Relazione di Matematica Finanziaria - SNS 2005

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Relazione di Matematica Finanziaria - SNS 2005"

Transcript

1 Relazione di Matematica Finanziaria - SNS 5 Valerio Bigiani, Simone Giacomelli, Marco Golla, Paolo Piserchia Sommario Indice Introduzione Le reti neurali: una breve presentazione 3 Interpolazione ed estrapolazione di funzioni 3 4 Previsione del cambio Euro-Dollaro 5 4. STRATEGIA BEST STRATEGIA WORST STRATEGIA EURO STRATEGIA NAIVE STRATEGIA MACD RETE NEURALE DATI FORMULE Bilancio finale 5

2 Introduzione In questa tesina ci proponiamo di dimostrare l efficacia dell approccio delle reti neurali a problemi di previsione delle quote di mercato. In particolare, cercheremo di prevedere l andamento del cambio euro dollaro in un sistema caratterizzato da elevato rumore di fondo, dovuto alle fluttuazioni dell indice di mercato, e stimeremo l efficienza della rete attraverso il confronto con altri algoritmi di mercato nella previsione della valuta nelle successive giornate. Nella nostra analisi, ci baseremo sui risultati di un precedente articolo di C. Dunis e M. Williams 3, che ci è servito da guida nella scelta degli indici da considerare e nella strutturazione dell esperimento. Al fine di capire i paramentri di apprendimento della rete, ne abbiamo testato la capacitá di interpolare il grafico di una funzione sporcata con un certo errore. In seguito abbiamo valutato l influenza dei parametri di input sull estrapolazione del grafico di una funzione anch essa affetta da errore. Abbiamo allenato, infine, la rete nel cambio Euro-Dollaro e confrontato il guadagno ottenuto con quello di strategie piú ingenue. Le reti neurali: una breve presentazione Le reti neurali sono uno degli ultimi ritrovati nel campo dell intelligenza artificiale e sono paradossalmente un ritorno alle origini che si é rivelato sorprendentemente efficace. Come dice il nome stesso, la struttura è quella di una rete che dovrebbe imitare il funzionamento di una rete neurale biologica, ovvero simulare la trasmissione di impulsi da neurone a neurone: anche la terminologia è mutuata dalla biologia, ed infatti ritroveremo anche molte analogie linguistiche. Si tratta quindi di creare un sistema informatico per apprendere ed interpretare dati, per interpolare ed estrapolare informazioni. La differenza rispetto agli altri sistemi consiste nel metodo di apprendimento: mentre normalmente si dovrebbe insegnare ad un computer come svolgere una data operazione, la rete neurale impara autonomamente, cosí come in natura il cervello apprende da sé le nozioni che riguardano il mondo che lo circonda. Ovviamente, non si cercherà di implementare un programma che simuli il comportamento di una rete con milioni di neuroni, come puó essere un cervello umano, ma si puó molto piú modestamente cominciare a risolvere problemi di bassa difficoltá, e cominciare ad implementare piccole reti con un numero di neuroni dell ordine della decina, che si rivelano comunque molto efficaci. Ora, la domanda sorge spontanea: come si simula una rete neurale biologica? La risposta, motivata da mezzi tecnici (potenza dei computer) e teorici (teoremi di convergenza) sta in un modello molto semplice: si simula un neurone come un unitá, un mini-processore, in grado di assegnare un importanza ai dati in ingresso, e di valutare (con una somma) una risposta ad un problema. I neuroni, poi, comunicano i valori emettendo un singolo output, cioé la somma che hanno calcolato, a tutti i neuroni a cui sono connessi: bisogna quindi fissare a priori una rete di connessioni interneurali, ciascuna dotata di uno o due versi di comunicazione, dei neuroni di input, dei neuroni di output, e assegnare dei valori di importanza alle varie connessioni. Riguardo ai vari tipi di rete, il campionario è vario: esistono reti sostanzialmente casuali, reti piene, reti a senso unico, reti ordinate, ma con feedback, reti che imparano da sole, reti che vengono guidate nell apprendimento... Nei modelli auto-apprendenti, le reti analizzano e gestiscono da sé i dati, senza alcun sostanziale apporto dall esterno, aumentando l imprevedibilitá delle previsioni e l incertezza del risultato. Per il nostro esperimento, ci siamo serviti di cosiddetti Multi Layer Perceptrons (MLP), ovvero percettroni a piú strati, in cui i neuroni sono disposti in strati, tali che nessun neurone comunichi con neuroni del proprio strato, ma trasmetta il proprio output a quelli dello strato successivo. Quello che si ottiene è quindi una rete in cui il flusso di dati procede ordinatamente dall input all output, senza alcun feedback. Le nostre reti, poi, sono guidate nell analisi e nell apprendimento dei dati. Esistono peró anche reti di tipo MLP in cui il flusso non procede solo feedforward, ma anche feedback, ovvero le informazioni giá rielaborate da uno strato possono essere riportate indietro e rielaborate nuovamente dagli strati precedenti. In questo modo, chiaramente, si possono creare dei loop, e la computazione dovrebbe risultare piú lenta. Ci sono poi reti in cui i neuroni sono disposti senza alcun ordine, e ciascun neurone trasmette a ciascuno degli altri, o a sottogruppi pressoché casuali, le proprie informazioni, ma non ci siamo occupati di questo. Ciascun neurone deve quindi pesare le informazioni che riceve dai neuroni precedenti, con pesi da determinarsi. Risultati teorici dicono che le funzioni dette sigmoidi ( +e ) sono adatte a questo scopo. Quindi a x ciascuna connessione è assegnato un valore, detto peso che ne valuta l importanza all interno della rete. Modelling and trading the EUR/USD Exchange Rate: do Neural Networks models perfom better?, Professore di Banking and Finance alla Liverpool Business School 3 Ricercatore Associato al CIBEF, Center for International Banking, Economics and Finance

3 Dobbiamo ora insegnare alla rete neurale come apprendere: innanzitutto si sceglie un campione di dati, tra quelli a disposizione, in base ai quali la rete calibri i valori dei pesi, ed un altro campione su cui la rete dovrá effettuare i confronti, senza modificare l insieme dei pesi; in questo modo si dovrebbe evitare che la rete impari troppo bene i dati giá visti, e riesca a lavorare correttamente anche su nuovi dati. Dopodiché viene la fase dell apprendimento vero e proprio: nel nostro esperimento, ci siamo serviti di funzioni giá implementate nel programma Root. Il meccanismo di funzionamento di questi programmi, la cui scelta è ancora una volta dettata da ragioni teoriche, si basa su un meccanismo di riconoscimento della pendenza : ció che la rete fa è analizzare l andamento dell errore in un intorno dello spazio dei pesi che sta utilizzando in quel momento, spostandosi nella direzione che minimizza l errore. A questo punto, il rischio è quello di arenarsi in minimi locali: per evitare queste situazioni, la rete aumenta lo spostamento in base alla pendenza, spostando maggiormente il set di pesi, nel caso ci si trovi in un intorno relativamente piatto dell errore. 3 Interpolazione ed estrapolazione di funzioni La prima parte dell esperienza è stata quindi dedicata a valutare il funzionamento della rete neurale in funzione dei parametri d ingresso, dell errore associato ai dati e dell intervallo utilizzato per l apprendimento in relazione a quello di test. Abbiamo provato a darle in pasto dati riguardanti funzioni molto semplici, e ne abbiamo osservato il comportamento rispetto ad interpolazione ed estrapolazione. Le funzioni di test erano generalmente variazioni sul tema trigonometrico-esponenziale, sporcate con variabili gaussiane a media, e varianza tra, 3 e. Abbiamo osservato il comportamento della rete rispetto alla ricorsione, e notato, come ci si sarebbe aspettato, che bisogna dare un numero adeguato di informazioni alla rete, affinché lei riesca ad interpretare correttamente i dati: RETE La prima rete ha lo scopo di valutare la capacità di interpolazione dei dati in funzione di un solo dato di ingresso: la rete si allena sui dati (x, sin x), simulando come input la sola x, e calibrando il set dei pesi. Alla fine, ricevendo come unico input x, la rete calcola, per interpolazione, sin x La funzione generatrice dei dati è 4 f(x) = sin x + Gauss(,.8) differences (impact of variables on ANN) x x sinx Histogram.5.5 Entries Mean x 3.4 Mean y RMS x.87 RMS y.985 NN output Figura : RETE Nel riquadro in basso a destra dove sono rappresentati i grafici della funzione generatrice ripulita dall errore, in rosso, e quello della previsione generata dalla rete, in nero. Possiamo osservare come l interpolazione, a dispetto del notevole errore, sia ottima e quasi perfetta: la rete riconosce l andamento generale dei dati. 4 Gauss (a,b) è una funzione che genera numeri casuali che si distribuiscono su una gaussiana di media a e varianza b 3

4 RETE Il secondo grafico mette il luce, invece, l incapacita della seconda rete nell estrapolare dati se la sua struttura e dipendente da un solo dato di input. Abbiamo infatti utilizzato la stessa base di dati della rete per l apprendimento. Alla rete, pero e stato chiesto di generare la funzione su un intervallo doppio rispetto a quello di training. La funzione generatrice dei dati e f (x) = sin x + Gauss(,.8) differences (impact of variables on ANN) x x sinx Histogram NN output Entries Mean x 3.4 Mean y RMS x.87 RMS y Figura : RETE Si evince dai grafici che la rete approssima bene la funzione nell intervallo in cui ha eseguito il training ([ : 6]) mentre si discosta notevolemte da essa nell intervallo ([6 : ]): la traccia nera si distacca nettamente da quella rossa fuori dall intervallo di allenamento. Questa prova e stata decisiva per comprendere che la capacita di previsione della rete e in stretta relazione con il numero di parametri di input. RETE 3 Nella terza rete i dati sono il valore di x e f (x.)... f (x.5). La funzione usata e x f (x) = e 5 sin 5x + Gauss(,.) differences (impact of variables on ANN) x sinxp sinxpp sinxppp sinxpppp sinxppppp sinxppppp sinxpppp sinxppp sinx sinxpp sinxp x Entries Mean x 3 Mean y.3 RMS x.73 RMS y.4767 Histogram.5 NN output Figura 3: RETE3 Come risulta dal grafico la rete riesce a prevedere anche nell intervallo di dati nel quale non ha eseguito ne il training ne il test [6; ]. Abbiamo anche testato l efficienza delle previsioni in funzione del numero di parametri iniziali, e abbiamo osservato che 5 e il minimo numero di valori necessari per una previsione soddisfacente. 4

5 4 Previsione del cambio Euro-Dollaro Il cuore dell esperienza è stata peró la previsione dell andamento del cambio Euro/Dollaro. La rete accetta come input una serie di dati relativi ad alcuni cambi internazionali, che si suppone influenzino in maniera significativa l andamento del dato che ci interessa: il cambio Dollaro/Yen, il cambio Dollaro/Sterlina, ed il cambio Euro/Dollaro, ciascuno nei quattro giorni precedenti la previsione. In realtá, come suggerito nel giá citato articolo 5, non abbiamo inserito il dato relativo al cambio, ma il rapporto tra la differenza dei cambi nei due giorni precedenti e il cambio nel giorno precedente: se il cambio nel giorno i è r i, ció che la rete prende come input è ri ri r i ; sembra infatti che in questo modo la rete riesca ad interpretare meglio i dati. L operazione si è svolta nel seguente modo: per poter apprezzare la variazione dell efficienza della rete in base al numero di neuroni ed al numero di train, abbiamo effettuato un centinaio di prove, utilizzando via via un numero maggiore di strati e di neuroni per ciascuno strato. Ció che volevamo che la rete restituisse, era un singolo output, oppure : se la rete prevedeva che sarebbe stato vantaggioso comprare euro (che poi, nel nostro esperimento, cambiamo ogni sera), se la rete prevedeva che sarebbe stato piú vantaggioso tenere i dollari. Inizialmente abbiamo fatto allenare la rete neurale sui dati di input per un periodo di anni, reiterando il processo di apprendimento sugli stessi dati tra le 5 e le volte, su un campione di circa anni, e testandoli su un periodo di circa anni. Abbiamo poi lasciato che la rete calcolasse il cambio Euro-Dollaro per i successivi due anni, mantenendo il set di pesi stabilito nel periodo di training precedente. Infine, abbiamo calcolato il guadagno che si sarebbe ottenuto comprando e vendendo secondo le previsioni effettuate dalla rete. Infine abbiamo confrontato i risultati ottenuti con quelli di altre strategie piú ingenue: CASUALE Consiste nell acquisto casuale di Euro o Dollari, indipendentemente dal reale andamento del mercato NAIVE Consiste nel se ha guadagnato oggi, guadagnerá anche domani : se l Euro sale al tempo, allora conviene comprare Euro, altrimenti si tengono i Dollari 6 Y t+ = Y MACD (Moving Average Convergence Divergence) Viene confrontato l andamento nel giorno con la media degli andamenti in un certo numero di giorni precedenti Y t+ = Y t + Y t + + Y t n+ n Poiché la previsione, con questa strategia, è molto veloce, abbiamo effettuato prove con il confronto con le medie dei primi n giorni precedente, al variare di n tra e (ed in tal caso la strategia coincide con la strategia Naive), osservando tra l altro che, al crescere di n, la strategia tende ad uniformarsi a quella che tiene i Dollari, e non cambia mai. Abbiamo poi confrontato tutte queste strategie con la strategia piú conservativa (ed Euro-fiduciosa), ovvero quella che cambia continuamente i Dollari in Euro, e con le strategie migliore e peggiore, ovvero quelle ottenute calcolando a posteriori il massimo guadagno e la massima perdita che si sarebbero potute ottenere. Ovviamente, il bilancio finale è la quantitá di denaro che la rete ha permesso di ottenere, partendo da un investimento base di Dollari, seguendo le indicazioni della rete. L annualized return è invece il guadagno medio annuale. Piuttosto curioso, nonché vagamente preoccupante, il dato del guadagno della banca, che prende lo,3% su ogni transazione effettuata, arrivando a guadagnare mediamente una cinquantina di dollari. 5 Modelling and trading the EUR/USD Exchange Rate: do Neural Networks models perfom better?, 6 Y t è il guadagno previsto per il giorno successivo a oggi (t), mentre Y t è il guadagno attuale al periodo t 5

6 4. STRATEGIA BEST La strategia Best non costituisce una strategia di previsione del mercato, ma semplicemente analizza i dati e sapendo il valore del cambio al tempo t+ decide al tempo t di comprare solo se all indomani ne trarrá profitto. Come risulta dal grafico la funzione è monotona crescente questo ad indicare che l algoritmo compie ogni giorno la scelta ottimale di mercato. Questa strategia ha il compito di simulare un ipotetico compratore che riesce a prevedere in maniera ottimale l andamento dell indice Euro-Dollaro, inoltre serve a fornire un idea quantitativa del massimo guadagno raggiungibile. BEST 8 Entries 48 Mean x 499 Mean y 54. RMS x 39. RMS y Figura 4: STRATEGIA BEST 4. STRATEGIA WORST La strategia Worst, come la Best, analizza i dati al tempo t + al fine di comprare o vendere massimizzando la perdita. Il grafico è ovviamenente decrescente e mette in luce quali sono le possibilità massime di perdita compiendo scelte sbagliate nella compravendita Euro/Dollaro. Worst 8 Entries 48 Mean x 499 Mean y 67.6 RMS x 39. RMS y Figura 5: STRATEGIA WORST 6

7 4.3 STRATEGIA EURO La strategia euro simula un ipotetico investitore che decide di credere nella crescita dell Euro e valuta il suo patrimonio in Dollari. Il grafico rappresenta l andamento del valore (in Dollari) dell investimento. Euro 8 6 Entries 48 Mean x 499 Mean y RMS x 39. RMS y Figura 6: STRATEGIA EURO 4.4 STRATEGIA NAIVE La strategia Naive è la strategia ingenua dell (incauto) investitore che ritiene che guadagnare oggi implichi guadagnare domani. Come mostra il grafico questa strategia è molto efficace nei periodi di mercato stazionario o di guadagno continuato di una delle due monete sull altra. In fasi di mercato con molte fluttuazioni, invece, fallisce nelle sue previsioni e come nel periodo da noi preso in esame, porta l investitore ad una perdita rispetto al capitale iniziale. Naive 4 Entries 48 Mean x 499 Mean y 97.3 RMS x 39. RMS y Figura 7: STRATEGIA NAIVE 7

8 4.5 STRATEGIA MACD L applicazione della strategia a media mobile ha prodotto risultati molto diversi tra loro, al variare nel numero di giorni su cui le facevamo calcolare la media. La strategia è peró generalmente caratterizzata da un basso numero di scambi, che risponde al problema delle perdite dovute al costo delle transizioni. Nella tabella finale abbiamo riportato tre delle simulazioni che ci sono sembrate più significative (ovvero quella risultata essere la peggiore, una delle strategie intermedie, quella risultata come la migliore). Il numero che le caratterizza indica il numero di giorni su cui la strategia effettua la media. MACD 4 MACD 4 Entries 48 Mean x 499 Mean y 9.83 RMS x 39. RMS y Figura 8: PEGGIOR STRATEGIA MACD MACD 9 MACD 4 Entries 48 Mean x 499 Mean y RMS x 39. RMS y Figura 9: STRATEGIA MACD MEDIA 8

9 MACD 57 MACD 8 6 Entries 48 Mean x 499 Mean y.9 RMS x 39. RMS y Figura : MIGLIOR STRATEGIA MACD 4.6 RETE NEURALE Come giá detto, anche per la rete neurale sono state tentate diverse configurazioni. Tutte le configurazioni accettano come input il tasso di cambiamento del cambio Euro/Dollaro, Euro/Yen ed Euro/Sterlina nei quattro giorni precedenti e tentano di prevedere il segno del tasso di cambio Euro/Dollaro. Abbiamo poi scritto un programma che, a seconda dei vari output della rete, acquista automaticamente Euro, oppure tiene Dollari, e calcola di conseguenza l andamento del patrimonio nel tempo. Ciascuna delle reti provate ha uno, due o tre strati intermedi di neuroni, oltre agli strati di input e di output, ciascuno dei quali ha tra i quattro e gli otto neuroni. L ultimo parametro variato è il numero di training, ovvero il numero di volte che la rete esamina i dati di allenamento nella calibrazione dei pesi. Fra le diverse reti realizzate, sono state scelte la piú performante, la meno efficace e quella che piú si avvicinava al risultato medio di tutte le reti provate. Per ciascuna di esse, sono state allegati lo schema della rete e l andamento del patrimonio nel tempo. Lo schema della rete è un grafo piano orientato nel quale sono evidenziati i vari strati presenti: da sinistra a destra, lo strato di input ( neuroni per ciascuna rete, relativi al tasso di cambio definito in precedenza, nei 4 giorni prima della previsione da effettuarsi), gli strati intermedi, e lo strato di output, costituito dal solo neurone che deve restituire oppure. Ciascuno dei neuroni di ciascuno strato è collegato a ciascuno dei neuroni degli strati adiacenti al proprio, e lo spessore dell arco del grafo è funzione del peso ad esso assegnato: piú la connessione è grossa, maggiore è il peso ad essa assegnata. Ciascuna connessione, poi, è orientata, come conseguenza della scelta effettuata, di utilizzare solamente reti feedforward: le informazioni (ovvero i risultati delle computazioni dei singoli neuroni, o i dati di input), viaggiano solamente da sinistra verso destra. Il grafico dell andamento nel tempo, riporta invece il valore (in Dollari) del patrimonio investito, giorno per giorno. 9

10 La rete meno performante è quella con 5 neuroni nel primo strato intermedio e 8 nel secondo, allenata volte. Dobbiamo comunque osservare che la perdita di oltre Dollari non compromette il valore dell esperimento, visto che abbiamo ampiamente dimostrato che, in media, le reti neurali guadagnano. jpy4.q jpy3.q jpy.q jpy.q gbp4.q gbp3.q gbp.q gbp.q usd4.q usd3.q usd.q usd.q usd.q Figura : FORMA PEGGIOR RETE NEURALE Rete Neurale 5 Entries 48 Mean x 4983 Mean y RMS x 34.8 RMS y Figura : ANDAMENTO STRATEGIA PEGGIORE RETE NEURALE

11 La rete intermedia è quella con 7 neuroni nel primo strato intermedio e 6 nel secondo, allenata 5 volte. Bisogna comunque osservare che la rete media guadagna, nel periodo preso in esame, il,3%, contrariamente alla media di tutte le altre strategie, come si evince dalla tabella a pagina 3. Inoltre, anche confrontata con la migliore delle altre strategie, il guadagno non è da sottovalutare: la migliore strategia MACD guadagna infatti il 3,3%, e la strategia Euro ne guadagna il,9%. jpy4.q jpy3.q jpy.q jpy.q gbp4.q gbp3.q gbp.q gbp.q usd4.q usd3.q usd.q usd.q usd.q Figura 3: FORMA RETE NEURALE MEDIA Rete Neurale 5 Entries 48 Mean x 499 Mean y RMS x 39. RMS y Figura 4: ANDAMENTO STRATEGIA RETE NEURALE MEDIA

12 La rete piú performante è quella con 6 neuroni nel primo strato intermedio e 7 nel secondo, allenata 5 volte. É significativo il fatto che, nell arco di circa anni la rete arrivi a toccare guadagni oltre il %, e registri un guadagno finale oltre il 7%! E tutto ció nell ambito di una ricerca piú ampia, che supera l eccezionalitá di questo risultato, evidenziando comunque un guadagno medio di un nuovo tipo di strategia auto-gestita. jpy4.q jpy3.q jpy.q jpy.q gbp4.q gbp3.q gbp.q gbp.q usd4.q usd3.q usd.q usd.q usd.q Figura 5: FORMA MIGLIOR RETE NEURALE Rete Neurale 5 Entries 48 Mean x 4986 Mean y.4 RMS x 37.7 RMS y Figura 6: ANDAMENTO MIGLIOR STRATEGIA RETE NEURALE

13 4.7 DATI Nella tabella seguente sono riportate alcune statistiche significative riguardo ad alcune delle strategie 7 : CAS- NAIVE MACD4 MACD9 MACD57 EUR WORST BEST RETE45 RETE68 RETE56 UALE (PEGG.) (MEDIO) (MIGL.) (PEGG.) (MEDIA) (MIGL.) Bilancio Finale Annualized Return Volatilita Sharpe Rialzi Previsti Ribassi Previsti Rialzi Non Prev Ribassi Non Prev Giorni di Vacanza Vincita Migliore Perdita Peggiore Vincita Media n/a Perdita Media n/a Rapporto Guad/Perd n/a n/a Guadagno Banca Miglior Bilancio Peggior Bilancio Numero di Scambi In grassetto sono evidenziati i dati piú performanti; non sono stati considerati i dati relativi a best e worst perché non costituiscono strategie di previsione. Per quanto riguarda eur, alcuni valori sono ottimali indipendentemente dalla correttezza della previsione, esempio numero di ribassi previsti. 3

14 4.8 FORMULE Queste sono le formule (e parti di formule) per gli indici considerati nella tabella precedente Nome Statistica R t Descrizione è il valore del cambio al giorno t Y t Ỹ t R t R t R t è la previsione del valore di Y t ; è importante solo il segno. C t Y t se T t > altrimenti B t t s= (C s + ) Ch t se Ỹt Y t < altrimenti Bilancio Finale B T Annualized Return R A = 5 T T t= C t Volatilita σ A = 5 T t= N (C t C) Sharpe R A σ A Rialzi Previsti RiaP = conteggio di Y t > e Ỹt > Ribassi Previsti conteggio di Y t < e Ỹt < Rialzi Non Previsti conteggio di Y t > e Ỹt < Ribassi Non Previsti RibNP = conteggio di Y t < e Ỹt > Giorni di Vacanza conteggio di Y t = Vincita Migliore Perdita Peggiore Max T t=c t Min T t= C t Vincita Media V M = T t= P t RiaP dove P t = Y t se Y t > e Ỹt > altrimenti Perdita Media P M = Rapporto Guadagno Perdita T t= N t RibNP dove N t = Y t se Y t < e Ỹt > altrimenti V M P M Guadagno Banca.3 t= T (B tch t ) Miglior Bilancio Peggior Bilancio Numero di Scambi Max T t=b t Min T t= B t T t= Ch t 4

15 5 Bilancio finale Dunque, è giunto il momento delle conclusioni. L ambiente che abbiamo preso in analisi è vastissimo e complicato (altrimenti perché ci sarebbe cosí tanta gente che va in rovina??), e caratterizzato da un rumore di fondo generalmente molto piú forte dell andamento pulito dei dati che ci interessano, quindi a priori un soggetto molto difficile da studiare e da conoscere. Non potendo (per motivi di potenza di calcolo e di tempo) prendere in analisi molti dei fattori che influenzano i cambi monetari internazionali, ci siamo dovuti limitare a soli tre indici, che sono decisamente un campo troppo ristretto per un lavoro serio. Tuttavia, abbiamo potuto osservare che il comportamento medio delle varie reti che abbiamo provato è stato un seppur esiguo guadagno. E tale guadagno è comunque superiore alle piú rosee aspettative con strategie di tipo razionale o casuale. Inoltre alcune reti hanno avuto un guadagno pari all 8% annuo (!!), mentre le perdite sono state generalmente contenute (meno del 3% annuo). Rivediamo peró il meccanismo di funzionamento delle reti neurali: ció che la rete restituisce all utente è un interpretazione numerica di alcuni dati di ingresso, senza che la rete sappia di che si trattino, sostanzialmente restando nel buio dell ignoranza, e chiudendosi nella mera computazione, senza badare all eleganza della natura e delle sue leggi. Facciamo un esempio: se noi cercassimo di estrapolare la legge di caduta dei gravi da un numero sufficientemente alto di dati, sarebbe ragionevole aspettarsi (ed è quello che accade) che la rete interpreti in modo corretto l andamento della funzione, ovvero che sia crescente nel tempo, e che l accelerazione (almeno nell intervallo in cui variano i dati) sia pressoché costante; potrebbe peró capitare (ed malauguratamente è molto probabile che accada) che la rete interpreti la funzione h(t) dell altezza in dipendenza tempo come un polinomio di grado elevatissimo che interpola molto bene la reale funzione h(t) = gt nell intervallo dei dati presentati. Tutto ció, oltre ad andare a scapito dell efficienza e dell affidabilitá, riduce notevolmente la valenza scientifica di risultati ottenuti con le reti neurali, visto che non viene presentato alcun risultato esatto, alcuna formula, alcuna relazione precisa, ma solamente un insieme di pesi. Questo non toglie che le reti neurali rappresentino il futuro di una scienza approssimativa, di una scienza che non ha bisogno di eccessive regole, di una scienza che ha bisogno di interpretare grandi moli di dati in tempo breve (la rete, dopo l allenamento, che si svolge una tantum, esegue solo operazioni molto semplici, e anche con l attuale potenza di calcolo intepretare qualche migliaio di dati impiega qualche secondo), potendosi permettere qualche piccolo errore, senza la possibilitá reale di svolgere i calcoli in modo esatto: abbiamo dimostrato, nel nostro piccolo, come piccole, semplici reti si rivelino vantaggiose. Quello che possiamo dedurre, in ultima analisi, è il fatto che effettivamente una rete neurale possa essere in grado di prevedere con buona approssimazione dati in ambienti molto rumorosi, dove non è umanamente possibile ricavare delle interpretazioni ed approssimazioni al tempo stesso eleganti, semplici e funzionanti. Ci aspettiamo quindi che in un futuro non troppo remoto le reti, anche grazie all aumento della potenza di calcolo ed al progresso della ricerca informatica, possano diventare strumento molto utile se non indispensabile per un indagine seppur inesatta di ambienti caratterizzati da un grande disturbo sui dati: metereologia, economia, biologia, fluidodinamica, astronomia.. 5

Regressione non lineare con un modello neurale feedforward

Regressione non lineare con un modello neurale feedforward Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale

Dettagli

Pro e contro delle RNA

Pro 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;

Dettagli

LA DURATION E LA GESTIONE DEL PORTAFOGLIO OBBLIGAZIONARIO

LA DURATION E LA GESTIONE DEL PORTAFOGLIO OBBLIGAZIONARIO LA DURATION E LA GESTIONE DEL PORTAFOGLIO OBBLIGAZIONARIO FLAVIO ANGELINI Sommario. In queste note si vuole mostrare come la Duration venga utilizzata quale strumento per la gestione del portafoglio obbligazionario.

Dettagli

SEMPLICE STRATEGIA SULLE OPZIONI BINARIE

SEMPLICE STRATEGIA SULLE OPZIONI BINARIE Titolo SEMPLICE STRATEGIA SULLE OPZIONI BINARIE Autore Dove Investire Sito internet http://www.doveinvestire.com Broker consigliato http://www.24option.com/it ATTENZIONE: tutti i diritti sono riservati

Dettagli

I Modelli della Ricerca Operativa

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

Dettagli

Sommario della lezione

Sommario della lezione Università degli Studi di Salerno Corso di Algoritmi Prof. Ugo Vaccaro Anno Acc. 2014/15 p. 1/33 Sommario della lezione Ancora sui cammini minimi: Cammini minimi in grafi con archi di costo negativo Algoritmi

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com

Dettagli

INTRODUZIONE AI CICLI

INTRODUZIONE AI CICLI www.previsioniborsa.net INTRODUZIONE AI CICLI _COSA SONO E A COSA SERVONO I CICLI DI BORSA. Partiamo dalla definizione di ciclo economico visto l argomento che andremo a trattare. Che cos è un ciclo economico?

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 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:

Dettagli

Perché si fanno previsioni?

Perché si fanno previsioni? Perché si fanno previsioni? Si fanno previsioni per pianificare un azione quando c è un lag fra momento della decisione e momento in cui l evento che ci interessa si verifica. ESEMPI decisioni di investimento

Dettagli

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione: 1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale

Dettagli

ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri

ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri ECONOMIA INTERNAZIONALE Biennio CLEM - Prof. B. Quintieri IL TASSO DI CAMBIO Anno Accademico 2013-2014, I Semestre (Tratto da: Feenstra-Taylor: International Economics) Si propone, di seguito, una breve

Dettagli

Equivalenza economica

Equivalenza economica Equivalenza economica Calcolo dell equivalenza economica [Thuesen, Economia per ingegneri, capitolo 4] Negli studi tecnico-economici molti calcoli richiedono che le entrate e le uscite previste per due

Dettagli

TNT IV. Il Diavolo è meno brutto di come ce lo dipingono!!! (Guarda il video)

TNT IV. Il Diavolo è meno brutto di come ce lo dipingono!!! (Guarda il video) TNT IV Il Diavolo è meno brutto di come ce lo dipingono!!! (Guarda il video) Al fine di aiutare la comprensione delle principali tecniche di Joe, soprattutto quelle spiegate nelle appendici del libro che

Dettagli

Scelte in condizioni di rischio e incertezza

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

Dettagli

I Differenziali di rendimento

I Differenziali di rendimento I Differenziali di rendimento continuano ad orientare il mercato FX 14 Febbraio 2011 Durante la scorsa settimana abbiamo avuto un attività di trading favorevole sul Dollaro USA in quanto i differenziali

Dettagli

Mercati finanziari e valore degli investimenti

Mercati 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

Dettagli

_COSA SONO E A COSA SERVONO I CICLI DI BORSA.

_COSA SONO E A COSA SERVONO I CICLI DI BORSA. CAPITOLO 1 VUOI IMPARARE AD OPERARE IN BORSA CON IL METODO CICLICO? VISITA IL LINK: http://www.fsbusiness.net/metodo-ciclico/index.htm _COSA SONO E A COSA SERVONO I CICLI DI BORSA. Partiamo dalla definizione

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

La probabilità frequentista e la legge dei grandi numeri

La probabilità frequentista e la legge dei grandi numeri La probabilità frequentista e la legge dei grandi numeri La definizione di probabilità che abbiamo finora considerato è anche nota come probabilità a priori poiché permette di prevedere l'esito di un evento

Dettagli

Introduzione all Inferenza Statistica

Introduzione all Inferenza Statistica Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio

Dettagli

La Massimizzazione del profitto

La Massimizzazione del profitto La Massimizzazione del profitto Studio del comportamento dell impresa, soggetto a vincoli quando si compiono scelte. Ora vedremo un modello per analizzare le scelte di quantità prodotta e come produrla.

Dettagli

Note su quicksort per ASD 2010-11 (DRAFT)

Note su quicksort per ASD 2010-11 (DRAFT) Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea

Dettagli

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Paolo Mezzera Ottobre 2003 CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Questo lavoro ha lo scopo di confrontare previsioni ottenute mediante processi regressivi

Dettagli

INTRODUZIONE. Nei nostri esperimenti abbiamo verificato la legge di Lenz ma non ne abbiamo sentito gli effetti.

INTRODUZIONE. Nei nostri esperimenti abbiamo verificato la legge di Lenz ma non ne abbiamo sentito gli effetti. INTRODUZIONE Il nostro lavoro muove dallo studio del superamento della visione meccanicistica avvenuta nel contesto dello studio delle interazioni elettriche e magnetiche fra la fine del 7 e l inizio dell

Dettagli

10 DOMANDE per iniziare a fare trading con gli Spread sulle Commodities

10 DOMANDE per iniziare a fare trading con gli Spread sulle Commodities 10 DOMANDE per iniziare a fare trading con gli Spread sulle Commodities 1. E difficile per un principiante fare trading con gli spread? A differenza di quanto potrebbe pensare un neofita, fare trading

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005. Lezione 11

Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005. Lezione 11 Algoritmi e Strutture Dati II: Parte B Anno Accademico 2004-2005 Docente: Ugo Vaccaro Lezione 11 In questa lezione vedremo alcune applicazioni della tecnica greedy al progetto di algoritmi on-line. Vediamo

Dettagli

Corso di Economia Applicata

Corso di Economia Applicata Corso di Economia Applicata a.a. 2007-08 II modulo 12 Lezione Asimmetrie informative e Adverse Selection Soluzioni per l Adverse Selection? selezione (screening ) segnalazione razionamento le soluzioni

Dettagli

Domanda e offerta di lavoro

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

Dettagli

1. Introduzione. 2. I metodi di valutazione

1. Introduzione. 2. I metodi di valutazione 1. Introduzione La Riserva Sinistri è l accantonamento che l impresa autorizzata all esercizio dei rami danni deve effettuare a fine esercizio in previsione dei costi che essa dovrà sostenere in futuro

Dettagli

Scelte in condizione di incertezza

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

Dettagli

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale

Esperienze di Apprendimento Automatico per il corso di Intelligenza Artificiale Esperienze di Apprendimento Automatico per il corso di lippi@dsi.unifi.it Dipartimento Sistemi e Informatica Università di Firenze Dipartimento Ingegneria dell Informazione Università di Siena Introduzione

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

STRATEGIA DI TRADING. Turning Points

STRATEGIA DI TRADING. Turning Points STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento

Dettagli

6.4 Risposte alle domande di ripasso

6.4 Risposte alle domande di ripasso Economia dell informazione e scelta in condizioni di incertezza 45 6.4 Risposte alle domande di ripasso 1. Se si potesse falsificare il segnale, questo cesserebbe di essere un segnale perché diventerebbe

Dettagli

Esercitazione n.2 Inferenza su medie

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

Dettagli

LA NUOVA STRATEGIA VINCENTE PER MERCATO DEL FOREX

LA NUOVA STRATEGIA VINCENTE PER MERCATO DEL FOREX Titolo LA NUOVA STRATEGIA VINCENTE PER MERCATO DEL FOREX Autore Dove Investire Siti internet www.doveinvestire.com Servizi necessari: ADVFN dati in tempo reale gratuiti e indicatori ATTENZIONE: tutti i

Dettagli

Teoria dei Giochi non Cooperativi

Teoria dei Giochi non Cooperativi Politecnico di Milano Descrizione del gioco Egoismo Razionalità 1 L insieme dei giocatori 2 La situazione iniziale 3 Le sue possibili evoluzioni 4 I suoi esiti finali I Giochi della teoria Perché studiare

Dettagli

Laboratorio di dinamiche socio-economiche

Laboratorio di dinamiche socio-economiche Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 21 febbraio 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti

Dettagli

CAPITOLO SECONDO RICHIAMI DI MICROECONOMIA

CAPITOLO SECONDO RICHIAMI DI MICROECONOMIA CAPITOLO SECONDO RICHIAMI DI MICROECONOMIA SOMMARIO: 2.1 La domanda. - 2.2 Costi, economie di scala ed economie di varietà. - 2.2.1 I costi. - 2.2.2 Le economie di scala. - 2.2.3 Le economie di varietà.

Dettagli

Barriere assorbenti nelle catene di Markov e una loro applicazione al web

Barriere assorbenti nelle catene di Markov e una loro applicazione al web Università Roma Tre Facoltà di Scienze M.F.N Corso di Laurea in Matematica a.a. 2001/2002 Barriere assorbenti nelle catene di Markov e una loro applicazione al web Giulio Simeone 1 Sommario Descrizione

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete Funzioni in due variabili Raccolta di FAQ by Andrea Prevete 1) Cosa intendiamo, esattamente, quando parliamo di funzione reale di due variabili reali? Quando esiste una relazione fra tre variabili reali

Dettagli

= 8.000 + 2.000 = 5.000.

= 8.000 + 2.000 = 5.000. Esercizio 1 Consideriamo il mercato delle barche usate e supponiamo che esse possano essere di due tipi, di buona qualità e di cattiva qualità. Il valore di una barca di buona qualità è q = 8000, mentre

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia

Dettagli

la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali

la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali 1/29 la raccolta di dati scientifici il metodo ingegneristico-scientifico e l'approccio statistico la progettazione di indagini sperimentali modelli teorici e modelli empirici l'osservazione dei processi

Dettagli

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Introduzione. Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache... Appunti di Calcolatori Elettronici Concetti generali sulla memoria cache Introduzione... 1 Il principio di localizzazione... 2 Organizzazioni delle memorie cache... 4 Gestione delle scritture in una cache...

Dettagli

Quadro di Riferimento PISA per la Literacy Scientifica

Quadro di Riferimento PISA per la Literacy Scientifica Quadro di Riferimento PISA per la Literacy Scientifica Il testo che segue è una sintesi della prima parte dello Science Framework di PISA 2006. Il testo definitivo sarà pubblicato dall OCSE entro il mese

Dettagli

Veloce e Fragile. Le dinamiche dell economia britannica

Veloce e Fragile. Le dinamiche dell economia britannica Veloce e Fragile Le dinamiche dell economia britannica 2 maggio, 2011 Rimbalzo nel primo trimestre per il Regno Unito? Come è già stato precedentemente sottolineato, l economia britannica è un economia

Dettagli

Capitolo 26: Il mercato del lavoro

Capitolo 26: Il mercato del lavoro Capitolo 26: Il mercato del lavoro 26.1: Introduzione In questo capitolo applichiamo l analisi della domanda e dell offerta ad un mercato che riveste particolare importanza: il mercato del lavoro. Utilizziamo

Dettagli

di informazione asimmetrica:

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

Dettagli

Il SENTIMENT E LA PSICOLOGIA

Il SENTIMENT E LA PSICOLOGIA CAPITOLO 2 Il SENTIMENT E LA PSICOLOGIA 2.1.Cosa muove i mercati? Il primo passo operativo da fare nel trading è l analisi del sentiment dei mercati. Con questa espressione faccio riferimento al livello

Dettagli

I SISTEMI DI NUMERAZIONE

I SISTEMI DI NUMERAZIONE ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA I SISTEMI DI NUMERAZIONE Prof. G. Ciaschetti Fin dall antichità, l uomo ha avuto il bisogno di rappresentare le quantità in modo simbolico. Sono nati

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

I titoli obbligazionari

I titoli obbligazionari I titoli obbligazionari 1 Tipologie di titoli La relazione di equivalenza consente di attribuire un valore oggi ad importi monetari disponibili ad una data futura. In particolare permettono di determinare

Dettagli

Capitolo 20: Scelta Intertemporale

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

Dettagli

2014 : Fondi o Etf? Mono o multimarca?

2014 : Fondi o Etf? Mono o multimarca? 2014 : Fondi o Etf? Mono o multimarca? Venerdì 29 novembre 2013 In questo Diario di Bordo parliamo in sintesi: MERCATO OBBLIGAZIONARIO. MEGLIO FONDI O ETF? MEGLIO OPERARE CON UNA SOLA SOCIETA DI GESTIONE

Dettagli

LA SURROGA FACILE (Guida n.2)

LA SURROGA FACILE (Guida n.2) LA SURROGA FACILE (Guida n.2) KreditOnline Mediazione Creditizia Srl Iscrizione Oam M301 - Ivass E000585138 P.Iva 10471761006 Sede Legale: Via F. S. Correra, 11-80135 Napoli Sede Op.: Prima Trav. Paolo

Dettagli

Crescita della produttività e delle economie

Crescita della produttività e delle economie Lezione 21 1 Crescita della produttività e delle economie Il più spettacolare effetto della sviluppo economico è stata la crescita della produttività, ossia la quantità di prodotto per unità di lavoro.

Dettagli

PREVEDERE LE VENDITE PER IL REVENUE MANAGEMENT

PREVEDERE LE VENDITE PER IL REVENUE MANAGEMENT Lezione n. 2 - PREVISIONE 1 PREVEDERE LE VENDITE PER IL REVENUE MANAGEMENT AUTORI Paolo Desinano Centro Italiano di Studi Superiori sul Turismo di Assisi Riccardo Di Prima Proxima Service INTRODUZIONE

Dettagli

Un gioco con tre dadi

Un gioco con tre dadi Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.

Dettagli

Problema aperto. Come si determina il tasso di cambio atteso? il tasso di cambio di lungo periodo?

Problema aperto. Come si determina il tasso di cambio atteso? il tasso di cambio di lungo periodo? Il comportamento dei tassi di cambio nel lungo periodo Problema aperto Come si determina il tasso di cambio atteso? il tasso di cambio di lungo periodo? Il comportamento dei tassi di cambio nel lungo periodo

Dettagli

I punteggi zeta e la distribuzione normale

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

Dettagli

Microeconomia A-K, Prof Giorgio Rampa a.a. 2011-2012. Svolgimento della prova scritta di Microeconomia AK del 19 settembre 2012

Microeconomia A-K, Prof Giorgio Rampa a.a. 2011-2012. Svolgimento della prova scritta di Microeconomia AK del 19 settembre 2012 Svolgimento della prova scritta di Microeconomia AK del 19 settembre 2012 A DEFINIZIONI - Si definiscano sinteticamente i termini anche con l ausilio, qualora necessario, di formule e grafici. 1. Beni

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

L Europa è un economia aperta

L Europa è un economia aperta L economia aperta L Europa è un economia aperta Un sistema macroeconomico si dice aperto quando le transazioni internazionali hanno un ruolo rilevante. Il grado di apertura di un paese è generalmente misurato

Dettagli

Tasso di cambio di equilibrio in un contesto intertemporale

Tasso di cambio di equilibrio in un contesto intertemporale Tasso di cambio di equilibrio in un contesto intertemporale Marianna Belloc 1 Approccio NATREX L approccio NATREX, dovuto a Stein (1990, 1999) e basato, come il precedente, su agenti intertemporalmente

Dettagli

Calcolo del valore attuale e principi di valutazione delle obbligazioni

Calcolo del valore attuale e principi di valutazione delle obbligazioni PROGRAMMA 0. Introduzione 1. Valore: Pianificazione finanziaria Valore attuale Valutazione delle obbligazioni e delle azioni, Valore attuale netto ed altri criteri di scelta degli investimenti 2. Valutazione

Dettagli

La Minimizzazione dei costi

La Minimizzazione dei costi La Minimizzazione dei costi Il nostro obiettivo è lo studio del comportamento di un impresa che massimizza il profitto sia in mercati concorrenziali che non concorrenziali. Ora vedremo la fase della minimizzazione

Dettagli

Facoltà di Scienze Politiche Corso di Economia Politica. Esercitazione di Microeconomia sui capitoli 7 e 8

Facoltà di Scienze Politiche Corso di Economia Politica. Esercitazione di Microeconomia sui capitoli 7 e 8 Facoltà di Scienze Politiche Corso di Economia Politica Esercitazione di Microeconomia sui capitoli 7 e 8 Domanda 1 Dite quale delle seguenti non è una caratteristica di un mercato perfettamente competitivo:

Dettagli

NOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.

NOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1. NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico

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

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo

Lezione2 Ricerca di zeri. http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali. Fernando Palombo Lezione2 Ricerca di zeri http://idefix.mi.infn.it/~palombo/didattica/lab-tnds/corsolab/lezionifrontali Fernando Palombo Aritmetica Finita nel Computer Nel computer l aritmetica è a precisione finita cioè

Dettagli

SONIA SALERNO INVESTIRE IN OPZIONI BINARIE

SONIA SALERNO INVESTIRE IN OPZIONI BINARIE SONIA SALERNO Anteprima di: INVESTIRE IN OPZIONI BINARIE Come Investire il Capitale in Opzioni Binarie a 1-5-10-15 Minuti per Guadagnare in Modo Costante e Veloce 2 Titolo INVESTIRE IN OPZIONI BINARIE

Dettagli

Capitolo 3. La domanda e l'offerta

Capitolo 3. La domanda e l'offerta Capitolo 3 La domanda e l'offerta Domanda e offerta sono parte di un modello che punta a spiegare in che modo vengono determinati i prezzi in un sistema di mercato I mercati Un mercato è un gruppo di acquirenti

Dettagli

LA TRADER'S TRICK. Lo scopo della entrata Trader s Trick (TTE) è di permetterci di iniziare un trade prima dell entrata di altri trader.

LA TRADER'S TRICK. Lo scopo della entrata Trader s Trick (TTE) è di permetterci di iniziare un trade prima dell entrata di altri trader. LA TRADER'S TRICK Lo scopo della entrata Trader s Trick (TTE) è di permetterci di iniziare un trade prima dell entrata di altri trader. Siamo realistici. Il trading è un business in cui chi ha più conoscenza

Dettagli

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE Ing. Ricci Andrea Simone INCERTEZZA DI MISURA - Introduzione X SISTEMA Y Misura > complesso di attività volte alla valutazione

Dettagli

Capitolo Terzo Valore attuale e costo opportunità del capitale

Capitolo 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

Dettagli

Introduzione. Articolazione della dispensa. Il sistema del controllo di gestione. Introduzione. Controllo di Gestione

Introduzione. Articolazione della dispensa. Il sistema del controllo di gestione. Introduzione. Controllo di Gestione Introduzione Perché il controllo di gestione? L azienda, come tutte le altre organizzazioni, è un sistema che è rivolto alla trasformazione di input (risorse tecniche, finanziarie e umane) in output (risultati

Dettagli

Elementi Finiti: stime d errore e adattività della griglia

Elementi Finiti: stime d errore e adattività della griglia Elementi Finiti: stime d errore e adattività della griglia Elena Gaburro Università degli studi di Verona Master s Degree in Mathematics and Applications 05 giugno 2013 Elena Gaburro (Università di Verona)

Dettagli

LA VARIABILE CHE NON TI ASPETTI: LA DINAMICA DEI FLUSSI

LA VARIABILE CHE NON TI ASPETTI: LA DINAMICA DEI FLUSSI LA VARIABILE CHE NON TI ASPETTI: LA DINAMICA DEI FLUSSI In questa seconda parte affronteremo il vero problema che attanaglia tutti quei professionisti che fanno della raccolta e della relazione il loro

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Nel gioco Mercurius, i giocatori interpretano i ruoli di potenti e ricchi borghesi nell Olanda del XVII secolo, il cui obiettivo è di moltiplicare la

Nel gioco Mercurius, i giocatori interpretano i ruoli di potenti e ricchi borghesi nell Olanda del XVII secolo, il cui obiettivo è di moltiplicare la Nel gioco Mercurius, i giocatori interpretano i ruoli di potenti e ricchi borghesi nell Olanda del XVII secolo, il cui obiettivo è di moltiplicare la propria ricchezza, speculando sulla borsa di Amsterdam.

Dettagli

La prove dinamiche sugli edifici II parte strumentazione e analisi dei segnali

La prove dinamiche sugli edifici II parte strumentazione e analisi dei segnali La prove dinamiche sugli edifici II parte strumentazione e analisi dei segnali Luca Facchini e-mail: luca.facchini@unifi.it Introduzione Quali strumenti vengono utilizzati? Le grandezze di interesse nelle

Dettagli

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

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

Dettagli

Aspettative, consumo e investimento

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

Dettagli

OPERATIVITA SUI MERCATI FINANZIARI

OPERATIVITA SUI MERCATI FINANZIARI CAPITOLO 4 OPERATIVITA SUI MERCATI FINANZIARI 4.1.MTA nozioni generali 4.1.1.Fasi della seduta di borsa Fase di preapertura: L asta competitiva riguardante l MTA (mercato telematico azionario) inizia con

Dettagli

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

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

Dettagli

L economia: i mercati e lo Stato

L economia: i mercati e lo Stato Economia: una lezione per le scuole elementari * L economia: i mercati e lo Stato * L autore ringrazia le cavie, gli alunni della classe V B delle scuole Don Milanidi Bologna e le insegnati 1 Un breve

Dettagli

Design of Experiments

Design of Experiments Design of Experiments Luigi Amedeo Bianchi 1 Introduzione Cominciamo spiegando cosa intendiamo con esperimento, ossia l investigare un processo cambiando i dati in ingresso, osservando i cambiamenti che

Dettagli

Richiami di microeconomia

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

Dettagli

IL MODELLO CICLICO BATTLEPLAN

IL MODELLO CICLICO BATTLEPLAN www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato

Dettagli

Capitolo IV. I mercati finanziari

Capitolo IV. I mercati finanziari Capitolo IV. I mercati finanziari 2 I MERCATI FINANZIARI OBIETTIVO: SPIEGARE COME SI DETERMINANO I TASSI DI INTERESSE E COME LA BANCA CENTRALE PUO INFLUENZARLI LA DOMANDA DI MONETA DETERMINAZIONE DEL TASSO

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Equilibrio di mercato e analisi di statica comparata

Equilibrio di mercato e analisi di statica comparata CAPITOLO 1 Equilibrio di mercato e analisi di statica comparata Esercizio 1.1. Si consideri un mercato per un determinato bene. La curva di offerta delle imprese è Q S = 60 + p, quella di domanda dei consumatori

Dettagli

Vediamo un analisi della situazione Ciclica su Bund ed Euro/Dollaro (prezzi chiusura del 16 gennaio)

Vediamo un analisi della situazione Ciclica su Bund ed Euro/Dollaro (prezzi chiusura del 16 gennaio) Vediamo un analisi della situazione Ciclica su Bund ed Euro/Dollaro (prezzi chiusura del 16 gennaio) Prima un breve cenno alla situazione Macroeconomica che interessa questi 2 mercati- Anche qui ha pesato

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli