Dispensa delle lezioni Corso di programmazione in GAUSS Parte V. Club di Economia Applicata Dipartimento di Scienze Economiche Università di Verona
|
|
- Giorgia Serra
- 8 anni fa
- Visualizzazioni
Transcript
1 Dispensa delle lezioni Corso di programmazione in GAUSS Parte V Club di Economia Applicata Dipartimento di Scienze Economiche Università di Verona
2 Option Pricing Un opzione call (put) è un titolo che conferisce all acquirente il diritto di acquistare (vendere) dalla controparte una attività di riferimento ad un certo prezzo K (strike) alla data di scadenza T (tipo europeo) o entro una scadenza T (tipo americano). Il payoff a scadenza delle opzioni è uguale a: f T = max(s T K, 0) opzione Call f T = max(k S T, 0) opzione Put Prima della scadenza il valore delle opzioni dipende anche da altre variabili come ad esempio la volatilità del sottostante, il tasso di interesse privo di rischio o la vita residua. L esclusione di possibilità di arbitraggio implica che i prezzi delle opzioni siano limitati inferiormente e superiormente. Siano c e p rispettivamente i prezzi delle opzioni call e put europee e C e P le opzioni di tipo americano. Se non ci sono dividendi, necessariamente devono valere i seguenti vincoli: Limiti Superiori c S 0 p Xe rt C S 0 P X Limiti inferiori C c P p c S 0 Xe rt 1
3 p Xe rt S 0 C S X P X S Analoghe considerazioni di arbitraggio implicano che i prezzi delle opzioni devono necessariamente soddisfare la put-call parity: c + D + Xe rt = p + S 0 per le opzioni europee S 0 D X C P S 0 Xe rt per le opzioni americane Alcuni dei metodi più noti in letteratura per la valutazione delle opzioni sono: - Alberi binomiali - Formula di Black-Scholes - Metodo Monte Carlo Alberi Binomiali - Black & Scholes Il metodo degli alberi binomiali è uno dei metodi impiegati per la valutazione delle opzioni. Il metodo consiste in un diagramma che rappresenta i possibili cammini seguiti dal prezzo del sottostante durante la vita dell opzione. L assunzione alla base di questo metodo di valutazione è non ci siano opportunità di arbitraggio. Si consideri il caso di un portafoglio (privo di rischio) composto da posizione lunga su azioni e da una posizione corta su una opzione. Si immagini ad esempio che il prezzo dell opzione, trascorso un istante temporale, possa assumere solo due valori, S u e S d. Il payoff di una opzione che scade dopo un unico istante temporale è noto e pari a f u o a f d. Il valore di che soddisfa la seguente equazione rappresenta la quantità di azioni da detenere per immunizzare il portafoglio: S u f u = S d f d = f u f d S u S d 2
4 In assenza di opportunità di arbitraggio qualunque portafoglio privo di rischio deve avere un tasso di rendimento pari a r (tasso risk-free). Calcolando il valore del suddetto portafoglio a scadenza, ad esempio S u f u, e attualizzandolo al tasso privo di rischio, otteniamo il valore attuale del portafoglio. Dato il valore attuale del portafoglio, la sua composizione e il prezzo del sottostante è sufficiente esplicitare l equazione per il valore dell opzione. Generalizzando, il valore dell opzione f è pari a: dove: f = e rt [pf u + (1 p)f d ] p = e rt d u d con u > 1 e d < 1 che indicano rispettivamente di quanto il sottostante può aumentare o diminuire in un intervallo temporale e p che rappresenta la probabilità neutrale al rischio di un aumento del prezzo dell azione. Secondo il modello proposto da Cox, Ross e Rubinstein nel 1979 (CRR) per rendere coerente la generazione dei sentieri del sottostante con la volatilità dello stesso, i valori di u e d devono essere calcolati come segue: u = e σ t d = e σ t = 1/u Quando si considerano più time steps il funzionamento del metodo è analogo a quanto appena descritto. A partire dall ultimo step, in cui il valore dell opzione è noto, si calcolano i valori dell opzione ai nodi precedenti come valore attuale della media dei payoff, ponderati per le rispettive probabilità (neutrali al rischio). f u = e r(tn t n 1) [pf uu + (1 p)f ud ] /* ALBERI BINOMIALI */ proc albino(s,k,sigma,t,r,tipo,step); local u,d,a,b,espod,c,espou,e,f,sale,scende,prezzi,final,; local nomi,p,q,i,actu,actd,prezzo,dati,info,payoff,disc,y,n,cap; 3
5 n=step+1; u=exp(sigma*sqrt(t/step)); d=exp(-sigma*sqrt(t/step)); a=seqa(0,1,n); b=ones(1,n); espod=upmat(a.*b); c=ones(n,1); e=seqa(0,1,n) ; f=(c.*e)-seqa(0,1,n); espou=upmat(abs(f)); format /lds 1,1; sale=u.^espou; scende=d.^espod; prezzi=upmat(s.*sale.*scende); final=(prezzi[.,cols(prezzi)]) ; if tipo$=="call"; payoff=maxc((final-k) zeros(1,rows(prezzi))); elseif tipo$=="put"; payoff=maxc((k-final) zeros(1,rows(prezzi))); else; 4
6 print "Errore: tipo di opzione non riconosciuto!!"; endif; disc=exp(-r*(t/step)); cap=exp(r*(t/step)); p=(cap-d)./(u-d); q=1-p; for i(1,n-1,1); actu=payoff[1:(rows(payoff)-1),1]; actd=payoff[2:(rows(payoff)),1]; payoff=disc.*((actu.*p)+(actd.*q)); endfor; prezzo=payoff; print "ALBERO BINOMIALE CRR"; print "Powered by Daniele Poiega" print " DATI OPZIONE:"; print; let nomi[5,1]= S0 K Vol T r; dati=s k sigma T r; info=nomi~dati; y=printfmt(info,0~1); print; 5
7 print " Option type: " tipo; print; format /rds 3,1; print " Number of steps: " step; print; format /lds 10,5; print " PREZZO: " prezzo; retp(prezzo); endp; Nel caso di opzioni americane il valore di f u è uguale al max{e r(tn t n 1) [pf uu + (1 p)f ud ], S u K} opz. call max{e r(tn t n 1) [pf uu + (1 p)f ud ], K S u } opz. put Si dimostra che all aumentare del numero dei passi temporali il prezzo delle opzioni europee fornito dagli alberi binomiali converge al prezzo ottenuto con la formula di Black & Scholes: CALL lim n f = S 0 N(d 1 ) K e r T N(d 2 ) dove: P UT lim n f = K e r T N( d 2 ) S 0 N( d 1 ) Greche d 1 = ln(s 0/K) + (r + σ 2 /2)T σ T d 2 = ln(s 0/K) + (r σ 2 /2)T σ T = d 1 σ T Le greche misurano la sensitività del prezzo dell opzione al variare dei fattori di rischio che concorrono a formarne il prezzo e si rivelano particolarmente utili per immunizzare un portafoglio comprendente opzioni. 6
8 Ciascuna greca misura una diversa dimensione del rischio di una posizione su opzioni e in generale l obiettivo degli operatori è quello di gestire le greche in modo che ciascuna fonte di rischio sia accettabile. Nel caso in cui il sottostante sia rappresentato da azioni che non pagano dividendi le greche si calcolano nel modo seguente: Delta Sensitività del prezzo dell azione ad una variazione del sottostante. = c S call = N(d 1 ) put = N(d 1 ) 1 Gamma Sensitività del prezzo dell azione ad una variazione del delta ( ). Γ = 2 c S 2 Γ call = Γ put = N (d 1 ) S 0 σ T Vega Sensitività del prezzo dell azione ad una variazione della volatilità. V = c σ = S 0 T N (d 1 ) Rho Sensitività del prezzo dell azione ad una variazione del tasso d interesse. ρ = c r ρ call = XT e rt N(d 2 ) ρ put = XT e rt N( d 2 ) Theta Sensitività del prezzo dell azione ad una variazione del tempo Θ = c t Θ call = S 0N (d 1 )σ 2 T rxe rt N(d 2 ) Θ put = S 0N (d 1 )σ 2 T + rxe rt N( d 2 ) 7
9 dove: N (x) = 1 2π e x2 /2 Per maggiori informazioni si invita alla consultazione di Opzioni, futures e altri derivati, di John Hull (Prentice Hall, Quarta Edizione). Monte Carlo L utilizzo del metodo Monte Carlo nel pricing di opzioni si rende necessario quando le caratteristiche dell opzione escludono una forma analitica per il prezzo. Il metodo di simulazione, come altri metodi numerici, permette la risoluzione di problemi complessi purchè il modo con cui sono generati i percorsi dell attività sottostante sia coerente con il modello. Nel caso di prezzi azionari il processo stocastico impiegato è un moto browniano geometrico: ds = µsdt + σsdz ds = µdt + σdz S d ln S = (µ 12 ) σ2 dt + σdz S(t + δt) = S(0) exp (µ 1 2 σ2 )δt+σɛ δt dove ɛ N(0, 1) è una estrazione casuale da una normale standardizzata. In Gauss: /* SIMULAZIONE PREZZI AZIONARI */ new; cls; print "INPUT ORDER: S(t0), Mu, Sigma, Maturity(in years), Number of Steps, 8
10 Nr. Simulations "; proc simasset(s,mu,sigma,t,steps,nsim); local a, paths, dt, drift, vola, i, j, b, c, tempo, fmt,y,x; library pgraph; graphset; a=time; paths=zeros(nsim,steps+1); paths[.,1]=s*ones(nsim,1); dt=t/steps; drift=(mu-0.5*sigma^2)*dt; vola=sigma*sqrt(dt); for i(1,nsim,1); for j(1,steps,1); paths[i,j+1]=paths[i,j]*exp(drift+vola*rndn(1,1)); endfor; endfor; x=seqa(1,1,rows(paths )).*ones(1,cols(paths )); xy(x,paths ); b=time; c=b-a; let tempo[4,1]="ore" "MINUTI" "SECONDI" "CENT/SEC"; let fmt[2,3] = "-*.*s" 8 8 "*.*lf," 12 9; y=printfm(tempo~c,0~1,fmt); retp(paths); endp; La procedura per la simulazione dei prezzi azionari tuttavia può essere migliorata nel senso che è possibile eliminare l impiego dei cicli for vettorizzando la procedura. 9
11 Il processo stocastico dei prezzi azionari può essere riscritto in questo modo: ln S(t + δt) ln S(t) = (µ 12 ) σ2 δt + σɛ δt Nella procedura simastop, anzichè generare ogni singolo elemento, l intera matrice di estrazioni casuali è campionata in un unica soluzione. La sommatoria cumulata degli incrementi è infine trasformata attraverso la funzione esponenziale. Se si confrontano i risultati delle funzioni simasset e simastop in termini di tempi di esecuzione è possibile apprezzare il miglioramento dell efficienza della routine. Si ricorda che la versione light di Gauss non ammette la creazione di matrici di dimensioni superiori di elementi o il superamento di 1.5Mb di workspace. print "INPUT ORDER: S(t0), Mu, Sigma, Maturity(in years), Number of Steps, Nr. Simulations "; proc simastop(s,mu,sigma,t,steps,nsim); local a,paths,dt,drift,vola,increments; local start,logpaths,b,c,tempo,fmt,y,x; library pgraph; graphset; a=time; paths=zeros(nsim,steps+1); paths[.,1]=s*ones(nsim,1); dt=t/steps; drift=(mu-0.5*sigma^2)*dt; 10
12 vola=sigma*sqrt(dt); increments=drift+vola*rndn(steps,nsim); start=ln(s).*ones(1,nsim); logpaths=cumsumc(start increments); paths=exp(logpaths ); b=time; c=b-a; let tempo[4,1]="ore" "MINUTI" "SECONDI" "CENT/SEC"; let fmt[2,3] = "-*.*s" 12 8 "*.*lf," 16 16; y=printfm(tempo~c,0~1,fmt); x=seqa(1,1,rows(paths )).*ones(1,cols(paths )); xy(x,paths ); retp(paths); endp; /* ESEMPIO (CW) */ new; run a:\simastop.prg; run a:\simasset.prg; prezzi1=simastop(40,0.2,0.1,1.5,30,300); ORE , MINUTI , SECONDI , CENT/SEC , prezzi2=simasset(40,0.2,0.1,1.5,30,300); ORE , MINUTI , SECONDI , CENT/SEC , La valutazione di una opzione su azioni europea con strike K è condi- 11
13 zionata al calcolo del valore atteso (sotto la misura neutrale al rischio) del payoff finale dell opzione, scontato per il tasso privo di rischio r: f t = e r(t t) E Q (f T ) f T = max(s T K, 0) opzione Call f T = max(k S T, 0) opzione Put Il processo seguito dai prezzi delle azioni sotto la misura neutrale al rischio è il seguente. S(t + δt) = S(0) exp (r 1 2 σ2 )δt+σɛ δt il cambio di drift deriva dal cambio della misura di probabilità utilizzata nella valutazione. Il payoff di una opzione call diventa quindi: In Gauss: max{s(0) exp (r 1 2 σ2 )T +σɛ T K, 0} proc (2)=simasbs(s,k,r,sigma,T,nsim); local a,drift,vola,stdevprice,payoff; local discpayoff,price,b,c,tempo,fmt,y; a=time; drift=(r-0.5*sigma^2)*t; vola=sigma*sqrt(t); payoff=maxc((-k+(s.*exp(drift+vola.*rndn(1,nsim)))) (zeros(1,nsim))); discpayoff=(exp(-r*t)).*payoff; price=meanc(discpayoff); stdevprice=stdc(discpayoff); 12
14 b=time; c=b-a; let tempo[4,1]="ore" "MINUTI" "SECONDI" "CENT/SEC"; let fmt[2,3] = "-*.*s" 12 8 "*.*lf," 12 9; y=printfm(tempo~c,0~1,fmt); print; print "The price is: " price; print; print "Stand. Dev.: " stdevprice; retp(price,stdevprice); endp; Nel caso in cui si debbano simulare delle traiettorie per diversi asset è necessario tenere in considerazione la struttura delle correlazioni osservate nelle serie storiche. Per generare traiettorie correlate è necessario operare una trasformazione delle estrazioni indipendenti generate dalle funzioni rndn e rndu. Sia X (n 1) il vettore colonna di estrazioni da una normale standard. Il vettore rappresenta una singola simulazione di n shocks, ognuno dei quali associato ad uno degli n asset. Sia Σ la matrice varianza-covarianza degli n stock. Applicando la decomposizione di Cholesky (chol) alla matrice Σ e moltiplicando il risultato, una matrice triangolare inferiore L T (n n), per il vettore delle estrazioni indipendenti si ottiene un vettore di estrazioni correttamente correlato. La matrice (m n), contenente m estrazioni per ciascun asset, può quindi essere utilizzata nelle procedure precedentemente descritte per la simulazione delle traiettorie. Formalmente, data Σ matrice varianza-covarianza e X = [x 1, x 2,..., x n ] T con x i N(0, 1) - Calcolare L T tale che Σ = L T L con chol(σ) 13
15 - Operare la trasformazione delle variabili indipendenti X = L T X /* ESEMPIO */ sigma={4 1-2, 1 3 1, }; sigma; cs=(chol(sigma)) ; cs; sample=cs*rndn(3,3333); campio=sample ; rows(campio); meanc(campio); corrvc(sigma); corrx(campio); 14
16 Monte Carlo con riduzione della varianza La simulazione dei prezzi azionari può beneficiare delle tecniche di riduzione della varianza descritte nella dispensa precedente. L applicazione della tecnica delle variabili antitetiche al pricing delle opzioni prevede di estrarre da una normale standardizzata un campione consistente e di generare una seconda serie, a partire dalla prima, invertendone il segno. Il campione da utilizzare per la simulazione è il risultato della media di ciascuna coppia di valori. Si ricorda che, se la seconda serie è generata opportunamente, la varianza della media è inferiore alla media delle varianze per effetto della correlazione negativa. La stima del prezzo dell opzione beneficia della riduzione di varianza nel senso che la variabilità del risultato è inferiore, a parità di numerosità delle estrazioni, rispetto al tradizionale metodo Monte Carlo. In Gauss: proc (2)=simasAV(s,k,r,sigma,T,nsim); local a,drift,stdevprice,vola,estr1,estr2,payoff1; local payoff2,discpayoff,price,b,c,tempo,fmt,y; a=time; drift=(r * (sigma^2))*t; vola=sigma*sqrt(t); estr1=rndn(1,nsim); estr2=-estr1; payoff1=maxc((-k+(s.*exp(drift+vola.*estr1))) (zeros(1,nsim))); payoff2=maxc((-k+(s.*exp(drift+vola.*estr2))) (zeros(1,nsim))); 15
17 discpayoff=(exp(-r*t)).* 0.5.* (payoff1+payoff2); price=meanc(discpayoff); stdevprice=stdc(discpayoff); b=time; c=b-a; let tempo[4,1]="ore" "MINUTI" "SECONDI" "CENT/SEC"; let fmt[2,3] = "-*.*s" 12 8 "*.*lf," 12 9; y=printfm(tempo~c,0~1,fmt); print; print "The price is: " price; print; print "Stand. Dev.: " stdevprice; retp(price,stdevprice); endp; Come misura di dispersione dei risultati attorno alla media si può prendere in considerazione la standard deviation dei prezzi scontati dell opzione o alternativamente, fissando un α, l intervallo di confidenza costruito con i quantili [f α/2, f 1 α/2 ] della distribuzioni dei prezzi. L applicazione del metodo delle variabili antitetiche risulta per costruzione meno efficiente del Monte Carlo tradizionale, ma i risultati in termini di deviazione standard del prezzo dell opzione evidenziano un miglioramento nell applicazione del metodo. Si fa notare comunque che il numero delle simulazioni non è sufficiente a garantire una buona approssimazione. /* ESEMPIO (CW)*/ 16
18 {pbs,sbs}=simasbs(50,52,0.1,0.4,(5/12),4000); The price is: Stand. Dev.: {pav,sav}=simasbs(50,52,0.1,0.4,(5/12),4000); The price is: Stand. Dev.: /* Prezzo Black-Scholes */ c = EuropeanBSCall(50,52,0.1,0,(5/12),0.4); c; Si propone infine a titolo di esempio il risultato ottenuto applicando il metodo di Halton (sequenze a bassa discrepanza). Il metodo genera sequenze di estrazioni indipendenti nell itervallo [0, 1]. La trasformazione del campione generato in una distribuzione normale standardizzata può avvenire applicando diversi metodi. Nella procedura seguente si è utilizzato il metodo della trasformazione inversa che, in Gauss, si ottiene con il comando cdfni(x), dove x è un vettore di elementi compresi nell intervallo [0, 1]. Tra gli input della seguente procedura ci sono le funzioni hmh e halton1 (Dispense del corso - Parte IV) ovvero le procedure che generano le sequenze a bassa discrepanza di Halton. Si ricorda che, prima di poter richiamare la procedura simashal dal CW, le procedure hmh e halton1 devono essere compilate e residenti in memoria. proc (2)=simashal(s,k,r,sigma,T,nsim,base,&hmh,&halton1); local drift,vola,stdevprice,payoff,discpayoff,price; local hmh:proc,halton1:proc,campio,estraz; 17
19 drift=(r-0.5*(sigma^2))*t; vola=sigma*sqrt(t); estraz=hmh(&halton1,nsim,base); campio=cdfni(estraz ); payoff=maxc((-k+(s.*exp(drift+vola.*campio))) (zeros(1,nsim))); discpayoff=(exp(-r*t)).*payoff; price=meanc(discpayoff); stdevprice=stdc(discpayoff); print; print "The price is: " price; print; print "Stand. Dev.: " stdevprice; retp(price,stdevprice); endp; Si verifichino i risultati di simashal con quelli ottenuti precedentemente dalle procedure simasbs, simasav e EuropeanBScall. /* HALTON con base 7 */ {phal,shal}=simashal(50,52,0.1,0.4,(5/12),4000,7,&hmh,&halton1); The price is: Stand. Dev.:
20 /* HALTON con base 2 */ {phal,shal}=simashal(50,52,0.1,0.4,(5/12),4000,2,&hmh,&halton1); The price is: Stand. Dev.: /* HALTON con base 19 */ {phal,shal}=simashal(50,52,0.1,0.4,(5/12),4000,19,&hmh,&halton1); The price is: Stand. Dev.: Selezione del portafoglio La selezione del portafoglio affronta il problema della ripartizione delle risorse di finanziarie tra diverse possibilità di investimento con rendimento aleatorio (F.Rossi, Matematica Finanziaria, Monduzzi Editore). Uno dei metodi di selezione del portafoglio è il criterio media-varianza (E-V), proposto da Markowitz nel Il criterio ipotizza che la scelta del portafoglio sia guidata dalla massimizzazione del rendimento e dalla minimizzazione del rischio. Dato un ammontare unitario di risorse disponibili da investire in n attività, si assume che tutte le risorse siano impiegate (vincolo di bilancio) in forma matriciale n x i = 1 i=1 19
21 ( ) x 1 x 2... x n = 1 Nel caso in cui non siano ammesse vendite allo scoperto i pesi relativi a ciascun investimento devono essere compresi tra zero e uno. Non è cioè possibile investire più di una unità di risorse in alcune attività vendendo allo scoperto le altre (quote minori di zero). 0 x i 1 Data una composizione di portafoglio ripartito in n attività, il rendimento atteso di portafoglio è pari alla media dei rendimenti di ciascuna attività pesati per le rispettive quote x i. in forma matriciale R p = x 1 R 1 + x 2 R x n R n R p = ( R1 R2 Rn ) mentre la varianza di portafoglio è: x 1 x 2... x n σ 2 p = in forma matriciale n x 2 i σi i=1 n n x i x j σ i,j i=1 j=i+1 σp 2 = x Qx = ( ) x 1 x 2 x n σ11 2 σ 12 σ 1n σ 21 σ22 2 σ 2n σ n1 σnn 2 x 1 x 2... x n con σ 12 = σ 21 = ρ 12 σ 1 σ 2 Uno dei tipici problemi di programmazione quadratica relativa alla selezione del portafoglio è la minimizzazione della varianza di portafoglio, σ 2 p, dato un certo R p con vincoli di bilancio (tutte le risorse investite), vincoli di 20
22 non-negatività dei pesi (vendite allo scoperto non ammesse) ed eventualmente limiti inferiori o superiori per ciascuno dei pesi di portafoglio. Formalizzando il problema di programmazione quadratica si ha: min x Qx soggetto ai vincoli di uguaglianza: ( ) R x = a vincoli di disuguaglianza: 1 ( Rp 1 ) Comando Qprog (n 1) }{{} 1 {}}{ x cost. }{{} (1 n) (1 1) Il comando Qprog si utilizza per risolvere un problema di programmazione quadratica del tipo min 1 2 x Qx x R soggetto a vincoli di uguaglianza e/o disuguaglianza in cui le soluzioni possono essere limitate inferiormente e superiormente. Ax = B Cx D x low x x up La sintassi del comando è la seguente: {x,u1,u2,u3,u4,ret}=qprog(start,q,r,a,b,c,d,bounds) dove: INPUT: start (k 1), inizializzazione incognite q (k k), matrice simmetrica del modello 21
23 r (k 1), vettore di costanti del modello a (m k), coefficienti del vincolo di uguaglianza b (m 1), parametri del vincolo di uguaglianza c (n k), coefficienti del vincolo di disuguaglianza d (n 1), parametri del vincolo di disuguaglianza bounds (k 2) limiti inferiori (prima colonna) e superiori (seconda colonna) delle soluzioni. OUTPUT: x (k 1), vettore delle soluzioni u1 (m 1), coefficienti Lagrangiani dei vincoli di uguaglianza u2 (n 1), coefficienti Lagrangiani dei vincoli di disuguaglianza u3 (k 1), coefficienti Lagrangiani dei limiti inferiori u4 (k 1), coefficienti Lagrangiani dei limiti superiori ret 0 ottimizzazione conclusa con successo 1 numero massimo di iterazioni superato 2 precisione-macchina insufficiente per mantenere valori decrescenti della funzione da ottimizzare 3 matrici non conformabili <0 vincoli non consistenti VARIABILI GLOBALE: qprog maxit scalare, numero massimo di iterazioni /* ESEMPIO QPROG */ minr=10; 22
24 maxr=25; y=50; fronteff=zeros(y,2); returns=seqa(minr,(maxr-minr)/y,y); rendimenti={ }; Q={ , , , , }; /* var covar */ k=rows(q); start=(1/k)*ones(k,1); for o(1,y,1); rendatteso=returns[o,1]; i=zeros(k,1); h=ones(1,k); a=h rendimenti; b=1 rendatteso; c=0; d=0; bounds=0; {sol,u1,u2,u3,u4,ret}=qprog(start,q,i,a,b,c,d,bounds); fronteff[o,1]=rendimenti*sol; 23
25 fronteff[o,2]=sqrt((sol )*Q*sol); print "Rendimento di Portafoglio" fronteff[o,1]; print; print "Volatilit di Portafoglio" fronteff[o,2]; print "Soluzioni" sol; endfor; print " Rendimento Varianza"; print fronteff; Funzioni di Gauss AmericanBinomCall AmericanBinomCall Greeks AmericanBinomCall ImpVol AmericanBinomPut AmericanBinomPut Greeks AmericanBinomPut ImpVol un American Put (metodo binomiale) AmericanBSCall A AmericanBSCall Greeks AmericanBSCall ImpVol AmericanBSPut AmericanBSPut Greeks AmericanBSPut ImpVol annualtradingdays elapsedtradingdays 24
26 EuropeanBinomCall EuropeanBinomCall Greeks EuropeanBinomCall ImpVol EuropeanBinomPut EuropeanBinomPut Greeks EuropeanBinomPut ImpVol EuropeanBSCall EuropeanBSCall Greeks EuropeanBSCall ImpVol EuropeanBSPut EuropeanBSPut Greeks EuropeanBSPut ImpVol getnexttradingday getnextweekday getprevioustradingday getpreviousweekday date dtdate time Esercizi 1. Si crei una procedura che, dato il prezzo di una opzione europea (call o put), calcoli la volatilità implicita secondo il modello di Black & Scholes. (Hint: si utilizzi la funzione eqsolve e un valore iniziale di volatilità). Si verifichi quindi il risultato con le funzioni di Gauss EuropeanBSCall_ImpVol e EuropeanBSPut_ImpVol. 25
27 2. Si implementi una procedura che, utilizzando il metodo Monte Carlo, calcoli la sensitività del prezzo di un opzione europea ad una variazione infinitesimale dei fattori di rischio. Si verifichi inoltre il risultato ottenuto con le greche calcolate con B&S (EuropeanBSCall_Greeks e EuropeanBSPut_Greeks). Ripetere la verifica n volte. 3. Dopo aver scaricato 4 serie di prezzi azionari (Yahoo Finance, 400 osservazioni giornaliere), possibilmente correlate in maniera inversa, si calcolino i rendimenti, i rendimenti medi e la matrice varianza-covarianza utilizzando 3/4 delle osservazioni. Utilizzando il criterio E-V di Markovitz si determini la composizione del portafoglio a varianza minima (vincolo di bilancio, vendite allo scoperto non consentite, bounds inferiori: dato x 1 = 0.05 i pesi x i = x i con i = 2, 3,..n). opz A) Utilizzando il metodo Monte Carlo, si calcoli il Var (Value at risk) a uno, cinque e dieci giorni, al 95% e al 99% (usando la funzione quantile) e si verifichi l efficienza della stima del Var utilizzando le rimanenti osservazioni del campione. opz B) Siano date le seguenti condizioni: Capitale iniziale di dobloni, orizzonte di investimento 1 anno, massimo 6 ribilanciamenti equidistanziati, possibilità di investire al più in 4 stock (con i vincoli posti in precedenza) e in due opzioni contemporaneamente (call put lunghe o corte). Si decida la strategia di investimento con l obiettivo di massimizzare il guadagno alla fine. Si verifichi la performace dell investimento simulando le vere traiettorie degli stock con seeds forniti dal docente. 4. Utilizzando una serie storiche scaricate da Yahoo Finance si implementi una procedura per il pricing con metodo Monte Carlo per una opzione di tipo path dependent il cui payoff a scadenza: dove: max{s T K } K = T i=1 S i n 26
Il modello binomiale ad un periodo
Opzioni Un opzione dà al suo possessore il diritto (ma non l obbligo) di fare qualcosa. Un opzione call (put) europea su un azione che non paga dividendi dà al possessore il diritto di comprare (vendere)
Dettagli23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari ESERCIZIO 1
23 Giugno 2003 Teoria Matematica del Portafoglio Finanziario e Modelli Matematici per i Mercati Finanziari In uno schema uniperiodale e in un contesto di analisi media-varianza, si consideri un mercato
DettagliIntroduzione alberi binomiali
Introduzione alberi binomiali introduzione L albero binomiale rappresenta i possibili sentieri seguiti dal prezzo dell azione durante la vita dell opzione Il percorso partirà dal modello a uno stadio per
DettagliESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012
ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI 2 LE OPZIONI Le opzioni sono contratti che forniscono al detentore il diritto di acquistare o vendere una certa quantità del bene sottostante a una certa
DettagliVolatilità implicita. P(t) = S(t)Φ(d 1 ) e r(t t) K Φ(d 2 ) con. d 1 = d 2 + σ T t. d 2 =
Volatilità implicita Abbiamo visto come sia possibile calcolare la volatilità di un titolo attraverso la serie dei log-return. In teoria però la volatilità di un sottostante può essere determinata dal
DettagliMODELLO DI BLACK SCHOLES
MODELLO DI BLACK SCHOLES 1 Greche della Put Dalla put-call parity: C P = S Ke P = SN(d 1 ) Ke N(d ) S + Ke P = Ke (1 N(d )) S(1 N(d 1 )) quindi la FORMULA DI BLACK SCHOLES PER LA PUT è P = Ke N( d ) SN(
DettagliCorso di Risk Management S
Corso di Risk Management S Marco Bee marco.bee@economia.unitn.it Dipartimento di Economia Università di Trento Anno Accademico 2007-2008 Struttura del corso Il corso può essere suddiviso come segue: 1.
Dettaglicall europea viene esercitata, consentendo un guadagno pari a
INTRODUZIONE Un opzione è un contratto derivato che conferisce al proprio detentore il diritto di disporre del titolo sottostante ad esso. Più precisamente, l acquisto di un opzione call (put) conferisce
DettagliCorso di FINANZA AZIENDALE AVANZATA
Corso di FINANZA AZIENDALE AVANZATA Teoria delle opzioni e struttura finanziaria Valutazione opzioni Non posso usare le formule di attualizzazione in quanto non riesco a trovare un accettabile tasso a
DettagliGreche. Fondamenti dei Mercati di Futures e Opzioni, 5 a Edizione, Copyright John C. Hull 2004 15.1
Greche Problema per i trader è di gestire il rischio di posizioni su mercati over the counter e in borsa Ogni greca corrisponde a una misura di rischio Quindi i traders dovranno gestire le greche per gestire
DettagliOpzioni americane. Opzioni americane
Opzioni americane Le opzioni di tipo americano sono simili a quelle europee con la differenza che possono essere esercitate durante tutto l intervallo [0, T ]. Supponiamo di avere un opzione call americana
DettagliT I P S T R A P S. La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo
La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo In un mercato finanziario le opzioni a comprare (Call) o a vendere (Put) un titolo costituiscono il diritto, in un determinato periodo
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
DettagliDato il Mercato, è possibile individuare il valore e la duration del portafoglio:
TEORIA DELL IMMUNIZZAZIONE FINANZIARIA Con il termine immunizzazione finanziaria si intende una metodologia matematica finalizzata a neutralizzare gli effetti della variazione del tasso di valutazione
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
DettagliGLI STRUMENTI FINANZIARI DERIVATI
GLI STRUMENTI FINANZIARI DERIVATI ABSTRACT PRINCIPI SULLE OPZIONI!A cura di Mauro Liguori!Seminario del 7 giugno 2003!V. delle Botteghe Oscure, 54 -Roma DEFINIZIONE DI OPZIONE OPZIONE DIRITTO DI ACQUISTARE
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliCorso di 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
DettagliEconomia e Finanza delle Assicurazioni Università di Macerata Facoltà di. Economia. I flussi monetari generati dalle gestioni assicurative
Economia e Finanza delle Assicurazioni Università di Macerata Facoltà di Economia Mario Parisi I flussi monetari generati dalle gestioni assicurative 1 Le passività della compagnia di assicurazione La
DettagliIntroduzione alle opzioni
Introduzione alle opzioni Tipi di Opzioni La call è un opzione di acquisto La put è un opzione di vendita Le opzioni europee possono essere esercitate solo alla scadenza Le opzioni americane possono essere
DettagliValore equo di un derivato. Contingent claim
Contingent claim Ci occuperemo ora di determinare il prezzo equo di un prodotto derivato, come le opzioni, e di come coprire il rischio associato a questi contratti. Assumeremo come dinamica dei prezzi
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
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
DettagliFINANZA AZIENDALE AVANZATO. Le opzioni e l option theory. Lezioni 14 e 15
FINANZA AZIENDALE AVANZATO Le opzioni e l option theory Lezioni 14 e 15 I derivati asimmetrici ono contratti/prodotti che fissano le condizioni a cui POTRA aver luogo la compravendita futura dell attività
Dettaglistudi e analisi finanziarie LA PUT-CALL PARITY
LA PUT-CALL PARITY Questa relazione chiarisce se sia possibile effettuare degli arbitraggi e, quindi, guadagnare senza rischi. La put call parity è una relazione che lega tra loro: il prezzo del call,
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
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
Dettagli2) Calcolare il prezzo ad oggi di una Put europea con un albero a 3 periodi.
1) Calcolare il prezzo ad oggi di una Call europea con un albero a 2 periodi. tasso risk free: r =3,00%; Scadenza: 2 anni Step: n=2 Prezzo spot del sottostante: S 0 =100 Strike Price: K=98 u = 1,1 e d
DettagliAnalisi Statistica Spaziale
Analisi Statistica Spaziale Posa D., De Iaco S. posa@economia.unile.it s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA ANNO ACCADEMICO
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
DettagliMATEMATICA FINANZIARIA Appello del 23 giugno 2003 studenti nuovo ordinamento
MATEMATICA FINANZIARIA Appello del 23 giugno 2003 studenti nuovo ordinamento Cognome e Nome................................................................... C.d.L....................... Matricola n................................................
DettagliIl modello media-varianza con N titoli rischiosi. Una derivazione formale. Enrico Saltari
Il modello media-varianza con N titoli rischiosi. Una derivazione formale Enrico Saltari La frontiera efficiente con N titoli rischiosi Nel caso esistano N titoli rischiosi, con N 2, il problema della
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
DettagliUn algoritmo per la valutazione e la gestione ottimale dei crediti in sofferenza
Un algoritmo per la valutazione e la gestione ottimale dei crediti in sofferenza Andrea Gamba DSE - Università di Verona e SAFE con la collaborazione e il contributo di UGC Banca SpA IAS/IFRS e non performing
DettagliLe curve di indifferenza sulla frontiera di Markowitz
UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria da Markowitz al teorema della separazione e al CAPM Le curve di indifferenza sulla frontiera di Markowitz Markowitz
DettagliIL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE.
IL RISCHIO D IMPRESA ED IL RISCHIO FINANZIARIO. LA RELAZIONE RISCHIO-RENDIMENTO ED IL COSTO DEL CAPITALE. Lezione 5 Castellanza, 17 Ottobre 2007 2 Summary Il costo del capitale La relazione rischio/rendimento
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
DettagliMetodi 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
Dettaglib i 1,1,1 1,1,1 0,1,2 0,3,4
V o Appello // RICERCA OPERATIVA - Corso A (a.a. 9/) Nome Cognome: Corso di Laurea: L C6 LS LM Matricola: ) Si consideri il problema di flusso di costo minimo in figura. Si verifichi se il flusso ammissibile
DettagliPertanto la formula per una prima approssimazione del tasso di rendimento a scadenza fornisce
A. Peretti Svolgimento dei temi d esame di MDEF A.A. 015/16 1 PROVA CONCLUSIVA DI MATEMATICA per le DECISIONI ECONOMICO-FINANZIARIE Vicenza, 9/01/016 ESERCIZIO 1. Data l obbligazione con le seguenti caratteristiche:
DettagliCorso di FINANZA AZIENDALE AVANZATA
Corso di FINANZA AZIENDALE AVANZATA Teoria delle opzioni e opzioni reali Formula di Black/Sholes Nell approccio binomiale, per ipotesi, alla fine del periodo vi sono solo 2 possibili prezzi. Nella realtà,
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
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
DettagliIndice. Le curve di indifferenza sulla frontiera di Markowitz UNIVERSITA DI PARMA FACOLTA DI ECONOMIA
UNIVERSITA DI PARMA FACOLTA DI ECONOMIA Corso di pianificazione finanziaria A.a. 2003/2004 1 Indice La Capital Market Theory di Markowitz Il Teorema della separazione di Tobin e la Capital Market Line
DettagliTECNICHE DI STIMA DEL COSTO DELLE ALTRE FORME DI FINANZIAMENTO. Docente: Prof. Massimo Mariani
TECNICHE DI STIMA DEL COSTO DELLE ALTRE FORME DI FINANZIAMENTO Docente: Prof. Massimo Mariani 1 SOMMARIO Il costo del capitale stima del costo del capitale stima del costo del capitale di aziende operanti
DettagliOPZIONI, DURATION E INTEREST RATE SWAP (IRS)
ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI, DURATION E INTEREST RATE SWAP (IRS) Valutazione delle opzioni Esercizio 1 2 ESERCIZIO 1 Il portafoglio di un investitore è composto di 520 azioni della società
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
DettagliFinanza matematica - Lezione 01
Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo
Dettaglistudi e analisi finanziarie Put ladder
Put ladder ( guadagniamo con i forti ribassi di mercato ) In questo articolo ci accingiamo ad esporre l analisi di un Put ladder, affronteremo prima la parte teorica poi, in successivo articolo, esporremo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliBlack-Scholes: le Greche
Black-Scholes: le Greche R. Marfé Indice 1 Delta 2 2 Gamma 4 3 Theta 6 4 Vega 7 5 Rho 8 6 Applicazione in VBA 9 1 1 Delta Il delta di un opzione (o di un portafoglio di opzioni) indica la sensibilità del
DettagliOn Lévy Processes for Option Pricing
Numerical Methods and Calibration to Index Options Relatore: Chiar.ma Prof.ssa Maria Cristina Recchioni Università Politecnica delle Marche - Facoltà di Economia Giorgio Fuà 18 Aprile 2008 Indice Introduzione
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
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,
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
DettagliLa metodologia di determinazione dei Margini Futures Straddle
La metodologia di determinazione dei Margini Futures Straddle Ufficio RM Versione.0 Indice Premessa... 3 Definizione e finalità dei margini Futures Straddle... 3 3 La metodologia di calcolo... 4 Pagina
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
DettagliUn introduzione all analisi Monte Carlo in Finanza
ASSOCIAZIONE ITALIANA FINANCIAL RISK MANAGEMENT Un introduzione all analisi Monte Carlo in Finanza Stefano Fabi Working Paper, 1/01/98 Presidenza: Fernando Metelli - Banca Popolare di Milano, Via Fara
DettagliSono casi particolari di MCF : SPT (cammini minimi) non vi sono vincoli di capacità superiore (solo x ij > 0) (i, j) A : c ij, costo di percorrenza
Il problema di flusso di costo minimo (MCF) Dati : grafo orientato G = ( N, A ) i N, deficit del nodo i : b i (i, j) A u ij, capacità superiore (max quantità di flusso che può transitare) c ij, costo di
DettagliINTRODUZIONE A EXCEL ESERCITAZIONE I
1 INTRODUZIONE A EXCEL ESERCITAZIONE I Corso di Idrologia e Infrastrutture Idrauliche Prof. Roberto Guercio Cos è Excel 2 Foglio di calcolo o foglio elettronico è formato da: righe e colonne visualizzate
DettagliIl modello di Black-Scholes- Merton. Giampaolo Gabbi
Il modello di Black-Scholes- Merton Giampaolo Gabbi Premessa Fra le equazioni utilizzate in finanza ne esiste una estremamente semplice. Il contributo di Black e Scholes allo sviluppo della teoria e della
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
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
DettagliLa valutazione delle polizze rivalutabili
Capitolo 7 La valutazione delle polizze rivalutabili 7.1 I fattori di rivalutazione Si consideri una polizza generica, stipulata al tempo zero da un assicurato di età x, con prestazioni vita e morte rivalutabili
DettagliRISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?
Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management
DettagliFINANZA AZIENDALE Corso di Laurea Specialistica in Ingegneria Gestionale
FINANZA AZIENDALE Corso di Laurea Specialistica in Ingegneria Gestionale 6 parte Prof. Giovanna Lo Nigro # 1 I titoli derivati # 2 Copyright 2003 - The McGraw-Hill Companies, srl Argomenti trattati Tipologie
DettagliDeterminazione dei Prezzi Forward e dei Prezzi Futures
Determinazione dei Prezzi Forward e dei Prezzi Futures Lezione 6 5.1 Beni d Investimento e Beni di Consumo I beni d investimento (ad es., oro, argento) sono beni che vengono posseduti solo per fini d investimento
DettagliEsercizio 1: trading on-line
Esercizio 1: trading on-line Si realizzi un programma Java che gestisca le operazioni base della gestione di un fondo per gli investimenti on-line Creazione del fondo (con indicazione della somma in inizialmente
DettagliAspettative, consumo e investimento
Aspettative, consumo e investimento In questa lezione: Studiamo come le aspettative di reddito e ricchezza futuro determinano le decisioni di consumo e investimento degli individui. Studiamo cosa determina
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliJacopo Ceccatelli Partner JC Associati L uso dei derivati nella gestione del Portafoglio. Milano, 12 aprile 2008
Jacopo Ceccatelli Partner JC Associati L uso dei derivati nella gestione del Portafoglio Milano, 12 aprile 2008 Operare con strumenti derivati per la copertura dei rischi di portafoglio Gli strumenti derivati
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliTassi di cambio e mercati valutari: un approccio di portafoglio
Tassi di cambio e mercati valutari: un approccio di portafoglio Tassi di cambio e transazioni internazionali La domanda di attività denominate in valuta estera L equilibrio nel mercato valutario Tassi
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliLe obbligazioni: misure di rendimento e rischio. Economia degli Intermediari Finanziari 4 maggio 2009 A.A. 2008-2009
Le obbligazioni: misure di rendimento e rischio Economia degli Intermediari Finanziari 4 maggio 009 A.A. 008-009 Agenda 1. Introduzione ai concetti di rendimento e rischio. Il rendimento delle obbligazioni
DettagliIntroduzione alle opzioni
QUIZ CAPITOLO 19 Introduzione alle opzioni 1. La Figura 19.13a rappresenta un venditore dell opzione call; la Figura 19.13b un acquirente dell opzione call. 2. a. Il prezzo di esercizio dell opzione put
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliDomande a scelta multipla 1
Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
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
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
Dettagli19-2 Argomenti trattati
Principi di finanza aziendale Capitolo 19-20 IV Edizione Richard A. Brealey Stewart C. Myers Sandro Sandri Introduzione alle opzioni e cenni al problema della valutazione 19-2 Argomenti trattati Call,
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
DettagliL opzione puo essere esercitata - alla sola data di scadenza ( opzione europea) - in qualsiasi istante entro la data di scadenza (opzione americana)
1 USO CALL PUT Opzioni (e terminologia) Le opzioni sono dei contratti in cui sono (implicitamente o esplicitamente) contenuti - il nome di chi si impegna alla vendita o acquisto ( WRITER) - il prezzo di
DettagliVI Esercitazione di Matematica Finanziaria
VI Esercitazione di Matematica Finanziaria 2 Dicembre 200 Esercizio. Verificare la proprietà di scindibilità delle leggi del prezzo { v(t, s) = exp } 2 (s2 t 2 ) e v(t, s) = e t(s t) Soluzione. Possiamo
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliPERCORSI ABILITANTI SPECIALI 2014 DIDATTICA DELL ECONOMIA DEGLI INTERMEDIARI FINANZIARI
PERCORSI ABILITANTI SPECIALI 014 DIDATTICA DELL ECONOMIA DEGLI INTERMEDIARI FINANZIARI A cura Dott.ssa Federica Miglietta ESERCITAZIONE CALCOLO FINANZIARIO: Nel caso degli investimenti si parla genericamente
DettagliI modelli della fisica e la finanza, ovvero perchè i fisici lavorano nelle banche
I modelli della fisica e la finanza, ovvero perchè i fisici lavorano nelle banche Mediobanca (Milano, 11 luglio 2003) Indice 1. Perché i fisici in finanza? 2. Il problema 3. I modelli della fisica in finanza
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Economia e Organizzazione Aziendale (7,5 CFU) Allievi Meccanici. Prof. Michele Meoli
UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di (7,5 CFU) Allievi Meccanici Prof. Michele Meoli 3.2 Il Valore Attuale Netto Analisi degli investimenti Overview tecniche di valutazione degli investimenti Tra
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliDERIVATI REGOLAMENTATI OPZIONI E FUTURES ORARIO DI NEGOZIAZIONE : 9,00 17,40
DERIVATI REGOLAMENTATI OPZIONI E FUTURES ORARIO DI NEGOZIAZIONE : 9,00 17,40 LE OPZIONI - Definizione Le opzioni sono contratti finanziari che danno al compratore il diritto, ma non il dovere, di comprare,
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
DettagliGli ambiti della finanza aziendale
LA FUNZIONE FINANZA Finanza aziendale Governo delle risorse di capitale dell azienda, attuato regolando tutti i movimenti di acquisizione e di impiego dei mezzi finanziari Gli ambiti della finanza aziendale
DettagliRegressione non lineare con un modello neurale feedforward
Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale
DettagliComputational Game Theory
Computational Game Theory Vincenzo Bonifaci 24 maggio 2012 5 Regret Minimization Consideriamo uno scenario in cui un agente deve selezionare, più volte nel tempo, una decisione tra un insieme di N disponibili:
DettagliMATEMATICA FINANZIARIA A.A. 2007 2008 Prova del 4 luglio 2008. Esercizio 1 (6 punti)
MATEMATICA FINANZIARIA A.A. 2007 2008 Prova del 4 luglio 2008 Nome Cognome Matricola Esercizio 1 (6 punti) Dato un debito di 20 000, lo si voglia rimborsare mediante il pagamento di 12 rate mensili posticipate
DettagliTEORIE DI INVESTIMENTO
TEORIE DI INVESTIMENTO di Roberto Cornetti 1 TEORIE STOCASTICHE NON FINANZIARIE ESAMINATE Hartman (1972) Abel (1983) (1984) Pindyck (1982) (1991) (1993) Questi modelli analizzano l effetto prodotto da
DettagliFABBISOGNO DI FINANZIAMENTO
FABBISOGNO DI FINANZIAMENTO Fonti interne: autofinanziamento Fonti esterne: capitale proprio e capitale di debito Capitale proprio: deriva dai conferimenti dei soci dell azienda e prende il nome, in contabilità,
DettagliModelli Binomiali per la valutazione di opzioni
Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione
Dettagli