Il Processo Stocastico Martingala e sue Applicazioni in Finanza
|
|
- Silvio Leo
- 8 anni fa
- Visualizzazioni
Transcript
1 Il Processo Stocastico Martingala e sue Applicazioni in Finanza Rosa Maria Mininni a.a Introduzione Scopo principale della presente dispensa é quello di illustrare i concetti matematici fondamentali della teoria delle martingale e di evidenziare la vasta applicabilità della teoria delle martingale per la rappresentazione delle problematiche di ordine finanziario. A questo scopo verranno presentate alcune applicazioni relative al prezzaggio delle opzioni e dei titoli sottostanti. Nel complesso si cercherà di verificare fino a che punto l uso dei processi martingale sia compatibile, in termini di congruenza, con le logiche sottostanti il funzionamento dei mercati finanziari ed inoltre si illustreranno le tecniche, utilizzate dalle moderne metodiche in materia di asset pricing, di trasformazione dei processi stocastici in martingale laddove tale trasformazione permette agli analisti finanziari una più facile trattazione delle problematiche finanziarie. 2 Cenni storici Il termine martingala si ricollega ad una serie di strategie utilizzate dagli scommettitori francesi nel XVIII secolo. La più semplice di queste strategie veniva usata in una sequenza di scommesse sugli esiti del lancio di una moneta equa (cioè con eguale probabilità 1/2 di uscire testa o croce ad ogni lancio, indipendentemente dall esito dei lanci precedenti): un giocatore vince (perde) una somma di danaro, pari alla posta S n da lui liberamente scelta al lancio n, se si verifica l evento esce testa ( esce croce ). La strategia consiste nell iniziare puntando la somma 1 alla prima giocata e, in seguito, ancora 1 dopo una vincita (testa), e raddoppiando sistematicamente la posta precedente S n+1 = 2 S n dopo una perdita (croce). Utilizzando questa strategia, la distribuzione di probabilità della vincita dello scommettitore dopo N puntate è (al crescere di N) fortemente asimmetrica: bassa probabilità di forti perdite che compensa un alta probabilità di Dipartimento di Matematica, Università di Bari Aldo Moro 1
2 2 piccoli guadagni, ma la vincita attesa (speranza matematica), qualunque sia il numero di scommesse della sequenza, è sempre 0. Per esempio, dopo 3 giocate il guadagno può essere +3(sequenza T T T ), +2(T CT e CT T ), +1(T T C e CCT ), 0(CT C), -2(T CC), -7(CCC) e la conclusione segue, tenendo conto che ciascuna sequenza ha probabilità pari a 1/8. Indichiamo con X 0, X 1, X 2,... il denaro posseduto dal giocatore rispettivamente prima del primo lancio (X 0 ), dopo il primo lancio (X 1 ), dopo il secondo lancio (X 2 ) e così via. Allora, da quanto spiegato sopra, il valore atteso di X N, ovvero del denaro posseduto (guadagno) dopo N lanci, sarà semplicemente X 0, ovvero la somma inizialmente posseduta. Ma se è noto che dopo m lanci il giocatore possiede la somma X m, l aspettativa più ragionevole riguardo alla vincita dopo N lanci (con N > m) sarà invece X m. Questa è appunto la proprietà di martingala. Se ne deduce, quindi, che questa tecnica, che apparentemente conduce ad una vincita finale certa, é invece la causa di forti perdite da parte di scommettitori. Un analisi più attenta mostra, infatti, che la posta da mettere in gioco aumenta esponenzialmente con i lanci perdenti, e ci si convince facilmente del fatto che, per assicurarsi la vittoria, bisognerebbe disporre di un capitale infinito da poter scommettere, e bisognerebbe che anche il banco fosse disposto ad accettare poste di qualsiasi taglia. La vincita netta è solamente la posta iniziale. Ironia della sorte, uno dei risultati elementari dimostrati dall odierna teoria delle martingale è proprio l inesistenza di un sistema di scommesse vincente. Il concetto di martingala è stato introdotto nella Teoria della Probabilità da Paul P. Lévy. Gran parte dei risultati avanzati riguardanti le martingale sono stati prodotti da Joseph L. Doob, con contributi importanti da parte di K. Itô sulle applicazioni analitiche. Dagli anni settanta, la teoria delle martingale ha trovato ampie applicazioni in molti settori della matematica pura ed applicata. In particolare, nella Teoria della Probabilità, in Fisica Matematica, ed in Finanza Matematica. Il successo di tale teoria é tale che essa risulta una delle poche branche della matematica nota anche a studiosi di altre discipline, in particolare da chi si occupa di finanza e tecniche di borsa. Anche grazie ai contributi dati a questa teoria, Lèvy, Itô e Doob sono considerati tra i maggiori matematici del XX secolo. 3 Premesse Sia assegnato uno spazio di probabilità (Ω, F, P). Definizione 1. Si dice che B F é un evento trascurabile (risp. certo) se P(B) = 0 (risp. P(B) = 1). Indichiamo con l insieme degli eventi trascurabili. N = {B F P(B) = 0} Definizione 2. Una filtrazione nello spazio di probabilità (Ω, F, P) é una famiglia {F t } t 0 di sotto σ-algebre di F (cioè F t F per ogni t 0), tale che:
3 3 i. per ogni 0 s < t, si ha che F s F t. Nel seguito si supporrà che una filtrazione soddisfa anche le seguenti condizioni: ii. F 0 ( e quindi anche F t per ogni t > 0) contiene N; iii. per ogni t > 0 si ha F t = u>0f t+u (continuità a destra). Una filtrazione può essere interpretata come una successione crescente (proprietà i.) di informazioni a disposizione del decision-maker nei vari istanti di tempo t. Una variabile aleatoria si dice F t - misurabile se è completamente definita e quindi nota, dato il set informativo F t al tempo t. Inoltre, la proprietà iii. garantisce che, sapendo che una v.a. é F s - misurabile per ogni s > t, allora essa è anche F t - misurabile. Definizione 3. Dato un processo stocastico X = (X t ) t 0 nello spazio (Ω, F, P), la filtrazione naturale per X è definita da F X t = σ(x s, 0 s t), t 0. Poniamo per t 0, Ft X := u>0 F ) t+u X dove FX t := σ ( FX t N. Si verifica che (F X t ) t 0 é una filtrazione che soddisfa le proprietà ii. e iii.. Essa é detta filtazione standard per X. Il valore atteso condizionale E(X F t ) di una variabile aleatoria X, definita sullo spazio di probabilità (Ω, F, P), rispetto alla filtrazione {F t } t 0, é definito in modo analogo al valore atteso condizionale di X rispetto a una variabile aleatoria Y, E(X Y ), e gode di alcune importanti proprietà: a) per ogni t > 0, E[E[X F t ]] = E[X]; b) se X è F t - misurabile allora E[X F t ] = x, dove x rappresenta la realizzazione della v.a. X osservata sulla base delle informazioni contenute nella σ-algebra F t ; c) per ogni t > 0 e per ogni a 1, a 2 R, E[(a 1 X 1 + a 2 X 2 ) F t ] = a 1 E[X 1 F t ] + a 2 E[X 2 F t ], proprietà di linearità; d) se X 0, allora per ogni t 0 E[X F t ] 0, proprietà di positività; e) se Z è F t - misurabile allora E[Z X F t ] = Z E[X F t ], infatti Z è noto sulla base delle informazioni contenute in F t. Definizione 4. Sia X = (X t ) t 0 un processo stocastico nello spazio (Ω, F, P) e sia {F t } t 0 una filtrazione di tale spazio. Si dice che X é F t -adattato se X t é F t -misurabile per ogni t. Chiaramente, la filtrazione standard é la più piccola filtrazione rispetto a cui X é adattato.
4 4 4 Il processo stocastico Martingala I dati di natura finanziaria sono tipicamente strutturati come serie storiche. Tali serie statistiche possono essere intese come una successione di osservazioni che si sviluppano in un fissato periodo temporale. Dal punto di vista probabilistico, una serie storica deve essere interpretata come una particolare traiettoria di un processo stocastico. Una martingala rappresenta un particolare processo stocastico frequentemente utilizzato nella modellizzazione delle dinamiche finanziarie. Definizione 5. Sia X = {X t } t 0 un processo stocastico su uno spazio di probabilià (Ω, F, P), e {F t } t 0 una filtrazione di tale spazio. Il processo X é una martingala rispetto a {F t } t 0 se valgono le seguenti condizioni: (i) X é adattato; (ii) E[ X t ] < ; (iii) per ogni s < t, E[X t F s ] = X s, con X s noto. (La condizione (iii) è verificata quasi ovunque (q.o.) trascurabili.) in Ω cioè escludendo gli eventi Osserva. La condizione (ii) é detta proprietà di integrabilità. Essa afferma che il valore atteso del modulo di X t, per ogni t, esiste finito. La condizione (iii) é detta proprietà di martingala. Essa afferma che la legge di dipendenza tra le variabili aleatorie che definis-cono il processo X é caratterizzata dal fatto che il valore atteso (previsione) di uno stato futuro del processo, nota l evoluzione dello stesso nei tempi precedenti, dipende solo dall ultima osservazione realizzata. Vale quindi la proprietà di Markov. Perciò una martingala è detto essere un processo markoviano. Analogamente alle martingale vengono definite le submartingale e le supermartingale. Definizione 6. Siano valide le ipotesi della Definizione 5. Il processo X é una submartingala (risp. supermartingala) rispetto a {F t } t 0 se valgono le seguenti condizioni: (i) X é adattato; (ii) E[ X t ] < ; (iii) per ogni s < t, E[X t F s ] X s (risp. E[X t F s ] X s ) (q.o. in Ω), con X s noto. Osserva. Sulla base di queste definizioni si deduce che un processo stocastico si comporta come una martingala se le sue possibili traiettorie non mostrano uno specifico trend sottostante, ovvero se le direzioni assunte dai movimenti futuri sono, in media, uguali ai valori osservati all istante attuale. Qualora le traiettorie di un processo individuino un trend di lungo periodo, allora il processo non si potrebbe configurare come una martingala. Supponendo che {X t } t 0 sia una martingala e considerando la previsione al tempo t > 0 relativa ad una variazione del processo su un intervallo di tempo di lunghezza t, si ha
5 5 che: E[X t+ t X t F t ] = E[X t+ t F t ] E[X t F t ] = X t X t = 0, ovvero l incremento di una traiettoria del processo in un intervallo di ampiezza t é, in media, nulla. Diversamente, se il processo {X t } t 0 é una submartingala, allora E[X t+ t X t F t ] 0 e il processo é, in media, crescente, mentre se {X t } t 0 é una supermartingala, allora e il processo é, in media, decrescente. E[X t+ t X t F t ] Trasformazione di submartingale in martingale: scomposizione di Doob-Meyer Spesso i processi che si definiscono nella realtà non sono martingale, nel senso che i movimenti futuri non sono completamente imprevedibili, ovvero le variazioni medie non sono pari a zero, date le informazioni correnti. I prezzi delle attività finanziarie si comportano, infatti, come delle supermartingale, o ancora più frequentemente come delle submartingale. Esiste, tuttavia, una connessione tra le martingale e le submartingale, attraverso la quale é possibile convertire le seconde nelle prime. Un primo metodo di trasformazione é quello che sfrutta la cosiddetta scomposizione di Doob-Meyer. Approccio diretto: scomposizione di Doob-Meyer Sia (Ω, F, P) uno spazio di probabilià e {F t } t 0 una filtrazione in tale spazio. Definizione 7. Dato un processo stocastico (A t ) t 0 su (Ω, F, P), si dice che (A t ) é prevedibile se A 0 F 0, e, per ogni t 0, si ha che A t+ t é F t -misurabile ( t > 0). Un processo (A t ) t 0 é detto crescente se é prevedibile e le sue traiettorie sono crescenti quasi ovunque, cioè per ogni s, t 0, s < t si ha 0 = A 0 A s (ω) A t (ω), per quasi ogni ω Ω. Teorema 1. (di scomposizione di Doob-Meyer): Sia {X t } t 0 una submartingala rispetto a {F t } t 0. Allora esiste ed é unica la seguente scomposizione X t = S t + A t, t 0 dove {S t } t 0 é una martingala e {A t } t 0 é un processo crescente.
6 6 Con il teorema di Doob-Meyer é possibile scomporre, in maniera univoca, una submartingala in una martingala più un elemento residuo che é rappresentato da un processo crescente e prevedibile (trend). In sintesi, tale teorema afferma che sottraendo da una submartingala (in media crescente) {X t } t 0 un processo a traiettoria crescente (A t ) t 0, le deviazioni rispetto al trend assumono un comportamento assolutamente irregolare. Questo processo trasformato {S t } t 0 é proprio una martingala. Con la tecnica di scomposizione di Doob-Meyer si evidenzia, dunque, come sia possibile trasformare direttamente una submartingala in modo da ottenere una martingala Scomposizione di Doob-Meyer applicata alla valutazione di un opzione Abbiamo già visto che il payoff alla scadenza T di un opzione call è dato da f T = max(0, S T K), dove S = (S t ) t 0 é il processo stocastico che definisce il prezzo del titolo azionario sottostante l opzione. Si assume che tale processo sia definito su di uno spazio di probabilità (Ω, F, P) e sia {F t } t 0 la filtrazione standard per S. Dal momento che il prezzo S T non é noto al tempo t < T, occorre considerare il valore atteso: E[f T F t ] = E[max(0, S T K) F t ]. Data tale previsione ci si potrebbe chiedere se il più equo valore della call al tempo t possa considerarsi uguale al valore scontato di E[f T F t ]. In altre parole, fissato il tasso di attualizzazione r, si tratta di verificare che da cui segue che f t = e r (T t) E[f T F t ] = E[e r (T t) f T F t ], t < T (1) E[e r T f T F t ] = e r t f t. Quest ultima uguaglianza é vera se il processo scontato (e r t f t ) t 0 é una martingala rispetto alla filtrazione standard {F t } t 0. Dal momento che il prezzo della call viene definito sulla base del prezzo del titolo sottostante, si può affermare che la dinamica del processo (e r t f t ) t 0 segue quella del processo S e quindi di (e r t S t ) t 0. Nella realtà finanziaria il processo S non si comporta come una martingala. Infatti, data la rischiosità cui un titolo azionario é normalmente soggetto, il valore scontato al tasso privo di rischio r non corrisponde al prezzo valutato al tempo presente t, a causa dell esistenza di un premio per il rischio, il quale rappresenterebbe un elemento residuale non incorporato nel tasso di sconto. Il premio é tanto maggiore quanto maggiore é il rischio del titolo. In termini probabilistici, questo può essere espresso nel modo seguente: ossia E[e r (T t) S T F t ] > S t E[e r T S T F t ] > e r t S t
7 7 ovvero il processo (e r t S t ) t 0 é una submartingala. Tale risultato emerge dal fatto che nell attualizzazione si utilizza un tasso privo di rischio in un contesto non neutrale al rischio. Sfruttando però il teorema di scomposizione di Doob-Meyer é possibile decomporre in maniera univoca il processo (e r t S t ) t 0 nella somma di una martingala (M t ) t 0 e di un processo crescente (A t ) t 0 : e r t S t = M t + A t. (2) Una volta determinata l evoluzione del trend A t é possibile utilizzare la scomposizione (2) al fine di ricavare il processo martingala M t M t = e r t S t A t, tramite il quale é possibile definire il valore di mercato di una call option al tempo t. Infatti, per la definizione di processo martingala segue che E[e r T S T A T F t ] = e r t S t A t da cui si deduce che il processo (e r t S t A t ) t 0, depurato dall effetto tendenziale di lungo periodo, é una martingala. Questa correzione nel processo del prezzo del titolo azionario garantisce la stazionarietà nel processo che definisce la dinamica del valore di una call. In tal modo si può sfruttare la relazione (1) per ipotizzare il prezzo equo dell opzione call al tempo t. In realtà, questo metodo, data la difficoltà implicita nella stima del processo (A t ) t 0, é raramente applicato nella pratica. É più conveniente convertire il processo S dei prezzi in una martingala non sottraendo il loro trend ma cambiando la distribuzione di probabilità del sottostante. 4.2 Trasformazione della misura di probabilità e il Teorema di Girsanov Un altro metodo di conversione di submartingale in martingale si fonda sulla trasformazione della distribuzione di probabilità che governa un processo a traiettorie crescenti. Abbiamo visto nella sezione precedente che il processo (e r t S t ) t 0, definito come valore attuale in t del prezzo di un titolo azionario, ad un tasso di attualizzazione privo di rischio r, é una submartingala rispetto all assegnata misura di probabilità. In questo caso, é possibile cercare una nuova misura di probabilità rispetto a cui il processo scontato (e r t S t ) t 0 diventi una martingala, mantenendo il tasso r come tasso di attualizzazione. Le misure di probabilità attraverso le quali é possibile trasformare processi che non sono martingale in martingale vengono dette misure equivalenti di probabilità. Le condizioni generali che permettono la trasformazione delle misure probabilistiche sono definite nel Teorema di Girsanov. Prima di passare alla presentazione formale del teorema é opportuno introdurre brevemente la problematica della trasformazione di misura di probabilità attraverso il caso di una variabile aleatoria con distribuzione normale. Sia (Ω, F, P) una spazio di probabilità. Si consideri una variabile aleatoria Z N(0, 1) definita su (Ω, F, P). Sappiamo che la funzione densità di probabilità di Z é il differenziale
8 8 della funzione di distribuzione cumulata, cioè per ogni z R F Z (z) = P(Z z) = z f(u) du ovvero df (z) = f(z) dz = 1 2π e z2 /2 dz. Da ora in poi, per comodità, consideremo la seguente identificazione: df Z(ω) (z) dp(ω), ω Ω Definiamo ora la v.a. L : Ω [0, + ) funzione di Z nel seguente modo: L := H(Z) = e µ Z µ2 /2 Se per un fissato ω Ω si ha Z(ω) = z, moltiplicando L(ω) = H(z) per dp(ω), si ottiene la trasformazione di misura L(ω) dp(ω) = 1 2π e µ z µ2 /2 z 2 /2 dz. (3) che determina una nuova misura di probabilità indicata dalla seguente espressione dq(ω) = 1 2π e (µ z)2 /2 dz. (4) Osserva La (4) rappresenta la funzione di distribuzione cumulata di una distribuzione normale N(µ, 1). Quindi, pur rimanendo invariata la dispersione della variabile aleatoria intorno alla media (σ 2 = 1), le due misure di probabilità sono diverse, dal momento che le medie su cui sono centrate non coincidono ed inoltre esse assegnano valori di probabilità differenti agli stessi intervalli. Si noti, inoltre, che la trasformazione di misura (3) é invertibile, infatti si ha che: (L(ω) 1 dq(ω) = dp(ω). (5) La v.a. L può essere interpretata come rapporto tra due misure: L = dq dp ed é detta derivata di Radon-Nikodym. Perché la v.a. L esista é necessario che il denominatore del rapporto (6) sia diverso da zero. La trasformazione inversa (5) implica, inoltre, che anche il numeratore di (6) sia diverso da zero, Se ne deduce quindi che condizione necessaria e sufficiente affinchè la derivata di Radon-Nikodym esista é che, (6) Q(A) > 0 P(A) > 0, A F Quando questa condizione risulta soddisfatta allora la v.a. L esiste e può essere utilizzata per passare da P a Q. In questo caso le due misure sono dette misure equivalenti di probabilità perchè assegnano probabilità positive agli stessi domini. Sebbene le misure di probabilità siano differenti, é quindi sempre possibile, tramite la derivata di Radon- Nikodym, convertire l una nell altra.
9 9 Il Teorema di Girsanov fornisce le condizioni di esistenza della derivata di Radon- Nikodym nel caso di processi stocastici continui. Per introdurre il teorema nella sua forma più generale, occorre preliminarmente definire alcuni elementi. Siano (F t ) t [0,T ] una filtrazione di (Ω, F, P), (Z t ) t [0,T ] un processo stocastico adattato alla filtrazione (F t ) t [0,T ] e (W t ) t [0,T ] un moto Browniano definito sullo stesso spazio di probabilità. Valga, inoltre, la seguente condizione di limitatezza [ ( 1 T )] E exp Z t 2 dt < +, 2 0 che implica che le traiettorie Z t del processo non devono crescere o decrescere troppo velocemente nel tempo. Teorema 2. (di Girsanov): Sia (X t ) t [0,T ] una martingala esponenziale rispetto a (F t ) t [0,T ], associata al processo (Z t ) t [0,T ]. Consideriamo la misura Q definita da Allora il processo stocastico definito da W t = W t d Q dp := X T. (7) t 0 Z s ds t [0, T ] (8) é un moto Browniano su (Ω, F, Q), rispetto alla misura di probabilità Q definita in (7) ossia Q(A) = E P [I A X T ] = X T dp, A F. Osserva. Dal Teorema di Girsanov si deduce che moltiplicando la misura di probabilità P, che governa il processo di Wiener (W t ) t [0,T ], per la martingala (X t ) t [0,T ], che è una funzione esponenziale del processo (Z t ) t [0,T ], tramite l operazione di valore atteso, si ottiene una nuova misura di probabilità Q che governa il processo di Wiener ( W t ) t [0,T ] legato al precedente dalla relazione (8) definita nel Teorema. In quella espressione il passaggio da un moto browniano all altro é ottenuto sottraendo a W t un trend variabile nel tempo. La trasformazione della misura di probabilità tale da modificare la media, lasciando inalterata la varianza e i valori assunti dalla variabile aleatoria, é quindi un processo dipendente dal tempo che si svolge istante per istante. In ogni istante varia l elemento tendenziale da considerare per effettuare tale trasformazione. Si osservi, inoltre, che (X t ) t [0,T ] é un processo strettamente positivo e, quindi, è invertibile e se ne deduce che il processo ((X t ) 1 ) t [0,T ] è una martingala rispetto a (F t ) t [0,T ] sullo spazio di probabilità (Ω, F, Q). Vale allora la trasformazione inversa della (7), cioè A dp d Q := (X T ) 1, da cui si può verificare come il Teorema di Girsanov sia consistente con la descrizione della v.a. X T come rapporto di due misure di probabilità equivalenti.
10 Utilizzo delle misure equivalenti di probabilità nella valutazione di un opzione Con questo esempio si vuole evidenziare come nella valutazione dei prezzi di attività finanziarie si utilizzi la trasformazione delle misure di probabilità sottostanti per convertire dei processi che non sono martingale in martingale. Sia W = (W t ) t [0,T ] un moto Browniano, con W t N(µ t, σ 2 t) (t > 0) e sia (F t ) t [0,T ] la filtrazione standard per W. Sia S = (S t ) t [0,T ] il moto Browniano geometrico che rappresenta la dinamica del titolo azionario sottostante un opzione. Le sue traiettorie sono definite nel seguente modo: S t = S 0 e Wt, t [0, T ]. Poichè il processo S é definito come funzione esponenziale di W é evidente che la dinamica di S segue quella di W. Di conseguenza, la filtrazione (F t ) t [0,T ] é anche la filtrazione standard per S. Abbiamo visto che il valore atteso condizionato del processo S al tempo t + τ, nota la storia del processo fino al tempo t, é dato da E P [S t+τ F t ] = S t e µτ+σ2 τ/2 (9) Questa uguaglianza viene normalmente utilizzata nell ambito della valutazione dei prezzi di attività finanziarie. La misura di probabilità P rispetto a cui viene determinata la distribuzione di probabilità delle traiettorie S t rappresenta la vera legge di probabilità che governa gli shock sui prezzi. Come abbiamo già detto, non sempre questa misura di probabilità è necessariamente quella più conveniente da utilizzare. Sulla base del Teorema di Girsanov risulta, infatti, possibile determinare una misura di probabilità equivalente a quella data, tale da rendere più agevole la valutazione dei prezzi del titolo. Questo é vero, in particolare, se si può operare con misure di probabilità le quali rendono possibile la conversione dei prezzi in una martingala. Abbiamo visto nella Sezione che il processo (e r t S t ) t 0 é una submartingala e che tale risultato emerge dal fatto che nell attualizzazione si utilizza un tasso r privo di rischio in un contesto non neutrale al rischio. L idea é quella di trovare una misura di probabilità Q equivalente a P tale per cui il processo (e r t S t ) t 0 risulta una martingala. Il ruolo svolto dalla misura Q é proprio quello di rendere la dinamica delle grandezze finanziarie neutrale rispetto alla misura del rischio. Poichè la distribuzione di probabilità di W t, la cui dinamica rappresenta l elemento determinante il prezzo dell attività finanziaria, é una normale N(µ t, σ 2 t), si può allora pensare di definire un nuova distribuzione di probabilità del tipo: N(ρ t, σ 2 t) in cui l elemento che definisce la media risulta arbitrariamente modificato, mentre resta costante la varianza. Usando l espressione (9), il valore atteso condizionale del prezzo attualizzato rispetto alla nuova misura di probabilità Q diviene: E Q [e r τ S t+τ F t ] = S t e r τ e ρτ+σ2 τ/2 (10)
11 11 Dato che il parametro ρ é arbitrario, esso può essere scelto in modo tale che ovvero che La (10) diventa e quindi r τ + ρ τ + σ2 τ 2 = 0 ρ = r σ2 2. (11) E Q [e r τ S t+τ F t ] = S t E Q [e r (t+τ) S t+τ F t ] = e r t S t. Determinando un valore opportuno di ρ come nella (11) si ottiene, quindi, una misura di probabilità Q rispetto a cui il processo (e r t S t ) t [0,T ] é una martingala. Ne consegue allora che E[e r T S T F t ] = e r t S t e quindi E[e r (T t) S T F t ] = S t. Questo rende possibile il calcolo del prezzo attuale del titolo in un mondo neutrale verso il rischio, cioè mantenendo come tasso di attualizzazione il tasso r privo di rischio, normalmente conosciuto e facilmente reperibile. La trasformazione della misura di probabilità P in una ad essa equivalente é tale da lasciare inalterata la varianza e, dunque, il grado di volatilità dei prezzi.
2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
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
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
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
DettagliIl 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
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
DettagliValore equo di un derivato. Contingent claim
Contingent claim Ci occuperemo ora di determinare il prezzo equo di un prodotto derivato, come le opzioni, e di come coprire il rischio associato a questi contratti. Assumeremo come dinamica dei prezzi
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliCapitolo 1 ANALISI COMPLESSA
Capitolo 1 ANALISI COMPLESSA 1 1.4 Serie in campo complesso 1.4.1 Serie di potenze Una serie di potenze è una serie del tipo a k (z z 0 ) k. Per le serie di potenze in campo complesso valgono teoremi analoghi
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
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
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
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
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
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:
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
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
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
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
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
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
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
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
DettagliPolitecnico 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.....................
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
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
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità
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
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
DettagliSchemi delle Lezioni di Matematica Generale. Pierpaolo Montana
Schemi delle Lezioni di Matematica Generale Pierpaolo Montana A volte i fenomeni economici che ci interessano non variano con continuitá oppure non possono essere osservati con continuitá, ma solo a intervalli
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
DettagliFinanza matematica - Lezione 01
Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo
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
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
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
DettagliLEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.
7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,
DettagliVolatilità implicita. P(t) = S(t)Φ(d 1 ) e r(t t) K Φ(d 2 ) con. d 1 = d 2 + σ T t. d 2 =
Volatilità implicita Abbiamo visto come sia possibile calcolare la volatilità di un titolo attraverso la serie dei log-return. In teoria però la volatilità di un sottostante può essere determinata dal
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza ECONOMIA DELL INFORMAZIONE L informazione è un fattore importante nel processo decisionale di consumatori e imprese Nella realtà,
DettagliAspetti probabilistici del gioco d azzardo
Università degli Studi di Genova Scuola di Scienze Sociali Dipartimento di Economia Perché il banco vince sempre? Aspetti probabilistici del gioco d azzardo Enrico di Bella (edibella@economia.unige.it)
DettagliFunzioni. Funzioni /2
Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme
Dettagli5 Risparmio e investimento nel lungo periodo
5 Risparmio e investimento nel lungo periodo 5.1 Il ruolo del mercato finanziario Il ruolo macroeconomico del sistema finanziario è quello di far affluire i fondi risparmiati ai soggetti che li spendono.
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
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
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
DettagliIl modello binomiale ad un periodo
Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)
Dettagli19. Inclusioni tra spazi L p.
19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p
DettagliTeoria delle code. Sistemi stazionari: M/M/1 M/M/1/K M/M/S
Teoria delle code Sistemi stazionari: M/M/1 M/M/1/K M/M/S Fabio Giammarinaro 04/03/2008 Sommario INTRODUZIONE... 3 Formule generali di e... 3 Leggi di Little... 3 Cosa cerchiamo... 3 Legame tra N e le
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliVINCERE AL BLACKJACK
VINCERE AL BLACKJACK Il BlackJack è un gioco di abilità e fortuna in cui il banco non può nulla, deve seguire incondizionatamente le regole del gioco. Il giocatore è invece posto continuamente di fronte
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliNumeri naturali numeri naturali minore maggiore Operazioni con numeri naturali
1 Numeri naturali La successione di tutti i numeri del tipo: 0,1, 2, 3, 4,..., n,... forma l'insieme dei numeri naturali, che si indica con il simbolo N. Tale insieme si può disporre in maniera ordinata
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
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
Dettagli9. Urti e conservazione della quantità di moto.
9. Urti e conservazione della quantità di moto. 1 Conservazione dell impulso m1 v1 v2 m2 Prima Consideriamo due punti materiali di massa m 1 e m 2 che si muovono in una dimensione. Supponiamo che i due
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
DettagliLa teoria dell offerta
La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
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
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliSommario. Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi.
Algoritmi 1 Sommario Definizione di informatica. Definizione di un calcolatore come esecutore. Gli algoritmi. 2 Informatica Nome Informatica=informazione+automatica. Definizione Scienza che si occupa dell
DettagliCertificati di investimento e strategie di yield enchancement
Certificati di investimento e strategie di yield enchancement Isabella Liso Deutsche Bank Trading Online Expo 2014 Milano - Palazzo Mezzanotte - 24 ottobre 2014 1 INDICE Introduzione. Express Autocallable...
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
Dettagli23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari ESERCIZIO 1
23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari In uno schema uniperiodale e in un contesto di analisi media-varianza, si consideri un mercato
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
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
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliRisparmio, investimenti e sistema finanziario
Risparmio, investimenti e sistema finanziario Una relazione fondamentale per la crescita economica è quella tra risparmio e investimenti. In un economia di mercato occorre individuare meccanismi capaci
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliLA CORRENTE ELETTRICA CONTINUA
LA CORRENTE ELETTRICA CONTINUA (Fenomeno, indipendente dal tempo, che si osserva nei corpi conduttori quando le cariche elettriche fluiscono in essi.) Un conduttore metallico è in equilibrio elettrostatico
DettagliEsponenziali elogaritmi
Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.
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,
Dettaglianalisi di sistemi retroazionati (2)
: analisi di sistemi retroazionati (2) Marco Lovera Dipartimento di Elettronica e Informazione Politecnico di Milano lovera@elet.polimi.it Indice Piccolo guadagno Stabilita ingresso-uscita Guadagno L 2
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliESERCITAZIONE 1. 15 novembre 2012
ESERCITAZIONE 1 Economia dell Informazione e dei Mercati Finanziari C.d.L. in Economia degli Intermediari e dei Mercati Finanziari (8 C.F.U.) C.d.L. in Statistica per le decisioni finanziarie ed attuariali
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
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
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
DettagliIndice. 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo... 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità...
Indice 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo............................. 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità.............. 5 i Capitolo 1 Introduzione
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
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
Dettagli