I modelli di simulazione
|
|
- Placido Caruso
- 8 anni fa
- Visualizzazioni
Transcript
1 Slides tratte da: Andrea Resti Andrea Sironi Rischio e valore nelle banche Misura, regolamentazione, gestione Egea, 2008
2 AGENDA Le simulazioni storiche L approccio ibrido Le simulazioni storiche filtrate Le simulazioni Monte Carlo Esercizi 2
3 derivano il VaR simulando un grande numero di scenari riguardanti la possibile evoluzione futura dei mercati L approccio della simulazione è dunque più dispendioso in termini di tempo e capacità di calcolo ma è spesso più accurato Full valuation Tre caratteristiche principali Logica del percentile Maggiore flessibilità 3
4 full valuation L approccio varianze-covarianze stima la variazione di valore di un portafoglio attraverso un sistema di coefficienti di sensibilità, solitamente lineari Nei modelli di simulazione il valore di mercato del portafoglio di cui si intende stimare il VaR viene completamente ricalcolato, mediante opportune formule di pricing ( full valuation ) Ad esempio, invece di stimare l effetto di un rialzo dei tassi sul valore di un titolo obbligazionario sulla base della duration modificata si procede a ricalcolare il nuovo prezzo del titolo con il nuovo livello di tassi. L approccio della simulazione richiede di conoscere un opportuna formula di pricing per tutti gli strumenti inseriti nel portafoglio Se le formule di pricing usate sono corrette, i modelli di simulazione non restituiscono variazioni del valore del portafoglio approssimate, ma esatte 4
5 full valuation azioni tassi materie prime cambi 1. Fattori di rischio: Si genera un elevato numero di scenari relativi a variazioni dei fattori di mercato, basati sulle variazioni passate (simulazione storica) o su una determinata (ad es. normale) distribuzione teorica (simulazione Monte Carlo) 2. Portafoglio: 3. Misure di rischio: Ogni scenario è tradotto in una variazione di valore simulata per il portafoglio della banca, di solito attraverso la logica della full valuation ed un insieme di formule di pricing appropriate. Il VaR (o altre misure di rischio) viene derivato dalla distribuzione delle variazioni di valore simulate del portafoglio, ad esempio individuando l opportuno percentile In linea teorica, è possibile applicare la logica della simulazione e continuare a utilizzare la tecnica dei coefficienti di sensibilità 5
6 logica del percentile Nei modelli di simulazione, dopo aver generato la distribuzione di probabilità degli N possibili valori futuri del portafoglio, il VaR viene stimato tagliando tale distribuzione empirica in corrispondenza del percentile associato al livello di confidenza desiderato Ad esempio, dati valori simulati del portafoglio, il VaR al 95% viene calcolato prendendo il 5 percentile (cioè la 501-esima osservazione partendo dalla peggiore) L utilizzo della distribuzione di probabilità simulata dei valori del portafoglio risolve il problema della non-normalità della distribuzione delle perdite future. La distribuzione simulata può assumere qualsiasi forma Il taglio della distribuzione fa superare i problemi legati alla non monotonicità della relazione tra fattore di mercato e portafoglio. I valori del portafoglio sono ordinati dal migliore al peggiore, indipendentemente dal movimento del fattore di mercato che li ha generati 6
7 maggiore flessibilità Per tenere in considerazione il problema delle code spesse, in alcuni modelli parametrici viene aumentato arbitrariamente il multiplo della deviazione standard prescelto non costringono a utilizzare una distribuzione normale per modellare le variazioni dei fattori di mercato le simulazioni storiche generano gli scenari relativi ai fattori di rischio a partire dalla distribuzione empirica delle variazioni passate dei fattori di mercato le simulazioni Monte Carlo richiedono invece che venga definita una distribuzione con cui generare le simulazioni. Essa deve rispecchiare le caratteristiche empiriche delle distribuzioni delle variazioni dei fattori di mercato e prestarsi alla generazione di simulazioni casuali 7
8 maggiore flessibilità Problemi La simulazione Monte Carlo se usata con la distribuzione normale non rispecchia totalmente la distribuzione delle variazioni dei fattori di mercato. L approccio dello stress testing invece si concentra solo su pochi scenari particolarmente sfavorevoli Non linearità dei payoff Non normalità dei rendimenti di mercato a) Full valuation Caratteristiche dell'approccio di simulazione c) Simulazione con distribuzioni non necessariamente normali b) Approccio Simulazione Monte Carlo del percentile Simulazione storica Con distribuzioni non-normali Con distribuzioni normali Legenda: = risolve il problema; = non risolve il problema 8
9 Le simulazioni storiche Nel modello di simulazione storica si ipotizza che le potenziali variazioni dei fattori di mercato siano ben rappresentate dalla loro distribuzione empirica si ipotizza che la distribuzione delle variazioni dei fattori di rischio sia stabile nel tempo Principali passaggi di una simulazione storica Fase Attività 1 Selezione di un campione di rendimenti (ad esempio giornalieri) del fattore o dei fattori di mercato rilevanti, relativo a un determinato periodo storico (ad esempio 250 giorni). 2 Rivalutazione della singola posizione o del portafoglio in corrispondenza di ognuno dei valori storici dei rendimenti del fattore di mercato. 3 Ricostruzione della distribuzione empirica di frequenza dei valori della posizione/portafoglio così ottenuti. 4 Taglio della distribuzione in corrispondenza del percentile relativo al livello di confidenza desiderato. 5 La differenza tra tale percentile ed il valore corrente del portafoglio rappresenta il VaR 9
10 Esempio il VaR di una singola posizione POSIZIONE: Opzione call, strike pari a e vita residua di tre mesi, sull indice S&P500. Il valore corrente dell opzione è pari a circa 2,30 dollari Il campione storico di riferimento sono 500 rendimenti giornalieri fra il 1 gennaio 2003 e il 28 dicembre Nella tabella della slide successiva vengono presentati soltanto i primi 20 e gli ultimi 20 dati, a sinistra ordinati cronologicamente mentre a destra dal peggiore al migliore. La sesta colonna indica i valori che l indice S&P500 potrebbe assumere l indomani se, partendo dal valore corrente (1.213,54 dollari) subisse una variazione logaritmica pari a quella indicata nella colonna precedente La settima colonna indica quale sarebbe, dato questo nuovo valore del sottostante, il nuovo valore di mercato dell opzione 10
11 Valori simulati ($) per la call Rischio e valore nelle banche Esempio il VaR di una singola posizione Dati in ordine cronologico Rendimento logaritmico giornaliero del S&P 500 Dati ordinati in base ai rendimenti logaritmici giornalieri Rendimento logaritmico giornaliero del S&P 500 Valore simulato dell indice S&P500 Valore simulato nella call Variazione nel valore della call Rang Data S&P500 o 03/01/ ,6 0,0% 1-3,6% 1170,8 0,18-2,11 06/01/ ,0 2,2% 2-3,0% 1178,1 0,30-2,00 07/01/ ,9-0,7% 3-2,6% 1182,2 0,39-1,90 08/01/ ,9-1,4% 4-2,5% 1183,3 0,42-1,88 09/01/ ,6 1,9% 5-2,3% 1185,8 0,49-1,80 10/01/ ,6 0,0% 6-1,9% 1190,4 0,65-1,65 13/01/ ,3-0,1% 7-1,9% 1191,2 0,68-1,61 14/01/ ,7 0,6% 8-1,8% 1192,0 0,72-1,58 15/01/ ,2-1,5% 9-1,8% 1192,1 0,72-1,58 16/01/ ,6-0,4% 10-1,6% 1193,7 0,79-1,50 17/01/ ,8-1,4% 11-1,6% 1193,9 0,80-1,50 21/01/ ,6-1,6% 12-1,6% 1194,5 0,83-1,47 22/01/ ,4-1,0% 13-1,6% 1194,7 0,84-1,46 23/01/ ,3 1,0% 14-1,6% 1194,8 0,84-1,46 24/01/ ,4-3,0% 15-1,5% 1194,9 0,85-1,45 27/01/ ,5-1,6% 16-1,5% 1195,1 0,85-1,44 28/01/ ,5 1,3% 17-1,5% 1195,1 0,86-1,44 29/01/ ,4 0,7% 18-1,5% 1195,4 0,87-1,43 30/01/ ,6-2,3% 19-1,5% 1195,8 0,89-1,41 31/01/ ,7 1,3% 20-1,5% 1195,8 0,89-1,40 30/11/ ,8-0,4% 481 1,6% 1233,1 5,44 3,15 01/12/ ,4 1,5% 482 1,6% 1233,1 5,46 3,16 02/12/ ,3-0,1% 483 1,6% 1233,2 5,48 3,18 03/12/ ,2 0,1% 484 1,6% 1233,4 5,51 3,22 06/12/ ,3-0,1% 485 1,7% 1234,7 5,80 3,50 07/12/ ,1-1,1% 486 1,8% 1235,2 5,92 3,63 08/12/ ,8 0,5% 487 1,9% 1236,6 6,26 3,96 09/12/ ,2 0,5% 488 1,9% 1237,1 6,38 4,08 10/12/ ,0-0,1% 489 1,9% 1237,2 6,41 4,11 13/12/ ,7 0,9% 490 1,9% 1237,2 6,41 4,12 14/12/ ,4 0,4% 491 1,9% 1237,3 6,43 4,14 15/12/ ,7 0,2% 492 2,1% 1239,6 7,02 4,72 16/12/ ,2-0,2% 493 2,1% 1239,9 7,11 4,81 17/12/ ,2-0,8% 494 2,2% 1240,7 7,32 5,02 20/12/ ,7 0,0% 495 2,2% 1240,7 7,33 5,03 21/12/ ,5 0,9% 496 2,2% 1240,8 7,36 5,06 22/12/ ,6 0,3% 497 2,3% 1241,4 7,53 5,23 23/12/ ,1 0,0% 498 2,6% 1245,2 8,66 6,36 27/12/ ,9-0,4% 499 3,4% 1255,4 12,23 9,93 28/12/ ,5 0,7% 500 3,5% 1256,5 12,70 10,40 14,00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 A valori estremi dei rendimenti del fattore di mercato corrispondono valori estremi dell opzione: la relazione tra il valore di una call e quello del suo sottostante, anche se non lineare, è monotona 1160, , , , , , ,00 Valori simulati ($) per l'indice S&P500 11
12 -2,5 / -2,0-2,0 / -1,5-1,5 / -1,0-1,0 / -0,5-0,5 / 0,0 0,0 / 0,5 0,5 / 1,0 1,0 / 1,5 1,5 / 2,0 2,0 / 2,5 2,5 / 3,0 3,0 / 3,5 3,5 / 4,0 4,0 / 4,5 4,5 / 5,0 5,0 / 5,5 5,5 / 6,0 6,0 / 6,5 6,5 / 7,0 7,0 / 7,5 7,5 / 8,0 8,0 / 8,5 8,5 / 9,0 9,0 / 9,5 9,5 / 10,0 10,0 / 10,5 10,5 / 11,0 11,0 / 11,5 11,5 / 12,0 12,0 / 12,5 Percemtiale di casi Rischio e valore nelle banche Esempio il VaR di una singola posizione Il VaR (livello di confidenza pari al 99%) è pari a 1,65 dollari sesta variazione negativa più rilevante del valore di mercato dell opzione Se la banca avesse una posizione corta, il VaR andrebbe calcolato utilizzando le variazioni positive del valore di mercato dell opzione. In questo caso il VaR corrispondente al 99% di confidenza è 5,03 dollari 25% 20% I valori di VaR relativi a una posizione lunga sono meno elevati di quelli corrispondenti a una corta. La distribuzione è infatti asimmetrica e presenta una coda destra più pronunciata 15% 10% 5% 0% Variazione di valore della call ($)
13 Esempio la stima del VaR di portafoglio PORTAFOGLIO: azioni appartenenti in egual misura al FTSE 100, al DAX e all S&P500. Nella tabella della slide successiva vengono riportati i rendimenti giornalieri (100) dal 22 luglio all 8 dicembre 2004, dei tre indici. La colonna Media contiene il rendimento di un portafoglio composto in uguale misura dalle azioni dei tre mercati nazionali. Le prime colonne sono in ordine cronologico, mentre la parte destra della tabella è ordinata con riferimento al rendimento medio dei tre indici Anche in questo caso il VaR corrispondente ai differenti livelli di confidenza è ottenuto seguendo la logica del percentile Per semplicità vengono riportati solo i primi dieci e gli ultimi dieci dati. 13
14 Esempio la stima del VaR di portafoglio Rendimenti logaritmici giornalieri in ordine cronologico Dati ordinati in base ai rendimenti logaritmici giornalieri S&P50 S&P50 Data FTSE100 DAX 0 Media Rank FTSE100 DAX 0 Media 22/07/2004-1,6% -2,0% 0,3% -1,1% 1-1,7% -2,7% -1,6% -2,0% 23/07/2004 0,5% -0,1% -1,0% -0,2% 2-1,6% -2,0% 0,3% -1,1% 26/07/2004-0,9% -1,2% -0,2% -0,8% 3-1,1% -2,1% -0,1% -1,1% 27/07/2004 0,9% 1,6% 1,0% 1,2% 4-0,9% -1,1% -1,1% -1,0% 28/07/2004 0,7% -0,2% 0,1% 0,2% 5-0,3% -1,2% -1,4% -1,0% 29/07/2004 1,4% 2,1% 0,5% 1,3% 6-0,8% -1,5% -0,2% -0,8% 30/07/2004-0,1% 0,2% 0,1% 0,0% 7-0,8% -0,9% -0,6% -0,8% 02/08/2004 0,1% -0,8% 0,4% -0,1% 8-0,9% -1,1% -0,3% -0,8% 03/08/2004 0,3% 0,4% -0,6% 0,0% 9-0,9% -1,2% -0,2% -0,8% 04/08/2004-0,5% -1,4% -0,1% -0,7% 10-0,8% -1,3% 0,0% -0,7% 25/11/2004 0,7% 0,8% 0,0% 0,5% 91 1,1% 1,3% 0,0% 0,8% 26/11/2004-0,3% -0,1% 0,1% -0,1% 92 0,5% 1,6% 0,6% 0,9% 29/11/2004 0,2% -0,2% -0,3% -0,1% 93 0,9% 1,0% 0,9% 0,9% 30/11/2004-1,0% -0,5% -0,4% -0,6% 94 0,8% 0,8% 1,3% 1,0% 01/12/2004 0,7% 1,4% 1,5% 1,2% 95 0,9% 1,6% 1,0% 1,2% 02/12/2004 0,3% 0,7% -0,1% 0,3% 96 0,7% 1,4% 1,5% 1,2% 03/12/2004-0,1% -0,2% 0,1% -0,1% 97 1,1% 1,4% 1,4% 1,3% 06/12/2004-0,5% -0,4% -0,1% -0,3% 98 1,0% 1,7% 1,3% 1,3% 07/12/2004 0,1% 0,4% -1,1% -0,2% 99 1,4% 2,1% 0,5% 1,3% 08/12/2004-0,5% -0,3% 0,5% -0,1% 100 1,9% 2,6% 1,5% 2,0% Posizione corta: VaR (99%)=1,1% VaR(95%)=0,8% Posizione Lunga VaR (99%)=1,3% VaR (95%)=1,2% 14
15 Un confronto simulazioni storiche / approccio varianze - covarianze Il modello di simulazione storica è una tecnica non parametrica: non specifica alcuna forma funzionale della distribuzione delle variazioni dei fattori di mercato e non richiede di stimarne i parametri È possibile applicare l approccio varianze covarianze ai 100 rendimenti dell esempio precedente Deviazione standard dei rendimenti del portafoglio simulato = 0,65% Varianze / covarianze Simulazione storica VaR al 95% - posizione lunga 1,03% 0,85% VaR al 99% - posizione lunga 1,46% 1,12% VaR al 95% - posizione corta 1,03% 1,2% VaR al 99% - posizione corta 1,46% 1,3% Media 0,00% 0,08% Deviazione standard 0,63% 0,63% Asimmetria (skewness) 0,000-0,013 Curtosi in eccesso 0,000 0,868 15
16 Un confronto simulazioni storiche / approccio varianze - covarianze Chi utilizza questa metodologia sostiene che essa abbia una maggior capacità di cogliere le code spesse delle distribuzioni come si vede dalla tabella però, le simulazioni storiche non producono sempre stime di VaR più elevate e dunque più prudenti Confrontando la distribuzione storica dei rendimenti e la distribuzione normale con media nulla e deviazione standard pari a 0,63% si osserva che, per intervalli di confidenza sufficientemente ampi, la distribuzione assume effettivamente code più spesse Mentre variazioni di valore nell ordine del 2% (in più o in meno) sono virtualmente impossibili per la distribuzione normale, esse si sono effettivamente verificate nel passato, anche se in una porzione di casi modesta 16
17 -2,1%/-1,9% -1,9%/-1,7% -1,7%/-1,5% -1,5%/-1,3% -1,3%/-1,1% -1,1%/-0,9% -0,9%/-0,7% -0,7%/-0,5% -0,5%/-0,3% -0,3%/-0,1% -0,1%/0,1% 0,1%/0,3% 0,3%/0,5% 0,5%/0,7% 0,7%/0,9% 0,9%/1,1% 1,1%/1,3% 1,3%/1,5% 1,5%/1,7% 1,7%/1,9% 1,9%/2,1% Percentale di casi Rischio e valore nelle banche Un confronto simulazioni storiche / approccio varianze - covarianze 16% 14% 12% 10% 8% 6% 4% 2% Le code grasse della distribuzione storica risultano confermate dall indice di curtosi della distribuzione storica (slide 16) La minore o maggiore prudenza di una metodologia rispetto a un altra dipende dalla forma funzionale della distribuzione storica dei rendimenti 0% Variazione nel valore del portafoglio azionario ($) Essendo in questo caso ottenuta come somma della distribuzione dei rendimenti di tre diversi fattori di mercato, non è poi molto diversa da una normale 17
18 Pregi e limiti delle simulazioni storiche 4 VANTAGGI 1. È una metodologia facilmente comprensibile e comunicabile fra le varie unità di una banca oltre che all'alta Direzione Rappresenta infatti la perdita che si otterrebbe se le condizioni passate dovessero ripetersi in futuro 2.Non viene richiesto di esplicitare alcuna ipotesi circa la forma funzionale della distribuzione dei rendimenti dei fattori di mercato. L unica ipotesi (implicita) è che la distribuzione dei rendimenti futuri sia correttamente approssimata dalla distribuzione storica 3.Non è necessario stimare la matrice varianze-covarianze dei fattori di mercato. Le simulazioni storiche catturano la struttura delle correlazioni riflessa nelle variazioni congiunte dei fattori di mercato e ipotizzano che rimangano costanti nel futuro 4. Essendo basate sulla full valuation, consentono di cogliere il rischio di portafogli la cui sensibilità alle variazioni dei fattori di mercato è non lineare o non monotona 18
19 Pregi e limiti delle simulazioni storiche 3 LIMITI: 1.Onerosità dei calcoli necessari per rivalutare l'intero portafoglio: possono richiedere tempi troppo lunghi rispetto alle esigenze di quantificazione del rischio connesse all'attività di trading di una banca. Questo limite è venuto diminuendo di importanza in seguito al continuo progresso della potenza di calcolo dei computer 2.Le simulazioni storiche ipotizzano implicitamente la stabilità temporale (stazionarietà) della distribuzione di probabilità. Se la distribuzione (non osservabile) dei rendimenti è eteroschedastica, allora la distribuzione empirica è un ibrido di realizzazioni di variabili diversamente distribuite con scarso significato sia concettuale che operativo segue sulla slide 21 19
20 Pregi e limiti delle simulazioni storiche 3.Limitatezza delle serie storiche disponibili, specie se l orizzonte temporale prescelto è superiore a un giorno. Ciò si traduce in una scarsa definizione delle code della distribuzione. Incrementare la lunghezza della serie storica di riferimento può essere controproducente perché diviene più probabile che sia violata l ipotesi di stabilità della distribuzione trade-off tra stabilità e rappresentatività Le simulazioni storiche producono misure di VaR poco reattive alle variazioni delle condizioni dei mercati. Il VaR cambia quando si presenta un rendimento superiore (in valore assoluto) al percentile prescelto o quando quest ultimo esce dal campione È un pregio e un difetto il VaR risulta più stabile il VaR può risultare poco aggiornato 20
21 L approccio ibrido L approccio ibrido, cerca di combinare i pregi dei due approcci, varianzecovarianze e simulazioni storiche Si applicano ponderazioni esponenzialmente decrescenti alla serie dei rendimenti e non viene formulata alcuna ipotesi relativa alla forma funzionale della distribuzione dei rendimenti dei fattori di mercato Si utilizza una serie storica di riferimento relativamente lunga ma viene attribuito un peso più elevato ai dati più vicini nel tempo A ogni osservazione passata viene assegnata una ponderazione tanto maggiore quanto più recente è la stessa osservazione (logica simile alle medie mobili esponenziali) i Date n osservazioni storiche, da t-1 a t-n : w t i con n 0 1 i Ponderazione assegnata a ogni osservazione storica i1 21
22 L approccio ibrido Quanto minore è il valore di lambda, tanto maggiore è la velocità di decrescita della ponderazione Il VaR viene ottenuto tagliando la distribuzione empirica in corrispondenza del valore a cui è associata una ponderazione cumulata corrispondente al livello di confidenza desiderato I singoli rendimenti non contribuiscono alla determinazione del VaR solo in funzione della relativa intensità, ma anche in base relativa lontana/vicinanza temporale Riprendiamo l esempio della slide 15 (portafoglio azionario) e riportiamo i dati di rendimento nella slide successiva A ogni dato di rendimento storico è associata una ponderazione che decresce in modo esponenziale, con un λ pari a 0,94 L ultima colonna riporta la ponderazione cumulata corrispondente a ogni dato di rendimento 22
23 L approccio ibrido Data Rendimenti logaritmici giornalieri in ordine cronologico t - i Rendimenti simulati del portafoglio Pesi w i ( i /S i ) Data Dati ordinati in base ai rendimenti logaritmici giornalieri t - i Rendimenti simulati del portafoglio Pesi w i ( i /S i ) Pesi cumulati (Sw i ) 22/07/2004 t ,12% 0,01% 06/08/2004 t ,99% 0,03% 0,03% 23/07/2004 t ,20% 0,01% 22/07/2004 t ,12% 0,01% 0,04% 26/07/2004 t ,76% 0,01% 25/10/2004 t ,09% 0,83% 0,87% 27/07/2004 t ,16% 0,02% 19/11/2004 t ,04% 2,69% 3,56% 28/07/2004 t ,20% 0,02% 22/09/2004 t ,99% 0,20% 3,76% 29/07/2004 t ,34% 0,02% 12/10/2004 t ,85% 0,48% 4,23% 30/07/2004 t ,05% 0,02% 27/09/2004 t ,78% 0,24% 4,48% 02/08/2004 t ,12% 0,02% 11/08/2004 t ,77% 0,03% 4,51% 03/08/2004 t ,02% 0,02% 26/07/2004 t ,76% 0,01% 4,52% 04/08/2004 t ,66% 0,02% 20/10/2004 t ,70% 0,69% 5,21% 05/08/2004 t ,46% 0,02% 04/08/2004 t ,66% 0,02% 5,23% 25/11/2004 t ,52% 3,45% 01/11/2004 t ,80% 1,13% 90,01% 26/11/2004 t - 9-0,11% 3,66% 17/11/2004 t ,89% 2,38% 92,38% 29/11/2004 t - 8-0,12% 3,90% 11/11/2004 t ,94% 1,86% 94,24% 30/11/2004 t - 7-0,63% 4,15% 10/08/2004 t ,98% 0,03% 94,27% 01/12/2004 t - 6 1,21% 4,41% 27/07/2004 t ,16% 0,02% 94,28% 02/12/2004 t - 5 0,32% 4,69% 01/12/2004 t - 6 1,21% 4,41% 98,70% 03/12/2004 t - 4-0,06% 4,99% 16/08/2004 t ,30% 0,04% 98,73% 06/12/2004 t - 3-0,32% 5,31% 27/10/2004 t ,34% 0,94% 99,67% 07/12/2004 t - 2-0,18% 5,65% 29/07/2004 t ,34% 0,02% 99,69% 08/12/2004 t - 1-0,10% 6,01% 01/10/2004 t ,01% 0,31% 100,00% La ponderazione cumulata subisce un salto da 0,87% a 3,56% in corrispondenza del passaggio dal nono al decimo maggior (in valore assoluto) rendimento negativo. Seguendo un criterio prudenziale: VaR(99%)=1,09% 23
24 L approccio ibrido In alternativa si può utilizzare un interpolazione lineare: (3,56% 1%) (1% 0,87%) VaR99 % 1,09% 1,04% 1,088% (3,56% 0,87%) (3,56% 0,87%) Confronto metodo delle simulazioni storiche e approccio ibrido Simulazione storica Simulazione ibrida VaR al 95% - posizione lunga 0,85% 0,72% VaR al 99% - posizione lunga 1,12% 1,09% VaR al 95% - posizione corta 1,16% 1,17% VaR al 99% - posizione corta 1,34% 1,31% In questo caso l approccio ibrido da luogo, per la posizione lunga, a misure di rischio leggermente più contenute le riduzioni più pronunciate dei fattori di mercato si sono verificate nella parte iniziale del campione 24
25 L approccio ibrido In definitiva l approccio ibrido combina i pregi delle simulazioni storiche con i vantaggi propri della tecnica delle medie mobili esponenziali Questo approccio dà una prima risposta a due problemi: ipotesi di stabilità ( i.i.d.-ness ) della distribuzione dei rendimenti viene dato più peso alle osservazioni più vicine, provenienti da distribuzioni più simili a quella corrente lunghezza ottimale della serie storica riducendo le distorsioni legate alla violazione dell ipotesi di i.i.d.-ness, permette di usare più dati 25
26 Il bootstrapping e la generazione di traiettorie Finora abbiamo ipotizzato che l orizzonte temporale su cui si vuole calcolare il VaR sia simile alla frequenza con cui sono stati rilevati i dati del campione storico Si possono anche usare dati giornalieri per un VaR settimanale, trasformando i dati da giornalieri a settimanali Con il metodo del bootstrapping e della generazione di traiettorie si fa in modo che tale passaggio non riduca il numero di osservazioni Il bootstrapping prevede che anziché usare una sola volta ogni rendimento passato, venga estratto dal campione un elevato numero di valori, ogni volta, con re-immissione. 26
27 Il bootstrapping e la generazione di traiettorie Indichiamo con r 1,t+1 il primo dei rendimenti. È un rendimento giornaliero, mentre l orizzonte del VaR è settimanale (M=7) Il valore assunto il giorno dopo dal fattore di rischio S sarà: 1, t1 Estraiamo con il bootstrapping un nuovo rendimento giornaliero r 1,t+2 il valore assunto da S sarà: S 1, 1 1, 2 r t r S e t t t 1, 2 Se si procede fino a 7 rendimenti giornalieri si determina il valore di S fra una settimana: S S e i1 1, t7 t M r 1, ti Sulla base di questo valore è possibile applicare la logica della full valuation per ottenere il valore del portafoglio della banca in questo primo scenario S S t e r 1, t1 27
28 Il bootstrapping e la generazione di traiettorie Per poter costruire una distribuzione di N possibili valori del portafoglio della banca tra una settimana, è necessario generare altre N-1 traiettorie, cioè generare, in tutto, NM valori di r A partire da tale distribuzione, sarà possibile identificare il percentile desiderato (per esempio, il primo) ed il relativo VaR La Figura riportata nella slide successiva, creata utilizzando come campione storico i 100 rendimenti giornalieri del portafoglio (slide 15), mostra una singola traiettoria per il valore del portafoglio nell arco di sette giorni consecutivi (primo pannello), cinque traiettorie (secondo pannello), infine cento traiettorie (terzo pannello: NM=700) La generazione di traiettorie con il bootstrapping non simula solo la variazione totale delle variabili di mercato, ma anche il percorso evolutivo che le conduce al valore finale (caratteristica utile per alcuni tipi di opzioni) 28
29 Il bootstrapping e la generazione di traiettorie 106,0 106,0 104,0 102,0 104,0 102,0 5 traiettorie 100,0 100,0 98,0 1 traiettoria 98,0 96,0 96,0 94,0 94,0 108,0 106,0 104,0 102,0 100,0 98,0 96,0 94,0 92,0 90,0 92,0 t t+1 t+2 t+3 t+4 t+5 t+6 t traiettorie t t+1 t+2 t+3 t+4 t+5 t+6 t+7 107,5-108,0 107,0-107,5 106,5-107,0 106,0-106,5 105,5-106,0 105,0-105,5 104,5-105,0 104,0-104,5 103,5-104,0 103,0-103,5 102,5-103,0 102,0-102,5 101,5-102,0 101,0-101,5 100,5-101,0 100,0-100,5 99,5-100,0 99,0-99,5 98,5-99,0 98,0-98,5 97,5-98,0 97,0-97,5 96,5-97,0 96,0-96,5 95,5-96,0 95,0-95,5 94,5-95,0 94,0-94,5 93,5-94,0 93,0-93,5 92,5-93,0 92,0-92,5 92,0 t t+1 t+2 t+3 t+4 t+5 t+6 t+7 distribuzione di frequenza dei 100 valori del portafoglio in t+7 0% 5% 10% 15% 20% 29
30 Le simulazioni storiche filtrate Il bootstrapping conduce a risultati corretti se i rendimenti giornalieri sono iid L approccio ibrido rappresenta solo una risposta approssimata ai problemi legati alla stabilità delle distribuzioni dei fattori di rischio Sono stati perciò proposti altri modelli 1 Hull e White nel 1998 suggeriscono di aggiustare i dati storici sulla base delle condizioni attuali (o previste) della volatilità dei fattori di rischio approccio volatility weighted In presenza di un incremento della volatilità, i rendimenti storici vengono corretti al rialzo conducendo a stime di VaR superiori di quelle implicite nella distribuzione storica 30
31 Le simulazioni storiche filtrate 2 Proposto da Barone-Adesi e Giannopoulos nel 1996 Approccio delle simulazioni storiche filtrate Questo approccio è utilizzato per il controllo del rischio presso la London Clearing House, la cassa di compensazione del mercato dei futures di Londra (LIFFE) Si basa su due idee di fondo: 1.Utilizzo di modelli GARCH per filtrare i dati e rendere i residui i.i.d la volatilità non è costante ma stocastica 2. Utilizzo di tali residui filtrati per generare scenari con una tecnica di bootstrap, tenendo conto della non-normalità dei rendimenti dei fattori di rischio e della loro eteroschedasticità Si può ipotizzare che i rendimenti seguano un semplice GARCH (1,1) rt 2 2 t 2 t 0 1 t1 1 t1 31
32 Le simulazioni storiche filtrate Dopo aver stimato i coefficienti del GARCH (1,1), i rendimenti storici vengono standardizzati ( filtrati ): rendimenti storici et Se il modello è corretto, questi rendimenti standardizzati sono i.i.d. ed è dunque possibile utilizzarli per la simulazione storica Il bootstrapping viene utilizzato per estrarre casualmente (con re-inserimento) numero N di valori; il campione di partenza non è quello dei rendimenti storici, bensì dei rendimenti filtrati Ognuno degli e i viene quindi moltiplicato per la stima della volatilità condizionata relativa al periodo t+1 per cui si desidera calcolare il VaR Il primo shock ad esempio è / t r t e ˆ t 1 volatilità condizionata 32
33 Le simulazioni storiche filtrate Dopo aver generato i valori di r 2, r 3, r N, il portafoglio della banca viene rivalutato in base ad ogni shock, così da ottenere una distribuzione di N possibili valori futuri Il VaR si ottiene tagliando la distribuzione in corrispondenza del percentile desiderato e calcolando la differenza tra tale percentile ed il valore corrente del portafoglio Se l orizzonte di rischio è superiore alla frequenza di calcolo dei rendimenti Si utilizza la versione filtrata del metodo basato sulla generazione di traiettorie r 1,t+1 = e 1,t+1 è il primo rendimento giornaliero generato ( pesato per la volatilità corrente) r1, t Il valore assunto il giorno successivo dal fattore di rischio S sarà: S1, t1 Ste Partendo dal rendimento simulato è anche possibile ottenere una stima di t2 0 1 t1 1 t1 t
34 Le simulazioni storiche filtrate Utilizzando nuovamente il bootstrapping è possibile estrarre dal campione un nuovo valore casuale e 1,t+2 Moltiplicando tale valore per la stima della volatilità appena ottenuta, si genera un rendimento simulato coerente con la volatilità prevista per il secondo giorno: r ˆ 1, t 2 1, t 2 2, t 2 t 2 Ripetendo il procedimento per i giorni successivi, si ottiene un vettore di sette rendimenti (r 1,t+1,, r 1, t+7 ), che consente di stimare il possibile valore, tra una 7 settimana, del fattore di rischio: r S 1, t7 Generando altre N-1 traiettorie, si potrà costruire una distribuzione di N possibili valori del portafoglio della banca tra una settimana A partire da tale distribuzione si potrà individuare il percentile desiderato e il VaR e S t e i1 1, ti 34
35 Le simulazioni Monte Carlo Anche le simulazioni Monte Carlo si basano sulla generazione di dati casuali Partendo dal campione storico si stimano i parametri di una particolare distribuzione di probabilità (normale, t di Student, ecc) dalla quale verranno successivamente estratti gli N valori simulati per il fattore o i fattori di rischio È possibile generare un numero di valori anche superiore al numero di osservazioni presente nel campione storico Deve essere però selezionata la giusta distribuzione di probabilità del fattore di rischio: si tratta dunque di una tecnica parametrica Le simulazioni Monte Carlo sono state originariamente utilizzate in finanza quale strumento per il pricing di prodotti complessi 35
36 Le simulazioni Monte Carlo Se sono valide alcune ipotesi (completezza dei mercati, assenza di opportunità di arbitraggio, etc.) il prezzo di uno strumento derivato è dato dal valore atteso del suo payoff futuro attualizzato al tasso risk free Il valore atteso può essere calcolato simulando un numero elevato di possibili evoluzioni delle condizioni di mercato. Se il numero di simulazioni è sufficientemente elevato, il valore medio risulta uno stimatore non distorto del vero valore atteso del payoff In termini analitici ciò equivale a stimare in modo approssimato l integrale, pesato per la probabilità, di una funzione V(x 1, x 2, x m ) in uno spazio di dimensione m (maggiore o uguale a uno), pari al numero dei fattori di mercato rilevanti 36
Il concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliLa 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
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliCAPITOLO 10 I SINDACATI
CAPITOLO 10 I SINDACATI 10-1. Fate l ipotesi che la curva di domanda di lavoro di una impresa sia data da: 20 0,01 E, dove è il salario orario e E il livello di occupazione. Ipotizzate inoltre che la funzione
Dettagli1) 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
DettagliMetodi 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
DettagliQuesiti livello Application
1 2 3 4 Se la correlazione tra due attività A e B è pari a 0 e le deviazioni standard pari rispettivamente al 4% e all 8%, per quali dei seguenti valori dei loro pesi il portafoglio costruito con tali
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliLeasing secondo lo IAS 17
Leasing secondo lo IAS 17 Leasing: Ias 17 Lo Ias 17 prevede modalità diverse di rappresentazione contabile a seconda si tratti di leasing finanziario o di leasing operativo. Il leasing è un contratto per
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa
DettagliRISCHIO E CAPITAL BUDGETING
RISCHIO E CAPITAL BUDGETING Costo opportunità del capitale Molte aziende, una volta stimato il loro costo opportunità del capitale, lo utilizzano per scontare i flussi di cassa attesi dei nuovi progetti
DettagliRegressione 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
Dettaglicontinuazione CORSO ECONOMIA DEGLI INTERMEDIARI FINANZIARI II Testi di riferimento PROGRAMMA Parte relativa alla gestione dei rischi bancari
continuazione CORSO ECONOMIA DEGLI INTERMEDIARI FINANZIARI II 3) Rischi e redditività ruolo del capitale allocazione del capitale valutazione della performance della banca e dei singoli centri operativi
DettagliMercati finanziari e valore degli investimenti
7 Mercati finanziari e valore degli investimenti Problemi teorici. Nei mercati finanziari vengono vendute e acquistate attività. Attraverso tali mercati i cambiamenti nella politica del governo e le altre
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliBlanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari
Capitolo IV. I mercati finanziari 1. La domanda di moneta La moneta può essere usata per transazioni, ma non paga interessi. In realtà ci sono due tipi di moneta: il circolante, la moneta metallica e cartacea,
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliIndice di rischio globale
Indice di rischio globale Di Pietro Bottani Dottore Commercialista in Prato Introduzione Con tale studio abbiamo cercato di creare un indice generale capace di valutare il rischio economico-finanziario
DettagliDERIVATI REGOLAMENTATI OPZIONI E FUTURES ORARIO DI NEGOZIAZIONE : 9,00 17,40
DERIVATI REGOLAMENTATI OPZIONI E FUTURES ORARIO DI NEGOZIAZIONE : 9,00 17,40 LE OPZIONI - Definizione Le opzioni sono contratti finanziari che danno al compratore il diritto, ma non il dovere, di comprare,
DettagliDato il Mercato, è possibile individuare il valore e la duration del portafoglio:
TEORIA DELL IMMUNIZZAZIONE FINANZIARIA Con il termine immunizzazione finanziaria si intende una metodologia matematica finalizzata a neutralizzare gli effetti della variazione del tasso di valutazione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliTECNICHE DI STIMA DEL COSTO DELLE ALTRE FORME DI FINANZIAMENTO. Docente: Prof. Massimo Mariani
TECNICHE DI STIMA DEL COSTO DELLE ALTRE FORME DI FINANZIAMENTO Docente: Prof. Massimo Mariani 1 SOMMARIO Il costo del capitale stima del costo del capitale stima del costo del capitale di aziende operanti
DettagliLe 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
DettagliIL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.
IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliDOMANDE a risposta multipla (ogni risposta esatta riceve una valutazione di due; non sono previste penalizzazioni in caso di risposte non corrette)
In una ora rispondere alle dieci domande a risposta multipla e a una delle due domande a risposta aperta, e risolvere l esercizio. DOMANDE a risposta multipla (ogni risposta esatta riceve una valutazione
DettagliIL FONDO OGGI E DOMANI
IL FONDO OGGI E DOMANI Lo schema di gestione che ha caratterizzato il Fondo fin dalla sua origine nel 1986 prevede un unico impiego delle risorse su una linea assicurativa gestita con contabilità a costi
DettagliAVVISO DI ERRATA CORRIGE
Milano, 12 dicembre 2014 AVVISO DI ERRATA CORRIGE relativo al PROSPETTO DI BASE relativo al programma di offerta al pubblico e/o quotazione degli investment certificate denominati AUTOCALLABLE BORSA PROTETTA
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliCapitolo Terzo Valore attuale e costo opportunità del capitale
Capitolo Terzo Valore attuale e costo opportunità del capitale 1. IL VALORE ATTUALE La logica di investimento aziendale è assolutamente identica a quella adottata per gli strumenti finanziari. Per poter
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliOPZIONI, DURATION E INTEREST RATE SWAP (IRS)
ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI, DURATION E INTEREST RATE SWAP (IRS) Valutazione delle opzioni Esercizio 1 2 ESERCIZIO 1 Il portafoglio di un investitore è composto di 520 azioni della società
DettagliTassi di cambio e mercati valutari: un approccio di portafoglio
Tassi di cambio e mercati valutari: un approccio di portafoglio Tassi di cambio e transazioni internazionali La domanda di attività denominate in valuta estera L equilibrio nel mercato valutario Tassi
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliIntroduzione 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
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliFUNZIONE ESPONENZIALE e INTERESSE COMPOSTO. Ipotizziamo di avere a nostra disposizione all'inizio del primo anno (tempo in ascissa
FUNZIONE ESPONENZIALE e INTERESSE COMPOSTO Ipotizziamo di avere a nostra disposizione all'inizio del primo anno (tempo in ascissa t o = 0 ) una somma C o (detta capitale iniziale ) e di volerla investire
DettagliCapitolo 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
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliAumenti reali del capitale sociale
Aumenti reali del capitale sociale Gli aumenti del capitale sociale possono essere: virtuali con gli aumenti virtuali non aumentano i mezzi a disposizione della azienda e il suo patrimonio netto, che si
DettagliAspettative, Produzione e Politica Economica
Aspettative, Produzione e Politica Economica In questa lezione: Studiamo gli effetti delle aspettative sui livelli di spesa e produzione. Riformuliamo il modello IS-LM in un contesto con aspettative. Determiniamo
DettagliMacroeconomia, Esercitazione 2. 1 Esercizi. 1.1 Moneta/1. 1.2 Moneta/2. 1.3 Moneta/3. A cura di Giuseppe Gori (giuseppe.gori@unibo.
acroeconomia, Esercitazione 2. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 oneta/1 Sapendo che il PIL reale nel 2008 è pari a 50.000 euro e nel 2009 a 60.000 euro, che dal 2008 al
DettagliESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012
ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI 2 LE OPZIONI Le opzioni sono contratti che forniscono al detentore il diritto di acquistare o vendere una certa quantità del bene sottostante a una certa
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliLa metodologia di determinazione dei Margini Futures Straddle
La metodologia di determinazione dei Margini Futures Straddle Ufficio RM Versione.0 Indice Premessa... 3 Definizione e finalità dei margini Futures Straddle... 3 3 La metodologia di calcolo... 4 Pagina
DettagliIl sistema monetario
Il sistema monetario Premessa: in un sistema economico senza moneta il commercio richiede la doppia coincidenza dei desideri. L esistenza del denaro rende più facili gli scambi. Moneta: insieme di tutti
DettagliBongini,Di Battista, Nieri, Patarnello, Il sistema finanziario, Il Mulino 2004 Capitolo 2. I contratti finanziari. Capitolo 2 I CONTRATTI FINANZIARI
Capitolo 2 I CONTRATTI FINANZIARI 1 Indice Definizione di contratto finanziario Contratti finanziari bilaterali e multilaterali Contratto di debito Contratto di partecipazione Contratto assicurativo Contratto
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliCapitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso
DettagliElementi 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[ Analisi della. concentrazione] di Luca Vanzulli. Pag. 1 di 1
[ Analisi della concentrazione] di Luca Vanzulli Pag. 1 di 1 LA CONCENTRAZIONE NELL ANALISI DELLE VENDITE L analisi periodica delle vendite rappresenta un preziosissimo indicatore per il monitoraggio del
DettagliLA 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
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
DettagliSISTEMA PREMIALE DEL PERSONALE DIPENDENTE. Elaborato dal Nucleo di Valutazione Associato
SISTEMA PREMIALE DEL PERSONALE DIPENDENTE Elaborato dal Nucleo di Valutazione Associato SOMMARIO 1.- FINALITÀ E CARATTERISTICHE GENERALI DEL SISTEMA PREMIALE -------------- 3 2.- IL SISTEMA PREMIALE DEI
DettagliIndice. 1 Il settore reale --------------------------------------------------------------------------------------------- 3
INSEGNAMENTO DI ECONOMIA POLITICA LEZIONE VI IL MERCATO REALE PROF. ALDO VASTOLA Indice 1 Il settore reale ---------------------------------------------------------------------------------------------
DettagliManuale delle Corporate action
Manuale delle Corporate action Data di efficacia: 20 maggio 2013 Versione: 3 1 Indice 1. Introduzione 3 2. Definizioni 3 3. Principi generali e convenzioni 3.1 Principio di equivalenza finanziaria 3.2
DettagliBANCA ALETTI & C. S.p.A.
BANCA ALETTI & C. S.p.A. in qualità di Emittente e responsabile del collocamento del Programma di offerta al pubblico e/o quotazione dei certificates BORSA PROTETTA e BORSA PROTETTA con CAP e BORSA PROTETTA
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliEsercitazione 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
DettagliCOMPLEMENTI SULLE LEGGI FINANZIARIE
COMPLEMENI SULLE LEGGI FINANZIARIE asso di rendimento di operazioni finanziarie in valuta estera La normativa vigente consente di effettuare operazioni finanziarie, sia di investimento che di finanziamento,
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliRisparmio e Investimento
Risparmio e Investimento Risparmiando un paese ha a disposizione più risorse da utilizzare per investire in beni capitali I beni capitali a loro volta fanno aumentare la produttività La produttività incide
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliCapitolo 6. Soluzione degli esercizi a cura di Rosa Falotico
Capitolo 6 Soluzione degli esercizi a cura di Rosa Falotico Esercizio 6.1 Dopo aver notato che quando le modalità si presentano con frequenze unitarie, la formula per il calcolo della media si semplifica,
DettagliBANCA ALETTI & C. S.p.A. PER DUE CERTIFICATE e PER DUE CERTIFICATES DI TIPO QUANTO CONDIZIONI DEFINITIVE D OFFERTA
BANCA ALETTI & C. S.p.A. in qualità di emittente e responsabile del collocamento del Programma di offerta al pubblico e/o di quotazione di investment certificates denominati PER DUE CERTIFICATE e PER DUE
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliUniversità 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
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliSoluzione dell esercizio del 2 Febbraio 2004
Soluzione dell esercizio del 2 Febbraio 2004 1. Casi d uso I casi d uso sono riportati in Figura 1. Figura 1: Diagramma dei casi d uso. E evidenziato un sotto caso di uso. 2. Modello concettuale Osserviamo
Dettaglii criteri di valutazione
La fattibilità economica dei progetti: i criteri di valutazione 14.XII.2011 I criteri di fattibilità del progetto La convenienza di un investimento t immobiliare per il promotore può avvenire attraverso
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliFinanza Aziendale. Lezione 13. Introduzione al costo del capitale
Finanza Aziendale Lezione 13 Introduzione al costo del capitale Scopo della lezione Applicare la teoria del CAPM alle scelte di finanza d azienda 2 Il rischio sistematico E originato dalle variabili macroeconomiche
DettagliLe 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
DettagliCAPITOLO 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
DettagliAspettative, 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
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliLEZIONE 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
DettagliEpoca k Rata Rk Capitale Ck interessi Ik residuo Dk Ek 0 S 0 1 C1 Ik=i*S Dk=S-C1. n 0 S
L AMMORTAMENTO Gli ammortamenti sono un altra apllicazione delle rendite. Il prestito è un operazione finanziaria caratterizzata da un flusso di cassa positivo (mi prendo i soldi in prestito) seguito da
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliTesoreria, 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
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
Dettagli