Come la classe di scienza dei dati esaurita di Wharton insegna agli studenti UPenn a vincere a Wall Street

  • Wharton ha lanciato la sua classe “Data Science for Finance” nel 2020. Da allora è esaurito.
  • Il corso fornisce ai futuri finanziatori del front-office gli strumenti per pensare come quants e maghi di dati.
  • Abbiamo parlato con il professore che ha inventato il corso popolare per capire come funziona.

Due anni fa, Amanda Xu, studentessa di Wharton, ha deciso di avventurarsi in un arto e iscriversi a una classe nuova di zecca presso la prestigiosa business school.

Il corso, “Data Science for Finance”, richiedeva una conoscenza superficiale della codifica, che Xu doveva ancora sviluppare. Determinato a conquistare un posto nella classe, che stava già accumulando una lista d’attesa, Xu si iscrisse ad alcuni tutorial di programmazione online di base l’estate prima. Venuto il semestre autunnale, era pronta per tuffarsi.

Il corso ha segnato il primo incontro di Xu con la scienza dei dati, ma non l’ultimo. In effetti, “ha effettivamente rimodellato la mia intera carriera accademica”, ha detto, ispirandola a iscriversi a uno speciale corso di laurea magistrale in scienza dei dati presso l’Università della Pennsylvania, a cui sta lavorando contemporaneamente a ogni laurea.

“Da allora, ho frequentato praticamente corsi incentrati principalmente su alcuni aspetti della scienza dei dati”, ha aggiunto Xu, ora una Wharton senior di 21 anni che si unirà al Boston Consulting Group dopo la laurea.

Xu non è il solo ad esprimere affetto per il corso caldo. Secondo un dashboard interno di Wharton che consente agli studenti di valutare il corso, “Data Science for Finance” ha ricevuto un punteggio medio di 3,46 su 4 per la qualità lo scorso semestre. Xu e un altro attuale studente di Wharton hanno descritto la valutazione come molto alta.

Il corso presso l’ultra-selettiva University of Pennsylvania – che ha accolto solo il 5,9% dei candidati nella sua classe del 2025 – è progettato per consentire agli studenti di finanza di lavorare con lo stesso tipo di set di dati che i grandi banchieri d’investimento, i gestori di portafogli di hedge fund, o i dirigenti di marketing utilizzano per prendere decisioni commerciali o di investimento esperte. Il professor Michael Roberts, che ha concepito il corso e ora lo insegna, afferma che la classe fornisce agli aspiranti finanzieri di domani alcune delle conoscenze tecniche fondamentali di cui avranno bisogno per competere in un settore che sta sempre più valorizzando queste abilità.

Università della Pennsylvania

La Wharton School dell’Università della Pennsylvania ha offerto il suo corso “Data Science for Finance” negli ultimi due anni. Ha accumulato una lunga lista di attesa per entrare.

Foto d’archivio/Immagini Getty



“Mi avvicino alla classe dicendo: ‘Senti, ho intenzione di formare persone in grado di fornire un ponte che possono sedersi al front office e sentirsi a proprio agio e fiducioso nel comunicare con i clienti'”, ha detto Roberts a Insider in una recente intervista.

“Voglio anche che si sentano a proprio agio e fiduciosi nel interagire con statistici, programmatori e data scientist di dottorato di ricerca, in modo che possano ottenere il massimo dai dati per ottenere le risposte giuste, o almeno le migliori risposte, per i loro clienti”, ha affermato aggiunto. “Voglio davvero che diventino quel ponte.”

La popolarità della classe deriva da una rapida evoluzione negli ultimi anni che ha visto le competenze di programmazione e scienza dei dati diventare una posta in gioco per i nuovi assunti in molte importanti società finanziarie. Ciò ha spinto gli studenti a mettersi in fila con entusiasmo per seguire una varietà di tali classi in scuole come Wharton, Columbia e Northwestern, come riportato in precedenza da Insider. Molte delle classi incorporano lo sviluppo di software all’avanguardia o tecniche di scienza dei dati e solo di recente sono state aggiunte agli elenchi dei corsi delle scuole.

Nel primo semestre della classe nell’autunno 2020, Roberts ha insegnato due sezioni composte da 40 studenti ciascuna, per un totale di 80 ammessi. La lista d’attesa di quel semestre – lunga più di una dozzina di nomi, ha detto – ha portato la scuola ad espandere l’organico del 50% l’anno successivo a due sezioni di 60 studenti ciascuna, o 120 in totale. Questo non era ancora abbastanza per tenere a bada la lista d’attesa, che l’anno scorso era arrivata a quasi 30 studenti, ha aggiunto Roberts.

Ora è costretto a considerare di espandere ancora una volta la classe. “Con la tendenza della domanda, dovrò alzare quel limite”, ha detto. “Se la domanda continua come negli ultimi due anni, probabilmente non avrò altra scelta che spingerla al massimo, ovvero 78 studenti per sezione”.

Insider ha parlato con Roberts e due studenti che in precedenza hanno preso “Data Science for Finance” per dare un’occhiata a ciò che gli studenti imparano e come la classe li prepara al successo dopo la laurea, sia come imprenditori, nelle aziende americane o a Wall Street, dove i dirigenti sono ossessionati dall’idea di sfruttare il potenziale “sky-is-the-limit” dei dati.

Michael Roberts, professore di Wharton

Il professore della Wharton Michael Roberts ha insegnato negli ultimi due anni il corso “Data Science for Finance” della business school.

Per gentile concessione della Wharton School dell’Università della Pennsylvania



Prezzi dei diamanti

Uno dei principi fondamentali della classe consiste nell’assegnare agli studenti la possibilità di inventare domande complicate e cercare le risposte attraverso i dati.

Ma solo rintracciare i dati in primo luogo è metà della battaglia. Roberts spesso non fornisce agli studenti i loro set di dati a titolo definitivo, quindi sono sfidati a estrarli dai siti Web; trovarlo su database del governo o del settore pubblico; chiedere a ex datori di lavoro o istituzioni finanziarie come gli hedge fund di condividere i loro; o anche presentare richieste del Freedom of Information Act, come un gruppo di studenti era abbastanza ambizioso da fare.

Una volta ottenuti i dati, il metodo scientifico è la fonte da cui derivano la maggior parte delle inferenze del corso, ha detto Roberts: “Prendere decisioni guidate da dati e analisi significa affrontare il problema attraverso il metodo scientifico, definendo chiaramente il domanda, indovinando alcune risposte, che è un bel modo per dire, ‘inventare un’ipotesi per vedere cosa è corretto e cosa non lo è’: questo è davvero ciò di cui si occupa la scienza dei dati.”

Oltre a proporre a Roberts i loro grandi progetti di dati di fine semestre, gli studenti lavorano anche su sei “data lab” assegnati per semestre, consentendo loro di applicare gli strumenti che stanno imparando alle sfide della vita reale.

Uno dei laboratori richiede agli studenti di fissarsi su qualcosa a cui poche persone in età universitaria pensano molto: il costo delle palline di diamanti. In effetti, essere in grado di decifrare il codice su come valutare i gioielli con diamanti preziosi è una sorta di miniera d’oro per gli studenti di Roberts, che si rompono in squadre di tre per capire come il mercato della gioielleria di lusso prezza i suoi prodotti.

Roberts ha avuto l’idea di condurre il laboratorio dopo che uno dei suoi amici ha fondato una gioielleria a West Hollywood, in California, e ha discusso con lui delle sue preoccupazioni sui prezzi. Voleva realizzare un profitto vendendo i suoi pezzi, ma avere comunque un prezzo più competitivo rispetto a rivali come Tiffany & Co. o Cartier, grandi case internazionali alimentate da reputazioni platino e budget di marketing formidabili.

Per aiutare a risolvere il problema del rivenditore di gioielli, gli studenti di Roberts hanno costruito dataframe su misura confrontando il costo dei diamanti con le quattro C che ne regolano la qualità: taglio, purezza, taglio e colore.

Gli studenti hanno raccolto i dati sui prezzi dei diamanti dal web, hanno sviluppato un modello di apprendimento automatico per prevedere i prezzi delle pietre e quindi hanno sovrapposto tali informazioni ai prezzi delle gioiellerie concorrenti. Un problema è che il prezzo dei diamanti è altamente soggettivo da marca a marca, costringendo gli studenti a trovare soluzioni pronte all’uso per sviluppare i loro modelli.

“È stata la prima volta che sono stata davvero esposta all’idea che ci sono così tanti dati disponibili online”, ha detto Xu, ricordando che il laboratorio di determinazione dei prezzi dei diamanti era tra i suoi incarichi preferiti. “In realtà è possibile trasformarli in dati con cui lavorare”.

Alla scoperta di Madoff

Un altro laboratorio mette gli studenti nei panni di un gestore di fondi pensione che valuta una proposta per investire in un hedge fund. In tale scenario, gli studenti hanno il compito di analizzare la performance storica dell’hedge fund per guidare la loro decisione.

Ma c’è una svolta. All’insaputa degli studenti, i dati che Roberts utilizza per il laboratorio provengono in realtà da un hedge fund legato all’ex finanziere caduto in disgrazia Bernie Madoff, che gestiva uno dei peggiori schemi monetari fraudolenti nella storia degli Stati Uniti. Roberts ha detto che le raccomandazioni degli studenti della classe vanno da “Diamo loro tutti i nostri soldi” a “Non può essere giusto!”

In un laboratorio separato, che rispecchia la diligenza su una fusione pianificata, gli studenti interpretano il ruolo del banchiere di investimento, utilizzando i dati sulle transazioni dei clienti dell’azienda target per valutare se l’acquisizione sarebbe o meno un gioco intelligente.

Gli studenti incorporano fattori come i modelli di acquisto dei clienti, l’abbandono e la viscosità del cliente per aiutare a determinare una valutazione adeguata per l’azienda target. Roberts ha affermato che il laboratorio è un “meraviglioso esempio” di come la scienza dei dati può bruciare i modelli di flusso di cassa scontati convenzionali utilizzati da molti banchieri di fusioni e acquisizioni.

Ayina Anyachebelu, senior di Wharton, ha preso “Data Science for Finance” nel suo semestre inaugurale dell’autunno 2020. Frequentare il corso l’ha motivata a proseguire gli studi di scienza dei dati a livello di laurea dopo aver completato ogni laurea alla Wharton.

“Mi piace molto il fatto che ci sia stato un equilibrio tra l’apprendimento effettivo della scienza dei dati e della statistica e la comprensione della teoria” alla base di questi, ha affermato Anyachebelu, 21 anni, che ha svolto un tirocinio come analista estivo presso JPMorgan Chase l’anno scorso.

Il progetto finale di Anyachebelu di quel semestre ha cercato di quantificare quanti clienti su Airbnb pagherebbero per usufruire di vantaggi e servizi specifici a casa e in affitto sulla piattaforma. Ha lasciato un impatto così profondo su Roberts che ha deciso di adattare il compito in un laboratorio di dati per le classi future.

Primo piano in testa di Ayina Anyachebelu, studentessa di Wharton

Ayina Anyachebelu, studentessa di Wharton, ha preso “Data Science for Finance” nel suo anno inaugurale. Il suo progetto finale ha esplorato quanti clienti sono disposti a pagare per i servizi negli annunci di Airbnb.

Per gentile concessione di Ayina Anyachebelu



Roberts ha spiegato l’applicazione pratica dell’incarico di Anyachebelu per gli host di Airbnb in questo modo: “Se so che qualcuno è disposto a pagare $ 80 in più al mese per il WiFi, potrei anche inserire il WiFi per $ 40 al mese e posso realizzare un profitto ”

Nel complesso, Roberts è fiducioso che il suo corso sia un presagio di ciò che verrà quando Wall Street abbraccia sempre più la scienza dei dati.

“Questa è davvero la punta dell’iceberg e ti dirò perché: non riesco a pensare a un’applicazione finanziaria in pratica che non si basi sui dati”, ha detto. “L’idea che questo tipo di linee di business tradizionali di Wall Street – fusioni e acquisizioni, LBO, ecc. – non siano direttamente influenzate da dati e analisi: questo è il pensiero di 50 anni fa. Sta guidando tutto ciò che facciamo”.

Sei un giovane che lavora nel settore dei servizi finanziari? Mettiti in contatto con questo giornalista. Reed Alexander può essere raggiunto via e-mail all’indirizzo ralexander@insider.com o tramite SMS/app crittografata Signal al numero +1 (561) 247–5758.

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *