Un modello matematico di investimento ottimale

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Un modello matematico di investimento ottimale"

Transcript

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

2 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza

3 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza

4 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza

5 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.

6 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.

7 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.

8 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2

9 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2

10 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2

11 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2

12 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4

13 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4

14 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4

15 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3

16 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3

17 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3

18 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3

19 Speranza (valor medio) di una variabile aleatoria Una volta che conosciamo la distribuzione di X, possiamo calcolarne la media (valor medio, speranza matematica): E[X ] = ( x P{X = x} = ) X (ω)p{ω} x E ω Ω Esempio: o anche lancio di un dado. E[X ] = = 12 6 = 2 E[X ] = 10 P{6} + 2 P{5} + 0 P{1, 2, 3, 4} = 2

20 Speranza (valor medio) di una variabile aleatoria Una volta che conosciamo la distribuzione di X, possiamo calcolarne la media (valor medio, speranza matematica): E[X ] = ( x P{X = x} = ) X (ω)p{ω} x E ω Ω Esempio: o anche lancio di un dado. E[X ] = = 12 6 = 2 E[X ] = 10 P{6} + 2 P{5} + 0 P{1, 2, 3, 4} = 2

21 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).

22 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).

23 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).

24 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?

25 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?

26 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?

27 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?

28 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.

29 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.

30 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.

31 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.

32 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.

33 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.

34 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.

35 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.

36 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.

37 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).

38 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).

39 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).

40 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).

41 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).

42 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.

43 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.

44 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.

45 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.

46 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.

47 Esempi di funzioni concave Esempio 1: U(x) = ax 2 + bx + c, con a > 0. É concava, ma per x > b 2a non é crescente. Esempio 2: U(x) = x α, con α (0, 1) (ricordiamo che x m/n = n x m )

48 Esempi di funzioni concave Esempio 1: U(x) = ax 2 + bx + c, con a > 0. É concava, ma per x > b 2a non é crescente. Esempio 2: U(x) = x α, con α (0, 1) (ricordiamo che x m/n = n x m )

49 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?

50 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?

51 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?

52 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?

53 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.

54 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.

55 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.

56 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.

57 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.

58 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.

59 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.

60 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.

61 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.

62 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

63 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

64 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

65 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

66 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

67 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...

68 Investimento ottimale Supponendo che l agente sia avverso al rischio, il suo problema é di determinare, dato il capitale iniziale V 0, il portafoglio (x, y) che massimizzi la sua utilitá finale E[U(V 1 )] Problema di massimizzazione nelle 2 variabili (x, y) in realtá no! Dato che V 0, S 0 e B 0 sono noti, da possiamo ricavare V 0 = xb 0 + ys 0 x = V 0 ys 0 B 0 e possiamo scegliere liberamente la y che massimizzi E[U(V 1 )].

69 Investimento ottimale Supponendo che l agente sia avverso al rischio, il suo problema é di determinare, dato il capitale iniziale V 0, il portafoglio (x, y) che massimizzi la sua utilitá finale E[U(V 1 )] Problema di massimizzazione nelle 2 variabili (x, y) in realtá no! Dato che V 0, S 0 e B 0 sono noti, da possiamo ricavare V 0 = xb 0 + ys 0 x = V 0 ys 0 B 0 e possiamo scegliere liberamente la y che massimizzi E[U(V 1 )].

70 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.

71 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.

72 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.

73 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.

74 Parametrizzazione alternativa - II Conoscendo h 0 e h 1 si possono ovviamente ricavare x = h 0V 0 B 0, y = h 1V 0 S 0 Il valore del portafoglio al tempo 1 diventa allora V 1 = xb 1 + ys 1 = V 0h 0 B 1 + V 0h 1 S 1 = B 0 S ( ) 0 S 1 = V 0 h 0 (1 + r) + h 1 = S 0 ( ( )) S1 = V r + h 1 1 r S 0

75 Parametrizzazione alternativa - II Conoscendo h 0 e h 1 si possono ovviamente ricavare x = h 0V 0 B 0, y = h 1V 0 S 0 Il valore del portafoglio al tempo 1 diventa allora V 1 = xb 1 + ys 1 = V 0h 0 B 1 + V 0h 1 S 1 = B 0 S ( ) 0 S 1 = V 0 h 0 (1 + r) + h 1 = S 0 ( ( )) S1 = V r + h 1 1 r S 0

Un modello matematico di investimento ottimale

Un modello matematico di investimento ottimale Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente

Dettagli

Metodi Stocastici per la Finanza

Metodi Stocastici per la Finanza Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2012-2013 Indice 1 Mercati finanziari 2 Arbitraggio 3 Conseguenze del non-arbitraggio

Dettagli

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015 Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto 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

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

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

Dettagli

Viene 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 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

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

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:

= 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

Dettagli

Economia Pubblica Rischio e Incertezza

Economia Pubblica Rischio e Incertezza Economia Pubblica Rischio e Incertezza Giuseppe De Feo Università degli Studi di Pavia email: giuseppe.defeo@unipv.it Secondo Semestre 2011-12 Seconda parte del corso di Economia Pubblica I problemi dell

Dettagli

Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza

Capitolo 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,

Dettagli

La teoria dell utilità attesa

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

Dettagli

Un investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi.

Un investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi. Scelta di un progetto di investimento Un investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi. La sua utilità economica è valutata sulla base del confronto tra le risorse

Dettagli

ESERCITAZIONE 1. 15 novembre 2012

ESERCITAZIONE 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

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - 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 -

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

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.

Per 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

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

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

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #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

Dettagli

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

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

Dettagli

L avversione al rischio e l utilità attesa

L avversione al rischio e l utilità attesa L avversione al rischio e l utilità attesa Kreps: "Microeconomia per manager" 1 ARGOMENTI DI QUESTA LEZIONE In questa lezione introdurremo il modello dell utilità attesa, che descrive le scelte individuali

Dettagli

Le scelte del consumatore in condizione di incertezza (cap.5)

Le scelte del consumatore in condizione di incertezza (cap.5) Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il

Dettagli

Tasso di interesse e capitalizzazione

Tasso di interesse e capitalizzazione Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo

Dettagli

Esercizi di Ricerca Operativa II

Esercizi di Ricerca Operativa II Esercizi di Ricerca Operativa II Raffaele Pesenti January 12, 06 Domande su utilità 1. Determinare quale è l utilità che un giocatore di roulette assegna a 100,00 Euro, nel momento che gioca tale cifra

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 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

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)

Dettagli

Incertezza, assicurazioni, deterrenza

Incertezza, assicurazioni, deterrenza Incertezza, assicurazioni, deterrenza (anche questo è adattato da altri pezzi per mancanza di tempo) Scelta sotto incertezza come scelta tra lotterie L esperienza ci insegna che in generale le conseguenze

Dettagli

Paperone e Rockerduck: a cosa serve l antitrust?

Paperone e Rockerduck: a cosa serve l antitrust? Paperone e Rockerduck: a cosa serve l antitrust? Paperone Anna Torre, Rockerduck Ludovico Pernazza 1-14 giugno 01 Università di Pavia, Dipartimento di Matematica Concorrenza Due imprese Pap e Rock operano

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità Elementi di calcolo delle probabilità Definizione di probabilità A) Qui davanti a me ho un urna contenente 2 palline bianche e 998 nere. Mi metto una benda sugli occhi, scuoto ripetutamente l urna ed estraggo

Dettagli

Capitolo 23: Scelta in condizioni di incertezza

Capitolo 23: Scelta in condizioni di incertezza Capitolo 23: Scelta in condizioni di incertezza 23.1: Introduzione In questo capitolo studiamo la scelta ottima del consumatore in condizioni di incertezza, vale a dire in situazioni tali che il consumatore

Dettagli

Separazione in due fondi Security Market Line CAPM

Separazione in due fondi Security Market Line CAPM Separazione in due fondi Security Market Line CAPM Eduardo Rossi Economia dei mercati monetari e finanziari A.A. 2002/2003 1 Separazione in due fondi Un vettore di rendimenti er può essere separato in

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

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

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

Dettagli

Decisioni in condizioni di rischio. Roberto Cordone

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

Dettagli

Capitolo 4 Probabilità

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

Dettagli

Esercitazione Microeconomia (CLEC L-Z) 24.04.2013 Dr. Rezart Hoxhaj

Esercitazione Microeconomia (CLEC L-Z) 24.04.2013 Dr. Rezart Hoxhaj Esercitazione Microeconomia (CLEC L-Z) 24.04.2013 Dr. Rezart Hoxhaj Esercizi: Utilità attesa (Cap.6) Problema 11 (pagina 203, libro) Supponete di avere 10 000 euro da investire in Junk Bonds oppure titoli

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

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Dipartimento 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 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

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza

Capitolo 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,

Dettagli

Schemi delle Lezioni di Matematica Generale. Pierpaolo Montana

Schemi 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

Dettagli

Corso di Politica Economica

Corso di Politica Economica Corso di Politica Economica Lezione 18: Informazione incompleta (moral hazard) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica

Dettagli

Corso di Economia degli Intermediari Finanziari

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

Dettagli

In un sistema (economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema.

In un sistema (economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema. Rischio In un sistema economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema. Alcuni esempi rappresentativi: - il verificarsi di un terremoto

Dettagli

La scelta in condizioni di incertezza

La scelta in condizioni di incertezza La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA 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,

Dettagli

Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO.

Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO. TEORIA MATEMATICA DEL PORTAFOGLIO FINANZIARIO ELEMENTI DI TEORIA DELL UTILITÀ Studia lo scambio di importi monetari aleatori, dunque di operazioni che comportano un RISCHIO FINANZIARIO. es. Generica operazione

Dettagli

Metodi quantitativi per la misurazione della performance dei fondi comuni di investimento

Metodi quantitativi per la misurazione della performance dei fondi comuni di investimento La performance dei fondi comuni 1 Metodi quantitativi per la misurazione della performance dei fondi comuni di investimento Paolo PIANCA Dipartimento di Matematica Applicata Università Ca Foscari di Venezia

Dettagli

3 Scegliere quando il mondo è incerto

3 Scegliere quando il mondo è incerto 3 Scegliere quando il mondo è incerto (Parte del cap. 3 di I. Lavanda e G. Rampa, Microeconomia. Scelte individuali e benessere sociale, Roma, Carocci, 2004) 1. Introduzione Nel capitolo precedente abbiamo

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

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,

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

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

Capitolo 22: Lo scambio nel mercato dei capitali

Capitolo 22: Lo scambio nel mercato dei capitali Capitolo 22: Lo scambio nel mercato dei capitali 22.1: Introduzione In questo capitolo analizziamo lo scambio nel mercato dei capitali, dove si incontrano la domanda di prestito e l offerta di credito.

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

COEFFICIENTI BINOMIALI

COEFFICIENTI BINOMIALI COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente

Dettagli

Cosa dobbiamo già conoscere?

Cosa dobbiamo già conoscere? Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire

Dettagli

Economia Politica Prof. Paolo Di Giannatale

Economia Politica Prof. Paolo Di Giannatale Università degli Studi di Teramo Corso di Laurea in Scienze del Turismo e dell'organizzazioni delle Manifestazioni Sportive Economia Politica Prof. Paolo Di Giannatale A. A. 2011/2012 1 Le scelte del consumatore

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 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

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano

Dettagli

Risparmio, investimenti e sistema finanziario

Risparmio, 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

Dettagli

La scelta di portafoglio

La scelta di portafoglio La scelta di portafoglio 1 La scelta di portafoglio La scelta di portafoglio: il modo in cui un individuo decide di allocare la propria ricchezza tra più titoli Il mercato dei titoli è un istituzione che

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA 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,

Dettagli

La condivisione del rischio e la sua ripartizione su ampia scala

La condivisione del rischio e la sua ripartizione su ampia scala La condivisione del rischio e la sua ripartizione su ampia scala 1 ARGOMENTI DI QUESTA LEZIONE Questa lezione propone esplora due problemi fondamentali: Se esiste un rischio in una transazione chi lo deve

Dettagli

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione 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

Dettagli

I costi. Costi economici vs. costi contabili

I costi. Costi economici vs. costi contabili I costi Costi economici vs. costi contabili I costi economici connessi alla produzione di una certa quantità di output Y includono tutte le spese per i fattori produttivi. In altre parole, i costi economici

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

E naturale chiedersi alcune cose sulla media campionaria x n

E 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

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

Dettagli

Scelta sotto incertezza

Scelta sotto incertezza Scelta sotto incertezza 1. Introduzione Nei capitoli 1 e 2 della microeconomia standard si studia la scelta dei consumatori e dei produttori, che hanno un informazione perfetta sulle circostanze che caratterizzano

Dettagli

Marco Tolotti - Corso di Esercitazioni di Matematica 12 Cfu - A.A. 2010/2011 1

Marco Tolotti - Corso di Esercitazioni di Matematica 12 Cfu - A.A. 2010/2011 1 Marco Tolotti - Corso di Esercitazioni di Matematica 1 Cfu - A.A. 010/011 1 Esercitazione 1: 4/09/010 1. Determinare il dominio delle seguenti funzioni: log a) f() = 5 ( 1). b) g() = log 3 (3 6) log 13.

Dettagli

MATEMATICA E STATISTICA CORSO B PROF. MARCO ABATE. 6 giugno 2007

MATEMATICA E STATISTICA CORSO B PROF. MARCO ABATE. 6 giugno 2007 MATEMATICA E STATISTICA CORSO B PROF. MARCO ABATE SOLUZIONI SECONDO SCRITTO 6 giugno 2007 1. Parte I Esercizio 1.1. Il negozio di scarpe sotto casa tua questa settimana ha diminuito tutti i prezzi del

Dettagli

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.

Statistica 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:

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

Una sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.

Una 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

Dettagli

Microeconomia per la Finanza Esercitazione 1 utilità attesa, attitudine al rischio

Microeconomia per la Finanza Esercitazione 1 utilità attesa, attitudine al rischio Microeconomia per la Finanza Esercitazione 1 utilità attesa, attitudine al rischio pcrosetto@luiss.it 8 Aprile 2010 1. Che faremo? Dove torvare i materiali: queste slides: http://docenti.luiss.it/crosetto/;

Dettagli

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel

Dettagli

Management Sanitario. Modulo di Ricerca Operativa

Management Sanitario. Modulo di Ricerca Operativa Management Sanitario per il corso di Laurea Magistrale SCIENZE RIABILITATIVE DELLE PROFESSIONI SANITARIE Modulo di Ricerca Operativa Prof. Laura Palagi http://www.dis.uniroma1.it/ palagi Dipartimento di

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

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

Contratto di agenzia

Contratto di agenzia Contratto di agenzia Se l azione e non è osservabile (verificabile), il contratto di first best non è più utilizzabile. La scelta ottimale dell agente con salario fisso è esercitare sforzo nullo; La soluzione

Dettagli

Aspetti probabilistici del gioco d azzardo

Aspetti 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)

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico.

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico. Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Probabilità Ines Campa e Marco Longhi Probabilità e Statistica - Esercitazioni

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

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

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

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole; Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio

Dettagli

risulta (x) = 1 se x < 0.

risulta (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

Dettagli

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo.

LEZIONE 4. Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo. LEZIONE 4 Il Capital Asset Pricing Model 1 Generalità 1 Generalità (1) Il Capital Asset Pricing Model è un modello di equilibrio dei mercati che consente di individuare una precisa relazione tra rendimento

Dettagli

Equilibrio economico generale e benessere

Equilibrio economico generale e benessere Scambio Equilibrio economico generale e benessere Equilibrio economico generale e benessere (KR 12 + NS 8) Dipartimento di Economia Politica Università di Milano Bicocca Outline Scambio 1 Scambio 2 3 4

Dettagli

Capitolo 26. Stabilizzare l economia: il ruolo della banca centrale. Principi di economia (seconda edizione) Robert H. Frank, Ben S.

Capitolo 26. Stabilizzare l economia: il ruolo della banca centrale. Principi di economia (seconda edizione) Robert H. Frank, Ben S. Capitolo 26 Stabilizzare l economia: il ruolo della banca centrale In questa lezione Banca centrale Europea (BCE) e tassi di interesse: M D e sue determinanti; M S ed equilibrio del mercato monetario;

Dettagli

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:

Esercizio 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

Dettagli

Esempi di domande per l esame di Economia Monetaria

Esempi di domande per l esame di Economia Monetaria Esempi di domande per l esame di Economia Monetaria. Supponete che la funzione di utilità di un agente sia u x. La remunerazione è rappresentata da un prospetto incerto, che prevede un reddito di 800 nel

Dettagli

Le preferenze e la scelta

Le preferenze e la scelta Capitolo 3: Teoria del consumo Le preferenze e la scelta 1 Argomenti trattati in questo capitolo Usiamo le preferenze dei consumatori per costruire la funzione di domanda individuale e di mercato Studiamo

Dettagli