PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI DI UN TITOLO IN BORSA MEDIANTE UN MODELLO MULTIVARIATO DI VOLATILITÀ

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI DI UN TITOLO IN BORSA MEDIANTE UN MODELLO MULTIVARIATO DI VOLATILITÀ"

Transcript

1 PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI DI UN TITOLO IN BORSA MEDIANTE UN MODELLO MULTIVARIATO DI VOLATILITÀ ANDREA GUIZZARDI * - PAOLO PARUOLO ** 1. Introduzione Il problema di previsione dei rendimenti azionari è da sempre al centro della letteratura finanziaria empirica; si veda ad esempio Granger (1992) e riferimenti ivi contenuti. Tale letteratura considera frequentemente dati giornalieri e si concentra sulla previsione del rendimento alla chiusura della giornata borsistica, senza indagare i possibili riflessi sulle strategie di investimento, si veda Bollerslev et al. (1992). Il collegamento fra gli aspetti previsivi e di strategia operativa ha invece implicazioni rilevanti sulla definizione delle grandezze che occorre prevedere e di conseguenza sul tipo di impostazione del problema della previsione. Ad esempio, nella predisposizione di schemi operativi ad alta frequenza, più che l anticipazione dei rendimenti alla chiusura risulta di particolare rilevanza la stima dei rendimenti attesi massimi e minimi giornalieri. La necessità di prevedere congiuntamente i rendimenti massimo e minimo colloca, di conseguenza, il problema di previsione ad alta frequenza in ambito multivariato. Oltre al valore atteso, un importante caratteristica di ciascun rendimento azionario è il rischio, valutato condizionatamente all informazione disponibile in ogni periodo. Nella letteratura finanziaria dei modelli CAPM, il rischio di un investimento è riassunto nella cosiddetta «volatilità», identificata con la varianza condizionata del rendimento, si veda ad esempio Ingersoll (1987), Campbell et al. (1997) o Sartore (1999). Volatilità e rendimento atteso, ossia i primi due * Dipartimento di Scienze Statistiche, Università degli Studi di Bologna, ** Facoltà di Economia, Lavoro svolto con parziale contributo MURST ex 60 per cento e presentato alla XL Riunione scientifica della Società Italiana degli Economisti, Ancona, ottobre Si ringrazia il professor Giannini per utili suggerimenti e discussioni. A fini ufficiali si specifica che i paragrafi 4, 5, 6, 7 sono stati curati da Andrea Guizzardi e i paragrafi 1, 2, l Appendice e la programmazione informatica da Paolo Paruolo. 51

2 momenti condizionati, costituiscono pertanto le caratteristiche di interesse di ciascuno dei rendimenti considerati. Nel presente lavoro si considerano tutti gli aspetti menzionati e si affronta il tema della previsione ad alta frequenza guardando sia ai problemi di previsione dei rendimenti e della volatitilà di un titolo azionario, sia ai problemi di implementazione di strategie di investimento basate sulle previsioni ottenute. Come messo in evidenza da Granger (1992), la prevedibilità dei rendimenti azionari non implica necessariamente la possibilità di trarre profitto da strategie di arbitraggio basate sulle previsioni, e quindi l inefficienza di mercato, anche se occasionalmente una particolare strategia operativa basata su buone previsioni può fornire risultati soddisfacenti. La letteratura ha proposto nell ultimo decennio diverse classi di processi che spiegano l evoluzione temporale dei valori attesi e della volatilità di più rendimenti; fra i processi di riferimento in questo contesto si colloca la classe di processi GARCH multivariati trattati in Engle e Kroner (1995), e nei riferimenti ivi contenuti. Tali processi sono stati generalizzati al caso in cui vi sia dipendenza dei due primi momenti condizionati da variabili d informazione esterne (VAR- GARCH-X), e al caso in cui sono presenti effetti asimmetrici sulla volatilità nelle fasi di espansione e di storno del mercato. Diversi modelli finanziari, quali varie versioni del CAPM, prevedono una dipendenza lineare dei rendimenti attesi da una misura di volatilità che riassume il rischio; a parità di altre condizioni, infatti, ci si attende un premio per il rischio positivo, ossia un più alto rendimento atteso, a fronte di una più alta rischiosità dell investimento. L estensione dei processi GARCH che annida tale dipendenza è indicata in letteratura come «GARCH in media» o GARCH-M. L aspetto multivariato di questi processi consente di desumere l evoluzione temporale di qualsiasi combinazione lineare dei rendimenti dei titoli considerati, corrispondente a un portafoglio di titoli. Nel caso il sistema contenga i rendimenti minimi e massimi di una stessa azione, una combinazione lineare di interesse è costituita dalla loro differenza, che identifica lo spread max-min. Il ricorso a modelli multivariati permette quindi l analisi dell evoluzione temporale dello spread senza richiedere la definizione di ulteriori equazioni 1. L insieme di informazione disponibile riveste un ruolo centrale nella valutazione dei momenti condizionati oggetto di interesse. Come analizzato nella vasta letteratura sull efficienza informativa dei mercati azio- ¹ Nei modelli univariati non sono inclusi gli aspetti di «collegamento» fra titoli. Per tenerne conto, nel caso di un economia stocastica con due soli titoli, occorrerebbe specificare un numero di «relazioni» univariate pari al numero dei portafogli che si possono generare combinando i due titoli; è semplice osservare che tali combinazioni sono infinite. Un modello multivariato include tutti gli aspetti di «collegamento» necessari a valutare l evoluzione di ogni possibile portafoglio. 52

3 A. GUIZZARDI - P. PARUOLO, PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI... nari, Fama (1970), l insieme di informazione disponibile ai vari investitori potrebbe essere diverso. In questo lavoro si è tentato di utilizzare l insieme d informazione disponibile giorno per giorno ad un operatore finanziario «tipo» appartenente ad un istituzione finanziaria di dimensioni medio-piccole. In tali istituzioni l osservazione dei prezzi di apertura dei mercati spesso precede le decisioni di investimento giornaliere. I prezzi di apertura riflettono l informazione accumulatasi dalla chiusura del mercato precedente, e influenzano le misure di volatilità dei rendimenti, come documentato ad esempio in Gallo e Pacini (1998) e nei riferimenti ivi contenuti. Il prezzo di apertura si forma sulla base delle contrattazioni «virtuali» del mercato che precedono l apertura effettiva. Anche tali informazioni sono utilizzate nella specificazione dei modelli qui presentati. Il lavoro è così organizzato: nel paragrafo 2 si introducono i modelli di riferimento come casi particolari del modello multivariato VAR-GARCH con variabili esterne, effetti asimmetrici e in media. Nel paragrafo 3 si descrivono i dati utilizzati, e nel paragrafo 4 si riportano i risultati di stima e specificazione. Nel paragrafo 5 si riporta il confronto fra previsioni, mentre il paragrafo 6 riporta le conclusioni. In Appendice si riportano alcune considerazioni tecniche sui modelli utilizzati assieme ad alcune tabelle di risultati. 2. Modelli In questo lavoro si considerano modelli econometrici parametrici a tempo discreto t = 1, 2,... per i primi due momenti condizionati di un vettore n-dimensionale di variabili dipendenti Y t. Si suppone che l operatore «tipo» abbia a disposizione un altro vettore di variabili osservabili X t che si ritiene contenga informazione rilevante collegata a Y t ; tali variabili si dicono nel seguito esplicative. Le variabili esplicative possono essere sia di natura deterministica, come una costante o dummy stagionali, sia di natura prettamente stocastica. Al fine di costruire un modello di previsione ex ante per Y t si ipotizza che le variabili esplicative contenute in X t siano osservabili ai tempi passati t i, i = 1, 2,..., o al più a un tempo strettamente precedente rispetto al tempo t 2. L insieme di informazione disponibile consiste pertanto nei valori correnti e passati di X t, ossia X t i, i = 0, 1,... e nei valori passati di Y t, ossia Y t i, i = 1, 2,..., ed è riassunto nel vettore W t :=(Y t 1, Y t 2,... Y t py, Y t, Y t 1,... Y t px ) di dimensione n ω 1, dove p x e p y indicano ordini finiti di ritardi di Y t e X t che si ipotizza siano sufficienti a rappresentare l informazione rilevante per la previsione di Y t. ² La precisazione riguarda ad esempio i prezzi di apertura del mercato tedesco e italiano, considerati noti al tempo t, si veda il paragrafo 3. 53

4 I due momenti condizionati oggetto di interesse µ t := E t (Y t ):= E (Y t W t ) e H t := V t (Y t ):= V (Y t W t ) sono ipotizzati del seguente tipo µ t =ΨW t +Λh t [1] H t = g(c) + g (A(ε t 1 + γ)) + BH t 1 B +g (DW t ), [2] dove h t rappresenta (incolonnati per colonna) gli elementi sulla diagonale principale e nel triangolo inferiore della matrice di varianza e covarianza H t. La funzione g è scelta pari a g(x) = xx. I parametri del modello sono dati da (Ψ, Λ, C, A, γ, B, D); il vettore n-dimensionale ε t indica gli scarti dal valore atteso condizionato, dette innovazioni, ε t := Y t µ t. I modelli [1] e [2] sono stati per la prima volta introdotti da Engle e Kroner (1995) 3. Rispetto alla formulazione originaria, la specificazione presente contiene alcuni termini aggiuntivi che possono dare ragione degli effetti di asimmetria nell impatto dell informazione e della dipendenza diretta della volatilità dall insieme di informazione. Una breve descrizione tecnica di detti modelli è riportata in Appendice. 3. I dati Il campione considerato per l analisi empirica va dal gennaio 1994 al settembre 1999, per un totale di osservazioni giornaliere. Il periodo è adatto a studiare le dinamiche di un titolo azionario quotato alla Borsa di Milano in quanto comprende tutti i principali movimenti dei prezzi che si possono osservare sui mercati borsistici. In particolare tra il gennaio 1994 e la metà del 1997 si è osservato un lungo movimento laterale seguito da un periodo di crescita che è stato interrotto da due forti fasi di storno nel La fonte di tutte le serie è DATASTREAM. Per compiere l analisi previsiva il campione totale è stato suddiviso in tre sottocampioni: un campione di stima (C 1 ), un campione di calibrazione (C 2 ), e un campione di previsione (C 3 ). Il campione C 1 copre il periodo tra il 3 gennaio 1994 ed il 30 dicembre 1998, per un totale di osservazioni, ed è utilizzato per la specificazione e la stima dei modelli. Il ricorso a variabili ritardate quali variabili d informazione ha ridotto il numero di osservazioni disponibili a T 1 = ³ In dettaglio corrispondono alla forma ridotta dei processi GARCH(1, 1) simultanei multivariati con effetto in media di tipo BEKK con K = 1 introdotti da Engle e Kroner (1995), eq. (3.1). In questo lavoro si utilizza la forma ridotta rinunciando all approfondimento della struttura di simultaneità fra le variabili dipendenti per focalizzare l attenzione sugli aspetti previsivi. Questa scelta non va intesa come riduttiva dell importanza della struttura di simultaneità, ma solo come scelta operativa. 54

5 A. GUIZZARDI - P. PARUOLO, PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI... Il campione C 2 è composto da T 2 T 1 = 96 osservazioni relative al periodo 1 gennaio - 21 maggio 1999, ed è utilizzato sia per stimare i quantili della distribuzione dei previsori in modo non parametrico sia per valutare le potenzialità delle regole di trading implementabili sulla base della previsione di rendimenti attesi e volatilità. Il campione C 2 è stato successivamente unito al campione C 1 per ristimare i modelli selezionati prima di procedere al calcolo delle previsioni su di un terzo campione. Questo, indicato con C 3, consta di T 3 T 2 = 76 osservazioni riferite al periodo tra il 24 maggio ed il 3 settembre 1999; C 3 oltre che alla valutazione della capacità previsiva dei modelli, è utilizzato per misurare il profitto ottenibile dalle regole di trading calibrate sul campione C Le variabili dipendenti Si è scelto per l analisi il titolo azionario IFIL-Finanziaria di Partecipazioni SPA, un impresa che sul periodo d osservazione ha fatto parte dell indice MIB30. Oltre alla elevata dimensione 4, altre importanti ragioni hanno suggerito la scelta del titolo. La finanziaria ha una rilevante quota di azionariato stabile e la sua quotazione è pertanto meno soggetta rispetto a quella di altre blue-chips ad oscillazioni legate a manovre speculative; inoltre risulta un titolo meno esposto di altri alle congiunture settoriali dato che ha partecipazioni ampiamente diversificate. L IFIL conta partecipazioni nella grande distribuzione (con il controllo del gruppo Rinascente attraverso la sua partecipazione maggioritaria nel pacchetto azionario del gruppo Eurofind), nell alimentare (con il 55,2 per cento della Worms & C. (Fr)), e nel leisure (attraverso il controllo del 43,5 per cento del capitale sociale di Alpitour, del 25 per cento di Sifalberghi e del 22,7 per cento di Club Med. Altre partecipazioni rilevanti sono quelle collegate alla proprietà del 3,5 per cento del capitale sociale di S. Paolo- IMI, del 22 per cento del gruppo UNICEM e soprattutto del 12,3 per cento del gruppo FIAT detenuto direttamente o attraverso società controllate. Le variabili dipendenti Y t := (Y 1t, Y 2t ) sono costituite dai rendimenti giornalieri massimo e minimo del titolo IFIL calcolati rispettivamente come logaritmo del rapporto tra le quotazioni massima e minima e il prezzo fatto registrare alla chiusura della giornata borsistica precedente. La differenza S t := Y 1t Y 2t definisce il max-min spread fra i rendimenti massimo e minimo del titolo IFIL. L analisi grafica delle variabili Y t mostra per la serie Y 2t la presenza di 2 realizzazioni che è possibile considerare anomale data l entità del movi- ⁴ La IFIL è una impresa con circa dipendenti ed una capitalizzazione di Borsa di circa 2,5 miliardi di euro all inizio del

6 mento e la loro realizzazione in periodi di bassa volatilità. Il 26/5/94 si è registrata una diminuzione massima di 17,6 punti percentuali in occasione dell aumento di capitale varato per acquistare UNICEM; il 24/4/98 si è registrata una flessione massima di oltre il 10 per cento dovuta a false aspettative createsi durante la fusione tra banca IMI e Istituto S. Paolo; tali osservazioni sono state eliminate nella fase di stima. Altre diminuzioni superiori a 10 punti percentuali si sono realizzate nel corso del periodo considerato, ma il loro verificarsi in settimane di elevata volatilità ha consigliato di non eliminarle dal campione. La Figura 1 riporta i grafici di Y 1t e Y 2t nel campione C 1 mentre la Figura 2 riporta i grafici delle stesse serie nei campioni C 2 e C 3. Fig. 2 Rendimenti giornalieri massimi Y 1t (a sinisra) e minimi Y 2t (a destra) del titolo IFIL dal 1 gennaio 1998 al 3 settembre 1999, campioni di calibrazione C 2 e di previsione C 3 56

7 A. GUIZZARDI - P. PARUOLO, PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI... L analisi descrittiva delle due serie (Tabella 1) evidenzia come nei movimenti al rialzo o al ribasso il titolo abbia mantenuto una forte simmetria rispetto al prezzo di chiusura (lo zero); i valori medi, mediani, ed i quantili estremi di Y 1t e Y 2t sono definiti dagli stessi valori (con segno inverso); anche la volatilità delle due serie è molto simile. Le distribuzioni marginali dei rendimenti minimi e massimi sono asimmetriche, la prima a sinistra la seconda a destra, con un indice di asimmetria abbastanza simile; il test di Jarque-Bera sulla normalità marginale dei rendimenti indica per entrambe le variabili il rifiuto dell ipotesi di normalità sia pure tale non normalità risulti inferiore a quella misurata sullo spread S t. Tabella 1 Statistiche descrittive per le serie dei rendimenti considerati, campione totale C 1, C 2, C 3, periodo dal 3 gennaio 1994 al 3 settembre 1999; i dati relativi alle date contenenti i 2 outliers sono stati esclusi Y 1t Y 2t S t Y 1t Y 2t S t media 1,43 1,48 2,91 asimmetria 0,92 1,05 2 mediana 1,25 1,26 2,53 curtosi 5,62 6,16 9,9 minimo 0,054 0,118 0 Jarque-Bera massimo 9,72 4,63 14,3 1 centile 0, 02 0,07 0,008 dev. st. 1,67 1,74 1,57 99 centile 0, 07 0,02 0, Le variabili d informazione Le variabili di informazione comprendono prezzi, volumi, cambi e tassi di interesse rilevati a cadenza giornaliera e disponibili al pubblico degli investitori. In riferimento ai prezzi azionari si sono rilevate le quotazioni di apertura, minime, massime e di chiusura delle azioni ordinarie e di risparmio dei titoli IFIL e FIAT. I prezzi del titolo FIAT sono stati esplicitamente considerati nell ipotesi che l andamento di questa importante controllata possa anticipare le dinamiche dei prezzi IFIL. Inoltre si sono considerati altri indicatori azionari reelativi ai mercati italiano, tedesco e statunitense quali gli indici Comit, DAX e Standard & Poor 500. L informazione sui volumi è considerata mediante le capitalizzazioni giornaliere dei singoli titoli e dei mercati italiano e statunitense 5. Per considerare l effetto delle dinamiche dei tassi a breve e a lungo ⁵ La serie della capitalizzazione giornaliera delle azioni scambiate del titolo ordinario IFIL presenta una decina di dati mancanti; si è quindi fatto ricorso alla seguente semplice tecnica di imputazione. Se a fronte di un dato mancante non si verificano variazioni di prezzo si è imputato il volume minimo, viceversa se vengono osservate modificazioni di prezzo si imputa la capitalizzazione media delle giornate borsistiche precedente e successiva. 57

8 termine si sono osservati il tasso RIBOR a 7 giorni e il rendimento del BTP decennale benckmark. Per quanto riguarda il mercato dei cambi ci si è limitati a includere la sola informazione sul cambio liradollaro in considerazione dell entrata dell Italia nell area euro. Tutte le variabili sono state opportunamente ritardate in modo da rappresentare l informazione disponibile per l operatore «tipo» nell istante precedente la formazione dei rendimenti da prevedere. La maggior parte sono quindi calcolate con riferimento all istante t 1; si sono anche considerate variabili correnti rispetto alle variabili dipendenti Y t qualora sia possibile conoscerne le realizzazioni alcuni istanti prima dell apertura del mercato italiano. Tra queste variabili figurano il dato di apertura delle Borse tedesca e italiana; nell ipotesi che quest ultimo dato sia prevedibile dall operatore tipo prima dell effettivo inizio delle contrattazioni, a partire dalle informazioni sui prezzi nelle fasi di pre-apertura e validazione. Nel seguito del lavoro per indicare le singole variabili di informazione si utilizza una notazione del tipo xyz, dove i possibili valori assunti dalle tre lettere sono riassunti nella Tabella 2. Ad esempio I_H indica il logaritmo naturale del prezzo massimo IFIL al tempo t 1; si noti che i soli dati di apertura si riferiscono al tempo corrente. La non stazionarietà di molte delle serie considerate ha suggerito alcune trasformazioni alle variabili originarie. Ad esclusione dei tassi di interesse, i prezzi i volumi e i cambi sono espressi mediante il loro logaritmo naturale. La trasformazione consente di approssimare i rendimenti mediante differenze temporali e di valutare i rendimenti di portafoglio mediante combinazioni lineari. In particolare i differenziali xyh xyl e xyh xy_ danno 8 rendimenti (stazionari) che forniscono informazioni possibilmente rilevanti per la previsione di Y t. Tabella 2 Simbologa xyz adottata per descrivere le variabili d informazione x y z I ln prezzo IFIL R azione di risparmio H massimo in t 1 F ln prezzo FIAT _ altrimenti L minimo in t 1 C ln indice Comit O apertura in t D ln indice DAX V volume in t 1 S ln indice S&P500 _ altrimenti in t 1 L ln cambio /$ B tasso BTP R tasso RIBOR Accanto a rendimenti e differenziali si sono anche considerati alcuni indicatori simili a quelli proposti dall analisi tecnica. Tra questi si sono calcolati la differenza tra prezzo di un titolo e la sua media mobile a 5 e 21 termini (corrispondenti rispettivamente alla lunghez- 58

9 A. GUIZZARDI - P. PARUOLO, PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI... za di una settimana e di un mese borsistico), la differenza tra medie mobili di diversa lunghezza (oscillatore MACD) e infine la differenza tra il rendimento dei singoli titoli e quello di mercato (forza relativa). Per rappresentare schematicamente tali indicatori si fa ricorso nel seguito alla notazione m (X t, i) per indicare l operatore media mobile applicato a i termini della variabile X t, m (X t, i) := i 1 i j = 1 0 X t j, e alla notazione m i (X t ) per indicare gli operatori m 1 (X t ):=X t m(x t, 5), m 2 (X t ):= m (X t, 5) m(x t, 21). Si rammenti infine che l operatore differenza è definito come segue X t := X t X t 1. Le variabili di informazione ricavate mediante le trasformazioni precedentemente descritte sono 174. La necessità di non escludere a priori informazioni che possono essere rilevanti nella specificazione di schemi di previsione dinamici ha suggerito di considerare anche i ritardi secondo e quinto, quest ultimo corrispondente ai valori delle variabili di informazione lo stesso giorno della settimana precedente. Data la presenza di relazioni di collinearità nell insieme delle variabili d informazione ai ritardi 1, 2, 5 (indicato con il 125 ) le variabili nel complesso considerate risultano Ricerca della specificazione e stima dei modelli previsivi Nella specificazione dei modelli si è inizialmente affrontato il problema della scelta delle varibili d informazione rilevanti tra le 400 descritte nel paragrafo precedente. A tale fine si è ipotizzato che l operatore tipo selezioni le variabili rilevanti, per la previsione di Y t, con una semplice logica lineare univariata; questa si traduce nel confronto, mediante test F, di diversi modelli lineari univariati per la media condizionata di Y 1t e Y 2t (del tipo [1], con λ=0) stimati condizionatamente a differenti insiemi di variabili esplicative. Nel caso della variabile dipendente Y 1t il confronto tra le somma dei quadrati dei residui delle due regressioni sugli insiemi di informazione 125 e 15 ha portato a una statistica F con valore di probabilità nella coda (p-value) pari a 67,9 per cento mentre il confronto fra 125 e 12 ha dato luogo a un p-value pari a 4,1 per cento. L ulteriore confronto considerando gli insiemi di informazione 15 e 1 ha dato luogo a un p-value pari a 0,3 per cento. Nel caso di Y 2t il confronto dei risultati basati sugli insiemi 125 e 15, e 125 e 12 ha portato in entrambi i casi a p-values superiori al 30 per cento mentre l ulteriore confronto fra gli insiemi di informazione 15 e 1, e 12 e 1 ha dato luogo a p-values inferiori all 1 per cento. ⁶ Un esempio di collinearità nell insieme si ha considerando le variabili α t := (I_H t 1 I t 1 ), b t := (I_L t 1 I t 1 ), c t :=.I_H t 1, d t := I_L t 1 e i loro ritardi α t 1, b t 1, c t 1, d t 1. Si osservi che (α t bt)= (I_H t 1 I_L t 1 ), e che quindi (α t b t ) (α t 1 -b t 1 ) = c t d t. Tale relazione di esatta collinearità implica la «ridondanza» dell informazione contenuta nei ritardi a t 1 e b t 1. 59

10 A partire dagli insiemi selezionati con i test precedenti ( 15 per Y 1t e 12 per Y 2t ) si è quindi proceduto alla selezione delle variabili d informazione utilizzando la procedura stepwise contenuta in SPSS (1997). I risultati della selezione hanno permesso di ridurre le variabili iniziali a 46; a queste si sono aggiunte 14 combinazioni lineari di alcune delle variabili escluse che presentano una diretta interpretazione come indicatori di analisi tecnica. In dettaglio: le differenze tra i rendimenti di apertura, chiusura, massimo e minimo dei titoli considerati e il rendimento di mercato, oltre alla differenza tra le variazioni percentuali dei volumi di singoli titoli e le variazioni percentuali dei volumi del mercato. Si è quindi valutata la significatività di queste variabili «tecniche» mediante test sui coefficienti di regressione, escludendo le variabili con statistiche t non significative al 5 per cento; l informazione sui volumi è risultata significativa nell equazione del rendimento massimo atteso Y 1t. Selezionate le variabili d informazione si è condotta un analisi dei residui delle equazioni univariate stimate per le medie condizionate, con l obiettivo di indagare la presenza di eteroschedasticità condizionata. Si sono quindi calcolati test LM, Engle (1982), specificando 5 ritardi per la variabile dipendente. Per Y 1t si è ottenuta una statistica F pari a 4,66 con p-value 0,032 per cento; per la variabile Y 2t si è ottenuta una statistica F pari a 6,40 con p-value 0,0007 per cento; tali risultati indicano la presenza di eteroschedasticità condizionata e suggeriscono di limitare i successivi confronti alla modellistica GARCH univariata e multivariata con effetti in media I modelli univariati Le specificazioni GARCH univariate sono state scelte in modo da annidare le precedenti specificazioni lineari per la media condizionata. Le variabili d informazione contenute in 1 sono state introdotte nella specificazione dell equazione della varianza condizionata e successivamente eliminate in modo sequenziale sulla base delle statistiche t associate. I calcoli sono stati effettuati con Eviews ver La specificazione finale è stata ulteriormente confrontata con il modello contenente tutte le variabili d informazione 1 nell equazione della varianza; quando il test ha suggerito il rifiuto dell ipotesi di uguaglianza tra i modelli alcune delle variabili omesse sono state reintrodotte, fino ad ottenere un modello congruente con il modello generale. La procedura è stata ripetuta per entrambe le variabili dipendenti ed ha portato a selezionare 19 ulteriori variabili per la varianza condizionata oltre alle 46 scelte in precedenza per modellare il valor atteso condizionato. Le 65 variabili d informazione così ottenute sono elencate nella Tabella 12A in Appendice. I modelli GARCH univariati stimati sono riassunti nelle Tabelle 13A, 14A in Appendice. 60

11 A. GUIZZARDI - P. PARUOLO, PREVISIONE DEI RENDIMENTI MINIMI E MASSIMI... L elevato valore di R 2, pari a 0,52, delle specificazioni per Y 1t e Y 2t testimonia l alto contenuto informativo delle variabili esplicative selezionate. La Tabella 3 riporta la diagnostica sui residui dei modelli univariati. L analisi dei residui standardizzati evidenzia, per entrambe le variabili dipendenti, la non normalità dei residui, si veda il test di Jarque-Bera. La curtosi dei residui standardizzati risulta minore di quella delle variabili dipendenti grezze, cfr. Tabella 1; tuttavia permane l asimmetria a destra nei residui dell equazione per Y 1, t e a sinistra per l equazione di Y 2, t. I valori assunti dai test Q di Ljung-Box non consentono di rifiutare l ipotesi di incorrelazione dei residui a qualunque ritardo temporale e i residui standardizzati appaiono omoschedastici; la presenza di eteroschedasticità residua fino al ritardo 5 è infatti rifiutata sulla base del test LM-ARCH. Tabella 3 Test sui residui standardizzati; LB: test di Ljung e Box, ARCH: test ARCH di Engle. Nelle colonne relative a test si riportano le probabilità nella coda. Il test di normalità di Jarque e Bera è sempre risultato significativo modello R 2 asim- curtosi LB ARCH metria (21) (5) Y 1t Univariato 0,52 0,97 3,85 0,90 0,76 Y 2t Univariato 0,52 0,94 4,41 0,65 0,85 Y 1t VAR 0,65 11,5 1 0,01 0,00 Y 2t VAR 0,90 30,5 24 0,00 0,00 Y 1t GARCH 0,78 1,20 5,28 0,54 0,39 Y 2t GARCH 0,80 1,04 4,52 0,39 0, I modelli multivariati I modelli multivariati sono stati stimati sia nella formulazione [1] con vincoli Λ =0, H t = H (modello VAR), sia nella formulazione [1] e [2] senza alcun vincolo sui parametri (modello VAR-GARCH-M). Per garantire il confronto con i risultati dei modelli univariati, l insieme d informazione utilizzato per specificare la modellistica VAR comprende le sole 65 variabili impiegate per la stima delle specificazioni univariate. Per la stessa ragione nel modello GARCH multivariato sono state inizialmente incluse nelle equazioni della media le sole variabili d informazione presenti nelle equazioni della media dei due modelli GARCH univariati e nelle equazioni della varianza le medesime variabili esplicative contenute nelle equazioni univariate delle varianze. Il modello VAR è stato stimato utilizzando PCFIML ver. 9.0, si veda Doornik e Hendry (1996). La stima del modello VAR-GARCH-M è stata ottenuta mediante massimizzazione numerica effettuata in Gauss 3.01 Vmi con il modulo applicativo Maxlik e derivate prime 61

12 analitiche. In Appendice si riportano alcune delle soluzioni adottate per l inizializzazione dei parametri nella massimizzazione numerica. I residui della specificazione VAR mostrano problemi di eteroschedasticità e correlazione seriale, che consigliano di considerare effetti GARCH, si veda la Tabella 3. Alla specificazione del modello GARCH multivariato finale si è giunti attraverso semplificazioni successive della specificazione iniziale sulla base di test di Wald robusti rispetto alla mis-specificazione della distribuzione delle innovazioni. Il modello ottenuto presenta R 2 entro campione prossimi a 0,8 per entrambe le equazioni, si veda la Tabella 3, indicando un miglior adattamento rispetto alle specificazioni univariate. Le statistiche di curtosi e di asimmetria della distribuzione dei residui standardizzati mostrano le medesime caratteristiche di nonnormalità osservate per i modelli univariati. Il confronto con le medesime statistiche calcolate sui dati grezzi mostra una lieve diminuzione della curtosi, si veda la Tabella 1; i residui standardizzati non mostrano segni di autocorrelazione nei livelli o nei quadrati. Le Tabelle 4, 5 riportano dettagliatamente il risultato finale della stima del modello GARCH multivariato e le statistiche t asintotiche. I parametri non riportati sono risultati non significativi e sono stati quindi vincolati a 0; alcuni coefficienti con statistiche t non lontane dalla soglia di significatività del 5 per cento sono stati comunque stimati nel modello. I risultati ottenuti permettono di avanzare alcune considerazioni. La significatività di alcuni coefficienti in Λ suggerisce l esistenza di premi per il rischio; a parità di altri fattori, il premio di rischio sulla volatiltà del rendimento minimo risulta maggiore di quello sul rendimento massimo. Il risultato implica che all aumentare della volatilità diventa più facile aumentare il rendimento giornaliero acquistando a prezzi bassi piuttosto che vendendo a prezzi elevati. La matrice stimata A risulta diagonale, indicando un effetto separato sulle rispettive varianze delle innovazioni sul rendimento minimo e massimo. Il vettore γ associato agli effetti asimmetrici non è risultato significativo, indicando l assenza di effetti asimmetrici nella volatilità. La rischiosità non dipende quindi dal segno delle innovazioni ma solo dal loro valore assoluto. Il risultato potrebbe essere ricondotto alla natura poco speculativa del titolo considerato. In linea con le indicazioni contenute nella letteratura, la matrice B stimata risulta significativa e con coefficienti molto elevati. Tali valori rilevano la presenza di effetti persistenti nella varianza (cluster di variabilità); si osservi inoltre la presenza di effetti incrociati associati ai coefficienti non diagonali. L analisi delle matrici Ψ e D stimate mostra una interessante distinzione nell azione delle variabili d informazione. L informazione contenuta nei tassi e nei volumi dei singoli titoli è rilevante soprattutto per la previsione della varianza, mentre nella previsione dei rendi- 62

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

ANALISI DEI DATI CON SPSS

ANALISI DEI DATI CON SPSS STRUMENTI E METODI PER LE SCIENZE SOCIALI Claudio Barbaranelli ANALISI DEI DATI CON SPSS II. LE ANALISI MULTIVARIATE ISBN 978-88-7916-315-9 Copyright 2006 Via Cervignano 4-20137 Milano Catalogo: www.lededizioni.com

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Parleremo di correlazione: che cos è, come calcolarla

Parleremo di correlazione: che cos è, come calcolarla IDEMDJD]LQH 1XPHUR 'LFHPEUH %52 (56 21/,1( 68//,'(0 nel 2002, il numero di brokers che offrono la negoziazione online sul minifib è raddoppiato, passando da 7 nel 2001 a 14. A novembre due nuovi brokers

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

derivati azionari guida alle opzioni aspetti teorici

derivati azionari guida alle opzioni aspetti teorici derivati azionari guida alle opzioni aspetti teorici derivati azionari guida alle opzioni aspetti teorici PREFAZIONE Il mercato italiano dei prodotti derivati 1. COSA SONO LE OPZIONI? Sottostante Strike

Dettagli

i tassi di interesse per i prestiti sono gli stessi che per i depositi;

i tassi di interesse per i prestiti sono gli stessi che per i depositi; Capitolo 3 Prodotti derivati: forward, futures ed opzioni Per poter affrontare lo studio dei prodotti derivati occorre fare delle ipotesi sul mercato finanziario che permettono di semplificare dal punto

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

ABC. degli investimenti. Piccola guida ai fondi comuni dedicata ai non addetti ai lavori

ABC. degli investimenti. Piccola guida ai fondi comuni dedicata ai non addetti ai lavori ABC degli investimenti Piccola guida ai fondi comuni dedicata ai non addetti ai lavori I vantaggi di investire con Fidelity Worldwide Investment Specializzazione Fidelity è una società indipendente e si

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

STUDIO DI SETTORE SM43U

STUDIO DI SETTORE SM43U ALLEGATO 3 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE SM43U NOTA TECNICA E METODOLOGICA CRITERI PER LA COSTRUZIONE DELLO STUDIO DI SETTORE Di seguito vengono esposti i criteri seguiti per la costruzione

Dettagli

FORWARD RATE AGREEMENT

FORWARD RATE AGREEMENT FORWARD RATE AGREEMENT FLAVIO ANGELINI. Definizioni In generale, un contratto a termine o forward permette una compravendita di una certa quantità di un bene differita a una data futura a un prezzo fissato

Dettagli

1 IL RISCHIO: INTRODUZIONE.2 2 LA VOLATILITA.4

1 IL RISCHIO: INTRODUZIONE.2 2 LA VOLATILITA.4 IL RISCHIO 1 IL RISCHIO: INTRODUZIONE.2 2 LA VOLATILITA.4 2.1 La volatilità storica... 4 2.2 Altri metodi di calcolo... 5 3 LA CORRELAZIONE..6 4 IL VALUE AT RISK....8 4.1 I metodi analitici... 9 4.2 La

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli

Le Opzioni. Caratteristiche delle opzioni. Sottostante

Le Opzioni. Caratteristiche delle opzioni. Sottostante Le Caratteristiche delle opzioni...1 I fattori che influenzano il prezzo di un opzione...4 Strategie di investimento con le opzioni...5 Scadenza delle opzioni...6 Future Style...7 Schede prodotto...8 Mercato

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

Orientamenti ABE in materia di. valore a rischio in condizioni di stress (VaR in condizioni di stress) EBA/GL/2012/2

Orientamenti ABE in materia di. valore a rischio in condizioni di stress (VaR in condizioni di stress) EBA/GL/2012/2 Orientamenti ABE in materia di valore a rischio in condizioni di stress (VaR in condizioni di stress) EBA/GL/2012/2 Londra, 16.05.2012 1 Oggetto degli orientamenti 1. Il presente documento contiene una

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

ALEA Tech Reports. I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk

ALEA Tech Reports. I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk ALEA Tech Reports I modelli interni per la valutazione del rischio di mercato secondo l approccio del Value at Risk Flavio Bazzana Tech Report Nr. 11 Giugno 2001 Alea - Centro di ricerca sui rischi finanziari

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

Corso di Valutazioni d Azienda

Corso di Valutazioni d Azienda Andrea Cardoni Università degli Studi di Perugia Facoltà di Economia Dipartimento di Discipline Giuridiche e Aziendali Corso di Laurea Magistrale in Economia e Management Aziendale Corso di Valutazioni

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione

Guido Candela, Paolo Figini - Economia del turismo, 2ª edizione 8.2.4 La gestione finanziaria La gestione finanziaria non dev essere confusa con la contabilità: quest ultima, infatti, ha come contenuto proprio le rilevazioni contabili e il reperimento dei dati finanziari,

Dettagli

IL MERCATO FINANZIARIO

IL MERCATO FINANZIARIO IL MERCATO FINANZIARIO Prima della legge bancaria del 1936, in Italia, era molto diffusa la banca mista, ossia un tipo di banca che erogava sia prestiti a breve che a medio lungo termine. Ma nel 1936 il

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 = 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 3 - Pag. 1 Capitolo 3. L'analisi della varianza. Il problema dei confronti multipli. La soluzione drastica di Bonferroni ed il test

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Capitale raccomandato

Capitale raccomandato Aggiornato in data 1/9/212 Advanced 1-212 Capitale raccomandato da 43.8 a 6.298 Descrizioni e specifiche: 1. E' una combinazione composta da 3 Trading System automatici 2. Viene consigliata per diversificare

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

L approccio parametrico o delle varianze-covarianze

L approccio parametrico o delle varianze-covarianze L approccio parametrico o delle varianze-covarianze Slides tratte da: Andrea Resti Andrea Sironi Rischio e valore nelle banche Misura, regolamentazione, gestione Egea, 2008 AGENDA Il VaR nell ipotesi di

Dettagli

Qual è il fine dell azienda?

Qual è il fine dell azienda? CORSO DI FINANZA AZIENDALE SVILUPPO DELL IMPRESA E CREAZIONE DI VALORE Testo di riferimento: Analisi Finanziaria (a cura di E. Pavarani) - McGraw-Hill - 2001 Cap. 9 1 Qual è il fine dell azienda? Massimizzare

Dettagli

Rischio e Volatilità

Rischio e Volatilità 2 Meeting annuale SellaAdvice Trading Rho,, 20 novembre 2004 Rischio e Volatilità Relatore: Maurizio Milano Da dove deve partire un analisi tecnica operativa a supporto di un attività di trading? L elemento

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

Determinanti dell avversione al rischio degli investitori: riscontri giornalieri dal mercato azionario tedesco 1

Determinanti dell avversione al rischio degli investitori: riscontri giornalieri dal mercato azionario tedesco 1 Martin Scheicher +43 1 40420 7418 martin.scheicher@oenb.at Determinanti dell avversione al rischio degli investitori: riscontri giornalieri dal mercato azionario tedesco 1 I prezzi azionari oscillano al

Dettagli

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,

Dettagli

LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2015-2017

LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2015-2017 7 maggio 2015 LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2015-2017 Nel 2015 si prevede un aumento del prodotto interno lordo (Pil) italiano pari allo 0,7% in termini reali, cui seguirà una crescita dell

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

ESTIMO GENERALE. 1) Che cos è l estimo?

ESTIMO GENERALE. 1) Che cos è l estimo? ESTIMO GENERALE 1) Che cos è l estimo? L estimo è una disciplina che ha la finalità di fornire gli strumenti metodologici per la valutazione di beni economici, privati o pubblici. Stimare infatti significa

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

Studio grafico-analitico delle funzioni reali a variabile reale Studio grafico-analitico delle funzioni reali a variabile reale Sequenza dei passi Classificazione In pratica Classifica il tipo di funzione: Funzione razionale: intera / fratta Funzione irrazionale: intera

Dettagli

FUNZIONAMENTO GEM GLIS. Manuela Lombardi Ester Treglia Gianluca Bove Vito Miceli. Giancarlo Valerio Sonia Stati Ilaria Richichi Luca Cipriano

FUNZIONAMENTO GEM GLIS. Manuela Lombardi Ester Treglia Gianluca Bove Vito Miceli. Giancarlo Valerio Sonia Stati Ilaria Richichi Luca Cipriano CONOSCERE LA BORSA FUNZIONAMENTO I partecipanti formano delle squadre ed elaborano una strategia di investimento per il proprio capitale virtuale iniziale (50.000 euro). Nel nostro caso si sono costituite

Dettagli

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f). Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Appunti di analisi delle serie storiche. Riccardo Jack Lucchetti

Appunti di analisi delle serie storiche. Riccardo Jack Lucchetti Appunti di analisi delle serie storiche Riccardo Jack Lucchetti 23 febbraio 2015 ii Indice Prefazione vii 1 Introduzione 1 1.1 Cos è un processo stocastico e a che serve............. 1 1.2 Caratteristiche

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

tanhαl + i tan(ωl/v) 1 + i tanh αl tan(ωl/v). (10.1)

tanhαl + i tan(ωl/v) 1 + i tanh αl tan(ωl/v). (10.1) 10 - La voce umana Lo strumento a fiato senz altro più importante è la voce, ma è anche il più difficile da trattare in modo esauriente in queste brevi note, a causa della sua complessità. Vediamo innanzitutto

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

I Futures: copertura del rischio finanziario e strumento speculativo

I Futures: copertura del rischio finanziario e strumento speculativo I Futures: copertura del rischio finanziario e strumento speculativo Luca Cappellina GRETA, Venezia Che cosa sono i futures. Il futures è un contratto che impegna ad acquistare o vendere, ad una data futura,

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Azionario Flessibile 7 anni Scheda sintetica - Informazioni specifiche 1 di 6

Azionario Flessibile 7 anni Scheda sintetica - Informazioni specifiche 1 di 6 Scheda sintetica - Informazioni specifiche 1 di 6 La parte Informazioni Specifiche, da consegnare obbligatoriamente all investitore contraente prima della sottoscrizione, è volta ad illustrare le principali

Dettagli

Perché investire nel QUANT Bond? Logica di investimento innovativa

Perché investire nel QUANT Bond? Logica di investimento innovativa QUANT Bond Perché investire nel QUANT Bond? 1 Logica di investimento innovativa Partiamo da cose certe Nel mercato obbligazionario, una equazione è sempre vera: Rendimento = Rischio E possibile aumentare

Dettagli

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

Rischio impresa. Rischio di revisione

Rischio impresa. Rischio di revisione Guida alla revisione legale PIANIFICAZIONE del LAVORO di REVISIONE LEGALE dei CONTI Formalizzazione delle attività da svolgere nelle carte di lavoro: determinazione del rischio di revisione, calcolo della

Dettagli

Costruirsi una rendita. I principi d investimento di BlackRock

Costruirsi una rendita. I principi d investimento di BlackRock Costruirsi una rendita I principi d investimento di BlackRock I p r i n c i p i d i n v e s t i m e n t o d i B l a c k R o c k Ottenere una rendita è stato raramente tanto difficile quanto ai giorni nostri.

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

MIFID: STRATEGIA DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI (DOCUMENTO DI SINTESI)

MIFID: STRATEGIA DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI (DOCUMENTO DI SINTESI) MIFID: STRATEGIA DI ESECUZIONE E TRASMISSIONE DEGLI ORDINI (DOCUMENTO DI SINTESI) - 1 - LA NORMATIVA MIFID La Markets in Financial Instruments Directive (MiFID) è la Direttiva approvata dal Parlamento

Dettagli