CLEF/M

Lingua Insegnamento:

Italiano
Testi di riferimento:

Il materiale di riferimento principale e costituito da dispense, slide, esempi guidati, notebook e documentazione tecnica resi disponibili o indicati dal docente durante il corso.

Durante lo svolgimento dell?insegnamento potranno essere segnalati articoli, risorse online, capitoli selezionati di testi introduttivi e documentazione ufficiale relativi agli strumenti di intelligenza artificiale, machine learning, analisi di dati finanziari, intelligenza artificiale generativa e programmazione assistita utilizzati nelle lezioni e nelle attivita applicative.

Lo studio integrale di manuali specifici non e richiesto; le parti effettivamente oggetto di studio saranno indicate dal docente.
Obiettivi formativi:

Il corso e volto a fornire conoscenze e competenze di base sull?utilizzo dell?intelligenza artificiale in ambito finanziario, con particolare attenzione alla capacita di comprendere, applicare e valutare criticamente strumenti di IA per l?analisi di dati e documenti finanziari.

In particolare, tale obiettivo e correlato ai seguenti risultati di apprendimento.

Conoscenza e comprensione ? l?insegnamento intende fornire conoscenze riferite ai principali usi dell?intelligenza artificiale in finanza. Lo studente dovra comprendere le caratteristiche dei dati finanziari, la distinzione tra problemi di previsione, classificazione, individuazione di anomalie e analisi documentale, nonche i limiti dei modelli applicati a dati rumorosi, instabili e dipendenti dal tempo. Lo studente dovra inoltre comprendere l?utilizzo dei modelli linguistici di grandi dimensioni per l?analisi, la sintesi e il confronto di documenti finanziari.

Capacita di applicare conoscenza e comprensione ? l?insegnamento intende favorire lo sviluppo della capacita di applicare strumenti di IA a semplici problemi finanziari. Tale risultato si persegue attraverso esempi guidati, esercitazioni e attivita applicative. Lo studente dovra essere in grado di descrivere un possibile caso d?uso dell?IA in finanza, interpretare i risultati di un semplice modello predittivo o classificativo, valutare errori e limiti di un modello, riconoscere rischi di overfitting o data leakage, utilizzare strumenti di IA generativa per analizzare documenti finanziari e presentare i risultati in forma chiara e coerente con il problema considerato.

Autonomia di giudizio ? il corso intende sviluppare la capacita di valutare criticamente l?uso dell?intelligenza artificiale in ambito finanziario, con particolare riferimento alla qualita dei dati, all?affidabilita dei risultati, alla distinzione tra correlazione e interpretazione, al rischio di conclusioni fuorvianti e alla necessita di verifica umana.

Abilita comunicative ? lo studente dovra acquisire la capacita di descrivere con linguaggio appropriato i principali concetti dell?IA applicata alla finanza, illustrando in modo chiaro il problema affrontato, gli strumenti utilizzati, i risultati ottenuti e i loro limiti.

Capacita di apprendimento ? il corso intende fornire le basi per approfondire autonomamente l?utilizzo dell?intelligenza artificiale in ambito finanziario, anche attraverso la consultazione di materiali tecnici, documentazione software, articoli e risorse relative ad applicazioni finanziarie dell?IA.
Prerequisiti:

Per agevolare la frequenza e l?apprendimento dei contenuti del corso e opportuno possedere conoscenze di base sui concetti generali dell?intelligenza artificiale, del machine learning e dell?intelligenza artificiale generativa.

Sono inoltre utili conoscenze elementari di statistica descrittiva, probabilita di base, uso di fogli di calcolo e gestione di file, tabelle e documenti.

Non sono richieste competenze avanzate di programmazione. Le eventuali attivita applicative saranno svolte in forma guidata, anche mediante l?utilizzo di notebook, esempi predisposti dal docente e strumenti di programmazione assistita da modelli linguistici.
Metodi didattici:

Lezioni frontali.

Esercitazioni guidate.

Presentazione e discussione di esempi applicativi relativi all?uso dell?intelligenza artificiale in ambito finanziario.

Attivita pratiche assistite, finalizzate all?analisi di dati o documenti finanziari e alla valutazione critica dei risultati prodotti da semplici modelli o strumenti di IA generativa.
Modalità di verifica dell'apprendimento:

Conoscenza e comprensione ? l?efficacia formativa dell?insegnamento e verificata attraverso una prova orale individuale e/o la discussione di un elaborato applicativo, secondo le indicazioni fornite dal docente all?inizio del corso. La prova orale consiste in domande riferite ai principali argomenti del programma, con l?obiettivo di accertare la conoscenza dei concetti fondamentali dell?intelligenza artificiale applicata alla finanza e la capacita dello studente di esporli in modo chiaro e corretto.

L?eventuale elaborato applicativo consiste nella discussione di un semplice caso d?uso di intelligenza artificiale in ambito finanziario, sviluppato individualmente o in gruppo secondo modalita indicate dal docente. L?elaborato potra riguardare, ad esempio, l?analisi guidata di dati finanziari, la classificazione di profili di rischio, l?individuazione di anomalie, l?analisi di notizie o documenti finanziari, la sintesi di un bilancio o di una relazione annuale mediante strumenti di IA generativa, oppure la progettazione di un semplice workflow di analisi assistito da LLM.

Capacita di applicare conoscenza e comprensione ? durante la prova d?esame il docente verifica inoltre la capacita dello studente di applicare le conoscenze acquisite all?analisi di semplici problemi finanziari. In particolare, potranno essere richieste la descrizione di un possibile caso d?uso, l?interpretazione dei risultati prodotti da un modello o da uno strumento di IA, la discussione di errori, bias, overfitting o data leakage, la formulazione di prompt per l?analisi di documenti finanziari, o la presentazione critica di un semplice workflow applicativo.

La valutazione dell?esame e espressa in trentesimi e tiene conto della chiarezza espositiva, della comprensione dei concetti fondamentali, della capacita di applicare gli strumenti studiati a casi semplici, della capacita di valutare criticamente risultati e limiti dei sistemi di IA in ambito finanziario, e dell?eventuale qualita dell?elaborato applicativo.

Gli studenti e le studentesse con disabilita, DSA o altri bisogni educativi speciali possono usufruire di un trattamento individualizzato in sede di esame, nel rispetto della normativa e di quanto previsto nella Carta dei Servizi di Ateneo (https://www.unich.it/sites/default/files/2024-02/carta_dei_servizi_0.pdf), previa intesa con il docente della materia. Per richiedere le misure compensative e dispensative e necessario afferire al Servizio CON_TE_STO seguendo la procedura indicata nella Carta dei Servizi.

Si invitano gli studenti e le studentesse a prendere contatti con la/il docente durante lo svolgimento delle lezioni, o comunque con largo anticipo rispetto alla data dell?appello, per conoscere le modalita di esame e le misure che sono accettate.

Per essere orientati e indirizzati ai diversi servizi offerti dall?Ateneo e possibile contattare il Docente Referente del Dipartimento, Prof. Domenico Raucci..
Sostenibilità:
Obiettivi Agenda 2030 per lo sviluppo sostenibile:

Questo insegnamento concorre alla realizzazione degli obiettivi ONU dell?Agenda 2030 per lo Sviluppo Sostenibile, con particolare riferimento agli obiettivi 4, 5, 8, 9 e 12: istruzione di qualita; uguaglianza di genere; lavoro dignitoso e crescita economica; industria, innovazione e infrastrutture; consumo e produzione responsabili.

In particolare, il corso contribuisce alla formazione di competenze utili per comprendere e utilizzare in modo consapevole strumenti di intelligenza artificiale in ambito economico e finanziario. L?insegnamento promuove pari opportunita di accesso e partecipazione alla formazione nell?ambito dell?intelligenza artificiale e delle competenze digitali. Particolare attenzione potra essere dedicata, ove pertinente rispetto agli argomenti del corso, all?uso efficiente degli strumenti digitali, alla valutazione critica dei risultati prodotti dai sistemi di IA, alla qualita dei dati, alla trasparenza dei processi di analisi e al supporto responsabile alla preparazione delle decisioni.
Altre Informazioni:

E-mail: maurizio.parton@unich.it.

WhatsApp o Telegram: 349-5323-199.

Il corso di Intelligenza artificiale per la finanza approfondisce l?utilizzo degli strumenti di intelligenza artificiale in ambito finanziario, con particolare attenzione all?analisi di dati, documenti e problemi tipici dei contesti economico-finanziari.

Il corso si pone in continuita con l?insegnamento di Intelligenza artificiale e ne sviluppa alcune applicazioni specifiche alla finanza. In particolare, vengono presi in esame: le principali applicazioni dell?IA in ambito finanziario; le caratteristiche dei dati finanziari; l?utilizzo di semplici modelli predittivi e classificativi; la valutazione dei risultati; i problemi di overfitting, data leakage e instabilita dei dati; l?uso dei modelli linguistici di grandi dimensioni per l?analisi di testi, report, bilanci, notizie e documenti finanziari.

Particolare attenzione e dedicata all?uso consapevole degli strumenti di IA come supporto all?analisi e alla preparazione delle decisioni, senza confondere la previsione automatica con la spiegazione dei fenomeni finanziari o con la decisione finale. Il corso propone esempi e attivita applicative riferite, tra gli altri, a problemi di classificazione del rischio, analisi di anomalie, sintesi di documenti finanziari e valutazione critica dei risultati prodotti da sistemi di IA.

Applicazioni dell?intelligenza artificiale in finanza

- principali usi dell?IA in ambito finanziario;
- modelli predittivi, modelli classificativi e strumenti generativi;
- esempi di applicazione: rischio di credito, anomalie, frodi, reportistica, analisi di bilanci, news e documenti finanziari;
- uso dell?IA come supporto all?analisi e alla preparazione delle decisioni;
- limiti dell?automazione nei contesti finanziari.

Dati finanziari e problemi di apprendimento

- dati di mercato, dati contabili, dati macroeconomici e dati testuali;
- dati strutturati e non strutturati in ambito finanziario;
- classificazione, previsione, individuazione di anomalie e analisi documentale;
- rumore, instabilita e dipendenza temporale nei dati finanziari;
- distinzione tra previsione, spiegazione e decisione.

Modelli semplici e valutazione dei risultati

- costruzione guidata di semplici modelli predittivi o classificativi;
- training, validazione e test in esempi finanziari;
- metriche di valutazione e interpretazione degli errori;
- falsi positivi e falsi negativi in ambito finanziario;
- overfitting, data leakage e backtest fuorvianti.

Intelligenza artificiale generativa per documenti finanziari

- uso degli LLM per analizzare, sintetizzare e confrontare documenti finanziari;
- bilanci, relazioni annuali, comunicati, report, news e documenti di sostenibilita;
- estrazione guidata di informazioni da testi finanziari;
- formulazione di prompt per l?analisi finanziaria;
- verifica delle risposte, controllo delle fonti e limiti degli LLM.

Limiti e uso consapevole dell?IA in finanza

- affidabilita dei modelli e qualita dei dati;
- rischio di errori, bias e interpretazioni fuorvianti;
- differenza tra correlazione e interpretazione;
- importanza della verifica umana;
- criteri pratici per valutare quando usare o non usare strumenti di IA in ambito finanziario.

Caso applicativo

- discussione o realizzazione guidata di un semplice caso d?uso di IA in ambito finanziario;
- analisi di dati, testi o documenti finanziari;
- uso di strumenti di IA generativa e programmazione assistita;
- presentazione dei risultati in forma chiara e coerente con il problema affrontato;
- discussione dei benefici, dei limiti e dei rischi del caso d?uso sviluppato.