| Anno Accademico | 2019/2020 |
| Crediti | 6 |
| Settore Scientifico Disciplinare | SECS-S/06 |
| Anno | Secondo anno |
| Unità temporale | Secondo semestre |
| Ore aula | 48 |
| Attività formativa | Attività formative affini ed integrative |
| Docente | MASSIMILIANO FERRARA |
| Collaboratore | ANTONIO VIOLI |
| Obiettivi | Il Corso si propone di promuovere la conoscenza dei principali modelli, metodi, criteri di valutazione e criteri di decisione per l'analisi di problemi rientranti nella moderna Finanza matematica. L'obiettivo che si intende perseguire, è quello di fare acquisire al destinatario del Corso, delle conoscenze tecniche specifiche che siano dallo stesso immediatamente spendibili, successivamente al conseguimento della laurea, sul mercato del lavoro nell'ambito del settore bancario ed assicurativo o per l'esercizio della libera professione (consulenza finanziaria globale, consulenza finanziaria aziendale, ecc.) |
| Programma | DECISION SUPPORT SYSTEMS Processi e sistemi di supporto alle decisioni Dati, informazioni e conoscenza Rappresentazione dei processi decisionali Sistemi di supporto alle decisioni Data Mining Definizione di data mining Rappresentazione dei dati in ingresso Processo di data mining Metodologie di analisi Modelli di Classificazione Definizione di problema di classificazione Sviluppo di modelli di classificazione Valutazione dei modelli di classificazione Alberi di classificazione Criteri di separazione Applicazioni mediante il software WEKA Introduzione alla modellazione di problemi reali La mappatura di un problema decisionale in un modello di ottimizzazione: variabili, vincoli, funzione obiettivo. Modelli di Programmazione Lineare Modelli di miscelazione Modelli di allocazione ottima delle risorse L’utilizzo delle variabili binarie: i problemi con costo fisso, vincoli logici e disgiuntivi. Esempi di formulazione e soluzione su GAMS Modelli di Programmazione lineare Struttura di un modello di PL Analisi geometrica dei problemi di PL Caratterizzazione delle soluzioni ottime Risoluzione per via grafica di modelli di PL a 2 variabili Applicazione: Portfolio Management Caratteristiche di un portafoglio Diversificazione Frontiera efficiente Modello di Markovitz e sue limitazioni Scenario-based asset allocation Modelli dinamici e stocastici Applicazione: Data Envelopment Analysis Efficienza di una DMU Modello CCR Modello duale Esempi su GAMS MATEMATICA FINANZIARIA 1. Capitalizzazione e attualizzazione 2. Rendite e Ammortamenti 3. Applicazioni aziendali classiche 4. Scelte finanziarie 5. Duration e immunizzazione Parte Monografica (da svolgere interamente o a scelta dello Studente, un argomento dei tre sotto indicati): Titoli a reddito fisso Calcolo finanziario e normativa Valutazioni di operazioni rischiose |
| Testi docente | DECISION SUPPORT SYSTEMS C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons, 2009. Dispense a cura del docente MATEMATICA FINANZIARIA Peccati-Luciano-D'Amico: "Calcolo finanziario: temi di base e temi moderni", EGEA Bocconi, Milano, 2011 in alternativa: Stefani -Torriero A-Zambruno, Elementi di Matematica finanziaria e cenni di programmazione lineare, IV ed., Giappichelli, 2011. |
| Erogazione tradizionale | No |
| Erogazione a distanza | Sì |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | No |
| Valutazione test attitudinale | No |
| Valutazione progetto | No |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
| Descrizione | Descrizione |
|---|---|
| Valutazione degli Investimenti (dispensa) | 
|
| Corso | Ingegneria Industriale |
| Curriculum | Gestionale |
| Orientamento | Orientamento unico |
| Anno Accademico | 2019/2020 |
| Crediti | 6 |
| Settore Scientifico Disciplinare | MAT/09 |
| Anno | Secondo anno |
| Unità temporale | Secondo semestre |
| Ore aula | 48 |
| Attività formativa | Attività formative affini ed integrative |
| Docente | MASSIMILIANO FERRARA |
| Obiettivi | Il Corso si propone di fornire agli allievi gli strumenti per la formulazione, l’interpretazione e la soluzione di problemi di decisione, e la capacità di utilizzare alcuni software di modellazione e ottimizzazione disponibili. In particolare gli studenti alla fine del corso saranno in grado di formulare modelli di ottimizzazione relativi a problemi di interesse pratico in diversi contesti applicativi spaziando dai sistemi di produzione fino ad arrivare alla pianificazione degli investimenti, nonché di rendere poi fruibili i risultati agli operatori nei rispettivi campi di applicazione. Il corso comprende una parte modellistica che permetterà allo studente di acquisire le conoscenze necessarie alla trasposizione in termini matematici di problemi applicativi, e una parte pratica, in cui l’utilizzo di software permetterà di formulare modelli di supporto alle decisioni nonché di visualizzare in modo intuitivo i risultati. |
| Programma | DECISION SUPPORT SYSTEMS Processi e sistemi di supporto alle decisioni Dati, informazioni e conoscenza Rappresentazione dei processi decisionali Sistemi di supporto alle decisioni Data Mining Definizione di data mining Rappresentazione dei dati in ingresso Processo di data mining Metodologie di analisi Modelli di Classificazione Definizione di problema di classificazione Sviluppo di modelli di classificazione Valutazione dei modelli di classificazione Alberi di classificazione Criteri di separazione Applicazioni mediante il software WEKA Introduzione alla modellazione di problemi reali La mappatura di un problema decisionale in un modello di ottimizzazione: variabili, vincoli, funzione obiettivo. Modelli di Programmazione Lineare Modelli di miscelazione Modelli di allocazione ottima delle risorse L’utilizzo delle variabili binarie: i problemi con costo fisso, vincoli logici e disgiuntivi. Esempi di formulazione e soluzione su GAMS Modelli di Programmazione lineare Struttura di un modello di PL Analisi geometrica dei problemi di PL Caratterizzazione delle soluzioni ottime Risoluzione per via grafica di modelli di PL a 2 variabili Applicazione: Portfolio Management Caratteristiche di un portafoglio Diversificazione Frontiera efficiente Modello di Markovitz e sue limitazioni Scenario-based asset allocation Modelli dinamici e stocastici Applicazione: Data Envelopment Analysis Efficienza di una DMU Modello CCR Modello duale Esempi su GAMS MATEMATICA FINANZIARIA 1. Leggi di Capitalizzazione e leggi di Attualizzazione. Tassi d'interesse e calcolo finanziario 2. Rendite e Ammortamenti 3. Applicazioni aziendali classiche 4. Scelte finanziarie 5. Duration e immunizzazione Parte Monografica (da svolgere interamente o a scelta dello Studente, un argomento dei tre sotto indicati): Titoli a reddito fisso Calcolo finanziario e normativa Valutazioni di operazioni rischiose |
| Testi docente | DECISION SUPPORT SYSTEMS C. Vercellis, Business Intelligence: Data Mining and Optimization for Decision Making, J. Wiley and Sons, 2009. Dispense a cura del docente MATEMATICA FINANZIARIA Peccati-Luciano-D'Amico: "Calcolo finanziario: temi di base e temi moderni", EGEA Bocconi, Milano, 2011 o in alternativa: Stefani -Torriero A-Zambruno, Elementi di Matematica finanziaria e cenni di programmazione lineare, IV ed., Giappichelli, 2011 |
| Erogazione tradizionale | No |
| Erogazione a distanza | Sì |
| Frequenza obbligatoria | No |
| Valutazione prova scritta | No |
| Valutazione prova orale | No |
| Valutazione test attitudinale | No |
| Valutazione progetto | No |
| Valutazione tirocinio | No |
| Valutazione in itinere | No |
| Prova pratica | No |
| Descrizione | Descrizione |
|---|---|
| 01 - Introduzione al corso (dispensa) |
|
| 02 - Business Intelligence (dispensa) |
|
| 03 - Decision Support Systems (dispensa) |
|
Cerca nel sito
Posta Elettronica Certificata
Direzione
Tel +39 0965.1696501
Fax +39 0965.1696550
Biblioteca
Tel +39 0965.1696320
Fax +39 0965.1696550
Segreteria didattica
Tel +39 0965.1696322
Fax +39 0965.1696550
Segreteria amministrativa
Tel +39 0965.1696510
Fax +39 0965.1696550
Segreterie CdL
Tel +39 0965.1696464
Fax +39 0965.1696550
Orientamento
Social
