Skip to content

Libera Università di Bolzano

Intelligenza artificiale e decisioni finanziarie (FIN III)

Semestre 1 · 25407 · Corso di laurea magistrale in Accounting e Finanza · 6CFU · IT


- Il corso esplora l’applicazione dell’intelligenza artificiale (IA) nei processi decisionali finanziari.
- Gli studenti apprendono tecniche di machine learning, utilizzando il software R a livello intermedio.
- Il programma include modelli predittivi, classificazione, regressione, reti neurali, clustering e riduzione dimensionale.
- Le attività didattiche combinano lezioni, esercitazioni, progetti pratici e interventi di esperti.
- La valutazione si basa su esame scritto, presentazione di un paper con supporto IA generativa e sviluppo di un progetto di data science

Docenti: Carlo Milani

Ore didattica frontale: 36 Online
Ore di laboratorio: -
Obbligo di frequenza: La frequenza regolare delle lezioni è fortemente consigliata

Argomenti dell'insegnamento
Durante il corso sono trattati i seguenti argomenti • Introduzione ai concetti generali dell’IA • Dai big data all’IA generativa • Modelli di Machine Learning • Preparazione e raccolta dei dati • Classificazione e modelli di regressione • Ensemble learning • Reti neurali • Clustering • Riduzione dimensionale Il programma dettagliato è fornito all'inizio del corso.

Modalità di insegnamento
Combinazione di lezioni, esercitazioni, progetti, guest speakers.

Obiettivi formativi
ILO (Intended Learning Outcomes) ILO 1 - Knowledge and Understanding: ILO 1.1 dei fondamenti della finanza aziendale per la corretta applicazione, ad esempio, dei modelli decisionali e della gestione dei dati e dei rischi finanziari alla gestione della tesoreria ILO 1.2 dei modelli di gestione e di economicità delle diverse tipologie di intermediari,microstruttura dei mercati, efficienza operativa dei mercati finanziari ed impatto dei mercati finanziari sulle condizioni di economicità degli intermediari ILO 1.3 di una vasta gamma di strumenti di investimento, finanziamento e gestione del rischio, a partire dai fondamenti della diversificazione del portafoglio e i modelli classici di determinazione del prezzo delle attività e misurazione del rischio ILO 1.4 delle tematiche specifiche di Finanza che caratterizzano la professione di Analista finanziario, Gestore di portafoglio, Chief Financial Officer (CFO), Responsabile Amministrativo, Controller, Internal Auditor e di consulente aziendale ILO 2 - Applying knowledge and understanding: ILO 2.1 per l'identificazione, la valutazione e la gestione di investimenti sui mercati finanziari ILO 2.2 per l'impostazione di strategie coerenti di gestione finanziaria in aziende o intermediari finanziari, applicando in maniera competente le conoscenze acquisite nelle tecniche di gestione del rischio, valutazione degli asset, trattamento dei derivati ILO 3 - Making judgments: ILO 3.1 capacità di mettere in relazione modelli ed evidenze empiriche nello studio delle aziende, degli intermediari e dei mercati finanziari ILO 4 - Communication Skills: ILO 4 Capacità di comunicare efficacemente in forma orale e scritta i contenuti specialistici delle singole discipline, utilizzando registri diversi a seconda dei destinatari e degli scopi comunicativi e didattici, e di valutare gli effetti formativi della sua comunicazione ILO 5 - Learning Skills: ILO 5.1 capacità di elaborare modelli generali, a partire dai fenomeni studiati

Modalità d'esame
Il voto finale sarà una combinazione di: esame scritto, project works, partecipazione attiva al corso (presentazioni, discussioni di casi di studio, partecipazione attiva a guest lectures). ILOs 1-5 assessed

Criteri di valutazione
La valutazione si compone di quattro fattori: 1) esame scritto composto da domande a risposta multipla su concetti teorici discussi nell’ambito del corso; 2) presentazione e discussione di un paper riguardante l'intelligenza artificiale, da effettuare con il supporto dell’IA generativa; 3) realizzazione di un progetto di data science applicato al settore bancario-finanziario; 4) partecipazione attiva durante le guest lectures (solo per i frequentanti)

Bibliografia obbligatoria

Articoli, business cases, e altro materiale distribuito in aula e su OLE. 

Lantz, Brett (2019). “Machine Learning with R: Expert techniques for predictive modeling”, 3rd Edition Packt Publishing. 



Bibliografia facoltativa

Gosmar, Diego (2020). “Machine Learning: Il sesto chakra dell’intelligenza artificiale”. 

Ulteriore materiale sarà annunciato all’inizio del corso. 




Scarica come PDF

Obiettivi di sviluppo sostenibile
Questa attività didattica contribuisce al raggiungimento dei seguenti Obiettivi di Sviluppo sostenibile.

9

Richiesta info