I rischi aziendali e il processo di risk management

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "I rischi aziendali e il processo di risk management"

Transcript

1 ALBERTO FLOREANI ENTERPRISE RISK MANAGEMENT I rischi aziendali e il processo di risk management Pubblicazioni dell I.S.U. Università Cattolica

2 ALBERTO FLOREANI ENTERPRISE RISK MANAGEMENT I rischi aziendali e il processo di risk management Milano 2004

3 2004 I.S.U. Università Cattolica Largo Gemelli, 1 Milano ISBN

4 SOMMARIO CAPITOLO 1 IL RISCHIO E LA SUA MISURAZIONE Il rischio e i rischi aziendali La nozione di rischio e di variabile aleatoria I rischi aziendali Il valore atteso Le proprietà del valore atteso Lo scarto quadratico medio Le proprietà dello scarto quadratico medio La perdita massima potenziale e il value at risk La perdita massima potenziale Il value at risk La perdita massima potenziale e il value at risk su variabili aleatorie di stock L earning at risk (EaR) e il cash flow at risk (CFaR) Le proprietà del value at risk e della perdita massima potenziale Le altre misure di rischio Lo scarto quadratico medio downside e upside I momenti parziali inferiori e superiori Gli indicatori di simmetria La rappresentazione sintetica di una variabile aleatoria Il valore di una variabile aleatoria aziendale La misurazione dei rischi incrementali Parole chiave Note bibliografiche

5 CAPITOLO 2 APPROFONDIMENTI SU RISCHIO E INCERTEZZA Le nozioni alternative di rischio L approccio tradizionale-assicurativo L approccio statistico-finanziario L approccio manageriale L approccio matematico e le misure coerenti di rischio Le misure coerenti di rischio Esempi di misure coerenti di rischio Inapplicabilità delle misure coerenti di rischio alla gestione dei rischi Le misure coerenti di rischio e il valore aziendale Gli approcci statistico-finanziario e matematico: una sintesi Il rischio e l incertezza Parole chiave Note bibliografiche...61 CAPITOLO 3 IL SISTEMA DEI RISCHI AZIENDALI I rischi esterni e i rischi interni I rischi sistematici e i rischi diversificabili I rischi sistematici I rischi diversificabili Esempi di componente sistematica e diversificabile L additività dei rischi sistematici L atteggiamento degli individui nei confronti dei rischi sistematici e diversificabili e conseguenze macroeconomiche Un modello unifattoriale per la misurazione del rischio sistematico I rischi speculativi e i rischi puri I rischi ad asimmetria positiva

6 4. I rischi d impresa Rischi di business Rischi derivati I rischi puri L impatto dei rischi sull impresa Parole chiave Note bibliografiche...80 CAPITOLO 4 IL PROCESSO DI RISK MANAGEMENT L articolazione del processo di risk management Gli obiettivi strategici dell istituto e di risk management Il risk assessment Il risk reporting Il risk treatment Il monitoring L enterprise risk management e gli altri approcci al risk management L enterprise risk management Il project risk management Il risk management tradizionale Il financial risk management Il risk control La dimensione organizzativa del processo di risk management Le funzioni aziendali coinvolte nel processo di risk management Il risk management nelle imprese di piccole e medie dimensioni Il sistema informativo a supporto del processo di risk management Parole chiave Note bibliografiche

7 CAPITOLO 5 IL RISK ASSESSMENT. L IDENTIFICAZIONE DEI RISCHI AZIENDALI L identificazione dei rischi aziendali La mappatura dei rischi La descrizione dei rischi Cenni alle principali tecniche di supporto all identificazione dei rischi L analisi dell esperienza passata La prompt list L analisi della documentazione tecnica e/o contabile Le interviste Il brainstorming L individuazione dei principali rischi aziendali attraverso l analisi delle informazioni contabili La situazione economica e patrimoniale delle imprese non finanziarie I principali rischi che emergono dall analisi della situazione economica e patrimoniale di un impresa non finanziaria Parole chiave Note bibliografiche CAPITOLO 6 IL RISK ASSESSMENT. LA STIMA DEI RISCHI AZIENDALI Le tecniche di stima del rischio La scelta della tecnica di stima da utilizzare I benefici economici delle tecniche quantitative La stima qualitativa dei rischi puri tramite la matrice probabilità-impatto I limiti della tecnica probabilità-impatto La stima semiquantitativa dei rischi puri tramite la matrice probabilità-impatto La trasformazione della tecnica probabilità-impatto in stima semiquantitativa

8 3.2. Applicazioni delle tecniche semiquantitative I limiti delle tecniche semiquantitative Le tecniche qualitative e semiquantitative come strumento di comunicazione Le tecniche quantitative di stima Obiettivi e passi fondamentali della stima quantitativa Cenni alla tecnica di simulazione Monte Carlo La stima quantitativa di un rischio puro: i passi fondamentali La stima quantitativa del rischio di un portafoglio azionario Parole chiave Note bibliografiche CAPITOLO 7 INTRODUZIONE ALLA VALUTAZIONE E ALLA GESTIONE DEI RISCHI AZIENDALI La valutazione del rischio Dal risk assessment al risk treatment La valutazione quantitativa dei rischi d impresa e il valore creato dalle decisioni di risk management: cenni e rinvio Le modalità di gestione del rischio Le modalità di gestione ex-ante Il monitoraggio dell esposizione e dell andamento dei rischi Le modalità di gestione ex-post La classificazione delle operazioni di copertura I mercati in cui si negoziano le coperture e le tipologie di rischio coperte

9 3.2. Obiettivi di copertura e adeguatezza degli strumenti utilizzati Gli strumenti di copertura La variabile obiettivo oggetto di copertura e la frequenza delle negoziazioni delle operazioni di copertura Parole chiave Note bibliografiche RIFERIMENTI BIBLIOGRAFICI

10 CAPITOLO 1 IL RISCHIO E LA SUA MISURAZIONE Per affrontare compiutamente il processo di risk management le aziende devono disporre di conoscenze e competenze multidisciplinari. Il management, in particolare, deve modificare completamente la propria prospettiva con la quale guarda al futuro. I piani pluriennali e il budget, ad esempio, non possono essere più essere considerati come dei prospetti contenenti dei numeri rappresentativi delle aspettative o degli obiettivi aziendali. Questi documenti diventano più complessi in quanto devono rappresentare variabili aleatorie, cioè insiemi di scenari ciascuno dei quali si caratterizza per determinati risultati e probabilità. In questo contesto la comprensione del significato attribuito ai termini variabile aleatoria, valore atteso e rischio è essenziale. L obiettivo del presente capitolo e dei due successivi è proprio quello di definire il concetto di rischio, di introdurre alla sua misurazione e di delineare le principali tipologie di rischi aziendali. Inoltre si analizzano i diversi significati che in letteratura e nel linguaggio corrente sono attribuiti ai termini rischio, misura di rischio e incertezza. Tenuto conto che per chi non ha conoscenze statistiche di base il tema potrebbe risultare piuttosto ostico, si è cercato di esemplificare i diversi concetti con semplici applicazioni aziendali. 1. Il rischio e i rischi aziendali 1.1. La nozione di rischio e di variabile aleatoria Secondo l accezione utilizzata in questo lavoro il rischio riguarda la possibilità che una variabile aleatoria si realizzi in modo diverso rispetto al suo valore atteso. Un fenomeno quantitativo è dunque rischioso quando ha più di una realizzazione possibile ed è tanto più rischioso quanto più tali realizzazioni sono distanti rispetto alle aspettative. 9

11 CAPITOLO PRIMO Per le finalità del nostro lavoro una variabile aleatoria può essere vista come un insieme costituito da N coppie di elementi a ciascuna delle quali corrisponde uno scenario possibile. Più precisamente ad ogni scenario possibile vengono assegnati due numeri reali, uno rappresentativo delle probabilità di realizzazione dello scenario e l altro del valore assunto dalla variabile in quello scenario. In simboli la variabile aleatoria X può essere così rappresentata: X = (x 1, x 2,..., x i,..., x N ; p 1, p 2,..., p i,..., p N ) con p 1 +p p N =1 e dove N è il numero degli scenari, x i è il valore assunto della variabile aleatoria nello scenario i-esimo e p i è la corrispondente probabilità di realizzazione dello scenario. Al fine di distinguerle dai numeri, le variabili aleatorie verranno sempre indicate nel seguito con il carattere grassetto. Quando il numero degli scenari è numerabile si ha a che fare con variabili aleatorie discrete. In presenza di un numero di scenari molto elevato, si preferisce invece rappresentare il fenomeno sotto indagine come se fosse dotato di una continuità di scenari. In tal caso si parla di variabili aleatorie continue. Una variabile aleatoria continua X che può assumere tutti i valori reali compresi nell intervallo a e b può essere così rappresentata: X = {x; f(x)} con x [a,b] con f(x) dx = 1 e dove f(x) è la funzione di densità che associa ad ogni possibile realizzazione della variabile aleatoria un numero, detto densità. La densità non esprime una probabilità in quanto, esistendo un infinità di possibili realizzazioni, la probabilità che si realizzi esattamente un dato scenario è di fatto nulla. Tramite la funzione di densità è però possibile calcolare le probabilità che la realizzazione della variabile aleatorie cada in un determinato intervallo. Tale probabilità è determinata calcolando il volume dell area sottostante alla funzione di densità. Esempio 1. L utile futuro come variabile aleatoria. L utile del prossimo esercizio di un impresa è una variabile aleatoria. Consideriamo due imprese A e B e ammettiamo che il loro utile del prossimo esercizio possa essere così rappresentato: 10

12 IL RISCHIO E LA SUA MISURAZIONE U A = (50, 100, 150; 25%,50%,25%) U B = (-300, 100, 500; 25%,50%,25%) Le due imprese hanno evidentemente il medesimo valore atteso degli utili (100 milioni di euro). Entrambe le imprese hanno un utile rischioso (esistono diverse possibilità di realizzazione). L impresa A è però chiaramente meno rischiosa dell impresa B. Infatti A si scosterà al massimo di 50 milioni di euro rispetto al valore atteso mentre B potrà avere uno scostamento di 400 milioni di euro rispetto al valore atteso. Rappresentare l utile futuro di un impresa tramite 3 soli scenari può non essere realistico. Per quale motivo le imprese A e B non possono realizzare un utile di 60, 75 o 140 milioni di euro? Una rappresentazione più realistica si può ottenere considerando l utile di esercizio come una variabile aleatoria continua. Ad esempio si può pensare che U A e U B siano delle variabili aleatorie continue di tipo normale 1 con un valore atteso pari a 100 e uno scarto quadratico medio rispettivamente di 50 e 400 milioni di euro (si veda il successivo paragrafo per il significato dello scarto quadratico medio). La figura 1.1 rappresenta graficamente le due variabili aleatorie discrete (U A e U B ) e le due variabili aleatorie continue (U A e U B ). In questo secondo caso viene mostrato graficamente che la probabilità dell impresa A di ottenere un utile compreso tra 0 e 200 è del 95,45%, mentre per l impresa B la probabilità che l utile cada nel medesimo intervallo è solo del 19,74%. Infatti per l impresa A l area sottostante alla funzione di densità è quasi interamente compresa tra 0 e 200, mentre per l impresa B solo circa 1/5 dell area complessiva è compresa tra 0 e 200. L area complessiva sottostante alla funzione di densità di una variabile aleatoria continua è ovviamente pari a 1 (vi è la certezza, cioè il 100% di probabilità, che l utile assumerà uno dei valori possibili). 1 La normale è, tra tutte le distribuzioni continue, la più ampiamente utilizzata. Essa è simmetrica, unimodale, dipende da due soli parametri (il valore atteso e lo scarto quadratico medio) e ha la forma campanulare rappresentata nella figura 1.1. La funzione di densità di una distribuzione normale con valore atteso µ e scarto quadratico medio σ è: f ( x) = 1 e 2 Πσ ( x µ ) 2 2 σ 2 I valori assunti dalla funzione di densità, dalla densità cumulata e dall inversa della funzione di densità cumulata della normale possono essere facilmente calcolati con l ausilio delle funzioni statistiche di un qualsiasi foglio elettronico. 11

13 CAPITOLO PRIMO Figura 1.1. Rappresentazione grafica di variabili aleatorie aziendali discrete e continue Parte A Variabili aleatorie discrete Parte B Variabili aleatorie continue L effettiva stima della variabile aleatoria utile del prossimo esercizio di un impresa è compito della fase tecnica del risk management (risk assessment) che sarà affrontata successivamente. Caratteristica fondamentale della nozione di rischio ora introdotta è quella di considerare non soltanto le conseguenze negative di un evento (minacce o downside risk), ma anche quelle positive (opportunità o upside risk). Il termine rischio assume però una molteplicità di significati a seconda dell ambito in cui è inserito. Anche solo limitando il campo d indagine alle scienze economiche è possibile individuare almeno quattro diversi approcci 12

14 IL RISCHIO E LA SUA MISURAZIONE (tradizionale-assicurativo, statistico-finanziario, manageriale e matematico). In questo volume si accoglie l approccio statistico-finanziario. Degli altri si dirà sinteticamente nel secondo capitolo I rischi aziendali In questo volume ci si occupa esclusivamente di rischi aziendali. L azienda è la componente economica di un istituto. Trattare di rischi aziendali significa così riferirsi esclusivamente alle conseguenze dell aleatorietà sui valori economici, finanziari e patrimoniali dei diversi istituti oggetto di indagine (imprese, famiglie, organizzazioni no-profit, enti pubblici,...). Esistono due elementi fondamentali che caratterizzano i rischi aziendali rispetto al concetto generale di rischio introdotto nel precedente paragrafo: la natura monetaria delle variabili aleatorie aziendali; l unicità degli eventi aziendali e la conseguente incertezza sulle caratteristiche delle variabili aleatorie che li rappresentano. Su questo secondo aspetto, che rende più complessa l analisi dei rischi aziendali rispetto ad altre tipologie di variabili aleatorie, si dirà nel secondo capitolo. La natura monetaria delle variabili aleatorie aziendali permette invece di semplificare il processo di risk management. Più specificamente è possibile introdurre dei criteri decisionali collaudati e scientificamente fondati (quali il criterio del valore attuale netto) che permettono di affrontare le decisioni aziendali di risk management con razionalità. Si sottolinea inoltre che trattare di rischi aziendali non significa trasformare in quantità monetarie grandezze non monetarie (es. vita umana), ma considerare esclusivamente gli effetti dei rischi sulla componente economica dell istituito in esame. Questo permette, almeno per il momento, di trascurare le problematiche etiche connesse ai rischi e alla loro gestione. 2. Il valore atteso La maggiore rischiosità di una variabile aleatoria rispetto ad un altra è immediatamente percepibile solo se le due variabili aleatorie che si 13

15 CAPITOLO PRIMO confrontano sono semplici e molto simili (stesso numero di scenari possibili, distribuzione simmetrica e unimodale e uguale valore atteso come nel caso dell esempio 1 del precedente paragrafo). Nelle situazioni reali il confronto tra i rischi di due o più variabili aleatorie viene effettuato calcolando opportuni indicatori sintetici. Prima di esporre le principali misure di rischio è utile sottolineare che per descrivere una variabile aleatoria attraverso indicatori sintetici (cioè dei numeri) è necessario seguire un ordine di priorità. Nell ambito del risk management le tre principali classi di indicatori sono, in ordine di importanza: indicatori di posizione; indicatori di rischio (o di dispersione); indicatori di simmetria. Il principale indicatore di posizione è il valore atteso. Intuitivamente esso indica il risultato medio che si otterrebbe se fosse possibile ripetere indefinitamente l esperimento che coinvolge la variabile aleatoria in esame. Il valore atteso rappresenta il primo e principale parametro a cui guardare per avere una prima idea delle caratteristiche della variabile aleatoria. Questo aspetto deve essere sottolineato perché talvolta vi può essere la tendenza a soffermarsi esclusivamente sui rischi di un fenomeno. Detta X una generica variabile aleatoria, il valore atteso di X viene indicato con E(X) ed è pari a: E( X) = p N 1 x1 + p 2 x p N x N = p i x i i= 1 in caso di una variabile aleatoria discreta e: + E( X) = x f(x) dx in caso di variabile aleatoria continua dotata di una funzione di densità f(x) Le proprietà del valore atteso Il valore atteso è dotato di due importanti proprietà: additività; 14

16 IL RISCHIO E LA SUA MISURAZIONE linearità. L additività afferma che il valore atteso della somma di due variabili aleatorie è pari alla somma dei valori attesi delle variabili aleatorie di partenza. Date due variabili aleatorie X e Y si ha: E(X+Y) = E(X) + E(Y) Esempio 2. Additività del valore atteso (l utile atteso di una holding). Si consideri una holding (H) che possiede le partecipazioni totalitarie di 3 imprese (A, B e C) e non svolge alcuna attività operativa. L utile di esercizio del prossimo anno di ciascuna delle 3 imprese è rappresentabile come una variabile aleatoria (U A, U B, U C ). L utile della holding è anch essa una variabile aleatoria ottenuto come la somma algebrica degli utili delle 3 imprese si ha cioè che: U H = U A + U B + U C L additività del valore atteso ci dice, com è intuitivo, che il valore atteso degli utili della holding è pari alla somma dei valori attesi degli utili delle singole società. Si ha cioè che: E(U H )= E(U A ) +E(U B)+E(U C ) La linearità afferma che il valore atteso di una trasformazione lineare di una variabile aleatoria è pari alla trasformazione lineare del valore atteso della variabile aleatoria originaria. Data una variabile aleatoria X e due scalari a e b: E(a + b X) = a + b E(X) Esempio 3. Linearità del valore atteso (la relazione tra vendite attese e utili attesi). Si consideri un impresa che deve valutare l utile atteso del prossimo anno. L unica fonte di aleatorietà è costituita dalle quantità vendute dell unico prodotto dell impresa. Si ha invece perfetta conoscenza dei prezzi di vendita unitari (10 ), dei costi unitari variabili (6 ) e dei costi fissi complessivi ( ). Sapendo che: U = (p cv) Q CF 15

17 CAPITOLO PRIMO dove U è l utile dell impresa, p è il prezzo unitario, cv sono i costi variabili unitari, CF sono i costi fissi complessivi e Q è la variabile aleatoria espressiva delle quantità vendute, si ha U =(10 6 ) Q = 4 Q Applicando la linearità si ottiene che E(U) = 4 E(Q) Se, ad esempio, E(Q) = unità si ha che E(U) è pari a Lo scarto quadratico medio Gli indicatori di rischio rappresentano la seconda classe di indicatori sintetici per ordine di importanza. Essi esprimono, come già sottolineato, una misura della possibilità che le realizzazioni della variabile aleatoria si discostino dal valore atteso. Le misure di rischio più comunemente utilizzate nell ambito del risk management sono lo scarto quadratico medio e il value at risk (VaR). Lo scarto quadratico medio rappresenta di quanto mediamente le realizzazioni della variabile aleatoria (X) si scosteranno dal valore atteso. Esso viene solitamente indicato con σ(x) ed è così determinato: σ N 2 ( X) = [x E( X)] i i= 1 p i nel caso di una variabile aleatoria discreta e: σ( X) = + [x E( X)] 2 f(x) dx nel caso di una variabile aleatoria continua. Il quadrato dello scarto quadratico medio è denominato varianza e viene solitamente indicata con σ 2 (X). Anche la varianza è ovviamente una misura 16

18 IL RISCHIO E LA SUA MISURAZIONE di rischio. Rispetto allo scarto quadratico medio, però, la varianza non è espressa nella stessa unità di misura della variabile aleatoria originaria. Per tale motivo nel seguito si farà esclusivo riferimento allo scarto quadratico medio Le proprietà dello scarto quadratico medio Lo scarto quadratico medio non è additivo. Più precisamente il rischio della somma di due variabili aleatorie è inferiore alla somma dei rischi delle variabili aleatorie singolarmente considerate tranne nel caso in cui vi sia una perfetta correlazione tra esse (proprietà di subadditività). Date due variabili aleatorie X e Y e indicando con ρ X,Y il coefficiente di correlazione tra le due variabili si ha: In generale vale che: σ(x+y) < σ(x) + σ(y) se ρ X,Y <1 σ(x+y) = σ(x) + σ(y) se ρ X,Y =1 σ 2 (X+Y) = σ 2 (X) + σ 2 (Y) + 2 ρ X,Y σ(x) σ(y) [1.] La subadditività dello scarto quadratico medio quale misura di rischio ha importanti implicazioni. In generale questa proprietà può essere vista positivamente. Il rischio complessivo di un azienda è inferiore alla somma dei rischi delle singole variabili aleatorie aziendali (le fonti di rischio). Questa proprietà è alla base del principio di diversificazione che è estremamente importante nel risk management. Per chi deve prendere decisioni razionali la non additività dei rischi determina invece un notevole incremento della complessità. Implica in particolare la non separabilità delle decisioni dal contesto aziendale di riferimento e determina, nella sostanza, la subottimalità di tutte le decisioni aziendali che sono prese senza considerare l impatto che esse hanno sulla specifica situazione aziendale in cui sono collocate. Lo scarto quadratico medio gode delle proprietà di omogeneità e di invarianza a traslazioni. In particolare si ha che data X una variabile aleatoria e a e b due scalari: 17

19 CAPITOLO PRIMO σ(a + b X) = b σ(x) Il fatto che lo scarto quadratico medio non sia influenzato dall aggiunta (o la sottrazione) di quantità non aleatorie (proprietà di invarianza a traslazioni) è evidentemente una proprietà desiderabile per una misura di rischio. Detto in altri termini lo scarto quadratico medio non dipende in alcun modo dal valore atteso della variabile aleatoria, ma esclusivamente dalla dispersione dei possibili risultati. Esempio 4. Calcolo dello scarto quadratico medio. Riprendiamo l esempio 1. I due seguenti prospetti mostrano la determinazione del valore atteso e dello scarto quadratico medio degli utili delle imprese A e B. Calcolo valore atteso e scarto quadratico medio utile impresa A Scenario Probabilità Utile impresa A Utile x probabilità Prob x [Utile-Valore atteso]2 Negativo 25% 50 mil 12,5 mil 625 Normale 50% 100 mil 50,0 mil 0 Positivo 25% 150 mil 37,5 mil 625 Valore atteso 100 mil Varianza 1250 Scarto quadratico medio (radice varianza) 35,4 mil Calcolo valore atteso e scarto quadratico medio utile impresa B Scenario Probabilità Utile impresa A Utile x probabilità Prob x [Utile-Valore atteso] 2 Negativo 25% -300 mil -75,0 mil Normale 50% 100 mil 50,0 mil 0 Positivo 25% 500 mil 125,0 mil Valore atteso 100 mil Varianza Scarto quadratico medio (radice varianza) 282,8 mil 18

20 IL RISCHIO E LA SUA MISURAZIONE Esempio 5. Subadditività dello scarto quadratico medio. Si riprenda l esempio 2. Mentre la determinazione dell utile atteso della holding era del tutto banale, la determinazione del rischio (misurato dallo scarto quadratico medio) richiede di conoscere lo scarto quadratico medio degli utili attesi delle singole società e i coefficienti di correlazione tra gli utili delle singole società. Se le correlazioni non sono tutte pari a 1, il rischio associato agli utili della holding sarà inferiore alla somma dei rischi degli utili delle singole società. Ad esempio se lo scarto quadratico medio delle 3 società è di e i coefficienti di correlazione tra A e B, tra A e C e tra B e C sono tutti pari a 0,8, si può determinare 2 che il rischio della holding è pari a di oltre inferiore alla somma dei rischi delle singole società. Esempio 6. Omogeneità e invarianza traslazionale dello scarto quadratico medio. Si riprenda l esempio 3 in cui l utile del prossimo esercizio è una variabile aleatoria che dipende dai volumi di vendita espressi da Q. Più precisamente si ha: U = (p cv) Q CF U = 4 Q Tenuto conto che σ(a + b X) = b σ(x), lo scarto quadratico medio degli utili è: σ(u) = (p cv) σ(q) Se, ad esempio, σ(q)= unità, si ha che lo scarto quadratico medio degli utili è pari a La perdita massima potenziale e il value at risk Nel risk management allo scarto quadratico medio viene spesso preferito il value at risk (VaR) in quanto quest ultimo indicatore è ritenuto più semplice ed intuitivo. 2 Indicando con X i una generica variabile aleatoria, con σ(x i ) il suo scarto quadratico medio, con ρ i,j il coefficiente di correlazione tra X i e X j si ha che la varianza delle variabili aleatorie X 1, X 2,... X N è pari a: σ 2 (X 1 +X X N ) = σ 2 (X 1 )+ σ 2 (X 2 )+...+ σ 2 (X N )+ 2 Σi>j ρ i,j σ(x i ) σ(x j ) 19

21 CAPITOLO PRIMO Il value at risk (VaR) applicato a variabili aleatorie monetarie fornisce un indicazione probabilistica delle perdite a cui si può andare incontro mantenendo una determinata esposizione al rischio. In effetti nella maggior parte delle applicazioni concrete la conoscenza dell ammontare massimo che è possibile perdere è di poco ausilio tenendo conto che lo scenario peggiore possibile ha probabilità infinitesime di realizzarsi. Il value at risk fornisce una più adeguata misura del downside risk facendo riferimento a scenari che sono effettivamente in grado di realizzarsi La perdita massima potenziale Secondo un approccio alternativo a quello seguito in questo volume la nozione di value at risk coincide con quella di perdita massima potenziale (PMP) 3. Più precisamente se si considerano delle variabili aleatorie di flusso (ad esempio il risultato di esercizio di un azienda o la variazione di valore nel portafoglio d investimenti di un risparmiatore in un periodo prefissato), la perdita massima potenziale è definita dall opposto del percentile della distribuzione a cui corrisponde un livello di confidenza prefissato. Se, ad esempio, si desidera un livello di confidenza del 95% (o 99%), si prenderà l opposto del 5 (o del 1 ) percentile della distribuzione 4. Se al percentile prescelto corrisponde un valore positivo allora, per evitare confusione, si potrà denominare questo valore come minimo guadagno potenziale. Intuitivamente dire che la massima perdita potenziale con un livello di confidenza dell x% è pari a Y, significa affermare che esiste solo l (1-x%) di probabilità di ottenere una perdita superiore a Y. È del tutto evidente che se si definisce il value at risk come perdita massima potenziale non ci si trova di fronte ad una misura di dispersione in senso statistico e dunque ad una misura di rischio secondo la definizione 3 Tale approccio, denominato matematico, sarà esaminato nel successivo capitolo. 4 Tutte le definizioni introdotte in questa sede presuppongono che i valori positivi della variabile aleatoria sono interpretabili come flussi in entrata, ricavi o utili mentre i valori negativi come flussi in uscita, costi o perdite. In alcune circostanze si preferisce considerare la variabile aleatoria perdite derivanti dal rischio X (valori positivi della variabile aleatoria indicano perdite e valori negativi indicano guadagni). In questo caso le definizioni andrebbero riformulate opportunamente. 20

22 IL RISCHIO E LA SUA MISURAZIONE accolta in questo lavoro. In effetti i percentili sono degli indicatori di posizione che non sono indipendenti dal valore atteso della distribuzione. Una variabile aleatoria può essere più rischiosa di un altra ma avere una minore perdita massima potenziale per effetto di un maggior valore atteso. Si è già sottolineato che il valore atteso di una variabile aleatoria è estremamente importante. È però opportuno che il rischio non ne sia dipendente al fine di evitare inutili confusioni Il value at risk Una più corretta definizione del value at risk è da riferire alla distanza tra la perdita massima potenziale e il valore atteso. Secondo questa seconda e più corretta definizione il value at risk di una variabile aleatoria monetaria di flusso è la differenza tra il valore atteso della variabile aleatoria e il percentile a cui corrisponde il livello di confidenza prefissato. La prima parte della figura 1.2 illustra graficamente il concetto di perdita massima potenziale (opposto del percentile corrispondente al grado di confidenza prefissato) e di value at risk (differenza tra valore atteso e percentile) determinato su variabili aleatorie di flusso. La confusione tra la definizione di value at risk come perdita massima potenziale e come distanza tra perdita massima potenziale e valore atteso è dovuta al fatto che nelle prime applicazioni del VaR (la misurazione di esposizione al rischio di portafogli di investimenti su orizzonti temporali di breve periodo) il valore atteso della variabile aleatoria di riferimento (la variazione attesa del valore del portafoglio) era trascurabile rispetto alla dimensione del portafoglio ed alla sua rischiosità. In questi casi il value at risk tende a coincidere con la perdita massima potenziale anche nel caso in cui si utilizzi la definizione più corretta La perdita massima potenziale e il value at risk su variabili aleatorie di stock La perdita massima potenziale e il VaR possono essere determinati anche su grandezze di stock come, ad esempio, il valore di un portafoglio di investimenti o il patrimonio netto di un impresa. La perdita massima potenziale è determinata dalla differenza tra il valore corrente della grandezza di riferimento e il percentile a cui corrisponde il grado di 21

Introduzione al risk management

Introduzione al risk management ALBERTO FLOREANI Introduzione al risk management Un approccio integrato alla gestione dei rischi aziendali Fotocomposizione e redazione: Studio Norma, Parma ISBN 978-88-17-05810-0 Copyright 2005 RCS Libri

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

La rilevanza del risk management nella gestione d impresa. Giorgia Profumo Università degli Studi di Napoli Parthenope

La rilevanza del risk management nella gestione d impresa. Giorgia Profumo Università degli Studi di Napoli Parthenope La rilevanza del risk management nella gestione d impresa Giorgia Profumo Università degli Studi di Napoli Parthenope Le nozioni alternative di rischio L approccio tradizionale-assicurativo: il rischio

Dettagli

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani

RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI. Docente: Prof. Massimo Mariani RISCHIO E RENDIMENTO DEGLI STRUMENTI FINANZIARI Docente: Prof. Massimo Mariani 1 SOMMARIO Il rendimento di un attività finanziaria: i parametri rilevanti Rendimento totale, periodale e medio Il market

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 23: Scelta in condizioni di incertezza

Capitolo 23: Scelta in condizioni di incertezza Capitolo 23: Scelta in condizioni di incertezza 23.1: Introduzione In questo capitolo studiamo la scelta ottima del consumatore in condizioni di incertezza, vale a dire in situazioni tali che il consumatore

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

RISCHIO E CONTROLLO DI GESTIONE LA COSTRUZIONE DI UN BUDGET

RISCHIO E CONTROLLO DI GESTIONE LA COSTRUZIONE DI UN BUDGET LA COSTRUZIONE DI UN BUDGET Prof. Francesco Albergo Docente di PIANIFICAZIONE E CONTROLLO Corso di Laurea in Economia Aziendale Curriculum in Gestione Aziendale Organizzata UNIVERSITA degli Studi di Bari

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

Non esiste un investimento perfetto in assoluto, esiste invece un investimento ottimale per ognuno di noi.

Non esiste un investimento perfetto in assoluto, esiste invece un investimento ottimale per ognuno di noi. ANALISI DEGLI INVESTIMENTI Non esiste un investimento perfetto in assoluto, esiste invece un investimento ottimale per ognuno di noi. Come un comodo abito ogni investimento deve essere fatto su misura.

Dettagli

Rischi in Finanza. Rischi finanziari. Rischi puri. Rischi sistematici. Rischi non sistematici

Rischi in Finanza. Rischi finanziari. Rischi puri. Rischi sistematici. Rischi non sistematici Rischi in Finanza Rischi puri Rischi finanziari Rischi sistematici Rischi non sistematici Rischi non sistematici I rischi non sistematici sono rischi specifici Tipologie di rischi specifico più frequenti:

Dettagli

Valutazione degli investimenti

Valutazione degli investimenti Valutazione degli investimenti Mutina Profit Consulting S.r.l. affianca l imprenditore nella valutazione degli investimenti sia in termini di sostenibilità economica, mediante la predisposizione di Business

Dettagli

Modelli di portafoglio

Modelli di portafoglio Università Bicocca - Milano Anno Accademico 2007 / 2008 Modelli di portafoglio Corso di Risk Management Milano, 26 Marzo 2008 Perchè stimare EL e UL: un esempio Actual Portfolio Loss 2.00% 1.80% 1.60%

Dettagli

GUIDA ALLA LETTURA DELLE SCHEDE FONDI

GUIDA ALLA LETTURA DELLE SCHEDE FONDI GUIDA ALLA LETTURA DELLE SCHEDE FONDI Sintesi Descrizione delle caratteristiche qualitative con l indicazione di: categoria Morningstar, categoria Assogestioni, indice Fideuram. Commenti sulla gestione

Dettagli

Rischio e rendimento degli strumenti finanziari

Rischio e rendimento degli strumenti finanziari Finanza Aziendale Analisi e valutazioni per le decisioni aziendali Rischio e rendimento degli strumenti finanziari Capitolo 15 Indice degli argomenti 1. Analisi dei rendimenti delle principali attività

Dettagli

Scelte in condizione di incertezza

Scelte in condizione di incertezza Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo

Dettagli

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

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

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Il concetto di rischio

Il concetto di rischio Il concetto di rischio Il rischio si presenta in forma simmetrica: vi è la possibilità di ottenere un risultato inferiore a quello più probabile ma anche di ottenere un risultato superiore. Si può guardare

Dettagli

I.2 L analisi economico-finanziaria: redditività conseguita, redditività attesa e creazione di valore economico

I.2 L analisi economico-finanziaria: redditività conseguita, redditività attesa e creazione di valore economico Introduzione I.1 Premessa Analizzare la situazione economico-finanziaria di un impresa significa poter affrontare alcune questioni critiche della gestione dell azienda e cioè essere in grado di poter rispondere

Dettagli

LA VALUTAZIONE DI PORTAFOGLIO. Giuseppe G. Santorsola 1

LA VALUTAZIONE DI PORTAFOGLIO. Giuseppe G. Santorsola 1 LA VALUTAZIONE DI PORTAFOGLIO Giuseppe G. Santorsola 1 Rendimento e rischio Rendimento e rischio di un singolo titolo Rendimento e rischio di un portafoglio Rendimento ex post Media aritmetica dei rendimenti

Dettagli

Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente

Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente 1. MODELLO DELLE CONDIZIONI DEFINITIVE Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente CASSA CENTRALE RAIFFEISEN DELL ALTO ADIGE S.p.A. con sede legale in 39100 Bolzano, via Laurin 1

Dettagli

ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI. Docente: Prof. Massimo Mariani

ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI. Docente: Prof. Massimo Mariani ANALISI DEL RISCHIO NELLA VALUTAZIONE DEGLI INVESTIMENTI Docente: Prof. Massimo Mariani 1 SOMMARIO Analisi del rischio; limiti del VAN in contesti di incertezza; tecniche di descrizione del rischio dei

Dettagli

1. L analisi statistica

1. L analisi statistica 1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati

Dettagli

Economia Intermediari Finanziari 1

Economia Intermediari Finanziari 1 Economia Intermediari Finanziari Il rischio, inteso come possibilità che il rendimento atteso da un investimento in strumenti finanziari, sia diverso da quello atteso è funzione dei seguenti elementi:

Dettagli

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo.

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo. LEZIONE 4 Il Capital Asset Pricing Model 1 Generalità 1 Generalità (1) Il Capital Asset Pricing Model è un modello di equilibrio dei mercati che consente di individuare una precisa relazione tra rendimento

Dettagli

FINANZA AZIENDALE. - secondo modulo - anno accademico 2008/2009

FINANZA AZIENDALE. - secondo modulo - anno accademico 2008/2009 FINANZA AZIENDALE - secondo modulo - anno accademico 2008/2009 LEZIONE Rischio e rendimento Alcuni concetti introduttivi 2 Alcuni concetti introduttivi () Nella prima parte del corso l attenzione è venuta

Dettagli

Tecniche di stima del costo e delle altre forme di finanziamento

Tecniche di stima del costo e delle altre forme di finanziamento Finanza Aziendale Analisi e valutazioni per le decisioni aziendali Tecniche di stima del costo e delle altre forme di finanziamento Capitolo 17 Indice degli argomenti 1. Rischio operativo e finanziario

Dettagli

IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.

IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

13.10.2003 IT Gazzetta ufficiale dell Unione europea

13.10.2003 IT Gazzetta ufficiale dell Unione europea L 261/31 35. Informazioni sui valori contabili contenuti in differenti classificazioni di rimanenze e l ammontare delle variazioni in queste voci di attività è utile per gli utilizzatori del bilancio.

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

Scelte in condizioni di rischio e incertezza

Scelte in condizioni di rischio e incertezza CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente

Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente 1. MODELLO DELLE CONDIZIONI DEFINITIVE Cassa Centrale Raiffeisen dell Alto Adige in qualità di Emittente CASSA CENTRALE RAIFFEISEN DELL ALTO ADIGE S.p.A. con sede legale in 39100 Bolzano, via Laurin 1

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

FONDO PENSIONE APERTO CARIGE

FONDO PENSIONE APERTO CARIGE FONDO PENSIONE APERTO CARIGE INFORMAZIONI SULL ANDAMENTO DELLA GESTIONE I dati e le informazioni riportati sono aggiornati al 31 dicembre 2006. 1 di 8 La SGR è dotata di una funzione di Risk Management

Dettagli

Esercizi: i rendimenti finanziari

Esercizi: i rendimenti finanziari Esercizi: i rendimenti finanziari Operazioni algebriche elementari Distribuzione e dipendenza Teoria di probabilità Selezione portafoglio p. 1/25 Esercizio I Nella tabella sottostante relativa all indice

Dettagli

IL SISTEMA DI CONTROLLO INTERNO

IL SISTEMA DI CONTROLLO INTERNO http://www.sinedi.com ARTICOLO 27 OTTOBRE 2008 IL SISTEMA DI CONTROLLO INTERNO PRODUZIONE DI VALORE E RISCHIO D IMPRESA Nel corso del tempo, ogni azienda deve gestire un adeguato portafoglio di strumenti

Dettagli

TECNICHE DI STIMA DEL COSTO DEL CAPITALE AZIONARIO. Docente: Prof. Massimo Mariani

TECNICHE DI STIMA DEL COSTO DEL CAPITALE AZIONARIO. Docente: Prof. Massimo Mariani TECNICHE DI STIMA DEL COSTO DEL CAPITALE AZIONARIO Docente: Prof. Massimo Mariani 1 SOMMARIO Il costo del capitale: la logica di fondo Le finalità del calcolo del costo del capitale Il costo del capitale

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

Finanza Aziendale. Lezione 12. Analisi del rischio

Finanza Aziendale. Lezione 12. Analisi del rischio Finanza Aziendale Lezione 12 Analisi del rischio Obiettivi i della lezione I rendimenti e la loro misurazione I rendimenti medi ed il loro rischio La misurazione del rischio e l effetto diversificazione

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

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

Private Wealth Management

Private Wealth Management Private Wealth Management 1 I team Gruppo Fideuram dedicati alla clientela Private 2 Risk Management Key Clients Gestioni Private Private Banker Le migliori professionalità del Gruppo Fideuram si uniscono

Dettagli

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca di Anghiari e Stia - Tasso Variabile

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca di Anghiari e Stia - Tasso Variabile Banca di Anghiari e Stia Credito Cooperativo Società Cooperativa in qualità di Emittente CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca di Anghiari e Stia - Tasso Variabile Banca di Anghiari

Dettagli

Valutazione d Azienda Lezione 5

Valutazione d Azienda Lezione 5 Valutazione d Azienda Lezione 5 1 Le prospettive di valutazione [P.I.V. I.7] Generico operatore partecipante al mercato Specifico soggetto 2 I partecipanti al mercato Si tratta della generalità dei potenziali

Dettagli

info Prodotto Eurizon Multiasset Reddito Ottobre 2020 A chi si rivolge

info Prodotto Eurizon Multiasset Reddito Ottobre 2020 A chi si rivolge info Prodotto Eurizon Multiasset Reddito è un Fondo comune di diritto italiano, gestito da Eurizon Capital SGR, che persegue l'obiettivo di ottimizzare il rendimento del Fondo in un orizzonte temporale

Dettagli

Il concetto di correlazione

Il concetto di correlazione SESTA UNITA Il concetto di correlazione Fino a questo momento ci siamo interessati alle varie statistiche che ci consentono di descrivere la distribuzione dei punteggi di una data variabile e di collegare

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

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

Cassa Centrale Raiffeisen dell Alto Adige con sede legale in 39100 Bolzano, via Laurin no. 1

Cassa Centrale Raiffeisen dell Alto Adige con sede legale in 39100 Bolzano, via Laurin no. 1 A.1 MODELLO DELLE CONDIZIONI DEFINITIVE Cassa Centrale Raiffeisen dell Alto Adige con sede legale in 39100 Bolzano, via Laurin no. 1 Iscritta all albo delle banche tenuto dalla Banca d'italia al n. 3493.4

Dettagli

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana Credito Cooperativo Step Up / Step Up Amotizing

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana Credito Cooperativo Step Up / Step Up Amotizing MODELLO DELLE CONDIZIONI DEFINITIVE Banca Centropadana Credito Cooperativo in qualità di Emittente e di Responsabile del collocamento CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana

Dettagli

Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti

Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti finanziari in un contesto di flussi finanziari certi, tuttavia

Dettagli

CREDITO DI ROMAGNA S.p.A.

CREDITO DI ROMAGNA S.p.A. CREDITO DI ROMAGNA S.p.A. CONDIZIONI DEFINITIVE della NOTA INFORMATIVA CREDITO DI ROMAGNA OBBLIGAZIONI A STEP UP STEP DOWN CREDITO DI ROMAGNA S.p.A. STEP UP 02/02/2010 02/02/2013 SERIE 85 IT0004571151

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 39 Introduzione Come si è detto,

Dettagli

IL RISK MANAGEMENT NELLE PICCOLE E MEDIE IMPRESE ITALIANE

IL RISK MANAGEMENT NELLE PICCOLE E MEDIE IMPRESE ITALIANE IL RISK MANAGEMENT NELLE PICCOLE E MEDIE IMPRESE ITALIANE Sintesi dei risultati della seconda edizione dell Osservatorio Realizzato da: In collaborazione con: RISKGOVERNANCE 1 INDICE DEI CONTENUTI Copyright

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

Esperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo

Esperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo Università degli Studi di Perugia Laurea specialistica in Finanza a.a. 2009-10 Corso di Laboratorio di calcolo finanziario prof. Franco Moriconi Esperienza MBG Il moto browniano geometrico. Proprietà teoriche

Dettagli

Modelli operativi di Asset & liability management. Economia e Finanza delle Assicurazioni Università di Macerata Facoltà di. Mario Parisi.

Modelli operativi di Asset & liability management. Economia e Finanza delle Assicurazioni Università di Macerata Facoltà di. Mario Parisi. Economia e Finanza delle Assicurazioni Università di Macerata Facoltà di Economia Mario Parisi Modelli operativi di Asset & liability management 1 Il controllo dei rischi Uno dei primi obiettivi di un

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Le obbligazioni: misure di rendimento e rischio. Economia degli Intermediari Finanziari 4 maggio 2009 A.A. 2008-2009

Le obbligazioni: misure di rendimento e rischio. Economia degli Intermediari Finanziari 4 maggio 2009 A.A. 2008-2009 Le obbligazioni: misure di rendimento e rischio Economia degli Intermediari Finanziari 4 maggio 009 A.A. 008-009 Agenda 1. Introduzione ai concetti di rendimento e rischio. Il rendimento delle obbligazioni

Dettagli

Il processo decisionale di copertura del «cash flow interest rate risk» nelle imprese industriali

Il processo decisionale di copertura del «cash flow interest rate risk» nelle imprese industriali Il processo decisionale di copertura del «cash flow interest rate risk» nelle imprese industriali di Giuseppe Zillo e Elisabetta Cecchetto (*) La valutazione degli effetti delle variazioni dei tassi di

Dettagli

ISVAP Istituto per la Vigilanza sulle Assicurazioni Private e di Interesse Collettivo. Via del Quirinale, 21 00187 Roma. Roma, 15 giugno 2012

ISVAP Istituto per la Vigilanza sulle Assicurazioni Private e di Interesse Collettivo. Via del Quirinale, 21 00187 Roma. Roma, 15 giugno 2012 ISVAP Istituto per la Vigilanza sulle Assicurazioni Private e di Interesse Collettivo Via del Quirinale, 21 00187 Roma Roma, 15 giugno 2012 Commenti dell associazione Chief Risk Officer Forum Italia (CROFI)

Dettagli

Ing. Simone Giovannetti

Ing. Simone Giovannetti Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza

Dettagli

GRUPPI DI IMPRESA: SISTEMI DI PIANIFICAZIONE E CONTROLLO

GRUPPI DI IMPRESA: SISTEMI DI PIANIFICAZIONE E CONTROLLO http://www.sinedi.com ARTICOLO 63 LUGLIO/AGOSTO 2013 GRUPPI DI IMPRESA: SISTEMI DI PIANIFICAZIONE E CONTROLLO La letteratura dedicata al controllo di gestione è estremamente ampia e si è sviluppata largamente

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

09 - Funzioni reali di due variabili reali

09 - Funzioni reali di due variabili reali Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 09 - Funzioni reali di due variabili reali Anno Accademico 2013/2014

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

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

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana Credito Cooperativo Tasso Fisso

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana Credito Cooperativo Tasso Fisso MODELLO DELLE CONDIZIONI DEFINITIVE Banca Centropadana Credito Cooperativo in qualità di Emittente e di Responsabile del collocamento CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA Banca Centropadana

Dettagli

Economia Aziendale- Corso Progredito

Economia Aziendale- Corso Progredito Economia Aziendale- Corso Progredito Valutazione delle Banche!!! Palmeri Stefano! Voina Daniela! Introduzione Una banca è un istituto di credito che esercita congiuntamente l'attività di raccolta del risparmio

Dettagli

Relatori. Dott.ssa Donatella Cajano. Dott. Paolo Pepe. Dott. Enrico Ales. Tel 06.45.48.10.63

Relatori. Dott.ssa Donatella Cajano. Dott. Paolo Pepe. Dott. Enrico Ales. Tel 06.45.48.10.63 Relatori Dott.ssa Donatella Cajano Dott. Paolo Pepe Dott. Enrico Ales Analisi & Mercati Fee Only S.r.l. Tel 06.45.48.10.63 1 Analisi & Mercati Fee Only s.r.l. è una società di consulenza finanziaria indipendente

Dettagli

L analisi degli investimenti

L analisi degli investimenti Corso di Laurea in Produzione dell Edilizia Corso di Economia e Gestione delle Imprese 9^ lezione L analisi degli investimenti 3 maggio 2005 Prof. Federico Della Puppa - A.A. 2004-2005 Dalla teoria alla

Dettagli

Lezione 2: L investimento in strumenti finanziari I drivers dell analisi del valore L analisi dei titoli obbligazionari:

Lezione 2: L investimento in strumenti finanziari I drivers dell analisi del valore L analisi dei titoli obbligazionari: Lezione 2: L investimento in strumenti finanziari I drivers dell analisi del valore L analisi dei titoli obbligazionari: Analisi degli Investimenti 2014/15 Lorenzo Salieri L investimento in strumenti finanziari

Dettagli

Risparmio gestito e stili di gestione Dott. Sergio Paris - Università degli Studi di Bergamo

Risparmio gestito e stili di gestione Dott. Sergio Paris - Università degli Studi di Bergamo Economia dei mercati mobiliari e finanziamenti di aziende Risparmio gestito e stili di gestione Dott. Sergio Paris - Università degli Studi di Bergamo Gli stili di gestione Stile di gestione come espressione

Dettagli

Il Controllo di gestione nella piccola impresa

Il Controllo di gestione nella piccola impresa Stampa Il Controllo di gestione nella piccola impresa admin in A cura di http://www.soluzionipercrescere.com La piccola impresa presenta generalmente un organizzazione molto snella dove l imprenditore

Dettagli

Enterprise Risk Management - ERM

Enterprise Risk Management - ERM Enterprise Risk Management - ERM ANALISI, VALUTAZIONE E GESTIONE DEI RISCHI La sopravvivenza di un azienda è assicurata dalla sua capacità di creare valore per i suoi stakeholders. Tutte le aziende devono

Dettagli

Dalle Relazioni, il Valore

Dalle Relazioni, il Valore Calcolo e ripartizione del Valore Aggiunto 80 Schemi e prospetti 82 Le strategie e il Valore 86 Il Valore delle relazioni 88 Indici di Sostenibilità 89 78 79 Calcolo e ripartizione del Valore Aggiunto

Dettagli

BANCA DI CESENA CREDITO COOPERATIVO DI CESENA E RONTA SOCIETA COOPERATIVA

BANCA DI CESENA CREDITO COOPERATIVO DI CESENA E RONTA SOCIETA COOPERATIVA BANCA DI CESENA CREDITO COOPERATIVO DI CESENA E RONTA SOCIETA COOPERATIVA CONDIZIONI DEFINITIVE della NOTA INFORMATIVA BANCA DI CESENA OBBLIGAZIONI A TASSO FISSO BANCA DI CESENA 11/05/2009 11/11/2011 TF

Dettagli

Il controllo di gestione negli impianti a biogas

Il controllo di gestione negli impianti a biogas Il controllo di gestione negli impianti a biogas C è bisogno del controllo di gestione? Gli impianti a biogas hanno un ciclo produttivo apparentemente semplice che sulla carta consente agevolmente di realizzare

Dettagli

Banca di Credito Cooperativo di Alba, Langhe e Roero società cooperativa in qualità di Emittente

Banca di Credito Cooperativo di Alba, Langhe e Roero società cooperativa in qualità di Emittente Banca di Credito Cooperativo di Alba, Langhe e Roero società cooperativa in qualità di Emittente CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA SUL PROGRAMMA BANCA D ALBA CREDITO COOPERATIVO TASSO FISSO BCC

Dettagli

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

STATISTICA DESCRITTIVA. Le misure di tendenza centrale

STATISTICA DESCRITTIVA. Le misure di tendenza centrale STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati

Dettagli

Tecnica Bancaria (Cagliari - 2015)

Tecnica Bancaria (Cagliari - 2015) Tecnica Bancaria (Cagliari - 2015) prof. Mauro Aliano mauro.aliano@unica.it mauro.aliano@unica.it 1 Il rischio di interesse 2 Il rischio di tasso di interesse Il rischio di tasso di interesse può essere

Dettagli

Economia monetaria e creditizia. Slide 4

Economia monetaria e creditizia. Slide 4 Economia monetaria e creditizia Slide 4 Le teorie diverse che spiegano come di determina la domanda di moneta possono essere ricondotte alle due funzioni di mezzo di pagamento e di riserva di valore la

Dettagli

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico

estratto da Competenze assi culturali Raccolta delle rubriche di competenza formulate secondo i livelli EFQ a cura USP Treviso Asse matematico Competenza matematica n. BIENNIO, BIENNIO Utilizzare le tecniche e le procedure del calcolo aritmetico ed algebrico, rappresentandole anche sotto forma grafica BIENNIO BIENNIO Operare sui dati comprendendone

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

Alberi Decisionali di Vito Madaio

Alberi Decisionali di Vito Madaio Tecnica degli Alberi Decisionali Cosa è un albero decisionale Un albero decisionale è la dimostrazione grafica di una scelta effettuata o proposta. Non sempre ciò che istintivamente ci appare più interessante

Dettagli

Analisi della performance temporale della rete

Analisi della performance temporale della rete Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:

Dettagli

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA PER L OFFERTA DEI PRESTITI OBBLIGAZIONARI A TASSO STEP UP

CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA PER L OFFERTA DEI PRESTITI OBBLIGAZIONARI A TASSO STEP UP CONDIZIONI DEFINITIVE ALLA NOTA INFORMATIVA PER L OFFERTA DEI PRESTITI OBBLIGAZIONARI A TASSO STEP UP Banca Popolare del Lazio Step Up 24/11/2009 24/11/2012, Codice Isin IT0004549686 Le presenti Condizioni

Dettagli