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

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

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

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

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

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

(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

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

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

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

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

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

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

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

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

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

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

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

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

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

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

Il monitoraggio della gestione finanziaria dei fondi pensione

Il monitoraggio della gestione finanziaria dei fondi pensione Il monitoraggio della gestione finanziaria nei fondi pensione Prof. Università di Cagliari micocci@unica.it Roma, 4 maggio 2004 1 Caratteristiche tecnico - attuariali dei fondi pensione Sistema finanziario

Dettagli

R I S K M A N A G E M E N T & F I N A N C E

R I S K M A N A G E M E N T & F I N A N C E R I S K M A N A G E M E N T & F I N A N C E 2010 Redexe S.u.r.l., Tutti i diritti sono riservati REDEXE S.r.l., Società a Socio Unico Sede Legale: 36100 Vicenza, Viale Riviera Berica 31 ISCRITTA ALLA CCIAA

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

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

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

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

IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI

IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI IL TRATTAMENTO DEL RISCHIO NELL ANALISI DEGLI INVESTIMENTI IN BENI STRUMENTALI Testo di riferimento: Analisi finanziaria (a cura di E. Pavarani) McGraw-Hill 2001 cap. 11 (dottor Alberto Lanzavecchia) Indice

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

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

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione

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

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Corso di Asset and liability management (profili economico-aziendali) Il patrimonio di vigilanza e la misurazione del rischio di credito

Corso di Asset and liability management (profili economico-aziendali) Il patrimonio di vigilanza e la misurazione del rischio di credito Università degli Studi di Parma Corso di Asset and liability management (profili economico-aziendali) Il patrimonio di vigilanza e la misurazione del rischio di credito Prof.ssa Paola Schwizer Anno accademico

Dettagli

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

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

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

Operazioni, attività e passività in valuta estera

Operazioni, attività e passività in valuta estera OIC ORGANISMO ITALIANO DI CONTABILITÀ PRINCIPI CONTABILI Operazioni, attività e passività in valuta estera Agosto 2014 Copyright OIC PRESENTAZIONE L Organismo Italiano di Contabilità (OIC) si è costituito,

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

PRINCIPI BASILARI DI ELETTROTECNICA

PRINCIPI BASILARI DI ELETTROTECNICA PRINCIPI BASILARI DI ELETTROTECNICA Prerequisiti - Impiego di Multipli e Sottomultipli nelle equazioni - Equazioni lineari di primo grado e capacità di ricavare le formule inverse - nozioni base di fisica

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

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Strategie competitive ed assetti organizzativi nell asset management

Strategie competitive ed assetti organizzativi nell asset management Lezione di Corporate e Investment Banking Università degli Studi di Roma Tre Strategie competitive ed assetti organizzativi nell asset management Massimo Caratelli, febbraio 2006 ma.caratelli@uniroma3.it

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

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

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

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

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

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

IFRS 2 Pagamenti basati su azioni

IFRS 2 Pagamenti basati su azioni Pagamenti basati su azioni International Financial Reporting Standard 2 Pagamenti basati su azioni FINALITÀ 1 Il presente IRFS ha lo scopo di definire la rappresentazione in bilancio di una entità che

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

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli

L analisi economico finanziaria dei progetti

L analisi economico finanziaria dei progetti PROVINCIA di FROSINONE CIOCIARIA SVILUPPO S.c.p.a. LABORATORI PER LO SVILUPPO LOCALE L analisi economico finanziaria dei progetti Azione n. 2 Progetti per lo sviluppo locale LA FINANZA DI PROGETTO Frosinone,

Dettagli

PRESENTARE UN IDEA PROGETTUALE

PRESENTARE UN IDEA PROGETTUALE PRESENTARE UN IDEA PROGETTUALE LINEE GUIDA PER UNA EFFICACE PRESENTAZIONE DI UN BUSINESS PLAN INTRODUZIONE ALLA GUIDA Questa breve guida vuole indicare in maniera chiara ed efficiente gli elementi salienti

Dettagli

PRIMI DATI SULLA SPERIMENTAZIONE DEL SOSTEGNO PER L INCLUSIONE ATTIVA (SIA) NEI GRANDI COMUNI

PRIMI DATI SULLA SPERIMENTAZIONE DEL SOSTEGNO PER L INCLUSIONE ATTIVA (SIA) NEI GRANDI COMUNI DIREZIONE GENERALE PER flash 29 L INCLUSIONE E LE POLITICHE SOCIALI PRIMI DATI SULLA SPERIMENTAZIONE DEL SOSTEGNO PER L INCLUSIONE ATTIVA (SIA) NEI GRANDI COMUNI Roma, 1 settembre 2014 Il punto di partenza:

Dettagli

CORSO DI CONTABILITA E BILANCIO 2

CORSO DI CONTABILITA E BILANCIO 2 CORSO DI CONTABILITA E BILANCIO 2 La valutazione delle IMMOBILIZZAZIONI MATERIALI Prima lezione di Alberto Bertoni 1 IMMOBILIZZAZIONI Definizione Cod. Civ. art. 2424-bis, 1 c. Le immobilizzazioni sono

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

LE FUNZIONI E LE LORO PROPRIETÀ

LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE

UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Tratto dal corso Ifoa UN CASO CONCRETO DI VALUTAZIONE DELLA SODDISFAZIONE DEL CLIENTE Recentemente, si sono sviluppati numerosi modelli finalizzati a valutare e a controllare il livello di soddisfazione

Dettagli

Le trasformazioni geometriche

Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni affini del piano o affinità Le similitudini Le isometrie Le traslazioni Le rotazioni Le simmetrie assiale e centrale Le omotetie

Dettagli

Grafici di redditività BREAK-EVEN ANALYSIS

Grafici di redditività BREAK-EVEN ANALYSIS Grafici di redditività BREAK-EVEN ANALYSIS 1 Analisi del punto di equilibrio o di pareggio Consiste nella determinazione grafica o matematica del quantitativo di vendita al quale i costi totali e i ricavi

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

LINEE GUIDA PER LA COMPILAZIONE

LINEE GUIDA PER LA COMPILAZIONE Modulo DATI INFORMATIVI FINANZIARI ANNUALI per gli emittenti industriali LINEE GUIDA PER LA COMPILAZIONE Data : 03/05/2011 Versione : 1.3 1 Revisioni Data Versione Cap./ Modificati 03/05/2010 1.0-13/05/2010

Dettagli

Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS)

Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS) Il modello metodologico del Sistema di Misurazione e Valutazione della sicurezza aziendale (MVS) >> Il Sistema MVS permette di misurare e valutare la sicurezza aziendale (nell accezione di Security) nei

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Il sistema informativo aziendale

Il sistema informativo aziendale Albez edutainment production Il sistema informativo aziendale III classe ITC 1 Alla fine di questo modulo sarai in grado di: conoscere funzioni, obiettivi e struttura del sistema informativo aziendale;

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

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

I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value

I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value I CRITERI DI VALUTAZIONE DELLE POSTE DI BILANCIO: una breve disamina sul fair value A cura Alessio D'Oca Premessa Nell ambito dei principi che orientano la valutazione del bilancio delle società uno dei

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

L Emittente, Offerente e Responsabile del Collocamento. Banca di Credito Cooperativo di Flumeri

L Emittente, Offerente e Responsabile del Collocamento. Banca di Credito Cooperativo di Flumeri Prospetto Informativo Semplificato per l offerta al pubblico di strumenti diversi dai titoli di capitale emessi in modo continuo o ripetuto da banche di cui all art. 34-ter, comma 4 del Regolamento Consob

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

LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2014-2016

LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2014-2016 5 maggio 2014 LE PROSPETTIVE PER L ECONOMIA ITALIANA NEL 2014-2016 Nel 2014 si prevede un aumento del prodotto interno lordo (Pil) italiano pari allo 0,6% in termini reali, seguito da una crescita dell

Dettagli

La Valutazione degli Asset Intangibili

La Valutazione degli Asset Intangibili La Valutazione degli Asset Intangibili Chiara Fratini Gli asset intangibili rappresentano il patrimonio di conoscenza di un organizzazione. In un accezione ampia del concetto di conoscenza, questo patrimonio

Dettagli

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un

Dettagli

Università di Pavia - Facoltà di Economia

Università di Pavia - Facoltà di Economia 0 Università di Pavia - Facoltà di Economia Il calcolo imprenditoriale per la trasformazione «finanziaria» Michela Pellicelli Le imprese possono essere considerate trasformatori finanziari in quanto: a)

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

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

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

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

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

RELAZIONE DEL CONSIGLIO DI AMMINISTRAZIONE SULLA GESTIONE DELL ESERCIZIO CHIUSO AL 31 DICEMBRE 2012

RELAZIONE DEL CONSIGLIO DI AMMINISTRAZIONE SULLA GESTIONE DELL ESERCIZIO CHIUSO AL 31 DICEMBRE 2012 STUDIARE SVILUPPO SRL Sede legale: Via Vitorchiano, 123-00189 - Roma Capitale sociale 750.000 interamente versato Registro delle Imprese di Roma e Codice fiscale 07444831007 Partita IVA 07444831007 - R.E.A.

Dettagli

guida introduttiva alla previdenza complementare

guida introduttiva alla previdenza complementare COVIP Commissione di Vigilanza sui Fondi Pensione COVIP Commissione di Vigilanza sui Fondi Pensione Con questa Guida la COVIP intende illustrarti, con un linguaggio semplice e l aiuto di alcuni esempi,

Dettagli

Governance e performance nei servizi pubblici locali

Governance e performance nei servizi pubblici locali Governance e performance nei servizi pubblici locali Anna Menozzi Lecce, 26 aprile 2007 Università degli studi del Salento Master PIT 9.4 in Analisi dei mercati e sviluppo locale Modulo M7 Economia dei

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

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

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

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

IMU: analisi dei versamenti 2012

IMU: analisi dei versamenti 2012 IMU: analisi dei versamenti 2012 1. Analisi dei versamenti complessivi I versamenti IMU totali aggiornati alle deleghe del 25 gennaio 2013 ammontano a circa 23,7 miliardi di euro, di cui 9,9 miliardi di

Dettagli

Risk management come opportunità per un nuovo welfare

Risk management come opportunità per un nuovo welfare Risk management come opportunità per un nuovo welfare Il contesto economico e sociale in cui operano i comitati Uisp condiziona la loro attività mettendoli di fronte a criticità di natura organizzativa,

Dettagli

Sistemi di supporto alle decisioni

Sistemi di supporto alle decisioni Sistemi di supporto alle decisioni Introduzione I sistemi di supporto alle decisioni, DSS (decision support system), sono strumenti informatici che utilizzano dati e modelli matematici a supporto del decision

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

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

ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali

ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali ATTUAZIONE DEL PROGETTO E IL MANAGEMENT: alcune definizioni e indicazioni generali Cos è un progetto? Un iniziativa temporanea intrapresa per creare un prodotto o un servizio univoco (PMI - Project Management

Dettagli