78830 - METODI STATISTICI MULTIVARIATI PER IL CREDIT SCORING

Anno Accademico 2019/2020

  • Modalità didattica: Convenzionale - Lezioni in presenza
  • Campus: Rimini
  • Corso: Laurea in Finanza, assicurazioni e impresa (cod. 8872)

Conoscenze e abilità da conseguire

Al termine del corso lo studente: - conosce i concetti fondamentali delle metodologie statistiche per le decisioni aziendali e finanziarie; - conosce i modelli per dati contabili e finanziari più adeguati per individuare e misurare il rischio di credito.

Contenuti

  • Introduzione ai metodi statistici per il credit scoring.
  • Richiami sulle variabili categoriali: indipendenza marginale e condizionata, misure di associazione.
  • Modello di regressione logistica: formulazione del modello, stima e interpretazione dei parametri, selezione delle variabili, bontà di adattamento.
  • Analisi discriminante: analisi discriminante canonica e basata su modello.
  • Alberi di classificazione: metodi CART e CHAID.
  • Metodi per la stima del tasso di errata classificazione.
  • Aspetti principali delle reti neurali.
  • Cenni ai modelli a variabili latenti: analisi delle classi latenti.
  • Richiami all’analisi dei gruppi.
  • Per ognuno degli argomenti elencati verranno svolte analisi di casi di studio in laboratorio utilizzando il software R (almeno 2 ore a settimana).

Testi/Bibliografia

Materiale necessario

  • Elena Stanghellini (2009) “Introduzione ai metodi statistici per il credit scoring”, Springer-Verlag
  • Dispense del docente disponibili nella piattaforma "Insegnamenti online - Supporto online alla didattica" https://iol.unibo.it/ 

 

Testi consigliati

  • Stefania Mignani, Angela Montanari (1997) “Appunti di analisi statistica multivariata”, Esculapio (cap. 5 analisi discriminante, cap. 7 analisi dei gruppi)
  • Sergio Zani, Andrea Cerioli (2007) “Analisi dei dati e data mining per le decisioni aziendali”, Giuffrè Editore (cap. 8 distanze e indici di similarità, cap. 9 analisi dei gruppi, cap. 11 alberi di classificazione, cap. 12 reti neurali)

 

Metodi didattici

Lezioni frontali in aula ed esercitazioni in laboratorio statistico utilizzando il software R (lavoro individuale seguendo gli esempi trattati dal docente o lavoro di gruppo). 

La frequenza alle lezioni e alle esercitazioni, pur non essendo obbligatoria, è fortemente raccomandata.

Modalità di verifica e valutazione dell'apprendimento

Prova complessiva scritta volta a valutare la conoscenza dei metodi statistici affrontati durante il corso sia dal punto teorico sia dal punto di vista applicato. 

La prova scritta consiste in domande aperte riguardanti sia la teoria sia l'interpretazione di output prodotti con il software R. Nel materiale didattico del docente su IOL è possibile visionare un esempio di prova scritta. La prova scritta ha una durata variabile da 90 a 120 minuti. Durante la prova scritta è consentito esclusivamente l'uso della calcolatrice.

Per ogni domanda è indicato il punteggio attribuito. La somma dei punteggi è pari a 32. Il voto finale è espresso in trentesimi e viene calcolato tramite la somma dei punteggi ottenuti nelle single domande. La lode viene assegnata solo agli studenti che ottengono un punteggio pari a 32.

Conoscenze adeguate di matematica, statistica, calcolo delle probabilità e inferenza statistica costituiscono prerequisiti fondamentali per affrontare l’esame con successo.

Gli studenti immatricolati nell'a.a. 16/17 o prima in debito d'esame possono scegliere se sostenere l'esame con le vecchie modalità (esame ORALE) o con le modalità attuali (esame SCRITTO). In caso di scelta dell'esame orale, lo stesso dovrà essere sostenuto nelle stesse date previste per gli esami scritti, con orario da concordare con il docente. Per questo motivo, informare il docente via mail almeno un giorno prima dell'esame.

 

 

Strumenti a supporto della didattica

Lucidi e materiale di laboratorio disponibili sulla piattaforma IOL; software R.

Orario di ricevimento

Consulta il sito web di Mariagiulia Matteucci

SDGs

Istruzione di qualità Lavoro dignitoso e crescita economica

L'insegnamento contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.