1.La valutazione della qualità delle previsioni meteorologiche

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1.La valutazione della qualità delle previsioni meteorologiche"

Transcript

1 Davide Maspero Università Bocconi Departimento di Finanza 1.La valutazione della qualità delle previsioni meteorologiche Martedì 26 gennaio Mercoledì 27 gennaio 2010

2 La verifica delle previsioni meteorologiche Ragioni per effettuare verifiche della qualità delle previsioni Ragioni scientifiche: migliorare i modelli previsionali, rilevare bias nei modelli o nell attività previsionale dei metereologi Ragioni economiche: in questo caso la valutazione è legata all utente esposto al rischio meteorologico Ragioni amministrative: incentivazione, assegnazione fondi, nuova strumentazione, paragone tra strutture diverse Problema comune ad altre discipline: Medicina: valutazione del potere diagnostico o discriminante di analisi Finanza: aspetto fondamentale sia nelle scelte macroeconomiche sia nelle scelte di investimento individuali

3 Problematiche generali nell attività di verifica Definizione degli eventi Come sono definiti gli eventi oggetto di previsione? Osservabilità degli eventi Dove sono posizionate le stazioni che rilevano gli eventi rispetto al territorio coperto dalla previsione? Cambiamenti nei dati disponibili per le verifiche Es: introduzione di nuove stazioni o di nuovi strumenti o di nuove metodologie di acquisizione ed elaborazione dei dati

4 La tipologia di previsione impatta sulle modalità di verifica Vasta gamma di tipologie previsionali Previsioni binarie o in categorie multiple Previsioni deterministiche o probabilistiche Previsioni qualitative e quantitative Sono state sviluppate numerose misure di verifica della qualità previsionale specifiche per le diverse tipologie previsionali E possibile ipotizzare uno schema generale di riferimento?

5 La distribuzione congiunta di probabilità delle previsioni e degli eventi Ogni attività di verifica della qualità previsionale è legata allo studio della distribuzione congiunta di probabilità delle previsioni e degli eventi p(f,x) E una distribuzione empirica ex-post della previsione e dell evento realizzato. Può essere interpretata come un approssimazione della vera distribuzione teorica che ci piacerebbe conoscere. Esempi di possibile distribuzione congiunta: A. Binaria: pioggia/non pioggia B. Discreta: probabilità di pioggia per quantili/pioggia C. Continua: temperatura massima prevista/realizzata

6 Una buona previsione La previsione perfetta negli esempi A e B è quella in cui le frequenze relative sono positive solo per le coppie p(1,1) e p(0,0). Nel caso C le osservazioni giacciono solo sulla diagonale del diagramma (f,x) Realisticamente ci accontentiamo di avere alte frequenze relative per le coppie (f,x) in cui f è vicino a x e basse frequenze per le coppie in cui f è lontano da x.

7 Una cattiva previsione La previsione perfettamente cattiva è quella in cui le frequenze relative sono positive solo per p(0,1) e p(1,0) Questa peraltro è una previsione facilmente ricalibrabile in una previsione perfetta E peggio avere una previsione in cui la colonna di frequenze relative p(f,1) è uguale a quella p(f,0). In questo caso la previsione è statisticamente indipendente dalla realizzazione dell evento e non ha alcun contenuto informativo

8 Fattorizzazioni della distribuzione congiunta Ogni distribuzione congiunta può essere scomposta nel prodotto di una distribuzione condizionata e di una distribuzione marginale Nel caso in esame, dato che abbiamo solo due variabili (la previsione e l evento) le scomposizioni possibili sono due: p(f,x) = p(x f)p(f) calibration-refinement p(f,x) = p(f x)p(x) likelihood-base rate Ciascuna delle due scomposizioni fornisce informazioni sulla qualità della previsione

9 La scomposizione calibration-refinement p(f,x) = p(x f)p(f) P(x f)= distribuzione degli eventi data la previsione P(f) = distribuzione marginale delle previsioni Nel caso binario esistono due distribuzioni condizionali e vorremmo alte frequenze relative per p(x=1 f=1) e p(x=0 f=0) Nel caso probabilistico discreto abbiamo tante distribuzioni condizionali quante sono le categorie e vorremmo che fosse p(x=1 f) = f Nel caso continuo la condizione di calibrazione è che E(x f) = f Se p(x f) = p(x) la previsione non contiene informazioni sull evento

10 La scomposizione likelihood-base rate p(f,x) = p(f x)p(x) P(f x)= distribuzione delle previsioni dato l evento (likelihood, verosimiglianza) P(x) = distribuzione marginale degli eventi (base rate, dato climatologico). Non dipende dalle previsioni Nel caso binario vorremmo alte frequenze relative per p(f=1 x=1) e p(f=0 x=0) Nel caso discreto abbiamo tante distribuzioni condizionali quanti sono gli eventi (2 nell esempio B). Vorremmo alte frequenze per valori di f elevati quando x = 1 e alte frequenze per valori di f bassi quando x = 0 Se p(f x) = p(f) l evento non contiene informazioni sulla previsione (dato l evento non sappiamo nulla di più su quale previsione lo abbia preceduto)

11 La scomposizione calibration-refinement

12 La scomposizione likelihood-base rate

13 Le scomposizioni e il teorema di Bayes Dato che deve essere: P(x f)p(f) = p(f x)p(x) Si può scrivere: P(x f)=p(f x)p(x)/p(f) Il significato di questa scomposizione è che il dato climatologico p(x) (distribuzione a priori) viene aggiornato tramite la verosimiglianza p(f x) standardizzata per p(f) per ottenere una probabilità a posteriori p(x f)

14 Esempio La probabilità che piova dato che la probabilità di pioggia prevista è 20% è pari al 15,13%. Questo dato può essere calcolato anche come la probabilità non condizionale di pioggia (24,93%) moltiplicata per la probabilità che la previsione sia 20% posto che piova (12,68%) e diviso per la probabilità non condizionale di una previsione pari al 20% (20,89%). In questo caso il rapporto tra la probabilità che la previsione sia 20% posto che piova e la probabilità non condizionale di una previsione pari al 20% (20,89%) è pari a 0,6069 Come paragone, la probabilità che piova dato che la probabilità prevista è 80% è pari al 74,47%. Ovviamente la probabilità non condizionale di pioggia è la stessa (24,93%), ma il rapporto citato sopra p(f x)/p(f) è molto maggiore e pari a 2,896 = (8,66%/2,90%)

15 Le problematiche nella percezione delle probabilità condizionali Esempio dei tre prigionieri (o delle tre porte, o dei tre bussolotti ) Noto come problema di Monty Hall Proviamo a usare il teorema di Bayes P(AC BI) = P(BI AC)*P(AC)/P(BI) P(AC GBI) =P(GBI AC)*P(AC)/P(GBI) Problema delle tre carte: RR,BR,BB P(RR R)=P(R RR)*P(RR)/P(R)

16 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: il caso binario

17 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: il caso binario E sorprendente quante misure di qualità della previsione possano essere costruite in uno schema così semplice: Percentuale di previsioni corrette (PC)=( )/2803 = 96,61% = p(f=x) 1-PC = MSE Hit rate (H) = 28/(28+23) = 54,90% = p(f=1 x=1) (sensitivity) False alarm rate (F) = 72/( ) = 2,616% = p(f=1 x=0). In medicina si usa (1- F) = 2680/( )= 97,384% (specificity). Errore di tipo 1 nella teoria delle ipotesi False alarm ratio (FAR) = 72/(28+72) = 72% = p(x=0 f=1) Heidke/Doolitle Skill Score (HSS) ha range [-1,1] (PC-E)/(1-E) = (96,61%-94,73%)/(1-94,73%) = 0,3567 E = [p(x=1)p(f=1)+p(x=0)p(f=0)] = 0,018*0,036+0,982*0,964= 0,9473 E = proporzione di previsioni corrette se previsioni e eventi fossero indipendenti Peirce Skill Score (PSS) = H-F = (28* *72)/[(28+23)*( )] = 52,28% Ha range [-1,1]

18 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: il caso binario (segue) Critical Succes Index (CSI) = 28/( ) = 22,76% (Threat score) Ha range [0,1]. Utile quando la previsione di rifiuto corretto è molto facile Gilbert s skill score (GSS). E uguale al CSI corretto per il numero di previsioni corrette dell evento R che si sarebbero registrate per effetto del caso R = (28+72)(28+23)/2803 = 1,819 GSS = (28-1,819)/(28-1, ) = 21,60% GSS =HSS/(2-HSS) Yule s Q (Odds ratio skill score) = (28* *23)/(28* *23)=0,9594 Legato all odds ratio OR usato in medicina (28*2860)/(72*23)=48,35 Q = (OR-1)/(OR+1) Quasi tutte queste misure erano state scoperte e utilizzate già nell 800 a seguito del dibattito sugli studi di Finley

19 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: previsioni probabilistiche In questo caso è comune utilizzare misure statistiche che legano p(x f) a f. 1,00 0,90 0,80 0,70 0,60 p(x f) 0,50 p(x f) 0,40 0,30 0,20 0,10 0,00 0,00 0,10 0,20 0,30 0,40 0,50 0,60 0,70 0,80 0,90 1,00 f

20 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: previsioni probabilistiche

21 Esempi di applicazioni specifiche delle scomposizioni della distribuzione congiunta: il caso continuo In questo caso le probabilità condizionali sono meno utilizzate e si ricorre prevalentemente a misure statistiche tradizionali e a rappresentazioni grafiche

22 La previsione di eventi estremi: il contributo del risk management finanziario Enorme sviluppo del risk management negli anni 90 e in particolare del risk management finanziario legato alla misura nota come VaR VaR = misura della perdita di un portafoglio che non verrà ecceduta su un dato orizzonte temporale solitamente giornaliero - con un dato livello di confidenza, tipicamente 95% o 99% Il VaR è un percentile basso della distribuzione di probabilità dei profitti e delle perdite di un portafoglio Analogo meteo: qual è quella precipitazione in mm che si stima non verrà ecceduta nelle prossime 24h se non in un 1% o 5% di casi Sviluppo di test statistici per misurare la qualità delle stime di VaR Precisione incondizionata (calibrazione) e condizionale (reattività)

23 Precisione incondizionata e condizionale Precisione incondizionata (N3+N4)/N = (1-LC) Precisione condizionale N3/(N1+N3) = = N4/(N2+N4) La probabilità di un eccezione dopo un eccezione deve essere uguale a quella di un eccezione dopo una non eccezione Eccezione: L < VAR

24 Reattività degli indicatori di rischio Actual P&L Stime VaR out-ofsample VaR, con time horizon di 1 mese e livello di confid. 95% per il JPM Gvt. Italy. Log-rendimenti giornalieri dall 1/1/1990 al 5/5/2000. Rolling window di 18 mesi. Standard Variance-Covariance model Bootstrapping (BAGV model)

25 Davide Maspero Università Bocconi Departimento di Finanza 2. Valutazione economica delle previsioni e gestione del rischio meteorologico Martedì 26 gennaio Mercoledì 27 gennaio 2010

26 Il legame tra qualità delle previsioni e valore economico Schema costo/danno (cost/loss): considera il costo di proteggersi da eventi avversi e il danno procurato in caso di non copertura e verificarsi dell evento (con C<L) Tornado No Tornado Protezione C C Non protezione L 0 Se immaginiamo di agire sulla base della previsione ci proteggeremo quando la previsione è tornado e non ci proteggeremo quando la previsione è non tornado. Se la previsione fosse perfetta il costo atteso sarebbe pari a C*p(x=1)=C*p(f=1)= sc dove s è la probabilità climatologica dell evento. La imperfezione della previsione aumenta il costo atteso a C*p(x=1,f=1)+C*p(x=0,f=1)+L*p(f=0,x=1) In assenza di previsioni il costo atteso è sl se non ci si copre mai e C se ci si copre sempre. Se C<sL conviene coprirsi, altrimenti no. Ipotizzando razionalità il costo atteso è min(c,sl)

27 Il legame tra qualità delle previsioni e valore economico Il vantaggio economico della previsione consiste nel ridurre il costo atteso E(f) sotto il livello di assenza di previsione E(nf). Il vantaggio viene rapportato al vantaggio massimo ottenibile E(pf), dato dalla perfetta previsione V= [E(nf)-E(f)]/[E(nf)-E(pf)] Confrontando previsioni diverse con diverse p(f,x) possiamo scegliere quella che minimizza il costo atteso La scelta dipenderà dal valore relativo di C e L. Alti rapporti C/L renderanno più onerosa la copertura e quindi molto penalizzanti alti valori di p(x=0,f=1). Al contrario bassi valori di C/L renderanno più onerosi alti valori di p(x=1,f=0)

28 Il legame con le previsioni probabilistiche Se la previsione binaria discende da una previsione probabilistica il previsore deve scegliere una soglia sopra la quale dichiara di prevedere l evento Soglie basse riducono p(x=1,f=0) ma aumentano p(x=0,f=1). Saranno quindi penalizzanti quando C/L è alto. Al contrario soglie alte di probabilità aumentano p(x=1,f=0) ma riducono p(x=0,f=1). Saranno penalizzanti quando C/L è basso Quindi se C/L è basso è meglio avere una soglia bassa; se C/L è alto è meglio avere una soglia alta. Pb: utenti diversi hanno diversi rapporti C/L, ma se il previsore è uno solo la previsione binaria sarà unica. Meglio sarebbe in questo caso avere a disposizione la previsione probabilistica Pb di soggettività della valutazione economica

29 La decisione basata sul valore atteso: un framework corretto? Una possibile scelta, ma non l unica Molto diffusa nella letteratura meteorologica In finanza non viene solitamente considerata, perché la si ritiene non coerente con le scelte comportamentali degli investitori Fin dagli anni 50 si è imposto un paradigma alternativo

30 Un paradigma alternativo: l utilità attesa Paradosso di San Pietroburgo Sviluppato ed esposto da Daniel Bernoulli agli inizi del 700 Mostra l insufficienza del rendimento atteso nel classificare gli eventi Gli individui effettuano le loro scelte in regime di incertezza basandosi sull utilità associata agli eventi Quando un evento è aleatorio viene valutato sulla base della utilità media che genera, vale a dire la somma delle utilità associate ai possibili eventi ponderate per le rispettive probabilità di accadimento.

31 Investimenti e stati del mondo Il problema delle decisioni in condizioni di incertezza nasce dalla circostanza che alcune scelte sono migliori in alcuni stati del mondo e altre sono migliori in altri stati.

32 Assiomi della teoria dell utilità Completezza : A>B, A=B oppure A<B Transitività: se A>B e B>C allora A>C Continuità: se A>B>C c è una p tale che pa+(1-p)c = B Indipendenza: se A>B allora pa + (1-p)C > pb + (1-p)C

33 Il paradosso di Allais

34 Il paradosso di Allais (segue)

35 Utilità attesa della ricchezza e utilità della ricchezza attesa In linea generale l utilità attesa della ricchezza sarà diversa dall utilità del valore atteso della ricchezza

36 Avversione al rischio E l ipotesi alla base dell intera teoria della finanza dagli anni 50 in poi

37 Una rappresentazione grafica

38 Neutralità al rischio

39 Preferenza per il rischio

40 Funzioni di utilità: utilità lineare e quadratica

41 Funzioni di utilità: utilità esponenziale negativa e logaritmica

42 La stima dei parametri di una funzione di utilità

43 La stima dei parametri di una funzione di utilità

44 Avversione al rischio e scelte di copertura Un individuo avverso al rischio potrà avere interesse a coprire il rischio meteorologico, perché questa scelta può aumentare la sua utilità attesa Anche in questo caso migliori previsioni porteranno a maggiore utilità, ma non è detto che il ranking delle previsioni sia lo stesso determinato dal criterio del valore atteso, anche a parità di cost/loss ratio

45 La gestione del rischio meteorologico: il contributo della finanza Due esigenze diverse Copertura di eventi molto dannosi o catastrofali (bassa probabilità, alto rischio) Esempi: grandine, alluvioni, nevicate intense, uragani Copertura di una variabilità ordinaria delle condizioni meteorologiche (alta probabilità, basso rischio) Esempi: stagione più calda o fredda della media, stagione più o meno piovosa della media, weekend più o meno soleggiati della media Interessa una grande varietà di utenti: produttori e distributori di energia, operatori del turismo, del settore alimentare, parchi tematici

46 La copertura di eventi ad alto rischio: l assicurazione e la teoria dell utilità Esempio con utilità logaritmica U =ln(w) Un agricoltore si aspetta di incassare 20 dalla vendita di mele ma sa che una grandinata (p=10%) potrebbe danneggiare il raccolto e ridurne il valore a 6. Il valore atteso del raccolto è 18,6. Il premio assicurativo equo dal punto di vista attuariale è 1,4. Quanto in più è disposto a pagare l agricoltore? Ln(20-1,4-x) = 0,9*ln(20)+0,10*ln(6) Ln(18,6-x) = 2,8753 = ln(17,73) L agricoltore è pronto a pagare un extra premio fino a 0,87 oltre a quello equo attuariale pur di evitare l aleatorietà

47 I weather derivatives: origini del mercato Il mercato dei derivati meteo nasce nel contesto della liberalizzazione del settore energetico degli Stati Uniti La variabilità nelle condizioni atmosferiche è stata sempre riconosciuta come uno dei fattori più rilevanti per il consumo di energia, tuttavia gli effetti delle imprevedibili condizioni meteorologiche stagionali erano stati in precedenza assorbiti e gestiti all'interno di un mercato regolamentato, in condizioni di monopolio Con la liberalizzazione, i vari partecipanti al processo di produzione, marketing e fornitura di energia alle famiglie e alle imprese statunitensi si sono ritrovati ad affrontare le condizioni meteorologiche come un rischio nuovo e significativo per la loro redditività

48 I weather derivatives: origini del mercato I primi contratti furono trattati come transazioni over-the- counter negoziate privatamente e furono strutturati per proteggersi dalle differenze di temperatura rispetto alle medie storiche in regioni specifiche per le stagioni invernali o estive Al di là delle ovvie applicazioni iniziali dei derivati sul tempo per la copertura dei rischi legati al consumo di energia, il mercato si è ampliato per affrontare una vasta gamma di rischi legati al tempo incontrati da numerosi altri settori industriali La stima dell US Department of Commerce indica che più di 1000 miliardi di USD di attività economica statunitense è esposta ai rischi del tempo, e le operazioni nel corso degli ultimi anni hanno fornito protezione dal tempo per le imprese in diversi settori come spettacolo, commercio al dettaglio, agricoltura e costruzioni

49 I settori sensibili alle condizioni meteo

50 I nuovi partecipanti Compagnie di assicurazione Investment banks Trader professionali di hedge funds o commodities Aziende del settore energetico

51 L offerta di prodotti Derivati OTC: swap, opzioni, contratti forward Derivati regolamentati: futures e opzioni su futures

52 I prodotti CME

53 Chi usa i Derivati Meteo CME Gli utilizzatori di prodotti meteo CME includono le società in business legati all energia nonché un numero crescente di imprese agricole, ristoranti, e società coinvolte nel turismo Molti traders di derivati meteo OTC scambiano anche prodotti meteo CME al fine di coprire le loro transazioni OTC Il mercato meteo CME non riguarda tanto gli eventi meteorologici estremi quanto le variazioni meteorologiche ordinarie che, anche se meno drammatiche, possono seriamente impattare la redditività di una società

54 Chi usa i Derivati-Meteo CME? Caso 1 Una stazione sciistica per rimanere in attività dipende da un clima freddo. Per proteggersi dalla possibilità di un inverno caldo, la stazione sciistica può vendere (andare corto) contratti CME HDD ad un livello da stabilire con l aiuto di una società di analisi di temperature Un inverno caldo risulterà in un basso indice HDD, e la stazione sciistica potrà ricomprare i suoi contratti ad un prezzo più basso, usando il profitto per compensare le perdite nella sua attività

55 Chi usa i derivati meteo CME? Caso 2 Un trader professionale specializzato in derivati meteo ha letto una ricerca che sostiene che un numero elevato di uragani nel sud e sud-est degli USA precede inverno più freddi della media nel nord-est USA Dopo avere osservato parecchi uragani colpire il sud e sud-est degli USA il trader decide di aprire una posizione lunga (acquisto) sul contratto future stagionale CME HDD di Chicago, sperando che l indice aumenti man mano che le temperature scendono oltre i livelli previsti, riuscendo poi a chiudere la propria posizione con un profitto

56 Indici utilizzati nei weather derivatives I contratti meteorologici per i mesi invernali negli USA e in Europa sono basati su un indice dei valori di HDD Heating Degree Days, i giorni in cui l energia è usata per il riscaldamento Analogamente i contratti estivi USA sono basati su un indice di Cooling Degree Days, giorni in cui l energia è usata per il condizionamento In Europa i contratti CMR estivi sono basati su un indice di Temperatura Media Cumulata (CAT) Sia gli indici HDD che i CDD sono calcolati sulla base delle deviazioni di temperatura media rispetto ai 65 Fahrenheit in USA e ai 18 Celsius in Europa e Giappone La temperatura media giornaliera è la la media tra temperatura massima e minima nella 24 ore dalla mezzanotte di un giorno a quella di un giorno successivo.

57 Perchè la scelta dei 18? Consumo di gas, media tra Milano e Palermo

58 I valori giornalieri degli indici HDD e CDD Il valore di un HDD indica di quanti gradi la temperatura media di un dato giorno è inferiore a 65 F Ad esempio una temperatura media di 40 F genera un valore HDD giornaliero di 25 Temperature sopra i 65 F generano HDD pari a 0 Il valore di un CDD indica di quanti gradi la temperatura media di un dato giorno è superiore a 65 F Ad esempio una temperatura media di 80 F genera un valore CDD giornaliero di 15 Temperature sotto i 65 F generano CDD pari a 0

59 La misurazione dei valori mensili degli indici I valori degli indici HDD e CDD mensili sono la somma dei valori HDD e CDD giornalieri registrati in un dato mese. Se ad esempio si fossero registrate 10 giornate HDD a Novembre 2009 a Chicago, il valore dell indice mensile HDD riferito a Chicago per Novembre 2009 sarebbe pari alla somma dei 10 valori giornalieri Se i valori HDD fossero 25,15, 20, 25,18, 22, 20,19, 21 e 23 il valore mensile dell indice sarebbe 208. Il valore di un contratto future CME si ottiene moltiplicando il valore HDD o CDD mensile per 20 USD. Nell esempio citato il contratto sarebbe regaolato a scadenza al valore di 4160 USD (20x208)

60 La protezione con opzioni OTC Esempio di utilizzo di opzioni: protezione contro un un inverno caldo Indice sottostante: Heating Degree Days Periodo di rilevamento: 1 Nov 31 Mar Opzione put con cap Strike = 4850 HDD Tick size = USD Cap = USD Costo = 150,000 USD

61 La protezione con opzioni OTC

Derivati: principali vantaggi e utilizzi

Derivati: principali vantaggi e utilizzi Derivati: principali vantaggi e utilizzi Ugo Pomante, Università Commerciale Luigi Bocconi Trading Online Expo Milano 28, Marzo 2003 CONTENUTI In un mondo senza derivati I futures Le opzioni Strategie

Dettagli

La teoria dell utilità attesa

La teoria dell utilità attesa La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.

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

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

Gestione dei rischi PROGRAMMA. 1) Nozioni di base di finanza aziendale. 2) Opzioni. 3) Valutazione delle aziende. 4) Rischio di credito

Gestione dei rischi PROGRAMMA. 1) Nozioni di base di finanza aziendale. 2) Opzioni. 3) Valutazione delle aziende. 4) Rischio di credito PROGRAMMA 1) Nozioni di base di finanza aziendale 2) Opzioni 3) Valutazione delle aziende 4) Rischio di credito Gestione dei rischi 5) Risk management 6) Temi speciali di finanza aziendale Argomenti trattati

Dettagli

Strumenti derivati. Strumenti finanziari il cui valore dipende dall andamento del prezzo di un attività sottostante Attività sottostanti:

Strumenti derivati. Strumenti finanziari il cui valore dipende dall andamento del prezzo di un attività sottostante Attività sottostanti: Strumenti derivati Strumenti finanziari il cui valore dipende dall andamento del prezzo di un attività sottostante Attività sottostanti: attività finanziarie (tassi d interesse, indici azionari, valute,

Dettagli

Istituzioni di Economia Laurea Triennale in Ingegneria Gestionale. Lezione 24 Il mercato dei beni

Istituzioni di Economia Laurea Triennale in Ingegneria Gestionale. Lezione 24 Il mercato dei beni UNIVERSITÀ DEGLI STUDI DI BERGAMO Laurea Triennale in Ingegneria Gestionale Lezione 24 Il mercato dei beni Prof. Gianmaria Martini Domanda ed offerta Uno degli schemi logici fondamentali dell analisi economica

Dettagli

Contenuti. Fatti stilizzati microeconomici. L evidenza empirica è in contrasto con le previsioni del teorema Modigliani Miller.

Contenuti. Fatti stilizzati microeconomici. L evidenza empirica è in contrasto con le previsioni del teorema Modigliani Miller. Contenuti L evidenza empirica è in contrasto con le previsioni del teorema Modigliani Miller. ECONOMIA MONETARIA E FINANZIARIA (7) Esistono quindi delle imperfezioni dei mercati. Le imperfezioni dei mercati

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. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

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

Il modello binomiale ad un periodo

Il modello binomiale ad un periodo Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Decisioni in condizioni di rischio. Roberto Cordone

Decisioni in condizioni di rischio. Roberto Cordone Decisioni in condizioni di rischio Roberto Cordone Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di

Dettagli

Tesoreria, Finanza e Risk Management per gli Enti Locali. Derivati: Gestione del Rischio e Valore di Mercato

Tesoreria, Finanza e Risk Management per gli Enti Locali. Derivati: Gestione del Rischio e Valore di Mercato Tesoreria, Finanza e Risk Management per gli Enti Locali Derivati: Gestione del Rischio e Valore di Mercato COMUNE DI MONTECATINI TERME 16 marzo 2009 1. Introduzione La valutazione del derivato del Comune

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

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

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

4. Introduzione ai prodotti derivati. Stefano Di Colli

4. Introduzione ai prodotti derivati. Stefano Di Colli 4. Introduzione ai prodotti derivati Metodi Statistici per il Credito e la Finanza Stefano Di Colli Che cos è un derivato? I derivati sono strumenti il cui valore dipende dal valore di altre più fondamentali

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes.

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1. Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 7 - Pag. 1 Capitolo 7. Probabilità, verosimiglianze e teorema di Bayes. Probabilità, verosimiglianza e teorema di Bayes Se A e B sono

Dettagli

Metodologia epidemiologica e Igiene II

Metodologia epidemiologica e Igiene II Università Cattolica del Sacro Cuore Scuola di Specializzazione in Igiene e Medicina Preventiva e Medicina Legale Anno accademico 2011/2012 Metodologia epidemiologica e Igiene II Bruno Federico Cattedra

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

Teoria delle Decisioni. Lezioni 1 e 2 a.a. 2006 2007. J. Mortera, Università Roma Tre mortera@uniroma3.it

Teoria delle Decisioni. Lezioni 1 e 2 a.a. 2006 2007. J. Mortera, Università Roma Tre mortera@uniroma3.it Teoria delle Decisioni Lezioni 1 e 2 a.a. 2006 2007 J. Mortera, Università Roma Tre mortera@uniroma3.it Decisioni in Condizioni di Incertezza Sia singoli individui che gruppi di individui (società, governi,

Dettagli

Un modello matematico di investimento ottimale

Un modello matematico di investimento ottimale Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità

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

Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione

Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione Quaderno Tecnico ARPA-SIM n 15/2003 Controllo di qualità dei dati giornalieri di temperatura minima e massima e di precipitazione Valentina Pavan Rodica Tomozeiu Andrea Selvini Stefano Marchesi Chiara

Dettagli

Company Overview. Settembre 2015 www.pangeaformazione.it

Company Overview. Settembre 2015 www.pangeaformazione.it Company Overview Settembre 2015 www.pangeaformazione.it Chi siamo! L azienda Siamo specializzati nella progettazione di modelli statistico-matematici a supporto delle decisioni strategiche, fornendo anche

Dettagli

La teoria dell offerta

La teoria dell offerta La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare

Dettagli

L azzardo morale e il modello principale-agente

L azzardo morale e il modello principale-agente L azzardo morale e il modello principale-agente L azzardo morale e il problema principale agente Il modello principale agente è uno strumento fondamentale per analizzare le relazioni economiche caratterizzate

Dettagli

Note integrative di Moneta e Finanza Internazionale. c Carmine Trecroci 2004

Note integrative di Moneta e Finanza Internazionale. c Carmine Trecroci 2004 Note integrative di Moneta e Finanza Internazionale c Carmine Trecroci 2004 1 Tassi di cambio a pronti e a termine transazioni con consegna o regolamento immediati tasso di cambio a pronti (SR, spot exchange

Dettagli

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

POLIZZA METEO. Assicurare i propri ricavi contro eventi meteorologici sfavorevoli

POLIZZA METEO. Assicurare i propri ricavi contro eventi meteorologici sfavorevoli POLIZZA METEO Assicurare i propri ricavi contro eventi meteorologici sfavorevoli POLIZZA METEO Un prodotto assicurativo indirizzato a gestori di piscine. Completamente personalizzabile a seconda delle

Dettagli

Le operazioni di assicurazione

Le operazioni di assicurazione Le operazioni di assicurazione Giovanni Zambruno e Asmerilda Hitaj Bicocca, 2014 Outline 1 Lezione 1: Le operazioni di assicurazione Condizione di indifferenza Condizione di equità 2 Premio equo, premio

Dettagli

Introduzione alberi binomiali

Introduzione alberi binomiali Introduzione alberi binomiali introduzione L albero binomiale rappresenta i possibili sentieri seguiti dal prezzo dell azione durante la vita dell opzione Il percorso partirà dal modello a uno stadio per

Dettagli

LA STATISTICA NEI TEST INVALSI

LA STATISTICA NEI TEST INVALSI LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la

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

Capitolo 4 Probabilità

Capitolo 4 Probabilità Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.

Dettagli

Le operazioni di assicurazione e la teoria

Le operazioni di assicurazione e la teoria Capitolo 1 Le operazioni di assicurazione e la teoria dell utilità 1.1 Introduzione In questo capitolo si discutono alcuni aspetti di base della teoria delle assicurazioni. In particolare, si formalizza

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

Possiamo calcolare facilmente il valore attuale del bond A e del bond B come segue: VA A = 925.93 = 1000/1.08 VA B = 826.45 = 1000/(1.

Possiamo calcolare facilmente il valore attuale del bond A e del bond B come segue: VA A = 925.93 = 1000/1.08 VA B = 826.45 = 1000/(1. Appendice 5A La struttura temporale dei tassi di interesse, dei tassi spot e del rendimento alla scadenza Nel capitolo 5 abbiamo ipotizzato che il tasso di interesse rimanga costante per tutti i periodi

Dettagli

Introduzione. Capitolo 1. Opzioni, Futures e Altri Derivati, 6 a Edizione, Copyright John C. Hull 2005 1

Introduzione. Capitolo 1. Opzioni, Futures e Altri Derivati, 6 a Edizione, Copyright John C. Hull 2005 1 Introduzione Capitolo 1 1 La Natura dei Derivati I derivati sono strumenti il cui valore dipende dal valore di altre più fondamentali variabili sottostanti 2 Esempi di Derivati Forwards Futures Swaps Opzioni

Dettagli

Elementi di economia Economia dell informazione

Elementi di economia Economia dell informazione Elementi di economia Economia dell informazione Dott.ssa Michela Martinoia michela.martinoia@unimib.it Corso di laurea in Scienze del Turismo e Comunità Locale A.A. 2014/15 Informazione completa Significa

Dettagli

lezione 18 AA 2015-2016 Paolo Brunori

lezione 18 AA 2015-2016 Paolo Brunori AA 2015-2016 Paolo Brunori Previsioni - spesso come economisti siamo interessati a prevedere quale sarà il valore di una certa variabile nel futuro - quando osserviamo una variabile nel tempo possiamo

Dettagli

Esercitazioni di Statistica

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

Dettagli

Indice. Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DI PARMA FACOLTA DI ECONOMIA

Indice. Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DI PARMA FACOLTA DI ECONOMIA UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2003/2004 1 Indice La Capital Market Theory di Markowitz Il Teorema della separazione di Tobin e la Capital Market Line

Dettagli

Covered Warrants ABN AMRO su Commodity.

Covered Warrants ABN AMRO su Commodity. Covered Warrants ABN AMRO su Commodity. Covered Warrants ABN AMRO su Commodity. 4 Definizione. 5 Valutazione dei Covered Warrants. 7 Parametri che influiscono sul prezzo. 8 Le Greche: coefficienti di

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

Dipartimento di Economia dell Università degli Studi di Parma Le scorte

Dipartimento di Economia dell Università degli Studi di Parma Le scorte dell Università degli Studi di Parma Le scorte La funzione delle scorte Le scorte sono un insieme di merci accumulate in attesa di un utilizzo futuro. Specializzazione geografica di una unità operativa

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

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Economia dell Informazione. Cap. 12

Economia dell Informazione. Cap. 12 Economia dell Informazione Cap. 12 Informazione completa Significa che non esistono gap informativi rispetto a nessuna delle situazioni connesse agli scambi: sui beni disponibili, sui loro prezzi, sulla

Dettagli

LA GESTIONE DEI RISCHI FINANZIARI E GLI STRUMENTI DERIVATI

LA GESTIONE DEI RISCHI FINANZIARI E GLI STRUMENTI DERIVATI LA GESTIONE DEI RISCHI FINANZIARI E GLI STRUMENTI DERIVATI Eurco S.p.A. Milano, 01 Aprile 2008 Agenda Coperture Strumenti Derivati: utilizzo improprio e problematiche diffuse Eurco e il mercato dei derivati

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

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

Firenze, 30 maggio 2012

Firenze, 30 maggio 2012 Firenze, 30 maggio 2012 specchio Specchio, specchio delle mie brame, chi è il fondo più bello del reame? Come selezionate i fondi dei vostri clienti? Quali parametri usate per selezionare i fondi? I rendimenti

Dettagli

Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici

Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici Recupero, esame critico, omogeneizzazione ed analisi di serie storiche secolari italiane di dati meteorologici M. Maugeri 1, M. Brunetti 2, L. Buffoni 3, F. Mangianti 4, F. Monti 1, T. Nanni 2, R. Pastorelli

Dettagli

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1 Matematica finanziaria: svolgimento della prova di esame del 4 settembre. Calcolare il montante che si ottiene dopo anni con un investimento di e in regime nominale al tasso annuale del % pagabile due

Dettagli

di informazione asimmetrica:

di informazione asimmetrica: Informazione asimmetrica In tutti i modelli che abbiamo considerato finora abbiamo assunto (implicitamente) che tutti gli agenti condividessero la stessa informazione (completa o incompleta) a proposito

Dettagli

Progetto costo I. O. I.A. A 5 9 4 B 8 15 9 C 4 3 3 D 9 7 1

Progetto costo I. O. I.A. A 5 9 4 B 8 15 9 C 4 3 3 D 9 7 1 Tecniche di Valutazione Economica Processo di aiuto alla decisione lezione 13.04.2005 Modello di valutazione Dobbiamo riuscire a mettere insieme valutazioni che sono espresse con dimensioni diverse. Abbiamo

Dettagli

Voglio concentrare il mio intervento sul ruolo delle cooperative nell economia moderna, riassumendo alcuni dei punti centrali trattati nel libro.

Voglio concentrare il mio intervento sul ruolo delle cooperative nell economia moderna, riassumendo alcuni dei punti centrali trattati nel libro. Henry Hansmann Voglio concentrare il mio intervento sul ruolo delle cooperative nell economia moderna, riassumendo alcuni dei punti centrali trattati nel libro. Prima di tutto è bene iniziare da una distinzione

Dettagli

Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie

Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie Le obbligazioni: misure di rendimento Tassi d interesse, elementi di valutazione e rischio delle attività finanziarie Economia degli Intermediari Finanziari 29 aprile 2009 A.A. 2008-2009 Agenda 1. Il calcolo

Dettagli

Per CONOSCERE uno STRUMENTO UTILE a migliorare l Efficienza ed ottenere Espansione vedi nel mio sito la sezione intitolata: Migliorare i Risultati.

Per CONOSCERE uno STRUMENTO UTILE a migliorare l Efficienza ed ottenere Espansione vedi nel mio sito la sezione intitolata: Migliorare i Risultati. Per CONOSCERE uno STRUMENTO UTILE a migliorare l Efficienza ed ottenere Espansione vedi nel mio sito la sezione intitolata: Migliorare i Risultati. Esiste un metodo semplice per ottenere i Costi sotto

Dettagli

Richiami di microeconomia

Richiami di microeconomia Capitolo 5 Richiami di microeconomia 5. Le preferenze e l utilità Nell analisi microeconomica si può decidere di descrivere ogni soggetto attraverso una funzione di utilità oppure attraverso le sue preferenze.

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Corso di Statistica Medica 2004-2005 Il corso si colloca nell ambito del corso integrato di scienze quantitative, al secondo anno, primo semestre. Sono previste 30 ore di lezione di statistica e 12 di

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita

Dettagli

HEDGING. Hedging Istituzionale

HEDGING. Hedging Istituzionale HEDGING Le nuove funzionalità di Hedging di Fiuto Pro si suddividono in tre gruppi: l hedging Istituazionale, quello A Soglia e l innovativo sistema proprietario Smart Pro. Hedging Istituzionale L hedging

Dettagli

Finanza matematica - Lezione 01

Finanza matematica - Lezione 01 Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo

Dettagli

Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013. Cognome Nome Matr Firma

Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013. Cognome Nome Matr Firma Statistica Statistica 1+2 (COSTANZO MISURACA) C. di L. in Economia Aziendale - Appello del 11/01/2013 I seguenti dati rappresentano i valori di mercato di 30 azioni scambiate sulla borsa di New York (in

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

Utilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia.

Utilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia. Richiami essenziali: Utilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia. Tasso di sconto intertemporale soggettivo

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

Capitolo 26. Gestione dei rischi. Principi di finanza aziendale. Richard A. Brealey Stewart C. Myers Sandro Sandri. IV Edizione

Capitolo 26. Gestione dei rischi. Principi di finanza aziendale. Richard A. Brealey Stewart C. Myers Sandro Sandri. IV Edizione Principi di finanza aziendale Capitolo 26 IV Edizione Richard A. Brealey Stewart C. Myers Sandro Sandri Gestione dei rischi Copyright 2003 - The McGraw-Hill Companies, srl 26-2 Argomenti trattati Assicurazione

Dettagli

Economia pubblica. Alberto Zanardi

Economia pubblica. Alberto Zanardi Università di Bologna Scuola di Economia, Management e Statistica Corso di laurea CLEF Economia pubblica a.a. 2013-14 14 (8 crediti, 60 ore insegnamento) Le asimmetrie informative Alberto Zanardi Carenze

Dettagli

FINANZA AZIENDALE AVANZATO. Le opzioni e l option theory. Lezioni 14 e 15

FINANZA AZIENDALE AVANZATO. Le opzioni e l option theory. Lezioni 14 e 15 FINANZA AZIENDALE AVANZATO Le opzioni e l option theory Lezioni 14 e 15 I derivati asimmetrici ono contratti/prodotti che fissano le condizioni a cui POTRA aver luogo la compravendita futura dell attività

Dettagli

Dispensa n. 2 Le cause del fallimento del mercato: quale intervento pubblico?

Dispensa n. 2 Le cause del fallimento del mercato: quale intervento pubblico? Davide Natale Dispensa n. 2 Le cause del fallimento del mercato: quale intervento pubblico? 1) Perché il mercato fallisce? Il mercato fallisce prevalentemente a causa della presenza di tre fenomeni, che

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

Dettagli

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Esercizio 1 Ci sono 2000 individui ciascuno con funzione di utilità Von Neumann-Morgestern

Dettagli

CONTRATTI E TASSI SWAP

CONTRATTI E TASSI SWAP CONTRATTI E TASSI SWAP FLAVIO ANGELINI Sommario. In queste note vengono definite, analizzate e valutate le tipologie più comuni di contratti interest rate swap e si discute l importanza che i tassi swap

Dettagli

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione 1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti

Dettagli

Domanda e offerta di lavoro

Domanda e offerta di lavoro Domanda e offerta di lavoro 1. Assumere (e licenziare) lavoratori Anche la decisione di assumere o licenziare lavoratori dipende dai costi che si devono sostenere e dai ricavi che si possono ottenere.

Dettagli

Gli strumenti derivati

Gli strumenti derivati Gli strumenti derivati EMM A - Lezione 6 Prof. C. Schena Università dell Insubria 1 Gli strumenti derivati Derivati perché il loro valore deriva da quello di altre attività dette beni/attività sottostanti

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

Le curve di indifferenza sulla frontiera di Markowitz

Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria da Markowitz al teorema della separazione e al CAPM Le curve di indifferenza sulla frontiera di Markowitz Markowitz

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

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

I contratti finanziari. Corso di Economia degli Intermediari Finanziari

I contratti finanziari. Corso di Economia degli Intermediari Finanziari I contratti finanziari Corso di Economia degli Intermediari Finanziari Definizioni I contratti finanziari-detti anche attività finanziarie e strumenti finanziari-sono beni intangibili che costituiscono

Dettagli

Un introduzione all analisi Monte Carlo in Finanza

Un introduzione all analisi Monte Carlo in Finanza ASSOCIAZIONE ITALIANA FINANCIAL RISK MANAGEMENT Un introduzione all analisi Monte Carlo in Finanza Stefano Fabi Working Paper, 1/01/98 Presidenza: Fernando Metelli - Banca Popolare di Milano, Via Fara

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

Aspettative, consumo e investimento

Aspettative, consumo e investimento Aspettative, consumo e investimento In questa lezione: Studiamo come le aspettative di reddito e ricchezza futuro determinano le decisioni di consumo e investimento degli individui. Studiamo cosa determina

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI

PROBABILITÀ E DECISIONI IN MEDICINA: I TEST DIAGNOSTICI Università degli Studi di Padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA Anno accademico 2005-06 Temi di Statistica ed Epidemiologia PROBABILITÀ E DECISIONI IN MEDICINA:

Dettagli

Questioni ancora rilevanti nel dibattito sugli OGM

Questioni ancora rilevanti nel dibattito sugli OGM Questioni ancora rilevanti nel dibattito sugli OGM Il grado di libertà che deve essere concesso alla coltivazione di organismi geneticamente modificati Il percorso temporale di introduzione Distribuzione

Dettagli

ALBERT. copyright hventiquattro

ALBERT. copyright hventiquattro ALBERT ALBERT MONETIZZARE LE SCORTE Il tuo magazzino: da deposito a risorsa Albert agisce sulle fonti di finanziamento interno. Non tanto in termini di puro taglio dei costi, quanto di recupero di flussi

Dettagli

Corso di Economia degli Intermediari Finanziari

Corso di Economia degli Intermediari Finanziari Corso di Economia degli Intermediari Finanziari Alcuni strumenti finanziari particolari Alcuni strumenti proposti nel panorama internazionale Gli strumenti ai quali faremo riferimento sono: i financial

Dettagli

Prefazione. Parte prima - La funzione finanziaria nel management delle imprese 1

Prefazione. Parte prima - La funzione finanziaria nel management delle imprese 1 Indice Prefazione Autori XI XV Parte prima - La funzione finanziaria nel management delle imprese 1 Capitolo 1 Compiti ed evoluzione della funzione finanziaria 3 1.1 Compiti e finalità della funzione finanziaria

Dettagli

ANALISI COSTI-BENEFICI

ANALISI COSTI-BENEFICI ANALISI COSTI-BENEFICI Valutazione di progetti pubblici Le politiche pubbliche correnti consistono nel realizzare progetti pubblici: il policy maker deve decidere quale progetto è da preferire tra le varie

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

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

Note webinar Ponderazione per Beta in IB Risk Navigator

Note webinar Ponderazione per Beta in IB Risk Navigator Note webinar Ponderazione per Beta in IB Risk Navigator Panoramica Il nostro Risk Navigator è stato potenziato, accessibile all'interno di Trader Workstation, offre ora le metriche ponderate per il beta.

Dettagli