MODELLI NON LINEARI PER I TASSI DI CAMBIO: UN CONFRONTO PREVISIVO

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MODELLI NON LINEARI PER I TASSI DI CAMBIO: UN CONFRONTO PREVISIVO"

Transcript

1 Gianna Boero Universià di Cagliari, Universiy of Warwick e CRENoS Emanuela Marrocu Universià di Cagliari e CRENoS MODELLI NON LINEARI PER I TASSI DI CAMBIO: UN CONFRONTO PREVISIVO Absrac In recen years here has been a considerable developmen in ime series analysis, represened mainly by alernaive linear models able o describe more adequaely he shor and long erm dynamics and by he renewed ineres in modelling nonlineariies and asymmeries in economic and financial variables. Given he relevance of such variables in devising economic and moneary policy, i is of heoreical, as well as pracical, imporance o propose saisical mehods appropriae o represen heir dynamic behaviour. The aim of his work is o compare he forecasing performance of differen models for he reurns of some of he mos raded exchange raes, namely he French Franc (FF/$), he German Mark (DM/$) and he Japanese Yen (Y/$). We compare he relaive performance of some nonlinear models and conras hem wih heir simpler linear counerpars. Alhough we find evidence of noiceable forecasing gains from nonlinear models, he resuls are sensiive o he meric adoped o measure he forecasing accuracy. Key words: non-lineariy, asymmery, forecasing accuracy, exchange raes. Oobre 1999

2 1. Inroduzione L'economeria delle serie soriche ha avuo un fore sviluppo negli ulimi anni con l'elaborazione sia di modelli lineari più adeguai a rappresenare la dinamica di breve e lungo periodo delle serie soriche, che di modelli più complessi che engano cono di non linearià e asimmerie preseni in mole variabili economiche e finanziarie. Nella prima caegoria rienrano i modelli a correzione dell'errore e i VAR coinegrai; nella seconda i modelli (G)ARCH, i modelli auoregressivi a soglia (SETAR e STAR), i modelli bilineari, e le rei neurali (si veda Granger e Teräsvira, Modelling Nonlinear Economic Relaionships, Oxford Universiy Press, 1993, e Whie, Neural Neworks, Whie, Blackwell, 1992). Nonosane il recene sviluppo di ecniche nuove, poche applicazioni sono sae condoe sinora sulla performance previsiva comparaa dei diversi modelli, al di là degli usuali confroni direi col semplice processo random walk. Daa l'imporanza che le variabili economiche e finanziarie rivesono nell'indirizzare decisioni di poliica economica e monearia, l'individuazione di meodi saisici adeguai per spiegarne la loro evoluzione è d'imporanza non solo eorica ma anche praica. Queso lavoro si propone di confronare la performance previsiva di modelli alernaivi per i rendimeni dei assi di cambio di re imporani value: il franco francese (FF/$), il marco edesco (DM/$) e lo yen (Y/$). Le serie hanno frequenza mensile e coprono il periodo gennaio 1973-luglio Come dimosrao in numerosi lavori, la sruura nonlineare di una serie viene individuaa più facilmene con dai ad ala frequenza (giornalieri o seimanali) menre risula meno evidene con dai a più bassa frequenza (mensili). L'applicazione di diversi es per la linearià ha, uavia, evidenziao la presenza di componeni nonlineari rilevani nelle serie da noi considerae. Queso risulao ha moivao il presene sudio, il cui scopo principale è l'analisi comparaa della performance previsiva di modelli nonlineari alernaivi, e un loro confrono direo con le previsioni oenue da modelli lineari. 2

3 Il lavoro è aricolao secondo il seguene schema. Nella sezione 2 preseniamo una rassegna di lavori voli all'analisi e alla previsione dei assi di cambio. Nella sezione 3 inroduciamo la meodologia uilizzaa per modellare le variabili di ineresse e descriviamo i es per verificare la presenza di nonlinearià. Nella sezione 4 preseniamo i dai e le loro caraerisiche saisiche. Nella sezione 5 illusriamo i risulai dell'analisi empirica. Infine nella sezione 6 preseniamo una sinesi dei principali risulai e svolgiamo alcune considerazioni conclusive. 2. Rassegna della leeraura Esise una vasa leeraura empirica a sosegno dell ipoesi che, sebbene le variazioni dei assi di cambio siano solo debolmene auocorrelae, esse siano foremene dipendeni. Nella maggior pare dei lavori empirici, riferii al periodo di cambi flessibili pos Breon-Woods, si riiene che ale dipendenza possa essere cauraa adeguaamene dal modello a varianza condizionale eeroschedasica auoregressiva (ARCH), proposo da Engle (1982), o dalla sua esensione rappresenaa dai modelli GARCH, suggeria da Bollerslev (1986). Quesa classe di modelli è paricolarmene adeguaa per descrivere l andameno ipico delle serie finanziarie, ovvero che grandi (piccole) variazioni di prezzo sono seguie da grandi (piccole) variazioni, di segno uguale o opposo; uavia, queso ipo di dipendenza può essere sfruaa per migliorare gli inervalli di previsione ma non le previsioni punuali. Un migliorameno nelle previsioni punuali lo si può osservare nei GARCH in Media (GARCH-M) dove la sima della varianza condizionale è inclusa come regressore nell'equazione per la media della serie. Nonosane, più recenemene, moli auori abbiano messo in evidenza la rilevanza empirica anche della nonlinearià in media nelle variazioni dei assi di cambio, quesa, solo raramene, ha permesso di fornire previsioni più accurae rispeo a quelle oenue dai modelli lineari o dai semplici modelli random walk. Si ricordano, ra gli alri, i lavori di Meese e Roose (1991), Kräger e 3

4 Kugler (1993), Peel e Speigh (1994)e Chappell e al. (1996) e Brooks (1997). Kräger e Kugler (1993) simano modelli auoregressivi a soglia per le variazioni del asso di cambio rispeo al dollaro sauniense del franco francese, lira ialiana, yen giapponese, marco edesco e franco svizzero (osservazioni seimanali dal giugno 1980 al gennaio 1990). Gli auori idenificano re diversi regimi, sia il primo che il erzo regime presenano una deviazione sandard simaa superiore a quella del regime inermedio, ciò sarebbe dovuo agli inerveni della banca cenrale in risposa a fori apprezzameni (primo regime) o deprezzameni (erzo regime). L analisi di Kräger e Kugler rova, infai, fondameno eorico nel modello moneario di aspeaive razionali con regole di inerveni socasici da pare della banca cenrale proposo da Hsieh (1989); un modello auoregressivo a re regime approssimerebbe, perano, la soluzione di ale modello. Secondo gli auori il modello di Hsieh fornisce una rappresenazione più adeguaa del regime di fluuazione conrollaa dei cambi rispeo al modello di arge zone: l inerveno delle banche cenrali dipende nel primo modello da grandi variazioni del asso di cambio, menre nel secondo dall approssimarsi del livello del asso di cambio a deerminae soglie che definiscono le bande di oscillazione consenie. Al fine di valuare l imporanza relaiva delle nonlinearià in media e di quella in varianza, per le sesse value vengono, inolre, proposi dei modelli GARCH; le conclusioni a cui pervengono gli auori indicano che né i modelli auoregressivi a soglia né i modelli GARCH sono in grado di descrivere adeguaamene le nonlinearià preseni nelle serie dei assi di cambio. Peel e Speigh (1994) analizzano le variazioni del asso di cambio della serlina inglese rispeo al dollaro sauniense, al franco francese e al reichsmark nel periodo inercorrene ra le due guerre mondiali (osservazioni seimanali). Daa la robusa evidenza empirica fornia dai es a favore di una generica forma di nonlinearià presene nei dai, gli auori simano diversi ipi di modelli nonlineari: GARCH, modelli bilineari e modelli 4

5 auoregressivi a soglia 1. Per quano riguarda la performance previsiva, i modelli lineari-arch e quelli bilineari presenano un Mean Square Forecas Error (MSFE) inferiore rispeo a quello dei modelli lineari per le re serie; menre, nel caso del cambio serlina-dollaro le previsioni più accurae si oengono dai modelli a soglia. L analisi di Chappell e al. (1996), si differenzia da quella condoa da Kräger e Kugler (1993) e Peel e Speigh (1994), in quano viene valuaa la performance previsiva dei modelli per il livello, piuoso che per la variazione, di diversi assi di cambio (incrociai) dell area dell ERM. È opporuno soolineare che se l accuraezza delle previsioni 2 viene valuaa secondo crieri quali il MSFE, le rasformazioni apporae ai dai, come dimosrano Clemens e Hendry (1993, 1995), non sono neurali: la valuazione relaiva ai dai espressi in differenze è penalizzane rispeo a quella effeuaa sui livelli. Nauralmene valuare l accuraezza delle previsioni per le differenze o i livelli è un problema disino da quello relaivo alla sima di un modello nelle differenze o nei livelli. Secondo Chappell e al. (1996) il funzionameno sesso dell ERM, prevedendo delle bande di oscillazione per i assi di cambio, avrebbe reso rilevane l esisenza di soglie verso l alo e il basso. I assi di cambio seguirebbero, perano, un processo random walk all inerno della banda ma dei processi auoregressivi sazionari in prossimià dei limii della banda che lo riporerebbero verso la media. In queso caso il processo è globalmene, ma non localmene, sazionario 3. Brooks (1996, 1997), nell esaminare le variazioni del asso di cambio giornaliero serlina inglese/dollaro sauniense per il periodo gennaio 1974-luglio 1994, pone in evidenza come i modelli nonlineari del ipo GARCH, i modelli auoregressivi a 1I modelli auoregressivi a soglia simai da Peel e Spiegh (1991) presenano re regimi con soglie simmeriche per il asso di cambio con il dollaro e due regimi per il asso di cambio con il franco francese e il reichsmark. 2Olre un passo avani. 3Pippinger e Goering (1993) dimosrano che il es di Dickey-Fuller nel caso di serie soriche che seguono andameni simili a quello descrio presena un poere molo basso facendo sì che la serie venga consideraa nonsazionaria. 5

6 soglia e i modelli bilineari offrano previsioni di accuraezza solo marginalmene superiore a quella delle previsioni oenue da un modello random walk. In base al es di Pesaran-Timmerman (1992) nessuno dei modelli simai permee di prevedere l andameno del mercao dei cambi (no marke iming abiliy). In leeraura sono sae avanzae quaro ragioni fondamenali del perché i modelli non-lineari non forniscano previsioni più accurae rispeo ai semplici modelli lineari anche quando la linearià è significaivamene rifiuaa per il periodo di sima (Diebold e Nason, 1990): (i) le nonlinearià riguardano i momeni superiori alla media e, perano, non si rivelano uili per migliorare le previsioni punuali; (ii) le nonlinearià preseni durane il periodo di sima sono dovue a cambiameni sruurali o a ouliers che non possono essere sfruai per migliorare le previsioni ou-of-sample; (iii) le nonlinearià in media nonosane siano una caraerisica del processo generaore dei dai non sono abbasanza rilevani da offrire dei guadagni in ermini di maggior accuraezza delle previsioni; (iv) le nonlinearià preseni sono descrie dal ipo sbagliao di modello nonlineare. La performance previsiva dei modelli nonlineari viene, invece, spiegaa da Clemens e Smih (1998) e Dacco e Sachell (1999) ponendo l enfasi sull inadeguaezza del meodo di misurazione adoao; sulla base di uno sudio Mone Carlo, i primi sosengono che la valuazione della funzione di densià delle previsioni permee di cogliere maggiormene i guadagni che si possono oenere dai modelli nonlineari, guadagni che vengono sisemaicamene mascherai se il confrono con i modelli lineari viene condoo solano in ermini di MSFE. Dacco e Sachell (1999) soolineano il fao che la predominanza del modello random walk per la previsione dei assi di cambio è fondaa quasi esclusivamene sul MSFE, e suggeriscono, perano, di adoare meodi di valuazione appropriai per il problema oggeo di analisi; meodi basai sulla profiabilià dovrebbero rivelarsi più adeguai per i problemi di naura finanziaria. Tes basai sulla percenuale di segni correamene previsi, quali il es di Pesaran e Timmermann (1992), risulano 6

7 quindi più rilevani nelle decisioni riguardani l acquiso o la vendia di valua esera. 3. Meodologia In quesa sezione preseniamo i modelli impiegai per la sima e la previsione dei rendimeni dei assi di cambio e i es uilizzai per verificare la presenza di componeni nonlineari nelle serie. 3.1 I modelli Modelli auoregressivi a soglia I modelli auoregressivi a soglia (hreshold auoregressive models, TAR) furono proposi per la prima vola da Tong nel 1978 e sviluppai e divulgai in una serie di lavori successivi dello sesso Tong e di alri auori (Tong-Lim, 1980; Tong, 1983; Chan e Tong, 1986; Granger e Teräsvira, 1993). L idea fondamenale di quesa classe di modelli nonlineari è che l andameno di un processo possa essere rappresenao da un insieme finio di auoregressioni lineari. Il modello AR che genera il valore della serie in ogni periodo è deerminao dalla relazione che inercorre ra una variabile condizionane, dea variabile di soglia, e i valori della soglia sessa. Se la variabile condizionane è la variabile dipendene riardaa d periodi il modello viene denominao self-exciing hreshold auoregressive model (SETAR). Si noi che la variabile di soglia y -d è coninua in R, perano suddividendo l insieme dei numeri reali definisce il numero di regimi che descrivono il processo considerao: - <r 0 <r 1 <...<r n <r n+1 < I valori r j rappresenano le soglie. È imporane osservare che il modello SETAR è lineare nello spazio della variabile di soglia, ma non rispeo al empo. Se il processo si rova nel j esimo regime, l auoregressione di ordine p viene formalmene definia come segue: 7

8 y ( j) ( j) ( j ) = 0 + φ1 y φ p y p φ + ε ( j) ( j) 2 ε IID(0, σ ( j) ) per r j 1 y d < rj Poiché i diversi regimi possono avere differeni sruure auoregressive, p deve essere considerao come l ordine massimo dei riardi considerai e non come l ordine comune a ui i regimi. Si noi, inolre, che il modello SETAR è caraerizzao dal fao che, affinché y sia un processo sazionario, non è necessario che esso lo sia in ciascun regime, è l alernanza di regimi esplosivi e regimi non esplosivi che rende il processo globalmene sazionario. Quando un processo socasico può essere adeguaamene descrio da un modello SETAR significa che la ransizione da un regime all alro avviene isananeamene, quando, invece essa avviene gradualmene nel empo, il modello viene definio smooh ransiion auoregressive model (STAR) ed è generalmene formulao come segue (Granger e Teräsvira, 1993): y = π x ) F ( y ) + u (1) + x + ( 1 π θ + θ d dove il processo u è assuno n.i.d (0,σ 2 ), x =(y -1,.,y -p ), π 1 =(π 11,.π 1p ) e θ 1 =(θ 11,.θ 1p ). Una delle più frequeni specificazioni 4 adoae per la funzione di ransizione è la cumulaa della logisica: F( y d { 1+ exp[ γ ( y )]} 1 ) = r d Nel modello, definio logisic STAR model (LSTAR), i parameri variano monoonicamene al variare di y -d, definendo un coninuum di regimi; quando il paramero γ, che misura la velocià di ransizione, ende ad infinio la F(y -d ) divena una funzione 4Un alra specificazione comunemene adoaa è quella esponenziale, F(y -d )=1- exp[-γ(y -d -r) 2 ]. 8

9 Heaviside che assume valore zero se y -d r e valore uno nel caso opposo. In al modo si hanno solo due regimi esremi e il processo può essere approssimao da un modello SETAR; quando, invece, il paramero γ ende a zero si oiene il modello lineare AR(p). Sima dei modelli SETAR Quando i parameri sruurali r e d sono noi, un modello SETAR può essere simao effeuando r+1 auoregressioni rispeo all appropriao subse di osservazioni, deerminae dalla relazione ra la variabile di soglia e il valore della soglia (arranged auoregression). Alernaivamene, è possibile simare una sola regressione includendo le opporune indicaor funcions 5 ; in queso caso si ipoizza che la varianza degli errori simai sia cosane nei diversi regimi. Nel caso generale, in cui è il paramero di riardo (d) e la soglia (r) non sono noi, il modello SETAR viene simao, dopo aver selezionao il massimo ordine dei riardi, per diversi valori di d e r, il modello migliore è quello che minimizza un crierio di informazione prescelo. Per il caso del modello SETAR (p 1, p 2 ; d), Tong (1983) suggerisce di seguire una procedura di sima a re sadi. Nel primo, per dai valori di d e r, diversi modelli AR vengono simai sugli appropriai subse di dai e l ordine dei riardi è scelo in base al crierio di Akaike (AIC). Nel secondo sadio, il paramero d viene manenuo fisso, menre r può variare enro un inervallo di valori plausibili, la sima dei diversi modelli auoregressivi permee di deerminare il paramero r come quello relaivo al modello a cui è associao il valore minimo dell AIC. Nella erza fase infine, anche d può variare e, ancora una vola, il suo valore viene scelo in base al modello che fornisce il più basso AIC. 5 I 1 (y -d )=1 se y -d >r 1 e zero alrimeni. 9

10 3.1.2 Modelli GARCH Un processo ARCH può essere definio nei ermini della disribuzione degli errori di un modello in cui la variabile y è generaa da y = β + ε =1,...,T (2) x dove x è un veore kx1 di variabili esogene, che possono includere anche valori riardai di y, e β è il veore kx1 dei coefficieni di regressione. Il modello ARCH, proposo da Engle (1982), specifica la disribuzione di ε condizionaa al se informaivo Ψ -1 che include i valori realizzai delle variabili y -1, y -2,..., x -1, x -2,.. In paricolare, il modello assume: ε N(0,h ) Ψ 1 dove h = α ε (3) α1ε α q q e α 0 >0 e α i 0, i=1,..., q, per assicurare che la varianza condizionale sia posiiva. La varianza degli errori dunque varia nel empo e dipende dalla grandezza degli errori passai. Bollerslev (1986) ha proposo una generalizzazione del modello ARCH, che consise nella seguene specificazione per la varianza condizionale: h = α 0 + α1ε... β h (4) α qε q + β 1h p p Queso processo è noo come GARCH(p,q) (Generalised Auo- Regressive Condiional Heeroscedasic process). Per assicurare valori posiivi della varianza condizionale vengono impose le segueni resrizioni: α 0 >0, α i 0 per i=1,..., q, e β i 0 per i=1,..., p. In praica, il valore q nel GARCH è molo più piccolo del valore q nella rappresenazione ARCH. Di solio, il semplice GARCH(1,1) 10

11 offre una adeguaa descrizione di mole serie soriche economiche e finanziarie. GARCH in Media Engle, Lilien e Robins (ELR, 1987) hanno eseso il modello ARCH inroducendo la varianza condizionale come regressore nell equazione della media della variabile: y = x ' β + δh + ε =1,...,T (5) dove ε Ψ 1 N(0,h ) e h è un processo (G)ARCH. Nei modelli (G)ARCH-M la varianza condizionale viene inseria nell equazione della media in varie forme: log( h ), h e h. GARCH Asimmerici Una esensione imporane dei GARCH è rappresenaa dalla classe dei modelli asimmerici. Quesi modelli permeono di caurare evenuali asimmerie di impao sulla varianza condizionale, deerminae dai segni (olre che dalla grandezza) degli shocks subii dalla serie nei periodi precedeni. Il modello ARCH a soglia (Threshold heeroscedasic model, TARCH) - (Glosen, Jagannahan e Runkle, 1993, e Zakoian, 1994), nel caso di un semplice GARCH(1,1), è dao dall'espressione h 2 2 = + α ε + γε d + βh α (6) dove d è una variabile binaria uguale a 1 se ε <0, uguale a 0 alrimeni. Dunque, shocks negaivi e posiivi hanno un impao diverso su h: errori posiivi hanno un effeo uguale a α 1, menre errori negaivi hanno un effeo uguale a α 1 +γ. Se γ (coefficiene di asimmeria) è significaivamene posiivo, si conclude che esisono 11

12 effei asimmerici. Nel caso generale di un TARCH(p,q) il modello divena: h q p α iε + + i γε 1d 1 β j i= 1 j= 1 = α h (7) j Effei asimmerici sono descrii anche dai modelli GARCH Esponenziali (EGARCH) (Nelson, 1991): log ( h ) α + β log( h ) + α ( ε / h ) 2 / π γ ( ε h ) = / 1 (8) dove la rasformazione logarimica assicura che la varianza condizionale sia posiiva. L'effeo asimmerico rappresenao da è esponenziale e non quadraico come nel TARCH. La significaivià di effei asimmerici, con impao superiore in corrispondenza di errori negaivi, in queso modello può essere sooposa a es mediane l'ipoesi che γ sia significaivamene negaivo (segno di γ opposo a quello nel modello TARCH). 3.2 Tes di linearià La presenza di nonlinearià nelle serie relaive alle differenze logarimiche dei assi di cambio edesco, francese e giapponese viene analizzaa applicando quaro diversi es di linearià: il es RESET, il es di Tsay (1986), il es S 2, proposo da Luukkonen- Saikkonen e Teräsvira (1988) e il es di McLeod e Li (1983) Il es RESET Il primo es viene condoo sia nella forma radizionale sia nella versione modificaa suggeria da Thursby e Schmid (1977). Nel primo caso, come è noo, è necessario simare una regressione auoregressiva di ordine p ed una regressione ausiliaria nella quale vengono inclusi i regressori iniziali e i ermini che rappresenano i 12

13 valori predei (fied values) elevai a poenza, oenui dalla prima regressione. Il es RESET nella versione proposa da Thursby e Schmid (1977), richiede, invece, che nella regressione ausiliaria vengano inclusi i regressori iniziali sia linearmene che elevai sino a una daa poenza, h. Gli sessi auori suggeriscono di imporre h= Il es di Tsay La misspecificazione della forma funzionale di un modello lineare può essere individuaa ricorrendo al duale dell espansione di Volerra (Priesley, 1980) della funzione nonlineare. Dopo aver simao un modello lineare AR(p), la regressione ausiliaria, viene formulaa in ermini generali come segue: eˆ β ~ ~ ϕ w~ w~ w~ υ m m m m m ' = w + ϕ ijwiwj + i= 1 j= i i= j= 1 j = k ijk i j k dove w è cosiuio dai valori riardai di y, ê è la serie dei residui simai oenui dal modello lineare. Il es di Tsay (1986) appariene alla classe dei es basai sull espansione di Volerra. Il es, che rappresena una generalizzazione del es di Keenan (1985), include i prodoi incrociai dei riardi della serie y sooposa ad analisi di nonlinearià. Tsay dimosra che il es gode di un poere più elevao rispeo al es di Keenan. La procedura da adoare per condurre il es consa di quaro sadi e può essere delineaa come segue: (1) simare una regressione OLS di y sui primi p riardi e calcolare i residui simai, ê ; ' ' (2) cosruire il veore Z = vech( Y Y ) dove l operaore vech indica che vengono considerai una sola vola i prodoi di ue le possibili combinazioni dei ermini riardai sino all ordine massimo p. Il veore Z coniene, perano, 1/2p(p+1) ermini; 13

14 (3) regredire Z su una cosane e p riardi di y e calcolare i residui simai vˆ ; ques operazione può essere consideraa come la sima di un sisema formao da 1/2p(p+1) regressioni, perano, 1/2p(p+1) è anche la dimensione di vˆ ; (4) regredire ê su vˆ e calcolare i residui simai, εˆ Il es di Tsay ha la seguene espressione: F = ( ' ' vˆ ˆ e ) ( εˆ 2 ' vˆ vˆ ) 1 ( ' vˆ eˆ ) /(1/ 2 p( p + 1)) /( T p 1/ 2 p( p + 1) 1) soo l ipoesi nulla esso segue una disribuzione F con 1/2p(p+1) e (T-p-1/2p(p+1)-1) gradi di liberà Il es S 2 di Luukkonen, Saikkonen e Teräsvira Menre il es RESET e il es di Tsay vengono condoi soo l ipoesi di misspecificazione generica del modello, il es S2 proposo da Luukkonen, Saikkonen e Teräsvira è cosruio assumendo un ipoesi alernaiva specifica, ovvero che la nonlinearià sia dovua al fao che è sao simao un modello lineare piuoso che un modello STAR. Nonosane il es sia sao inizialmene adoao per la classe dei modelli STAR, gli sessi auori, hanno dimosrao che esso gode di buone proprieà, in ermini di poere, anche nel caso dei modelli SETAR. Il es S 2 viene oenuo sosiuendo la funzione F(y -d ) nella (1) con la linearizzazione daa dall espansione in serie di Taylor di erzo ordine 6 ; quesa, grazie anche all applicazione del principio del moliplicaore di Langrange permee di formulare la seguene 6Luukkonen, Saikkonen e Teräsvira (1988) hanno proposo anche alri due es: il es S 1, basao sulla espansione in serie di Taylor del prim ordine, e il es S 3 che si oiene includendo nella regressione ausiliaria del es S 1 i ermini y -i y 3 -j. 14

15 regressione ausiliaria, i cui coefficieni sono funzione dei parameri della (1): y p p p p p p ' β w + ξij y i y j + ψ ij y i y j + κ ij y i y j i= 1 j= 1 i= 1 j= 1 i= 1 j= 1 β = ε (9) il veore w è cosiuio dai valori riardai di y. L ipoesi nulla è: H 0 =ζ ij =ψ ij =κ ij =0, per i,j=1.p; il es è calcolao come S 2 =T(SSE 0 -SSE 1 )/SSE 0, dove SSE 0 è la somma dei residui al quadrao oenua dalla auoregressione lineare di ordine p per y, menre SSE 1 e la somma dei residui al quadrao relaiva alla (9). Il es S 2 si disribuisce come un χ 2 con 1/2p(p+1)2p 2 gradi di liberà. In generale, l ordine massimo dei riardi p non è noo e, perano, deve essere selezionao in base ai dai analizzai secondo un crierio di informazione (ad esempio, l AIC). Se il vero modello è nonlineare è possibile che sia necessario inserire più riardi nel modello lineare AR(p) nel enaivo di minimizzare la somma degli errori al quadrao: ciò compora una riduzione del poere del es rispeo al caso in cui si conosca il vero valore di p. Dall alra pare, se il valore di p è ano basso da far sì che i residui del modello lineare siano auocorrelai, il es è disoro nel senso che l ipoesi nulla viene rifiuaa roppo spesso. Queso avviene perché il es, come dimosra Teräsvira (1990) ha poere anche rispeo all ipoesi di errori auocorrelai. Se il paramero di riardo (d) è noo, y -d può essere sosiuio al poso di y -j nella (9) e, in al caso, il es ha una disribuzione χ 2 con 3p gradi di liberà. Si noi che, anche nel caso in cui d sia conosciuo, il es necessia di un numero elevao di gradi di liberà se il valore di p è alo. Seguendo il suggerimeno di Teräsvira (1990) e Granger-Teräsvira (1993), in queso lavoro si assume che il valore di d sia noo e che sia compreso nell inervallo [1,6]. Nel caso di rifiuo dell ipoesi nulla di linearià il paramero d viene scelo in base al es che mosra il più basso probabiliy value. 15

16 3.2.4 Il es di Mcleod e Li per la nonlinearià in varianza Per sooporre a es l ipoesi di nonlinearià in varianza è sao condoo il es di Mcleod e Li (1983). Il es è simile al es proposo da Ljung-Box (1978), enrambi, infai si basano sulla sima della funzione di auocorrelazione dei residui al quadrao oenui da un modello auoregressivo lineare. Granger e Anderson (1978) sosengono che i residui simai di modelli di serie soriche del ipo Box-Jenkins (1976) possono apparire non correlai anche se i quadrai degli sessi residui lo sono. Secondo Granger e Anderson (1978), perano, la funzione di auocorrelazione dei residui al quadrao deve essere consideraa un uile srumeno nel enaivo di idenificare correamene i modelli nonlineari. Il es di McLeod e Li viene calcolao come segue. Dal miglior modello AR(p) o ARMA(p,q) si oengono i residui simai u e si calcola la funzione di auocorrelazione secondo l espressione: rˆ ( p) 2 u T 2 ( uˆ = k + 1 = T = 1 σˆ ( uˆ 2 2 )( uˆ σˆ 2 k 2 ) σˆ 2 2 ) dove σˆ = T 2 1 u 2 McLeod e Li dimosrano che, fissao p, T rˆ = [ˆ r (1),..., rˆ ( m)] si u u u disribuisce asinoicamene come una normale per T. È possibile, quindi, cosruire la saisica pormaneau Q*(m), Q *( m) = T( T + 2) m rˆ ( i) 2 u ( T i= 1 che si disribuisce asinoicamene come un χ 2 con m gradi di liberà soo l ipoesi che i residui simai u siano indipendeni. Il es è perano poene nel discriminare le nonlinearià dovue alla presenza di effei ARCH, ma non rispeo a nonlinearià di diverso ipo. i) 16

17 4. Analisi preliminare nei dai Le serie mensili dei re assi di cambio e le loro variazioni (logarimiche) sono illusrae nella Figura 1. Le serie dei rendimeni sono ue sazionarie in media, menre per quano riguarda la varianza, sembra evidene, soprauo per lo yen, il fenomeno cosiddeo di volailiy clusering, con periodi di ala volailià seguii da periodi di maggior ranquillià. Quese proprieà, se rilevani, dovrebbero essere caurae in modo adeguao dai modelli del ipo GARCH. Nella abella 1 riporiamo misure descriive delle proprieà saisiche dei rendimeni dei assi di cambio. Tue le serie sono caraerizzae da eccesso di curosi, inolre per il franco francese e per lo yen è evidene anche un cero grado di asimmeria, posiiva per il franco, e negaiva per lo yen. Il es di Jarque-Bera rifiua decisamene l'ipoesi di normalià delle serie. La abella 2 ripora i risulai, in forma di valori di probabilià (pvalues), dei diversi es di nonlinearià condoi sulle differenze logarimiche dei assi di cambio delle re value esaminae in queso lavoro. Per ui i es il modello lineare soo l ipoesi nulla è sao simao ipoizzando re diverse sruure auoregressive, includendo 4, 5 e 6 riardi. Nonosane il crierio di informazione prescelo, AIC, porasse a preferire il modello AR(6), sono sai simai anche i modelli AR(4) e AR(5) per verificare che il risulao del es non fosse influenzao dall inclusione di roppi parameri. Come poso in evidenza da Teräsvira (1994), infai, se il vero modello è nonlineare la sima di un modello lineare compora, in generale, una più ricca sruura auoregressiva; da ciò consegue una perdia di poere per ui i es di nonlinearià. Il es RESET, sia nella sua versione classica che in quella modificaa, è sao condoo secondo re diverse specificazioni, nella prima regressione ausiliaria sono sai inclusi solo i ermini al quadrao, nella seconda anche quelli cubici e, nella erza anche i ermini elevai alla quara poenza. I risulai del es RESET e del es di Tsay, che ricordiamo dovrebbero discriminare rispeo ad 17

18 un ipoesi alernaiva di non linearià generica, non permeono di rifiuare l ipoesi di linearià nella maggior pare dei casi. Le uniche eccezioni sono rappresenae dal es RESET-3 e RESET-4, nel caso del Marco edesco con p=4; dal es Mod.RESET-4 nel caso del franco francese (p=4) e del marco edesco (p=6); il es di Tsay indica, ad un livello di significaivià del 10%, la presenza di nonlinearià per lo yen giapponese (p=6). Il es S 2, invece, ipoizzando un ipoesi alernaiva specifica, ovvero nonlinearià di ipo STAR, consene di rifiuare l ipoesi che le serie siano lineari; in queso caso il es è robuso rispeo alla sruura auoregressiva e nella maggior pare dei casi i p-value più bassi si oengono in corrispondenza di d=1. Il es di McLeod e Li (1983) è sao condoo per m=1, 2,.12; la abella 1 ripora, però, solo i risulai per m=12, in quano i risulai non apparivano significaivamene diversi per gli alri valori di m; il es evidenzia la presenza di nonlinearià in varianza solo per lo yen giapponese e per il marco edesco. 5. Risulai empirici 5.1 Sima dei modelli Modelli lineari Per il franco francese è sao idenificao un AR(4), per il marco edesco un AR(2), e per lo yen un AR(3). In ui i casi i modelli sono risrei, cioè i coefficieni dei ermini auoregressivi inermedi sono uguali a zero. Modelli SETAR Per il franco francese e il marco edesco abbiamo simao sia modelli a una soglia (2 regimi) che modelli con 2 soglie (3 regimi); per lo yen giapponese è sao possibile, invece, idenificare solano un modello con due regimi; la procedura di sima adoaa è saa 18

19 quella suggeria da Tong (1983) 7. Tui i modelli sono riporai nella abella 3. Per quano riguarda il franco francese i modelli simai sono caraerizzai in considerevole misura da nonlinearià; i regimi, infai, presenano delle sruure auoregressive e dei coefficieni simai molo diversi. Secondo il modello a due regimi, la serie seguirebbe un processo AR(2) nel primo regime, menre sarebbe cosane nel secondo. Nel caso del modello a re regimi, il asso di rendimeno del franco viene descrio da un processo AR(1) se vi sono fori apprezzameni, da una cosane per fori deprezzameni e da un processo AR(5) nel caso inermedio. Si noi, inolre che la varianza simaa è molo diversa da un regime all alro, essa è uguale a nel primo regime, a nel secondo e a nel erzo. Le variazioni del marco edesco seguono un processo AR(1) nel primo regime e AR(6) nel secondo, quando si ipoizza che esisa una sola soglia; menre, nel caso di due soglie, la serie segue un processo AR(3) nel primo regime, un AR(1) nel secondo e un AR(6) nel erzo. Anche per quesa valua è ineressane soolineare che la varianza simaa varia molo da un regime all alro; essa è molo bassa nel regime di fore deprezzameno. Il asso di rendimeno dello yen giapponese è rappresenao da un modello SETAR con una cosane solano in enrambi i regimi, inolre la varianza simaa non differisce sosanzialmene ra essi. È ragionevole ipoizzare per lo yen modelli nonlineari in media non siano adeguai a descriverne l andameno. Il fao che la nonlinearià in media sia, invece, rilevane nel caso delle due value europee può dipendere dall esisenza di un regime di cambi flessibili manovrao, che prevedeva l esisenza di bande di oscillazione e inerveni da pare delle banche cenrali all approssimarsi del asso di cambio agli esremi di quese. 7Tui i modelli sono sai simai uilizzando il programma STAR3 (Tong, 1990). 19

20 Modelli GARCH Componeni GARCH sono risulae significaive solo nella serie dei rendimeni dello yen. Per poer cogliere la presenza di quese componeni abbiamo idenificao alcuni modelli alernaivi, fra cui un semplice GARCH(1,1), un EGARCH(1,1) e un TARCH(1,1) per ener cono di possibili effei asimmerici sulla varianza condizionale, e un GARCH in media (GARCH-M(1,1)) 8. In ui i casi la media della serie è saa modellaa con un semplice processo AR(1). La scela finale del GARCH-M, i cui risulai previsivi sono riporai nelle abelle che seguono, è saa condoa sulla base dei crieri informaivi di Akaike (AIC) e di Schwarz (SIC). 5.1 Le previsioni Le previsioni sono sae calcolae per 1, 3, 6, 9, 12 e 24 passi avani ricorsivamene; ciascun modello è sao idenificao e specificao una sola vola, ovvero per il primo periodo di sima, ; ques ulimo viene di vola in vola aggiornao di un osservazione sino al , il modello è perano risimao (ma non rispecificao) e le previsioni per 1,, 24 passi avani calcolae. In oale per ciascun orizzone emporale considerao si oengono 50 previsioni punuali. I RMSE e le percenuali di segni correamene previsi sono riporai nella abella 4, menre i grafici nella figura 2 permeono un immediao e chiaro confrono della performance previsiva dei diversi modelli a seconda dell orizzone esaminao. La abella 5 presena, invece, i RMSE normalizzai rispeo al modello lineare, che rappresena il nosro benchmark; ciascuno di essi è oenuo dal rapporo RMSE NL /RMSE L ; perano, un valore inferiore all unià significa che il modello nonlineare fornisce previsioni più accurae del semplice modello nonlineare. La abella 4 ripora, inolre, il RMSE per il modello random walk nei livelli; è opporuno evidenziare che solo il valore relaivo a un passo avani può essere confronao con quelli oenui dagli alri 8 I modelli GARCH sono sai simai col programma EViews. 20

Struttura dei tassi per scadenza

Struttura dei tassi per scadenza Sruura dei assi per scadenza /45-Unià 7. Definizione del modello ramie gli -coupon bonds preseni sul mercao Ipoesi di parenza Sul mercao sono preseni all isane ZCB che scadono fra,2,,n periodi Periodo:

Dettagli

Lezione n.7. Variabili di stato

Lezione n.7. Variabili di stato Lezione n.7 Variabili di sao 1. Variabili di sao 2. Funzione impulsiva di Dirac 3. Generaori impulsivi per variabili di sao disconinue 3.1 ondizioni iniziali e generaori impulsivi In quesa lezione inrodurremo

Dettagli

Lezione 11. Inflazione, produzione e crescita della moneta

Lezione 11. Inflazione, produzione e crescita della moneta Lezione 11 (BAG cap. 10) Inflazione, produzione e crescia della monea Corso di Macroeconomia Prof. Guido Ascari, Universià di Pavia Tre relazioni ra produzione, disoccupazione e inflazione Legge di Okun

Dettagli

VALORE EFFICACE DEL VOLTAGGIO

VALORE EFFICACE DEL VOLTAGGIO Fisica generale, a.a. /4 TUTOATO 8: ALO EFFC &CCUT N A.C. ALOE EFFCE DEL OLTAGGO 8.. La leura con un mulimero digiale del volaggio ai morsei di un generaore fornisce + in coninua e 5.5 in alernaa. Tra

Dettagli

COMPORTAMENTO SISMICO DELLE STRUTTURE

COMPORTAMENTO SISMICO DELLE STRUTTURE COMPORTAMENTO SISMICO DELLE STRUTTURE Durane un erreoo, le oscillazioni del erreno di fondazione provocano nelle sovrasani sruure delle oscillazioni forzae. Quando il erreoo si arresa, i ovieni della sruura

Dettagli

Gestione della produzione MRP e MRPII

Gestione della produzione MRP e MRPII Sommario Gesione della produzione e Inroduzione Classificazione Misure di presazione La Disina Base Logica Lo Sizing in II Inroduzione Inroduzione Def: Gesire la produzione significa generare e sfruare

Dettagli

MODELLI PER LA STRUTTURA A TERMINE DEI TASSI

MODELLI PER LA STRUTTURA A TERMINE DEI TASSI Alma Maer Sudiorum Universià di Bologna FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Maemaica Maeria di Tesi: Maemaica per le applicazioni economiche e finanziarie MODELLI PER

Dettagli

NOTA METODOLOGICA SUL MODELLO PREVISIVO EXCELSIOR PER GLI ANNI 2013-2017

NOTA METODOLOGICA SUL MODELLO PREVISIVO EXCELSIOR PER GLI ANNI 2013-2017 NOTA METODOLOGICA SUL MODELLO PREVISIVO EXCELSIOR PER GLI ANNI 2013-2017 1 SOMMARIO PREMESSA... 3 1. IL MODELLO ECONOMETRICO PER LA STIMA DEGLI STOCK SETTORIALI... 3 Foni... 3 Meodologia... 3 La formulazione

Dettagli

7 I convertitori Analogico/Digitali.

7 I convertitori Analogico/Digitali. 7 I converiori Analogico/Digiali. 7 1. Generalià Un volmero numerico, come si evince dal nome, è uno srumeno che effeua misure di ensione mediane una conversione analogicodigiale della grandezza in ingresso

Dettagli

Esercizi svolti di teoria dei segnali

Esercizi svolti di teoria dei segnali Esercizi svoli di eoria dei segnali Alessia De Rosa Mauro Barni Novembre Indice Inroduzione ii Caraerisiche dei segnali deerminai Sviluppo in Serie di Fourier di segnali periodici Trasformaa di Fourier

Dettagli

TEMPORIZZATORE CON Ic NE 555 ( a cura del prof A. GARRO ) SCHEMA A BLOCCHI : NE555 1 T. reset (4) VCC R6 10K. C5 10uF

TEMPORIZZATORE CON Ic NE 555 ( a cura del prof A. GARRO ) SCHEMA A BLOCCHI : NE555 1 T. reset (4) VCC R6 10K. C5 10uF TEMPOIZZATOE CON Ic NE 555 ( a cura del prof A GAO ) SCHEMA A BLOCCHI : M (8) NE555 00K C7 00uF STAT S 4 K C6 0uF (6) (5) () TH C T A B 0 0 Q S Q rese T DIS (7) OUT () 0 T T09*()*C7 (sec) GND () (4) 6

Dettagli

CONSULTAZIONE PUBBLICA IN MATERIA DI REGOLAZIONE TARIFFARIA DEI

CONSULTAZIONE PUBBLICA IN MATERIA DI REGOLAZIONE TARIFFARIA DEI DOCUMENTO PER LA CONSULTAZIONE 356/2013/R/IDR CONSULTAZIONE PUBBLICA IN MATERIA DI REGOLAZIONE TARIFFARIA DEI SERVIZI IDRICI Documeno per la consulazione nell ambio del procedimeno avviao con la deliberazione

Dettagli

Il condensatore. Carica del condensatore: tempo caratteristico

Il condensatore. Carica del condensatore: tempo caratteristico Il condensaore IASSUNTO: apacia ondensaori a geomeria piana, cilindrica, sferica La cosane dielerica ε r ondensaore ceramico, a cara, eleroliico Il condensaore come elemeno di circuio: ondensaori in serie

Dettagli

Principi di ingegneria elettrica. Lezione 19 a. Conversione elettromeccanica dell'energia Trasmissione e distribuzione dell'energia elettrica

Principi di ingegneria elettrica. Lezione 19 a. Conversione elettromeccanica dell'energia Trasmissione e distribuzione dell'energia elettrica Principi di ingegneria elerica Lezione 19 a Conversione eleromeccanica dell'energia Trasmissione e disribuzione dell'energia elerica acchina elerica elemenare Una barra condurice di lunghezza l immersa

Dettagli

seguendo un trend di costante crescita, ciò grazie ad un assiduo impegno nella progettazione, nello sviluppo e nella produzione di motori elettrici

seguendo un trend di costante crescita, ciò grazie ad un assiduo impegno nella progettazione, nello sviluppo e nella produzione di motori elettrici OTORI A ORRENTE ONTINUA OTORIDUTTORI W W W.DAGU.IT cerificazioni Dagu s.r.l. è un azienda che si è sviluppaa negli anni con discrea rapidià, seguendo un rend di cosane crescia, ciò grazie ad un assiduo

Dettagli

Lezione 4. Risposte canoniche dei sistemi del primo e del secondo ordine

Lezione 4. Risposte canoniche dei sistemi del primo e del secondo ordine Lezione 4 Ripoe canoniche dei iemi del primo e del econdo ordine Parameri caraeriici della ripoa allo calino Per ripoe canoniche i inendono le ripoe dei iemi dinamici ai egnali coiddei canonici (impulo,

Dettagli

TELEGESTIONE E CONTROLLO DI QUALUNQUE TIPO DI CALDAIE E BRUCIATORI PER QUALUNQUE TIPO DI IMPIANTO

TELEGESTIONE E CONTROLLO DI QUALUNQUE TIPO DI CALDAIE E BRUCIATORI PER QUALUNQUE TIPO DI IMPIANTO NUMERO 2 del 23.04.08 COSER COSER IME Applicazioni Apparecchiature Numero 2 del 23-04-08 APPLICAZIONI APPARECCHIAURE E IMPIANI LE VARIE SOLUZIONI SARANNO ELENCAE NEL MODO PIÙ SINEICO POSSIBILE. ROVAA LA

Dettagli

Esercizio 1 ( es 1 lez 11) La matrice è diagonalizzabile: verificare, trovando la matrice diagonalizzante, che A è simile a A.

Esercizio 1 ( es 1 lez 11) La matrice è diagonalizzabile: verificare, trovando la matrice diagonalizzante, che A è simile a A. Eserciio ( es le La marice è diagonaliabile: verificare, rovando la marice diagonaliane, che è simile a. Esisono re auovalori: mol.alg(- dim V - ; mol.alg( dim V ; mol.alg(- dim V -. Esise una marice simile

Dettagli

Circuiti del primo ordine

Circuiti del primo ordine Circuii del primo ordine Un circuio del primo ordine è caraerizzao da un equazione differenziale del primo ordine I circuii del primo ordine sono di due ipi: L o C Teoria dei Circuii Prof. Luca Perregrini

Dettagli

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

Dettagli

Laboratorio di Algoritmi e Strutture Dati

Laboratorio di Algoritmi e Strutture Dati Laboraorio di Algorimi e Sruure Dai Aniello Murano hp://people.na.infn.i people.na.infn.i/ ~murano/ 1 Algorimi per il calcolo di percori minimi u un grafo 1 Un emplice problema Pr oblema: Supponiamo che

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

Lampade: MASTER SON-T PIA Plus

Lampade: MASTER SON-T PIA Plus 13, Seembre 10 Lampade: Plus Lampade ai vapori di sodio ad ala pressione di ala qualià realizzae con ecnologia PIA (Philips Inegraed Anenna). Vanaggi La ecnologia PIA aumena l'affidabilià e riduce il asso

Dettagli

Problema 1: Una collisione tra meteoriti

Problema 1: Una collisione tra meteoriti Problema : Una colliione ra meeorii Problemi di imulazione della econda prova di maemaica Eami di ao liceo cienifico 5 febbraio 05 Lo udene deve volgere un olo problema a ua cela Tempo maimo aegnao alla

Dettagli

La Valutazione della Ricerca nelle Università Italiane: la SUA-RD e le prospettive future.

La Valutazione della Ricerca nelle Università Italiane: la SUA-RD e le prospettive future. La Valutazione della Ricerca nelle Università Italiane: la SUA-RD e le prospettive future. Massimo Castagnaro Coordinatore AVA - Consiglio Direttivo ANVUR massimo.castagnaro@anvur.org Roma, 11.11.2014

Dettagli

TRASFORMAZIONI GEOMETRICHE Una trasformazione geometrica del piano in sé è una corrispondenza biunivoca tra i punti del piano: ( ) , :,

TRASFORMAZIONI GEOMETRICHE Una trasformazione geometrica del piano in sé è una corrispondenza biunivoca tra i punti del piano: ( ) , :, TRASFORMAZIONI GEOMETRICHE Un rsforzione geoeric del pino in sé è un corrispondenz iunivoc r i puni del pino P P, P P P è l igine di P rispeo ll rsforzione. Ad ogni puno P(,) corrisponde uno ed un solo

Dettagli

INTERAZIONI TRA ATMOSFERA E IDROSFERA

INTERAZIONI TRA ATMOSFERA E IDROSFERA INTERAZIONI TRA ATMOSFERA E IDROSFERA PIETRO CALOI Isiuo Naionale di Geofisica - Roma. RIASSUNTO: Fra i legami che vincolano i movimeni di pari della idrosfera mari, laghi a quelli dell'amosfera, si prendono

Dettagli

Il sistema AVA e la VQR: la Scheda Unica Annuale della Ricerca Dipartimentale (SUA-RD)

Il sistema AVA e la VQR: la Scheda Unica Annuale della Ricerca Dipartimentale (SUA-RD) Il sistema AVA e la VQR: la Scheda Unica Annuale della Ricerca Dipartimentale (SUA-RD) Massimo Castagnaro Coordinatore AVA - Consiglio Direttivo ANVUR massimo.castagnaro@anvur.org Lecce, 19.02.2014 La

Dettagli

Buon appetito 3. comunicazione. grammatica. vocabolario Espresso. bene / buono

Buon appetito 3. comunicazione. grammatica. vocabolario Espresso. bene / buono Buon appeio comunicazione Cosa desidera? Vorrei solo un primo Che cosa avee oggi? Prende un caffè? Scusi, mi pora ancora un po di pane? Il cono, per coresia È possibile prenoare un avolo? grammaica I verbi

Dettagli

Confronto tra gruppi (campioni indipendenti)

Confronto tra gruppi (campioni indipendenti) Confronto tra gruppi (campioni indipendenti) Campioni provenienti da una popolazione Normale con medie che possono essere diverse ma varianze uguali campioni: Test z or t sulla differenza tra medie 3,

Dettagli

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI POCESSI CASUALI Segnal deermnsc e casual Un segnale () s dce DEEMIISICO se è una funzone noa d, coè se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è noo con esaezza

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

VC-dimension: Esempio

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

Dettagli

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

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità) 4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio

Dettagli

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

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

Dettagli

Introduzione Metodo POT

Introduzione Metodo POT Introduzione Metodo POT 1 Un recente metodo di analisi dei valori estremi è un metodo detto POT ( Peak over thresholds ), inizialmente sviluppato per l analisi dei dati idrogeologici a partire dalla seconda

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

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

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

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

Raduno precampionato. 7/8 Se'embre 2013 Praca2nat. Il referto di gara. Indicazioni per la corre1a compilazione

Raduno precampionato. 7/8 Se'embre 2013 Praca2nat. Il referto di gara. Indicazioni per la corre1a compilazione Raduno precampionato 7/8 Se'embre 2013 Praca2nat Il referto di gara Indicazioni per la corre1a compilazione Il referto di gara Il referto di gara rappresenta il documento che completa l incarico arbitrale:

Dettagli

L approccio parametrico o delle varianze-covarianze

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

Dettagli

General Linear Model. Esercizio

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

Dettagli

Una proposta per la matematica del Secondo Biennio e per il quinto anno tra contenuti e attività

Una proposta per la matematica del Secondo Biennio e per il quinto anno tra contenuti e attività XXXII CONVEGNO UMI-CIIM IL VALORE FORMATIVO DELLA MATEMATICA NELLA SCUOLA DI OGGI dedicato a Federigo Enriques Livorno, 16-18 ottobre 2014 Una proposta per la matematica del Secondo Biennio e per il quinto

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

Analisi statistica di dati biomedici Analysis of biologicalsignals

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

Dettagli

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

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

Dettagli

Università degli studi di Pavia Facoltà di Economia a.a. 2014-2015

Università degli studi di Pavia Facoltà di Economia a.a. 2014-2015 Università degli studi di Pavia Facoltà di Economia a.a. 2014-2015 Corso di Economia Aziendale II modulo Capitolo 4 Lo scambio monetario e i valori scaturenti da esso 1 Stru%ura del corso Introduzione

Dettagli

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

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

Dettagli

Analisi dei segnali nel dominio del tempo

Analisi dei segnali nel dominio del tempo Appui di Teoria dei Segali a.a. / Aalisi dei segali el domiio del empo L.Verdoliva I quesa prima pare del corso sudieremo come rappreseare i segali empo coiuo e discreo el domiio del empo e defiiremo le

Dettagli

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

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

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

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

15 Aggiornamento Circolare 263/2006: Esternalizzazione di funzioni aziendali

15 Aggiornamento Circolare 263/2006: Esternalizzazione di funzioni aziendali Informa(on and Communica(on Technology supply chain security 15 Aggiornamento Circolare 263/2006: Esternalizzazione di funzioni aziendali Luca Lazzaretto Rosangela D'Affuso Padova, 29 aprile 2015 1 15

Dettagli

Product Overview. ITI Apps Enterprise apps for mobile devices

Product Overview. ITI Apps Enterprise apps for mobile devices Product Overview ITI Apps Enterprise apps for mobile devices ITI idea, proge2a e sviluppa apps per gli uten6 business/enterprise che nell ipad, e nelle altre pia2aforme mobili, possono trovare un device

Dettagli

DIODO E RADDRIZZATORI DI PRECISIONE

DIODO E RADDRIZZATORI DI PRECISIONE OO E AZZATO PECSONE raddrzzar ( refcar) sn crcu mpega per la rasfrmazne d segnal bdreznal n segnal undreznal. Usand, però, dd per raddrzzare segnal, s avrà l svanagg d nn per raddrzzare segnal la cu ampezza

Dettagli

Knowlab Un Sistema Computerizzato per la Valutazione Adattiva della Conoscenza e dell'apprendimento

Knowlab Un Sistema Computerizzato per la Valutazione Adattiva della Conoscenza e dell'apprendimento Knowlab Un Sistema Computerizzato per la Valutazione Adattiva della Conoscenza e dell'apprendimento Debora de Chiusole PhD Candidate deboratn@libero.it Università degli Studi di Padova Dipartimento FISPPA

Dettagli

Perché non si può crescere senza ricerca Ignazio Visco

Perché non si può crescere senza ricerca Ignazio Visco Perché non si può crescere senza ricerca Ignazio Visco Un economia sana e con buone prospettive di crescita deve saper cogliere i frutti del progresso tecnico, che solo adeguati investimenti in ricerca

Dettagli

PRESENT SIMPLE. Indicativo Presente = Presente Abituale. Tom s everyday life

PRESENT SIMPLE. Indicativo Presente = Presente Abituale. Tom s everyday life PRESENT SIMPLE Indicativo Presente = Presente Abituale Prerequisiti: - Pronomi personali soggetto e complemento - Aggettivi possessivi - Esprimere l ora - Presente indicativo dei verbi essere ed avere

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

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

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

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

Dettagli

Process mining & Optimization Un approccio matematico al problema

Process mining & Optimization Un approccio matematico al problema Res User Meeting 2014 con la partecipazione di Scriviamo insieme il futuro Paolo Ferrandi Responsabile Tecnico Research for Enterprise Systems Federico Bonelli Engineer Process mining & Optimization Un

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

Capitolo 12 La regressione lineare semplice

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

Dettagli

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

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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

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

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

Valore di costo procedimen+ sinte+ci

Valore di costo procedimen+ sinte+ci Corso di valutazione es+ma+va del proge5o Clasa a.a. 2012/13 Valore di costo procedimen+ sinte+ci Docente Collaboratore prof. Stefano Stanghellini arch. Pietro Bonifaci Il mercato delle costruzioni LE

Dettagli

UNIVERSITÀ CATTOLICA DEL SACRO CUORE FACOLTÀ DI ECONOMIA REGOLAMENTO SUI REQUISITI E SULLA PROCEDURA DI (IL REGOLAMENTO PER IL RECLUTAMENTO )

UNIVERSITÀ CATTOLICA DEL SACRO CUORE FACOLTÀ DI ECONOMIA REGOLAMENTO SUI REQUISITI E SULLA PROCEDURA DI (IL REGOLAMENTO PER IL RECLUTAMENTO ) UNIVERSITÀ CATTOLICA DEL SACRO CUORE FACOLTÀ DI ECONOMIA ESTRATTO DA REGOLAMENTO SUI REQUISITI E SULLA PROCEDURA DI RECLUTAMENTO DI RICERCATORI E DOCENTI (IL REGOLAMENTO PER IL RECLUTAMENTO ) 1 Requisiti

Dettagli

Statistica. Lezione 6

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

Dettagli

La do&rina del precedente

La do&rina del precedente La do&rina del precedente I Stare Decisis Lo stare decisis è invece una tecnica decisionale elaborata dai giudici per garan6re stabilità, una sorta di «gerarchia» tra le fon6 giurisprudenziali. Esprime

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

x = AP = AC PC = R (θ sen θ) y = PB = PQ + BQ = R (1 cos θ).

x = AP = AC PC = R (θ sen θ) y = PB = PQ + BQ = R (1 cos θ). L iloide L urv no oggi ome iloide fu onsider per primo d Glileo, he in un primo momeno ongeurò he l re dell figur rhius fosse re vole quell del erhio he l gener Più rdi, forse us di qulhe esperimeno ml

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

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

Dettagli

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

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

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

Dettagli

La teoria dei vantaggi comparati. La teoria dei vantaggi comparati

La teoria dei vantaggi comparati. La teoria dei vantaggi comparati La teoria dei vantaggi comparati La teoria dei vantaggi comparati fu elaborata dall economista inglese David Ricardo (1772-1823) nella sua opera principale: On the Principles of Political Economy and Taxation

Dettagli

RefWorks Guida rapida VERSIONE 6.0

RefWorks Guida rapida VERSIONE 6.0 RefWorks Guida rapida VERSIONE 6.0 ISTRUZIONI DI ACCESSO Accedere a www.refworks.com/refworks e imme ere il proprio nome (Login Name) e la password. (Gli uten che accedono al sistema per la prima volta

Dettagli

Evoluzione Risk Management in Intesa

Evoluzione Risk Management in Intesa RISCHIO DI CREDITO IN BANCA INTESA Marco Bee, Mauro Senati NEWFIN - FITD Rating interni e controllo del rischio di credito Milano, 31 Marzo 2004 Evoluzione Risk Management in Intesa 1994: focus iniziale

Dettagli

I ricavi del calcio in Europa sfiorano i 20 miliardi di Euro (+5%) La Serie A arriva a quota 1,7 miliardi di Euro (+6%)

I ricavi del calcio in Europa sfiorano i 20 miliardi di Euro (+5%) La Serie A arriva a quota 1,7 miliardi di Euro (+6%) Deloitte Italy Spa Via Tortona 25 20144 Milano Tel: +39 02 83326111 www.deloitte.it Contatti Barbara Tagliaferri Ufficio Stampa Deloitte Tel: +39 02 83326141 Email: btagliaferri@deloitte.it Marco Lastrico

Dettagli

Introduzione. Classificazione delle non linearità

Introduzione. Classificazione delle non linearità Introduzione Accade spesso di dover studiare un sistema di controllo in cui sono presenti sottosistemi non lineari. Alcuni di tali sottosistemi sono descritti da equazioni differenziali non lineari, ad

Dettagli

CI series CI SERIES: HYDRAULIC SHEAR CI SERIES

CI series CI SERIES: HYDRAULIC SHEAR CI SERIES CI series CI SERIES: HYDRAULIC SHEAR 16 SERIE CI : CESOIA IDRAULICA Le cesoie VTN rovano impiego ano nella demolizione aerea (demolizione di inere sruure in ferro), quano nella demolizione a erra (in fonderia,

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

NEL 1600. Ma la prima metà del '600 fu dominata dalla guerra dei Trent'anni. combattuta dal 1618 al 1648

NEL 1600. Ma la prima metà del '600 fu dominata dalla guerra dei Trent'anni. combattuta dal 1618 al 1648 NEL 1600 1. c'erano Stati che avevano perso importanza = SPAGNA ITALIA- GERMANIA 2. altri che stavano acquisendo importanza = OLANDA INGHILTERRA FRANCIA Ma la prima metà del '600 fu dominata dalla guerra

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

Il Metodo di analisi multicriterio Analitic Hierarchy Process (AHP) Corso di Analisi delle Decisioni Chiara Mocenni (mocenni@dii.unisi.

Il Metodo di analisi multicriterio Analitic Hierarchy Process (AHP) Corso di Analisi delle Decisioni Chiara Mocenni (mocenni@dii.unisi. Il Metodo di analisi multicriterio Analitic Hierarchy Process (AHP) Corso di Analisi delle Decisioni Chiara Mocenni (mocenni@dii.unisi.it) L analisi multicriterio e il processo decisionale L analisi multicriterio

Dettagli

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

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

Dettagli

EQUAZIONI non LINEARI

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

Dettagli

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

Principal Component Analysis (PCA)

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

Dettagli

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

API (FORMATO JSON) PER IMPORT DATI IN CONTABILITA' FACILE ONLINE

API (FORMATO JSON) PER IMPORT DATI IN CONTABILITA' FACILE ONLINE API (FORMAO JSON) PER IMPOR DAI IN CONABILIA' FACILE ONLINE Lo Staff della Geritec SRL mette a disposizione delle API per lo scambio DAI tra applicativi di terze parti e Contabilità facile online (di seguito

Dettagli

Appunti di analisi delle serie storiche. Riccardo Jack Lucchetti

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

Dettagli

MODELLI LINEARI E NON LINEARI IN R

MODELLI LINEARI E NON LINEARI IN R MODELLI LINEARI E NON LINEARI IN R Angelo M. Mineo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo Copyright 2008 Angelo M. Mineo. All rights reserved. i

Dettagli

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

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

Dettagli

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

Guida alle offerte di finanziamento per le medie imprese

Guida alle offerte di finanziamento per le medie imprese IBM Global Financing Guida alle offerte di finanziamento per le medie imprese Realizzata da IBM Global Financing ibm.com/financing/it Guida alle offerte di finanziamento per le medie imprese La gestione

Dettagli