UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
|
|
- Angelo Conti
- 8 anni fa
- Visualizzazioni
Transcript
1 UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di Prof. Filippo Stefanini A.A. Corso Corso di Laurea Specialistica in Ingegneria Edile
2 Storia del VaR J.P. Morgan è accreditata come la banca che ha reso il VaR una misura ampiamente diffusa. Nel 1990 il presidente di J.P. Morgan, Dennis Weatherstone, era insoddisfatto dei lunghi report di analisi del rischio che riceveva ogni giorno. Egli voleva un report semplice che sintetizzasse l esposizione totale della banca su tutto il proprio portafoglio di trading. Da questa esigenza nacque il report 4:15, dall ora in cui veniva messo sulla scrivania di Weatherstone, prima della chiusura dei mercati. Nel 1994 J.P. Morgan pubblicò su Internet una versione semplificata del proprio sistema di calcolo dei rischi finanziari, chiamata RiskMetrics. Nel 1996 il BIS Amendment adottò ufficialmente il VaR per calcolare il capitale che le istituzioni finanziarie devono detenere per coprire la loro esposizione ai rischi di mercato e di credito. pag 2
3 Il (VaR) è la massima perdita potenziale che un portafoglio può subire in un dato orizzonte temporale e con una data probabilità (intervallo di confidenza). Il calcolo del VaR ha lo scopo di consentire di fare la seguente affermazione: Con una probabilità del 100%-X non perderemo più del Y% del portafoglio nei prossimi N giorni. Y% è il VaR del portafoglio. Il VaR è il livello di perdita che non verrà superato con probabilità 100%-X. pag 3
4 Significato grafico del VaR nella distribuzione empirica dei rendimenti f(x) Numero di osservazioni X 2 0-2% -1% 0% 1% 2% 3% 4% Rendimenti mensili x (100%-X) pag 4
5 Ad esempio un VaR di 1 milione su un mese con livello di confidenza 95%, significa che la massima perdita per il portafoglio per il prossimo mese sarà 1 milione nel 95% dei casi. Nulla ci dice su che cosa succede nel restante 5% dei casi. pag 5
6 Il VaR è il (100%-X)-esimo percentile della distribuzione dei rendimenti del portafoglio nei prossimi N giorni. Il VaR è funzione di due parametri: l orizzonte temporale (solitamente 1 giorno, 5 giorni, 10 giorni, 1 mese, 1 anno) ed il livello di confidenza (tipicamente 95% o 99%). pag 6
7 Caveat Il VaR non descrive la perdita peggiore Il VaR non dice nulla sulla distribuzione delle perdite nella coda sinistra Il VaR è soggetto all errore di campionamento pag 7
8 Parametri del VaR Nell ipotesi che le variazioni di valore del portafoglio in giorni successivi si distribuiscano come variabili casuali normali identiche, indipendenti ed a media nulla si ricava che: VaR N 1 ( X) dove X è il livello di confidenza, s è la deviazione standard della variazione di valore del portafoglio nell orizzonte temporale prescelto ed N -1 è l inversa della funzione di distribuzione normale standardizzata. Sia N il numero di giorni. Se le variazioni di valore del portafoglio in giorni successivi sono variabili casuali normali identiche, indipendenti ed a media nulla si ricava che: VaR Ngiorni VaR 1giorno N pag 8
9 VaR e Capitale di Vigilanza Gli organi di vigilanza sulla stabilità di sistema finanziario richiedono alle banche di detenere un capitale minimo calcolato in funzione del Value at Risk Il Comitato di Basilea ha scelto i seguenti parametri per il calcolo del VaR: per il rischio di mercato nel book di trading, un orizzonte temporale di 10 giorni ed un intervallo di confidenza del 99% per il rischio di credito e per il rischio operativo, un orizzonte temporale di 1 anno ed un intervallo di confidenza del 99.9% pag 9
10 Expected Shortfall La Expected Shortfall è la perdita attesa, data una perdita maggiore (in valore assoluto) del VaR. La Expected Shortfall è anche chiamata Conditional VaR (cvar) o Tail Loss. Mentre il VaR si chiede quanto possono andar male gli investimenti finanziari, la Expected Shortfall si chiede: Se gli investimenti vanno male, qual è la perdita attesa? pag 10
11 Expected Shortfall La Expected Shortfall è la perdita attesa durante un periodo di N giorni se la perdita è maggiore del (100-X)-esimo percentile Come il VaR, anche la Expected Shortfall è funzione di due parametri: l orizzonte temporale (N giorni) e l intervallo di confidenza (X%). pag 11
12 Distribuzioni con lo stesso VaR ma con diverse Expected Shortfalls Due portafogli con lo stesso VaR possono avere Expected Shortfalls molto diverse Freq oss VaR Freq oss Rend% VaR pag 12 Rend%
13 Vantaggi del VaR Il VaR è una misura di rischio ampiamente diffusa sintetizza in un singolo numero importanti aspetti del rischio di un portafoglio di strumenti finanziari ha la stessa unità di misura dei rendimenti del portafoglio su cui è calcolato è semplice da capire risponde alla semplice domanda: Quanto possono andare male gli investimenti finanziari? pag 13
14 Misure di Rischio Coerenti Definiamo una misura di rischio coerente l ammontare di cash che deve essere aggiunto ad un portafoglio per rendere il suo rischio accettabile Proprietà di una misura di rischio coerente: 1. Se un portafoglio ha rendimenti più bassi di un altro portafoglio, la sua misura di rischio deve essere maggiore in valore assoluto 2. Se aggiungiamo un ammontare di cash K ad un portafoglio, la sua misura di rischio deve diminuire di K 3. Cambiando la dimensione di un portafoglio di un fattore moltiplicativo l, la misura di rischio deve essere moltiplicata per l 4. La misura di rischio di due portafogli che vengono fusi tra loro, deve non essere maggiore della somma delle loro misure di rischio prima che siano fusi pag 14
15 VaR vs Expected Shortfall Il VaR soddisfa le prime tre condizioni ma non la quarta in quanto non è una misura di rischio additiva La Expected Shortfall soddisfa tutte e quattro le condizioni Il VaR non è una misura di rischio coerente, mentre la Expected Shortfall è una misura di rischio coerente. pag 15
16 Misure di rischio spettrali Una misura di rischio spettrale assegna pesi ai quantili della distribuzione dei rendimenti Il VaR assegna tutto il peso al (1-X)-esimo quantile della distribuzione dei rendimenti o al X-esimo quantile della distribuzione delle perdite La Expected Shortfall assegna un peso uguale a tutti i quantili maggiori dell X-esimo quantile Per una misura di rischio coerente i pesi devono essere una funzione nondecrescente dei quantili pag 16
17 Ipotesi di normalità della distribuzione dei rendimenti La distribuzione dei rendimenti di un qualunque portafoglio di strumenti finanziari non è normale. Il motivo è da ricercare nelle emozioni che guidano il comportamento degli operatori di mercato: Avidità Paura pag 17
18 Ipotesi di indipendenza dei dati nel calcolo del VaR Quando le performance giornaliere di un portafoglio sono indipendenti ed identicamente distribuite, la varianza dei dati su un periodo di N giorni è pari ad N volte la varianza giornaliera Se i rendimenti di un portafoglio hanno un autocorrelazione a ritardo 1 pari a r,la varianza su un periodo di N giorni è pari a N 2( N 1) 2( N 2) 2 2( N 3) 3 2 n1 volte la varianza giornaliera pag 18
19 Impatto dell autocorrelazione In pratica il rendimento giornaliero di un portafoglio non è sempre indipendente dal rendimento del giorno precedente. La tabella seguente mostra il rapporto tra il VaR ad N-giorni ed il VaR ad 1-giorno, quando c è un autocorrelazione r a ritardo 1 (ipotesi di normalità della distribuzione dei rendimenti). N=1 N=2 N=5 N=10 N=50 N=250 r= r= r= r= pag 19
20 Scelta dei parametri del VaR L orizzonte temporale scelto dovrebbe dipendere da quanto velocemente il portafoglio può essere liquidato. Supponiamo che una banca voglia mantenere un credit rating AA e calcoli che le società con questo credit rating hanno una probabilità di fallire dello 0.03% su un orizzonte temporale di 1 anno. Questa banca userà per il risk management interno un intervallo di confidenza al 99.97% con un orizzonte temporale di 1 anno. Rating = Il rating esprime la valutazione dell affidabilità creditizia di un soggetto emittente strumenti finanziari di debito, ovvero della probabilità che questi faccia fronte puntualmente ai suoi debiti. Pertanto il rating fornisce agli operatori finanziari un informazione sul grado di rischio degli emittenti. pag 20
21 Marginal VaR Per un portafoglio in cui ho investito l ammontare w i (weight) nell i-esima componente, il Marginal VaR è la sensitività del VaR all ammontare investito nella i-esima componente: MVaR i VaR w i pag 21
22 Incremental VaR Incremental VaR è l effetto incrementale sul VaR di un nuovo trade o l effetto incrementale di chiudere un trade esistente. Risponde alla domanda: Qual è la differenza tra il VaR con ed il VaR senza il trade? Per un portafoglio in cui l ammontare w i è investito nell i-esima componente del portafoglio: IVaR i VaR w i w i pag 22
23 Component VaR Il Component VaR per la i-esima componente del portafoglio è la parte del VaR del portafoglio che può essere attribuita a questa componente. Per un portafoglio in cui l ammontare w i è investito nell i-esima componente del portafoglio: C i VaR w i w i pag 23
24 Proprietà del Component VaR Il Component VaR è approssimativamente lo stesso del VaR incrementale Il VaR totale è la somma dei Component VaR (teorema di Euler) VaR N i1 VaR w i w i pag 24
25 Riassunto (VaR) is the maximum loss a portfolio should sustain under normal market conditions over a specified time period and with a specified level of confidence. Parametric VaR is calculated via closed-form, analytical methods. Here the portfolio volatility is calculated from the historical volatilities and correlations of each constituent position. The desired confidence level and time horizon are then applied to this volatility to generate a VaR. Monte Carlo VaR is calculated by simulating a large number of possible scenarios for each market risk factor. In each scenario the portfolio is repriced and the resulting distribution of P&L outcomes is used to derive a VaR. This technique better captures the non-linear nature of any optionality in the portfolio. Marginal VaR is the difference in portfolio VaR with the selected security and the portfolio VaR without the selected security. In other words, marginal VaR specifies how much the portfolio VaR would decrease/increase if the selected security was eliminated. Incremental VaR or contribution to VaR specifies how much the total portfolio VaR would change by increasing the size of a selected security by an incremental amount. The sum of all incremental VaRs will be equal to the portfolio VaR. pag 25
26 Calcolo dell Incremental VaR con la matrice di varianze-covarianze Sia N la funzione di densità di probabilità normale standardizzata. Sia (1-a)% l intervallo di confidenza e sia T l orizzonte temporale di riferimento IVaR w i i N VaR w 1 i w ( ) T i w 1 w' w i N 1 ( ) n j1 w j w i ij T w' w Matrice di varianze-covarianze pag 26
27 Esempio Consideriamo il seguente portafoglio: Bloomberg ticker Name Portfolio Weights IT IM Equity Italcementi SpA 10.00% BRE IM Equity Brembo SpA 10.00% TEN IM Equity Tenaris SA 10.00% UBI IM Equity Unione di Banche Italiane SCPA 10.00% BP IM Equity Banco Popolare SC 10.00% ATL IM Equity Atlantia SpA 10.00% CRB IM Equity LYXOR ETF Commodities CRB 10.00% IT Govt Italy Buoni Poliennali Del Tesoro 10.00% IT Govt Italy Buoni Poliennali Del Tesoro 10.00% GR GOVT Hellenic Republic Government Bond 10.00% Matrice di varianze-covarianze pag 27
28 Esempio La matrice varianze-covarianze giornaliere è la seguente: 0.057% 0.026% 0.032% 0.025% 0.033% 0.021% 0.005% 0.000% % 0.001% 0.026% 0.053% 0.034% 0.026% 0.033% 0.019% 0.007% % % 0.001% 0.032% 0.034% 0.107% 0.035% 0.045% 0.028% 0.021% % % 0.001% 0.025% 0.026% 0.035% 0.056% 0.041% 0.018% 0.007% % % 0.000% 0.033% 0.033% 0.045% 0.041% 0.099% 0.023% 0.008% 0.000% % 0.001% 0.021% 0.019% 0.028% 0.018% 0.023% 0.046% 0.006% 0.000% % 0.001% 0.005% 0.007% 0.021% 0.007% 0.008% 0.006% 0.019% 0.000% 0.000% 0.000% 0.000% % % % 0.000% 0.000% 0.000% 0.001% 0.000% 0.000% % % % % % % 0.000% 0.000% 0.000% 0.000% 0.001% 0.001% 0.001% 0.000% 0.001% 0.001% 0.000% 0.000% 0.000% 0.001% Matrice di varianze-covarianze pag 28
29 Esempio La matrice di varianze-covarianze giornaliere undiversified: 0.057% 0.055% 0.078% 0.057% 0.076% 0.052% 0.033% 0.006% 0.004% 0.007% 0.055% 0.053% 0.076% 0.055% 0.073% 0.050% 0.032% 0.006% 0.004% 0.007% 0.078% 0.076% 0.107% 0.078% 0.103% 0.070% 0.045% 0.008% 0.006% 0.010% 0.057% 0.055% 0.078% 0.056% 0.075% 0.051% 0.032% 0.006% 0.004% 0.007% 0.076% 0.073% 0.103% 0.075% 0.099% 0.068% 0.043% 0.008% 0.005% 0.009% 0.052% 0.050% 0.070% 0.051% 0.068% 0.046% 0.029% 0.005% 0.004% 0.006% 0.033% 0.032% 0.045% 0.032% 0.043% 0.029% 0.019% 0.003% 0.002% 0.004% 0.006% 0.006% 0.008% 0.006% 0.008% 0.005% 0.003% 0.001% 0.000% 0.001% 0.004% 0.004% 0.006% 0.004% 0.005% 0.004% 0.002% 0.000% 0.000% 0.000% 0.007% 0.007% 0.010% 0.007% 0.009% 0.006% 0.004% 0.001% 0.000% 0.001% Matrice di varianze-covarianze pag 29
30 Esempio Ecco i risultati del calcolo del VaR con il metodo parametrico con 2 year lookback con intervallo di confidenza al 99%: Daily Monthly Yearly Ex ante Volatility 1.19% 5.32% 18.89% Diversified -2.77% % % UnDiversified -3.64% % % Matrice di varianze-covarianze pag 30
31 Esempio Di seguito riportiamo il breakdown del VaR di %: Incremental Portfolio VaR monthly Name 99% Italcementi SpA 10.00% -1.81% Brembo SpA 10.00% -1.81% Tenaris SA 10.00% -2.74% Unione di Banche Italiane SCPA 10.00% -1.89% Banco Popolare SC 10.00% -2.58% Atlantia SpA 10.00% -1.48% LYXOR ETF Commodities CRB 10.00% -0.66% Italy Buoni Poliennali Del Tesoro 10.00% 0.01% Italy Buoni Poliennali Del Tesoro 10.00% 0.05% Hellenic Republic Government Bond 10.00% -0.05% Matrice di varianze-covarianze pag 31
32 Backtesting Supponiamo che l orizzonte temporale sia 1 giorno ed il limite di confidenza sia X%. Se il modello di VaR è accurato, la probabilità che il VaR sia superato in un dato giorno è p=1-x. Supponiamo di guardare al numero totale di n giorni e osserviamo che il limite di VaR è ecceduto (in valore assoluto) in m giorni Se (m/n)>p, dobbiamo rifiutare il modello che ha prodotto valori di VaR troppo piccoli pag 32
33 Backtesting Il VaR è calcolato facendo l ipotesi che il portafoglio rimanga invariato durante il periodo di tempo Fare il backtesting di una metodologia di calcolo del VaR significa guardare a quanto spesso capitano le eccezioni (in valore assoluto, perdita osservata>var) Supponiamo che la probabilità teorica di una eccezione sia p =1-X. La probabilità di m o più eccezioni in n giorni (cioè la probabilità che il VaR sia superato in m o più giorni) è: n! n k nk p (1 p k m k!( n k)! ) Quando il numero di eccezioni m è più basso del numero atteso di eccezioni, la probabilità di m o meno eccezioni è: n! m k nk p (1 p k k!( n k)! ) 0 pag 33
34 Backtesting Una volta calcolato il VaR bisogna monitorare il numero delle perdite maggiori (in valore assoluto) del VaR stimato ("VaR Exceptions"). Per un VaR calcolato usando un intervallo di confidenza pari a (1-a)%, le eccezioni dovrebbero verificarsi secondo una percentuale pari ad a%. Quindi è possibile fare un back-test sulla metodologia utilizzata per il calcolo del VaR monitorando l incidenza delle VaR Exceptions Se la percentuale di eccezioni osservate supera la soglia di a%, significa che il modello usato per la stima del VaR non è corretto pag 34
35 Esercizio Un fondo hedge ha condotto un back-test sulla metodologia VaR ed ha monitorato l incidenza delle perdite giornaliere del portafoglio che sono risultate maggiori del VaR. Se l intervallo di confidenza scelto è il 95%, quante dovrebbero essere al massimo queste eccezioni? Il VaR è stato calcolato con il metodo storico su serie storiche di 2 anni. Nell ipotesi in cui la volatilità del mercato di riferimento sia rimasta costante durante i 2 anni considerati per il calcolo del VaR, il metodo VaR ha predetto correttamente il rischio del portafoglio dell hedge fund? pag 35
36 Esercizio Il grafico seguente mostra le perdite maggiori (in valore assoluto) del VaR stimato. Nel 2008 il numero delle eccezioni è stato superiore al 5% perché i movimenti di mercato sono stati molto più volatili rispetto ai precedenti 2 anni. Pertanto il modello utilizzato per la stima del VaR non si è rivelato corretto. pag 36
37 Undiversified VaR In una situazione di crisi di mercato le correlazioni tendono a salire. Si assume allora che i rendimenti dei titoli in portafoglio siano perfettamente correlati e che si muovano contemporaneamente nella peggior direzione Possiamo modificare la matrice di varianze-covarianze per studiare che cosa può succedere al portafoglio in situazioni in cui le correlazioni tra i titoli salgono fino a diventare tutte uguali ad 1. pag 37
38 Il VaR e la liquidità Che senso ha calcolare il VaR per un portafoglio concentrato o poco liquido? pag 38
39 Esempio Creiamo un portafoglio così composto: Dati al 28/03/2008 pag 39
40 Esempio Il VaR del portafoglio calcolato con il metodo storico con intervallo di confidenza 95% su un orizzonte temporale di 1 giorno è -0,17% Dati al 28/03/2008 pag 40
41 Esempio ed in maggior dettaglio Dati al 28/03/2008 pag 41
42 VaR per una distribuzione normale Se la distribuzione dei rendimenti è normale, il Value at risk è proporzionale alla volatilità: VaR( zero) W 0 z t VaR( mean) W 0 z t t dove W 0 è il valore iniziale del portafoglio s è la standard deviation m è il rendimento medio Dt è il periodo di tempo z è il coefficiente di distribuzione normale pag 42
43 Se la distribuzione dei rendimenti è normale standardizzata Se la distribuzione dei rendimenti è normale e se scegliamo a=99% VaR perché il percentile della distribuzione normale con a=99% è pag 43
44 VaR per una distribuzione generale Sia W 0 è il valore iniziale del portafoglio W è il valore di portafoglio al tempo T W W 1 0 R R è il rendimento del portafoglio con media m e standard deviation R* è detto rendimento critico Il più basso valore di portafoglio per un dato intervallo di confidenza c è W* W0 1 R * W* W VaR( mean) E W 0 R* VaR( zero) W W* W0 0 R * pag 44
45 La morte del VaR? Il Value at risk non ha permesso di individuare la possibilità di crollo dei mutui subprime statunitensi che hanno causato centinaia di miliardi di dollari di perdite per le banche di tutto il mondo La crisi subprime ha evidenziato i difetti di questa misura finanziaria basata sui prezzi storici pag 45
46 La morte del VaR? Finance is an area that's dominated by rare events. The tools we have in quantitative finance do not work in what I call the Black Swan domain. Nassim Taleb, autore del libro The Black Swan: The Impact of the Highly Improbable e del libro Fooled By Randomness: The Hidden Role of Chance in Life and in the Markets VaR creates a false sense of security among senior managers and watchdogs. This is like an air bag that works all the time, except when you have a car accident. David Einhorn President and Co-Founder Greenlight Capital LLC pag 46
47 VaR e UCITS III sofisticati The calculation of the Value-at-Risk must be done according to the following calculation standards: unilateral confidence interval of 99 %; holding period equivalent to 1 month (20 days); effective observation period (history) of risk factors of at least 1 year (250 days) unless a shorter observation period is justified by a significant increase in price volatility; quarterly data update; daily calculation, in principle. In principle, UCITS must apply an instant price choc equivalent to a 20 days price variation and a confidence interval of 99%. Fonte: CSSF CIRCULAR 07/308, 2 agosto 2007 pag 47
48 VaR e UCITS III sofisticati The Commission would like to draw the UCITS' attention on the fact that the method of calculation of a VaR equivalent to 99% confidence interval and one month holding period described above is based on simplifying hypothesis which are far from being always observed in reality. Consequently, the Commission expects that the UCITS applies such equivalent VaR with caution and makes use, if appropriate, of a more conservative method or determines directly the VaR on the basis of the parameters of 99% and one month holding period (instant choc) when it becomes obvious that the indicated method (square root of time, quantiles of normal distribution) results in an underestimate of the risk for the standard calculations determined at the beginning of this point (i.e. 99%, one month). Fonte: CSSF CIRCULAR 07/308, 2 agosto 2007 pag 48
49 Esercizio Se la distribuzione dei rendimenti è normale un VaR mensile del 20% con intervallo di confidenza del 99% a quale volatilità annua dei rendimenti corrisponde? VaR Ngiorni VaR 1giorno N VaR VaR 12 20% 12 1anno 1mese 69.28% VaRannuale annuale / annuale annuale VaR 29.79% pag 49
50 Metodi di calcolo del VaR Non c è un unico metodo per il calcolo del VaR. Modelli basati sui dati passati Calcolo con la matrice di varianze-covarianze Simulazione con il metodo di Monte-Carlo Modelli basati sulle volatilità implicite Il problema è che i dati sulle volatilità implicite sono disponibili solo per un numero ridotto di strumenti finanziari. Tuttavia in questo modo si ottiene una misura del VaR più reattiva agli shock di mercato pag 50
Prova scritta del 10/09/2009
Università degli Studi di Bergamo Corso di Laurea in Ingegneria Edile Corso di Risk Management Prof. Filippo Stefanini Prova scritta del 10/09/2009 Rispondere alle seguenti domande in due ore. 1. Un fondo
DettagliQuesiti livello Application
1 2 3 4 Se la correlazione tra due attività A e B è pari a 0 e le deviazioni standard pari rispettivamente al 4% e all 8%, per quali dei seguenti valori dei loro pesi il portafoglio costruito con tali
DettagliEsercitazione relativa al cap. 10 INVESTIMENTI
Esercitazione relativa al cap. 10 INVESTIMENTI GLI INVESTIMENTI FINANZIARI SONO ACQUISTI DI ATTIVITA FINANZIARIE EFFETTUATE NELL ASPETTATIVA DI RICEVERNE UN RENDIMENTO. I PIU IMPORTANTI SONO: - I DEPOSITI
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliBANCA ALETTI & C. S.p.A. PER DUE CERTIFICATE e PER DUE CERTIFICATES DI TIPO QUANTO CONDIZIONI DEFINITIVE D OFFERTA
BANCA ALETTI & C. S.p.A. in qualità di emittente e responsabile del collocamento del Programma di offerta al pubblico e/o di quotazione di investment certificates denominati PER DUE CERTIFICATE e PER DUE
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
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliMetodologie di Factor Sensitivity e Stress Test per la misurazione e gestione del rischio di mercato
Metodologie di Factor Sensitivity e Stress Test per la misurazione e gestione del rischio di mercato Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 3 FACTOR SENSITIVITY Le Factor Sensitivities
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
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
DettagliRISCHIO E CAPITAL BUDGETING
RISCHIO E CAPITAL BUDGETING Costo opportunità del capitale Molte aziende, una volta stimato il loro costo opportunità del capitale, lo utilizzano per scontare i flussi di cassa attesi dei nuovi progetti
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliDal risk measurement all allocazione del capitale. Giuseppe G. Santorsola Università Parthenope Napoli
Dal risk measurement all allocazione del capitale Giuseppe G. Santorsola Università Parthenope Napoli Il percorso evolutivo dei sistemi di risk management Estensione Rischio operativo Sono possibili percorsi
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
DettagliLA VALUTAZIONE DI PORTAFOGLIO. Giuseppe G. Santorsola 1
LA VALUTAZIONE DI PORTAFOGLIO Giuseppe G. Santorsola 1 Rendimento e rischio Rendimento e rischio di un singolo titolo Rendimento e rischio di un portafoglio Rendimento ex post Media aritmetica dei rendimenti
DettagliRISK MANAGEMENT ALCUNE CONSIDERAZIONI. Piatti --- Corso Rischi Bancari: risk management 1
RISK MANAGEMENT ALCUNE CONSIDERAZIONI Piatti --- Corso Rischi Bancari: risk management 1 RISK MANAGEMENT Metodologie, processi per: a) misurare e controllare i rischi b) gestire il modo efficiente il capitale
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
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
Dettagli2. 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
DettagliFinanza Aziendale. Lezione 13. Introduzione al costo del capitale
Finanza Aziendale Lezione 13 Introduzione al costo del capitale Scopo della lezione Applicare la teoria del CAPM alle scelte di finanza d azienda 2 Il rischio sistematico E originato dalle variabili macroeconomiche
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
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
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
DettagliFONDO PENSIONE APERTO CARIGE
FONDO PENSIONE APERTO CARIGE INFORMAZIONI SULL ANDAMENTO DELLA GESTIONE I dati e le informazioni riportati sono aggiornati al 31 dicembre 2006. 1 di 8 La SGR è dotata di una funzione di Risk Management
DettagliMacro Volatility. Marco Cora. settembre 2012
Macro Volatility Marco Cora settembre 2012 PERDITE E GUADAGNI Le crisi sono eventi con bassa probabilità e alto impatto - La loro relativa infrequenza non deve però portare a concludere che possano essere
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di Prof. Filippo Stefanini A.A. Corso 60012 Corso di Laurea Specialistica in Ingegneria Edile Il casinò di Monte-Carlo Il casinò di Monte-Carlo, Principato di Monaco,
DettagliTEMPO E RISCHIO. Il valore del denaro è funzione del tempo in cui è disponibile
Esercitazione TEMPO E RISCHIO Il valore del denaro è funzione del tempo in cui è disponibile Un capitale - spostato nel futuro si trasforma in montante (capitale iniziale più interessi), - spostato nel
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,
DettagliIntroduzione ai modelli VaR. Aldo Nassigh 27 Settembre 2010
Introduzione ai modelli Aldo Nassigh 27 Settembre 2010 Il rischio mercato: misurazione La La misurazione del del rischio mercato strettamente connessa al al possibilità : : Misurare Misurare con con continuità
DettagliTasso 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
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliLeasing secondo lo IAS 17
Leasing secondo lo IAS 17 Leasing: Ias 17 Lo Ias 17 prevede modalità diverse di rappresentazione contabile a seconda si tratti di leasing finanziario o di leasing operativo. Il leasing è un contratto per
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliCAPITOLO 10 I SINDACATI
CAPITOLO 10 I SINDACATI 10-1. Fate l ipotesi che la curva di domanda di lavoro di una impresa sia data da: 20 0,01 E, dove è il salario orario e E il livello di occupazione. Ipotizzate inoltre che la funzione
DettagliEsperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo
Università degli Studi di Perugia Laurea specialistica in Finanza a.a. 2009-10 Corso di Laboratorio di calcolo finanziario prof. Franco Moriconi Esperienza MBG Il moto browniano geometrico. Proprietà teoriche
DettagliBANCA ALETTI & C. S.p.A.
BANCA ALETTI & C. S.p.A. in qualità di Emittente e responsabile del collocamento del Programma di offerta al pubblico e/o quotazione dei certificates BORSA PROTETTA e BORSA PROTETTA con CAP e BORSA PROTETTA
DettagliA.A. 2009/10 Corso Financial Risk Management Market Risk. Assignment finale
A.A. 2009/10 Corso Financial Risk Management Market Risk Assignment finale NB: per ottenere risultati uniformi attraverso i gruppi di lavoro, si raccomanda per lo svolgimento degli esercizi l utilizzo
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
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.
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
DettagliAVVISO n.20015. 20 Novembre 2012 ExtraMOT. Mittente del comunicato : Borsa Italiana. Societa' oggetto dell'avviso
AVVISO n.20015 20 Novembre 2012 ExtraMOT Mittente del comunicato : Borsa Italiana Societa' oggetto dell'avviso : -- Oggetto : Modifica Regolamento ExtraMOT: Controlli automatici delle negoziazioni - Automatic
DettagliLezione 1. Uniformità sistema creditizio. Basilea 1. Basilea 2, fattori di ponderazione, il concetto di rating
Lezione 1 Basilea 2, fattori di ponderazione, il concetto di rating Uniformità sistema creditizio Il Comitato di Basilea fu istituito nel 1974 tra i governatori delle Banche Centrali del G10. Obiettivo
DettagliCapitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliArca Cash Plus. Stile di gestione. 1 anno +1,3% +1,0% 3 anni +9,9% +5,7% Andamento di ARCA CASH PLUS
Arca Cash Plus Stile di gestione Arca Cash Plus adotta uno stile di gestione a rischio controllato che si caratterizza per l adozione formale di un budget di rischio assoluto e costante per unità temporale
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliNota metodologica sull applicazione del modello per la ripartizione del FFO 2009
Nota metodologica sull applicazione del modello per la ripartizione del FFO 2009 Di seguito vengono indicati i criteri di calcolo adottati nel 2009 dal MIUR per la ripartizione di fondi destinati agli
DettagliNote su quicksort per ASD 2010-11 (DRAFT)
Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea
DettagliPOLICY DI VALUTAZIONE E PRICING DEI PRESTITI OBBLIGAZIONARI
POLICY DI VALUTAZIONE E PRICING DEI PRESTITI OBBLIGAZIONARI Versione 0.0 delibera del Consiglio di Amministrazione del 05/05/2011 Versione 1.0 delibera del Consiglio di Amministrazione del 04/08/2011 Versione
DettagliCorso di Risk Management
Concetti fondamentali di risk management Tutti i concetti della lezione odierna sono presi da McNeil, Frey, Embrechts (2005), Quantitative Risk Management, Princeton, Princeton University Press, cap. 2.
DettagliSintesi Policy di valutazione pricing delle obbligazioni emesse dalla Banca di Credito Cooperativo di Impruneta
Banca di Credito Cooperativo di Impruneta Sintesi Policy di valutazione pricing delle obbligazioni emesse dalla Banca di Credito Cooperativo di Impruneta Delibera CdA del 09/06/2015 1 INDICE 1. PREMESSA...
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,
DettagliMERCATO IMMOBILIARE: CRISI FINANZIARIA?
MERCATO IMMOBILIARE: CRISI FINANZIARIA? MILANO, 24 Giugno 2008 La crisi Immobiliare in Europa - Lorenzo Greppi CRISI IMMOBILIARE E PARAMETRI DI RISCHIO La crisi internazionale ha avuto pesanti riflessi
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
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
DettagliArca Strategia Globale: i nuovi fondi a rischio controllato
Arca Strategia Globale: i nuovi fondi a rischio controllato Risponde: Federico Mosca, Responsabile Absolute Return I tre Fondi Nella nostra gamma prodotti, i fondi che adottano la metodologia di investimento
Dettaglicontinuazione CORSO ECONOMIA DEGLI INTERMEDIARI FINANZIARI II Testi di riferimento PROGRAMMA Parte relativa alla gestione dei rischi bancari
continuazione CORSO ECONOMIA DEGLI INTERMEDIARI FINANZIARI II 3) Rischi e redditività ruolo del capitale allocazione del capitale valutazione della performance della banca e dei singoli centri operativi
DettagliDa più parti si sente dire e si legge che con Basilea 2 non serviranno più le garanzie o che esse avranno un ruolo ridotto.
-omissis- 1.7 Il ruolo delle garanzie Da più parti si sente dire e si legge che con Basilea 2 non serviranno più le garanzie o che esse avranno un ruolo ridotto. Riteniamo che queste affermazioni nascano
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
DettagliTraduzione e adattamento a cura di Gylas per Giochi Rari
Traduzione e adattamento a cura di Gylas per Giochi Rari Versione 1.0 Luglio 2001 NOTA. La presente traduzione non sostituisce in alcun modo il regolamento originale del gioco; il presente documento è
DettagliPAS 2014 Mishkin Eakins Forestieri, Istituzioni e mercati finanziari, Pearson, 2010. Il mercato obbligazionario
PAS 2014 Mishkin Eakins Forestieri, Istituzioni e mercati finanziari, Pearson, 2010. Il mercato obbligazionario 1 Anteprima In questo capitolo analizzeremo i titoli di debito a lungo termine, cioè le obbligazioni.
DettagliModelli finanziari quantitativi
Modelli finanziari quantitativi 17 giugno 2010 Premessa La contrapposizione tradizionale tra analisi fondamentale (sulle variabili caratteristiche di un fenomeno economico-finanziario) e analisi tecnica
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
DettagliSintesi della Policy di valutazione pricing delle obbligazioni emesse dalla Banca di Cascina Credito Cooperativo **********
Sintesi della Policy di valutazione pricing delle obbligazioni emesse dalla Banca di Cascina Credito Cooperativo ********** 1 INDICE 1. PREMESSA... 3 2. METODOLOGIA DI PRICING... 3 2.1 PRICING... 5 2 1.
DettagliCorso di. Economia Politica
Prof.ssa Blanchard, Maria Laura Macroeconomia Parisi, PhD; Una parisi@eco.unibs.it; prospettiva europea, DEM Università Il Mulino di 2011 Brescia Capitolo I. Un Viaggio intorno al mondo Corso di Economia
DettagliLe Scelte Finanziarie. S. Corsaro Matematica Finanziaria a.a. 2007/08
Le Scelte Finanziarie 1 Tasso Interno di Rendimento Consideriamo un operazione finanziaria (t 0 =0): 0 x 0 t 1 t 2 t m...... x 1 x 2 x m Posto: x = x0, x1,, xm { } si definisce tasso interno di rendimento
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
DettagliUTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI
UTILIZZATORI A VALLE: COME RENDERE NOTI GLI USI AI FORNITORI Un utilizzatore a valle di sostanze chimiche dovrebbe informare i propri fornitori riguardo al suo utilizzo delle sostanze (come tali o all
DettagliMatematica Finanziaria Soluzione della prova scritta del 15/05/09
Matematica Finanziaria Soluzione della prova scritta del 15/05/09 ESERCIZIO 1 Il valore in t = 60 semestri dei versamenti effettuati dall individuo è W (m) = R(1 + i 2 ) m + R(1 + i 2 ) m 1 +... R(1 +
DettagliUS SECURITY AND EXCHANGE COMMISSION, Division of Investment Management, Report on Mutual Fund Fees and Expenses, December 2000.
Recensione US SECURITY AND EXCHANGE COMMISSION, Division of Investment Management, Report on Mutual Fund Fees and Expenses, December 2000. Si tratta di un rapporto sui fondi statunitensi riferito al periodo
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
Dettaglial budget di cassa mensile
un esempio molto semplice : dal bilancio previsionale al budget di cassa mensile Lo stato patrimoniale dell anno x : ATTIVO PASSIVO Cassa 5.000 Fornitori Clienti 300.000 Banche Scorte 100.000 Capitale
DettagliSINTESI DELLA POLICY di VALUTAZIONE E PRICING DELLE OBBLIGAZIONI EMESSE DAL CREDITO VALDINIEVOLE S.C.
SINTESI DELLA POLICY di VALUTAZIONE E PRICING DELLE OBBLIGAZIONI EMESSE DAL CREDITO VALDINIEVOLE S.C. 17 Ottobre 2013 1 INDICE 1. PREMESSA... 3 2. METODOLOGIA DI PRICING... 3 2.1 PRICING... 4 2 1. PREMESSA
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
DettagliModelli di portafoglio
Università Bicocca - Milano Anno Accademico 2007 / 2008 Modelli di portafoglio Corso di Risk Management Milano, 26 Marzo 2008 Perchè stimare EL e UL: un esempio Actual Portfolio Loss 2.00% 1.80% 1.60%
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliSvalutazione delle immobilizzazioni materiali per perdite di valore
Svalutazione delle immobilizzazioni materiali per perdite di valore di Paolo Moretti Le perdite di valore per le immobilizzazioni materiali, disciplinate dallo IAS 16 «Immobili, impianti e macchinari»,
DettagliOPERAZIONI DI PRESTITO
APPUNTI DI ESTIMO La matematica finanziaria si occupa delle operazioni finanziarie, delle loro valutazioni, nonché del loro confronto. Si definisce operazione finanziaria, qualsiasi operazione che prevede
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliStrumenti finanziari Ias n.32 e Ias n.39
Strumenti finanziari Ias n.32 e Ias n.39 Corso di Principi Contabili e Informativa Finanziaria Prof.ssa Sabrina Pucci Facoltà di Economia Università degli Studi Roma Tre a.a. 2004-2005 prof.ssa Sabrina
DettagliParimenti una gestione delle scorte in maniera non oculata può portare a serie ripercussioni sul rendimento sia dei mezzi propri che di terzi.
Metodo per la stima del ROE e del ROI in un azienda operante nel settore tessile abbigliamento in funzione delle propria struttura di incasso e pagamento e della gestione delle rimanenze di magazzino.
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliMercati finanziari e valore degli investimenti
7 Mercati finanziari e valore degli investimenti Problemi teorici. Nei mercati finanziari vengono vendute e acquistate attività. Attraverso tali mercati i cambiamenti nella politica del governo e le altre
DettagliDeterminazione delle condizioni di finanziamento in base al rischio di credito: alcune simulazioni numeriche
Determinazione delle condizioni di finanziamento in base al rischio di credito: alcune simulazioni numeriche Prof. Jean-Marie BOUROCHE Direttore del Comitato Scientifico Internazionale CRIF Decision Solutions,
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di Prof. Filippo Stefanini A.A. Corso 60012 Corso di Laurea Specialistica in Ingegneria Edile pag 1 Coefficiente di correlazione Coefficiente di correlazione = il
Dettagli