NETWORKS IN ECONOMICS AND SOCIAL SCIENCE
- Anno accademico
- 2019/2020 Programmi anni precedenti
- Titolo corso in inglese
- NETWORKS IN ECONOMICS AND SOCIAL SCIENCE
- Codice insegnamento
- CM0500 (AF:274868 AR:166150)
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- SECS-P/05
- Periodo
- II Semestre
- Anno corso
- 2
- Sede
- VENEZIA
Inquadramento dell'insegnamento nel percorso del corso di studio
Risultati di apprendimento attesi
La frequenza e la partecipazione attiva alle lezioni frontali e a tutte le attività di studio e approfondimento proposte in itinere, nonché lo studio individuale consentiranno allo studente di acquisire le seguenti conoscenze e capacità di comprensione:
- conoscere e utilizzare i principali strumenti matematici indispensabili per analizzare dati complessi nelle scienze sociali;
- conoscere le tecniche matematiche utili alla risoluzione e all'analisi dei modelli proposti.
Capacità di applicare conoscenza e comprensione.
Attraverso il confronto con i docenti e gli altri studenti e attraverso lo studio personale lo studente acquisisce la capacità di utilizzare nel modo più proficuo le conoscenze teoriche e di base al fine di:
- affrontare nuovi problemi di analisi di dati di rete complessi;
- saper scegliere tra le tecniche quantitative viste le più adeguate per affrontare il problema concreto sotto analisi.
Capacità di giudizio, abilità comunicative, capacità di apprendimento.
Per quanto concerne l'autonomia di giudizio, le abilità comunicative e le capacità di apprendimento, sempre attraverso l'approfondimento personale e in gruppo dei concetti visti in aula, lo studente sarà in grado di:
- saper formulare giustificazioni razionali all'approccio utilizzato per l'analisi statistica, comprendendone i relativi punti di forza e di debolezza;
- saper formulare e comunicare un'adeguata analisi e interpretazione di dati complessi tramite l'utilizzo di modelli matematici.
Prerequisiti
Contenuti
I Introduction to Networks [Jac08, Bol98]
I.1 Networks and Random Graphs
I.2 Basic Graph Theory
I.3 Representing Networks
I.4 Network Characteristics
I.5 Social and Economic Networks
II Network Models [Jac08]
II.1 Random Networks
II.2 Growing Random Networks
II.3 Network Formation
II.4 Diffusion through Networks
III Network inference [Die15]
III.1 Correlation and Granger Networks
III.2 Graphical Models and Network Extraction
III.3 Financial Networks and Financial Contagion
III.4 Financial Volatility Networks
III.5 Financial Tail Networks
III.6 Sparse Graphical Models
III.7 Switching Financial Networks and Contagion Regimes
III.8 Stochastic Blocks and Financial Communities
Testi di riferimento
[Bol98] Bollobàs, B. (1998), Mondern Graph Theort, Springer, Ch. 1-7
[Jac08] Jackson, M.O. (2008) Social and Economic Networks, Priceton University Press, Ch.1-8
[Die15] Diebold, F. and Yilmaz, K. (2015), Financial and Macroeconomic Connectedness: A Network Approach to Measurement and Monitoring, Oxford University Press.
Letture Integrative:
[Jen96] Jensen, F. (1996), An Introduction to Bayesian Networks, Springer-Verlag
[Lau96] Lauritzen, S. (1996). Graphical Models, Oxford University Press
[Pea98] Pearl, J. (1998). Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference.
[Whi90] Whittaker, H. (1990). Graphical Models in Applied Multivariate Statistics, John Wiley.
Modalità di verifica dell'apprendimento
I compiti individuali e di gruppo consentono di raggiugere 15 punti su 30 e vengono attivati durante il corso con lo scopo di accertare i progressi nello studio dei temi trattati in aula, ed il grado di autonomia raggiunto nel condurre approfondimenti di questi temi. I compiti consistono sia in problemi da risolvere utilizzando gli strumenti presenati in aula, sia in domande relative a letture integrative individuate in modo preciso nel testo del compito.
Il progetto finale consente di raggiungere 15 punti su 30 e riguarda un approfondimento dei temi tratti durante il corso che include elementi di originalità come lo sviluppo di nuovi modelli, lo studio delle loro proprietà teoriche, e lo sviluppo di applicazioni di modelli a dati reali. La preparazione del progetto ha lo scopo di mettere in pratica le conoscenze acquisite. La presentazione orale del progetto ha lo scopo di verficare il grado di approfondimento raggiunto dallo studente sui temi trattai nel progetto e la sua abilità nel saperli comunicare in modo chiaro preciso.
Metodi didattici
Lingua di insegnamento
Modalità di esame
Obiettivi Agenda 2030 per lo sviluppo sostenibile
Questo insegnamento tratta argomenti connessi alla macroarea "Economia circolare, innovazione, lavoro" e concorre alla realizzazione dei relativi obiettivi ONU dell'Agenda 2030 per lo Sviluppo Sostenibile