Introduzione all Option Pricing

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione all Option Pricing"

Transcript

1 Introduzione all Option Pricing Arturo Leccadito Corso di Matematica Finanziaria 3 Anno Accademico Il Modello Binomiale Si supponga che oggi (epoca 0) sia disponibile un titolo azionario il cui prezzo corrente denotiamo con Ipotizziamo altresì che all epoca T tale prezzo azionario è rappresentato dalla variabile aleatoria S T che può assumere unicamente i valori S u e S d, diciamo con probabilità ξ u e ξ d = 1 ξ u 1 I pedici u e d stanno per up e down, e quindi si avrà per ipotesi S u > S d, L obiettivo è quello di determinare il prezzo equo in 0 di un derivato di tipo Europeo con scadenza in T, avente il titolo in questione come sottostante Denotiamo tale prezzo con f 0 Il payoff del derivato a scadenza è dato dalla variabile aleatoria f T che assume il valore f u quando S T = S u e il valore f d quando S T = S d Nel caso di opzione call con prezzo di esercizio K, si ha f T = max(s T K,0) e dunque tale variabile aleatoria assume i valori max(s u K,0) e max(s d K,0), ancora con probabilità ξ u e ξ d rispettivamente Inoltre ipotizziamo sul mercato sia disponibile un titolo non rischioso che corrisponde gli interessi secondo una legge esponenziale con intensità r Ciò significa che investendo R 0 = 1 all epoca 0, si ricevono con certezza R T = e rt unità monetarie all epoca T È inoltre possibile prendere a prestito denaro a questo stesso tasso Affinché non vi siano opportunità d arbitraggio deve essere S d e rt S u (11) La precedente relazione, riscritta come S d R T R 0 S u, implica che il tasso di rendimento del titolo non rischioso deve essere superiore al tasso di rendimento del titolo S nello stato down ma inferiore a quello del titolo S nello stato up Se per esempio risultasse e rt > S u, un arbitraggio verrebbe realizzato vendendo allo scoperto il titolo S in 0 e investendo i proventi della vendita nel titolo non rischioso Tale strategia implica un flusso di cassa nullo in 0 e un flusso di cassa di e rt S T in T Quest ultimo importo è senz altro strettamente positivo essendo e rt > S u e S u > S d In maniera del tutto analoga si dimostra che deve essere e rt S d affinché non vi siano arbitraggi 1 Come sarà evidente dall analisi successiva, queste probabilità non sono rilevanti per il pricing di derivati aventi il titolo come sottostante 1

2 11 Valutazione del Derivato L idea è quella di replicare il derivato usando gli strumenti disponibili sul mercato, in questo caso il titolo S e il titolo non rischioso In altri termini, si vuole costruire un portafoglio che abbia lo stesso payoff del derivato in tutti i possibili stati possibili (up e down, in questo caso) del sottostante Costruiamo pertanto un portafoglio che comprenda A unità del titolo S e B unità del titolo non rischioso, dove A e B sono due numeri reali da calcolare imponendo la replica del payoff del derivato a scadenza Il valore in 0 di tale portafoglio è chiaramente dato da mentre il valore in T è V 0 = A + B R 0 = A + B, V T = A S T + B R T = A S T + Be rt In questo secondo caso abbiamo a che fare con una variabile aleatoria che assume i valori AS u + Be rt e AS d + Be rt rispettivamente con probabilità ξ u e ξ d Poichè vogliamo replicare il derivato, imponiamo { ASu + Be rt = f u AS d + Be rt = f d Abbiamo dunque un sistema di due equazioni nelle due incognite A e B Risolvere per A è immediato: è sufficiente osservare che la differenza dei lati sinistri delle due equazioni deve essere uguale alla differenza dei lati destri: A(S u S d )= f u f d = A= f u f d S u S d Quest ultima quantità rappresenta il rapporto tra la differenza nel prezzo del derivato in seguito al variare di S da S d a S u e la differenza tra S u e S d, prende il nome di delta 2 Ritornando al nostro sistema, la soluzione per l altra variabile è B= e rt (f u AS u )=e rt (f d AS d ) Per questa scelta di A e B, il portafoglio risultante replica il titolo derivato È evidente, allora, che, per evitare arbitraggi non rischiosi, il valore in 0 del portafoglio appena costruito deve essere uguale al prezzo del derivato in 0: f 0 = V 0 = A + B= f u f d S u S d e rt Isolando i termini in f u e f d si ottiene ( fu f d S u S d S u f u f 0 = S d e rt S u S d f u + S ue rt S u S d f d (12) 2 Anche nei modelli a tempo continuo si trova qualcosa di analogo, = f S 2 )

3 Risulta conveniente porre π u = S d e rt S u S d e π d = S ue rt S u S d Si può interpretare π u (π d ) come il prezzo del titolo che paga 1 unità monetaria se lo stato 3 up (down) si verifica in T Questo tipo di titoli sono conosciuti col nome di Arrow Securities Si veda l Esercizio 1 Riscrivendo la (12) e usando semplici passaggi algebrici si dimostra che f 0 = π u f u + π d f d = π u S u + π d S d (13a) (13b) 1=π u e rt + π d e rt (13c) L interpretazione delle equazioni (13) è immediata Per esempio il titolo S, eq (13b), può essere visto come un portafoglio che paga S u sotto lo stato up e S d sotto lo stato down La stessa cosa vale per il derivato, eq (13a) e per il titolo non rischioso, eq (13c), che paga e rt sia che si verifichi lo stato up che quello down 12 Valutazione Risk-Neutral e Numerari È evidente che π u e π d non rappresentano delle probabilità Tuttavia la (13c) suggerisce un modo per costruire delle probabilità a partire dagli state prices Siano infatti p u = π u e rt e p d = π d e rt Risulta allora p u = e rt S d S u S d e p d = S u e rt S u S d Alla luce di (11), p u e p d = 1 p u sono delle valide probabilità essendo nell intervallo [0,1] Possiamo adesso riscrivere le equazioni (13a) (13c) in termini delle probabilità appena derivate Risulta dunque f 0 = e rt [p u f u + p d f d ] (14a) = e rt [p u S u + p d S d ] (14b) 1= p u + p d (14c) In particolare la (14b) può essere riscritta come e rt = [p u S u + p d S d ] (15) La quantità a secondo membro rappresenta il valore atteso della variabile aleatoria S T in un mondo in cui la probabilità dello stato up è p u e quella dello stato down p d La misura di probabilità corrispondente va sotto il nome di misura risk-neutral, perchè, in base a (15), sotto tale misura il titolo azionario cresce allo stesso tasso del titolo non 3 Per questo motivo π u e π d vengono di solito chiamati state prices 3

4 rischioso La (14a), infine, suggerisce che il prezzo di ogni derivato (di tipo Europeo) è dato dal valore scontato del valore atteso del derivato in un mondo risk-neutral Questo tipo di logica continua ad esser valida in modelli a tempo continuo Un altro modo di scrivere le equazioni (14) è il seguente: f 0 f u f d = p u + p d R 0 R u R d (16a) S u S d = p u + p d R 0 R u R d (16b) 1= p u + p d (16c) dove R 0 = 1 e R u = R d = R T = e rt La (16a) dice che il prezzo in 0 di un titolo dato dal rapporto tra il derivato f e il titolo privo di rischio è dato dal valore atteso in T dello stesso titolo In altri termini, ponendo X t = f t /R t per t=0,t, abbiamo X 0 = E R 0 [X T], Usiamo l apice R nel valore atteso per indicare che questo è calcolato sotto la misura risk-neutral Inoltre usiamo il pedice 0 per indicare che il valore atteso è condizionato all informazione disponibile fino all epoca 0 A questo punto è importante introdurre un nuovo concetto, quello di martingala Un processo come X sopra è detto martingala, in quanto il suo valore atteso al tempo T, data l informazione disponibile al tempo 0, è dato dal valore di X al tempo 0 Poichè il valore atteso al secondo membro rappresenta una previsione per il valore assunto da X al tempo T, possiamo dire che nel caso di martingale tale previsione fatta al tempo 0 è data dal valore di X al tempo 0, X 0 In maniera del tutto analoga è possibile dare un interpretazione della (16b) che conduce a Y 0 = E R 0 [Y T], dove Y t = S t /R t per t=0,t È possibile dare anche un altro significato alle equazioni (16) In pratica quando consideriamo le variabili X t e Y t stiamo usando il titolo privo di rischio come unità di misura Il titolo che compare al denominatore (R, in questo caso) prende il nome di numerario Si potrebbe considerare anche il titolo azionario S come numerario, considerando f /S e R/S Se consideriamo f /S è ancora più evidente il fatto che stiamo usando S come unità di misura: f /S azioni del titolo S valgono f /S S = f unità monetarie, quindi lo stesso importo monetario con cui è possibile scambiare una unità del derivato Trasformiamo dunque le equazioni (16) in modo da avere il titolo azionario come numerario: f 0 f u f d = q u + q d S u S d (17a) 1= q u + q d (17b) R 0 = q u R u S u + q d R d S d (17c) 4

5 Le probabilità q u e q d rendono i prezzi di tutti i titoli divisi per il titolo azionario martingale Nel caso del derivato f, abbiamo 4 [ ] f 0 = E S ft = f u P S [S T = S u ] S T S u } {{ } f d + q u che è semplicemente un altro modo di scrivere la (17a) È relativamente facile derivare le probabilità P S [S T = S d ] S d } {{ } q u = P S [S T = S u ] q d = P S [S T = S d ] in maniera esplicita Basta riscrivere la (16a) come e la (17a) come Di conseguenza da cui Analogamente f 0 = p u R 0 R u f u + p d R 0 R d f d f 0 = q u S u f u + q d S d f d p u R 0 R u = q u S u q u = p u R 0 R u S u q d = p d R 0 R d S d q d, Si noti che è sufficiente moltiplicare le probabilità risk-neutral per la corrispondente realizzazione di Y T /Y 0 Quest ultima prende il nome di derivata di Radon-Nikodym 13 Il Modello di Cox-Ross-Rubinstein Nel modello proposto da Cox, Ross, and Rubinstein (1979) se il titolo azionario vale S t all epoca t, la variabile aleatoria S t+ t, che indica il prezzo del titolo dopo un intervallo di tempo di ampiezza t, può assumere unicamente i valori S t u S t d con u> 1 e d= 1/u< 1 In base al ragionamento di 12 sotto la misura di probabilità risk-neutral la probabilità del salto verso l alto è p u = a d (18) u d essendo a=e r t 4 Ancora una volta l esponente indica che S è usato come numerario 5

6 Per determinare l unico parametro ancora ignoto, u essenzialmente si impone il matching dei momenti tra il processo discreto sopra (per t piccolo) e il processo comunemente usato nei modelli a tempo continuo Tale modello, sotto la misura risk-neutral ipotizza che il rendimento relativo all intervallo [t, t + t] sia approssimativamente dato per t sufficientemente piccolo da S S r t+σz t dove S = S t+ t S t e Z è una variabile aleatoria normale standard Questo vuol dire che E( S/S) = r t (19) e Var( S/S)=σ 2 t Si noti anche che ( ) St+ t Var 1 S t = Var(S t+ t) S 2 t = σ 2 t (110) Nel modello a tempo discreto il matching del momento primo è già garantito essendo (si veda anche la (14b)) ( ) St+ t E = up u + dp d = p u (u d)+ d=a d+d=a=e r t (111) S t Nel seguito considereremo sviluppi in serie di Taylor in cui si ignorano termini superiori a quelli di grado t 5 Dunque 6 a 1+ r t e la (111) conduce alla (19) Per quanto riguarda la varianza del processo discreto, Var(S t+ t )=E(S 2 t+ t ) E(S t+ t) 2 = (S 2 t u2 p u + S 2 t d2 p d ) S 2 t a2 = S 2 [ t pu (u 2 d 2 )+ d 2 a 2] = S 2 [ t (a d)(u+d)+ d 2 a 2] = S 2 [ t a(u+d) 1 a 2 ] Nel passaggio precedente si è sfruttato il fatto che ud = 1 Facciamo vedere, ora, che ponendo u= e σ t (112) riusciamo ad effettuare il matching della varianza quando t è sufficientemente piccolo La (112) può essere approssimata come u 1+σ t+ 1 2 σ2 t e in maniera analoga d 1 σ t+ 1 2 σ2 t Abbiamo dunque u+d 2+σ 2 t e Var(S t+ t ) (1+ r t)(2+σ 2 t) 1 1 2r t σ 2 t S 2 t Abbiamo così verificato che la (110) risulta soddisfatta anche per il processo discreto 5 Come si diceva in precedenza, stiamo ipotizzando t sufficientemente piccolo Pertanto, i termini di ordine superiore saranno trascurabili 6 Si ricordi che e x 1+ x+ 1 2 x2 6

7 Figura 11: Albero binomiale con n = 4 (B) u 2 (D) u 3 u 4 u 2 u u (A) (E) (C) d d (F) d 2 d 2 d 3 d 4 j= 0 j= 1 j= 2 j= 3 j= 4 14 Alberi Binomiali Si supponga di dover determinare in 0 il prezzo di un derivato con scadenza T, avente come sottostante un titolo azionario che all epoca 0 vale Ipotizziamo, inoltre, che il sottostante non paga dividendi 7 Si potrebbe pensare di dividere [0,T] in n intervalli di ampiezza t = T/n Ipotizziamo altresì che se il titolo vale S j t all epoca j t con j= 0,1,,n 1, all epoca successiva questo varrà S j t u con probabilità p u, data da (18), oppure S j t d con probabilità 1 p u, si veda Figura 11 Quindi P(S ( j+1) t /S j t = u)= p u = 1 P(S ( j+1) t /S j t = d) j= 0,1,,n 1 È importante notare che ciò implica che la probabilità del salto verso l alto si mantiene costante non dipendendo dall indice j Per esempio, supponiamo che j= 2 e che ci troviamo nel nodo B, dove il titolo vale u 2 Da qui S può saltare verso l alto raggiungendo il nodo D (dove il valore assunto dal titolo diventa u 2 u= u 3 ) o verso il basso raggiungendo il nodo E (dove il valore assunto dal titolo diventa u 2 d= u) Se invece partiamo dal nodo C, possiamo raggiungere il nodo E con un salto verso l alto o il nodo F con un salto verso il basso L albero ottenuto è detto ricombinante, in quanto, ad esempio, lo stesso nodo E viene raggiunto saltando verso il basso da B o verso l alto da C È inoltre evidente (si guardi ancora Figura 11) che S j t / = u X j d j X j, con X j Bin( j, p u ) 7 Per il caso di un titolo che paghi dividendi si può consultare Hull (2009) 7

8 e pertanto per k= 0,1,, j P(k salti verso l alto dopo j passi)=p(s j t / = u k d j k ) ( ) j = P(S j t / = u 2k j )= p k u k (1 p u) j k (113) Per valutare qualsiasi derivato avente S come sottostante, si parte dall ultimo passo dell albero ( j = n) Chiaramente il valore del derivato a scadenza è noto Nel caso di una opzione call C T = max(s T K,0) e dunque sull ultimo strato dell albero si ottengono i valori max( u k d n k K,0) per k=0,,n Per esempio in Figura 11, il valore della call nel nodo sul bordo superiore dell albero (quando S T = u 4 ) è dato da max( u 4 K,0) e sul nodo immediatamente al di sotto da max( u 2 K,0) In maniera analoga si procede per gli altri nodi quando j=n Come passo successivo, si valuta il derivato in tutti nodi dello strato j=n 1, ciò ci si muove indietro nell albero Per fare ciò si usano formule del tipo (14a) Essendo l ampiezza del passo t, se si vuole valutare una call option nel nodo D, la formula da utilizzare è Nel nodo E si avrebbe invece C D = e r t [p u max( u 4 K,0)+(1 p u )max( u 2 K,0)] C E = e r t [p u max( u 2 K,0)+(1 p u )max( K,0)] Una volta completati tutti i nodi al livello j=n 1, ci si muove di un altro livello indietro nell albero Per esempio nel nodo B si avrebbe C B = e r t [p u C D +(1 p u )C E ] Questa procedura viene ripetuta fino a quando non si raggiunge lo strato iniziale ( j= 0) L unico valore ottenuto rappresenta una stima del prezzo dell opzione in 0 In alternativa si può usare una formula basata sulla (113) Per opzioni Europee call e put, risulta ( ) c= e rt n n p k u k=0 k (1 p u) n k max( e (2k n)σ t K,0) (114a) ( ) p= e rt n n p k u k (1 p u) n k max(k e (2k n)σ t,0) (114b) k=0 Esempio 11 Si supponga di voler prezzare una opzione call e una put Europee entrambe con vita a scadenza 6 mesi Le opzioni sono scritte su un titolo azionario il cui valore in 0 è 100 ed hanno prezzo di esercizio pari a 90 Il titolo ha volatilità pari a 10% per anno Il tasso risk-free è r= 5% L albero per le due opzioni per n=4 è riportato in Figura 12, mentre in Tabella 11 vengono riportati prezzi per diversi valori di n calcolati usando le (114) Si può dimostrare che al tendere di n all infinito, i prezzi ottenuti mediante le equazioni (114) convergono a quelli ottenuti mediante le formule di Black and Scholes Per esempio, si può vedere che il prezzo di una call (cfr eq (211)) è c BS = Φ(d 1 ) Ke rt Φ(d 2 ), (115) 8

9 Figura 12: Valatazione di call e put Europee I parametri sono = 100, K = 90, σ=01, r= 005 e T = 05 In ogni cella il prezzo della call è seguito da quello della put ; ; ; ; ; ; ; ; ;0 10; ; ; ; ; ;31877 Tabella 11: Prezzi di opzion call e put Europee per diversi valori di n I parametri sono = 100, K = 90, σ=01, r= 005 e T = 05 n Call Put

10 dove d 1 = log K + ( r+ σ2 2 σ T d 2 = d 1 σ T ) T e Φ(z) rappresenta la funzione di ripartizione di una normale standard, cioè Φ(z)=P(Z z), con Z N (0,1) Il prezzo che si ottiene con la formula per la call è c BS = Per la put (vedere Esercizio 3), si ottiene invece p BS = Esercizi Esercizio 1 Si dimostri che nel modello binomiale uniperiodale il prezzo di un titolo che paga 1e in T se S T = S u e zero altrimenti è π u = S d e rt S u S e (Suggerimento: replicare il d titolo usando un portafoglio costituito da S e dal titolo non rischioso) Esercizio 2 Oggi il prezzo di un titolo azionario è = 100 Tra 6 mesi il titolo può valere S d = 90 con probabilità 04 oppure S u = 110 con probabilità 06 Sul mercato è disponibile un altro titolo che paga un tasso di interesse del 5% per anno in regime esponenziale Determinare il prezzo oggi di un titolo derivato che scade tra 6 mesi e il cui payoff a scadenza è f T = max(s 2 T 1002,0) usando sia il titolo non rischioso che il titolo azionario come numerario Esercizio 3 Sapendo che il prezzo di una call europea è dato dalla (115), si ricavi il prezzo della put europea scritta sullo stesso sottostante S, con lo stesso strike K e stessa scadenza T 2 Il Modello di Black and Scholes L ipotesi fondamentale del modello di Black and Scholes è che la variazione del prezzo del titolo sottostante nell intervallo [t, t+ t] è data da S(t) = µs(t) t + σs(t) tb(t) (21) dove B(t) è la variazione di un Moto Browniano nello stesso intervallo Per il momento conviene guardare a B(t) come ad una variabile aleatoria normalmente distribuita con media 0 e varianza t Il coefficiente di t nel membro sinistro, prende il nome di tasso di drift, mentre quello davanti a B(t) si chiama tasso di volatilità Dividendo entrambi i membri della (21) per S(t) vediamo che il tasso di rendimento relativo al periodo [t, t+ t] è dato da µ t più il termine che comprende il moto Browniano, che va a perturbare il rendimento µ t: S(t) S(t) = µ t+σ tb(t) 10

11 S(t) t (Giorni) Figura 21: Due possibili cammini per S(t) (linee blu) La curva rossa tratteggiata rappresenta la funzione S(t)= S(0)e µt I parametri sono µ=10%, σ=5% entrambi su base annua e S(0)=100 Quando facciamo il limite per t 0, la convenzione è quella di sostituire il simbolo t con dt: ds(t) = µs(t)dt + σs(t)db(t) (22) La (22) prende il nome di equazione differenziale stocastica L aggettivo stococastica si spiega con la presenza di B(t) nel membro sinistro Se questo non fosse presente (si veda la discussione più avanti) la (22) sarebbe una normale equazione differenziale Essenzialmente, B(t) è la componente che incorpora tutta l incertezza Se non vi fosse questa fonte di aleatorietà (o, la volatilità è nulla, se si preferisce), il processo per S sarebbe ds(t) S(t) = µdt Integrando ambo i membri troviamo immediatamente e quindi T 0 ds(t) S(t) = T 0 dlog(s(t))=log(s(t)) log(s(0))=log S(T) S(0) = µt S(T)= S(0)e µt Quindi, se non vi fosse alcuna componente aleatoria, il titolo azionario crescerebbe al tasso µ In pratica, aggiungendo al rendimento istantaneo (ds)/s la componente di moto Browniano, si aggiunge rumore all andamento di tipo esponenziale della precedente equazione (si veda Figura 21) 11

12 21 Moto Browniano Per cominciare, definiamo processo stocastico la sequenza di variabili aleatorie 8 X t, t R + L indice t ha l evidente interpretazione del tempo Quindi un processo stocastico è un modello matematico per fenomeni che evolvono nel tempo Un esempio cui siamo interessati è quello di Moto Browniano Le proprietà del moto Browniano sono di seguito riportate Il processo B(t), t 1 è un moto Browniano se e solo se (1) B(t) è continua (come funzione di t) e B(0)=0 quasi certamente; (2) B(t) ha distribuzione normale con media 0 e varianza t per ogni t; (3) Per ogni t ed s, la variabile aleatoria B(t+s) B(s) ha distribuzione normale con media 0 e varianza t ed è indipendente dalla storia del processo fino all epoca s È importante soffermarsi sul fatto che non solo tutte le distribuzioni marginali (cioè la distribuzione di B(t) per t fissato) sono normali N(0, t), ma anche le distribuzioni marginali condizionate degli incrementi lo sono Questo vuol dire che che i movimenti futuri dall istante s sono indipendenti dalla storia precedente del processo, cioè dalla maniera in cui B è arrivato a valere B(s) all epoca s Questo significa altresì che, in termini di media e varianza condizionata all informazione disponibile in s E s (B(t+ s) B(s))=0 Var s (B(t+ s) B(s))=(t+ s s)= t Le proprietà presentate sopra sono le condizioni necessarie e sufficienti affinchè B(t) sia moto Browniano Esistono infatti processi che hanno distribuzioni marginali N(0, t), ma che non sono moti Browniani (si veda l Esercizio 4) Una conseguenza di grande importanza della proprietà (3) che sfrutteremo nel seguito è che B(t) è una martingala Ricordiamo che se B(t) è una martingala, allora il valore atteso di B(t) condizionato all informazione disponibile al tempo s è uguale al valore del processo in s, per ogni s < t: E s [B(t)]=B(s) Se si guarda a E s [B(t)] come ad una previsione riguardo il valore di B per l epoca t, fatta all epoca s, allora la nostra previsione per il tempo t sarà uguale al valore del processo in s, B(s) Per dimostare che la proprietà di martingala è soddisfatta, basta osservare che E s [B(t)]=E s [B(t) B(s)+B(s)] = E s [B(t) B(s)]+B(s) essendo B(s) noto all epoca s = 0+B(s)=B(s) per la proprietà (3) 8 D ora in avanti useremo indiferrentemente la notazione X t o X(t) per lo stesso processo stocastico 12

13 Possiamo a questo punto spingerci oltre e far vedere che se un processo stocastico è del tipo dx(u)=δdb(u) per qualche costante δ, allora è una martingala Infatti, integrando tra t e s ambo i membri della precedente equazione troviamo immediatamente e dunque E s [X(t)]=E s [X(s)+δB(t) δb(s)] X(t)= X(s)+δ[B(t) B(s)] = X(s)+δE s [B(t)] δb(s) essendo X(s) e B(s) noti all epoca s = X(s)+δB(s) δb(s)= X(s) essendo B martingala In realtà si può dimostare (Esercizio 6) che anche nel caso dx(u)=δ(u)db(u) con δ( ) una funzione deterministica, X è martingala Per finire enunciamo il risultato, che deriva da quanto appena mostrato: Il Moto Browniano Geometrico privo di drift (µ=0) è martingala 22 Il Lemma di Ito Abbiamo visto che gli incrementi di un moto Browniano B t sono indipendenti e normalmente distribuiti, cioè se definiamo B t = B t+ t B t E( B t )=0 Var( B t )=E [ ( B t ) 2] = t Supponiamo di voler calcolare media e varianza di B 2 t Sappiamo già che la media è t Ricordando che se Z N(0,1), E(Z 4 )=3, per la varianza troviamo Var [ ( B t ) 2] = E [ ( B t ) 4] E [ ( B t ) 2] 2 = 3( t) 2 ( t) 2 = 2( t) 2 Consideriamo a questo punto il limite per t 0 Come abbiamo già detto, in questo caso sostituiamo t con dt, ma, cosa più importante, tutte le potenze di t di ordine superiore al secondo vengono ignorate (se t è sufficientemente piccolo, ( t) 2,( t) 3,, sono ancora più piccole e possono quindi essere ignorate) Ritornando dunque al risultato precedente, quando t 0 la variabile aleatoria B 2 t diventa degenere in quanto la varianza è dell ordine ( t) 2 ed è quindi trascurabile La variabile aleatoria B 2 t diventa uguale alla sua media t dt con probabilità 1 Abbiamo così determinato le seguenti regole: (db) 2 = dt (dt) 2 = (db) 3 = (db) 4 = =0 13

14 In maniera analoga si può far vedere che (dt)(db)=0 e che se abbiamo due moti Browniani correlati (db)(d B)=ρdt, esendo ρ il coefficiente di correlazione Per completezza, ricaviamo lo stesso risultato in maniera diversa Approssimiamo l integrale t 0 (db u) 2 considerando la partizione {0, t/n,2t/n,, t} di [0, t]: t ( ( ) ( )) n ti t(i 1) 2 n (db u ) 2 = B B = W 2 i 0 i=1 n n i=1 dove W i = B ( ) ( ) ti n B t(i 1) n Per le proprietà del moto Browniano, le W i sono indipendenti con media nulla e varianza ti n t(i 1) n t 0 (db u ) 2 = = t n Usando la legge debole dei grandi numeri: n W 2 i i=1 P n n E(W 2 i )= t n = t Passando alla forma differenziale, (db t ) 2 = dt Gli importanti risultati derivati fin qui ci permettono di dimostrare il Lemma di Ito Supponiamo di partire con un processo stocastico X t che soddisfa una generalizzazione della (22): dx = µ X dt+σ X db, dove µ X e σ X possono essere funzioni di X e del tempo X in questo caso segue un processo di Ito Vogliamo determinare il processo stocastico seguito da Y t = f (t, X t ), dove f è una funzione deterministica del tempo e di X Teorema 21 (Formula di Ito) Sia X un processi di Ito che soddisfa dx = µ X dt+σ X db e f = f (t, x) una funzione differenziabile del tempo, e di X Allora f è descritta dal processo i=1 df = f f dt+ t X dx i=1 2 f X 2 (dx)2 Dimostrazione La formula segue dalla formula di Taylor e dalle regole (dt) 2 = (dt)(db)=0 La formula può essere facilmente estesa al caso in cui sono presenti due processi di Ito Teorema 22 Siano X e Y processi di Ito e g= g(t, x, y) una funzione differenziabile del tempo, di X e di Y Allora g è descritta dal processo dg= g g g dt+ dx + t X Y dy g X 2 (dx) g 2 Y 2 (dy )2 + 2 g (dx)(dy ) X Y 14

15 Dimostrazione La formula segue dalla formula di Taylor per funzioni di più variabili e dalle regole (dt) 2 = (dt)(db)=0 Corollario 23 Il processo per Z = Y /X è Dimostrazione Risulta dz Z = dy Y dx ( )( ) ( ) dy dx dx 2 X + (23) Y X X e Pertanto 2 g g t = 0 X 2 = 2 Y X 3 g X = Y X 2 2 g X Y = 1 X 2 g Y = 1 X 2 g Y 2 = 0 dz= Y X 2 dx + 1 X dy + Y X 3 (dx)2 1 X 2 (dx)(dy ) = Z dy Y Z dx ( )( ) ( ) dy dx dx 2 X Z + Z Y X X avendo usato 1/X = Z/Y Dall ultima equazione segue immediatamente la (23) 23 Moto Browniano Geometrico Una delle ipotesi del modello di Black-Scholes è che il titolo azionario che funge da sottostante per l opzione che si vuole valutare, segue un moto browniano geometrico: ds= µsdt+σsdb, (24) dove µ è il tasso di rendimento atteso, σ la volatilità e db rappresenta la variazione del moto Browniano nell intervallo (t, t+dt) È possibile trovare la soluzione della precedente equazione differenziale stocastica, cioè la variabile aleatoria S(t) che soddisfi la (24) usando il lemma di Ito Partiamo col determinare il processo per L= logs Essendo L t = 0 L S = 1 S L 2 S = 1 S 2 abbiamo dl= L L dt+ t S ds+ 1 2 L 2 2 S (ds)2 = 1 S ds 1 2S 2 (ds)2 15

16 Poichè (ds) 2 = σ 2 S 2 dt Integrando tra 0 e t il lato sinistro di (25) troviamo t Per quanto riguarda il lato destro Dunque e quindi t 0 0 dlogs= (µ σ 2 /2)dt+σdB (25) dlogs(u)=logs(t) logs(0)=log S(t) S(0) [ (µ σ 2 /2)du+ σdb(u) ] = (µ σ 2 /2)t+σ(B(t) B(0))=(µ σ 2 /2)t+σB(t) log S(t) S(0) = (µ σ2 /2)t+σB(t) S(t)= S(0)e (µ σ2 /2)t+σB(t) (26) La variabile aleatoria Y = S(t)/S(0) ha dunque distribuzione log-normale, essendo esprimibile come Y = e X, dove X ha distribuzione normale con media (µ σ 2 /2)t e varianza σ 2 t Si può dimostrare (Esercizio 7) che S t ha valore atteso pari a e µt, che conferma l interpretazione di µ come tasso di rendimento atteso del titolo azionario S Il seguente risultato riguardante la distribuzione log-normale torna utile nel seguito Proposizione 24 (Funzione di Sopravvivenza di una va log-normale) Sia Y una va con distribuzione log-normale, Y = e X, dove X ha distribuzione normale con media a e varianza b 2 Allora ( ) a log y P(Y > y)=φ, (27) b dove Φ( ) rappresenta la funzione di ripartizione di una normale standard Dimostrazione P(Y > y)=p(e X > y)=p(x > log y) ( ) ( ) ( ) X a log y a log y a a log y = P > = 1 Φ = Φ b b b b avendo sfruttato nell ultimo passaggio la simmetria della funzione di densità normale, che implica Φ(x)=1 Φ(x) per ogni x reale 24 Valutazione di Opzioni Europee Per ricavare la formula di Black-Scholes l approccio che seguiamo si basa sui concetti di martingala e di numerario Per cominciare abbiamo bisogno del risultato della

17 241 Misura Martingala Equivalente Si supponga che sul mercato sono presenti n titoli, ciascuno con equazione differenziale stocastica sotto la misura di probabilità fisica: dθ i θ i = µ i dt+σ i db i, i= 1,,n (28) Inoltre è disponibile un altro titolo che non paga dividendi e che useremo come numerario, la cui evoluzione è descritta da dx X = µ Xdt+σ X db X Si ipotizzi che la correlazione tra il titolo i e il numerario è ρ ix, cioè db i db X = ρ ix dt, i= 1,,n Definizione 25 L eccesso di rendimento sul tasso risk-free per unità di volatilità viene detto prezzo di mercato del rischio: λ i = µ i r σ i Proposizione 26 Se il prezzo di mercato del rischio del titolo θ i è uguale al prodotto tra la volatilità del numerario e la correlazione tra il numerario e il titolo stesso, cioè se e la (29) vale anche per X, allora Z= θ i /X è una martingala λ i = σ X ρ ix, (29) Dimostrazione Usando il Corollario 23, il processo seguito da Z= θ i /X soddisfa Osserviamo che la (29) implica dz Z = dθ i θ i dx X ( dθi θ i )( dx X ) ( ) dx 2 + X = (µ i µ X σ i σ X ρ ix + σ 2 X )dt+(σ idb i σ X db X ) µ i = r+ σ i σ X ρ ix µ X = r+ σ 2 X Questo implica che il drift di Z è nullo e quindi Z è una martingala Cerchiamo di spiegare meglio questo risultato Siamo partiti dall equazione differenziale stocastica (28) per il titolo θ i sotto la misura di probabilità fisica 9 Esattamente come nel caso del modello binomiale uniperiodale, vogliamo spostarci dal mondo reale in un mondo in cui il titolo diviso per il numerario X diventa una martingala Stiamo facendo 9 Questa è detta anche misura real-world 17

18 quindi un cambio di misura, passando dalla misura fisica nel mondo reale in cui la fonte di rischio per θ i è rappresentata dal moto Browniano B i, in un altro mondo in cui vale un altra misura di probabilità che rende la fonte di rischio B X i La relazione tra i due moti Browniani è data da db X i = db i + ( ( ) ) µi r σ i σ X ρ ix λ i σ X ρ ix dt=dbi + dt in modo che quando X è scelto come numerario, il processo per θ i è dato da dθ i θ i = (r+ σ i σ X ρ ix )dt+σ i db X i (210) È importante osservare che questo cambio di misura va ad incidere solo sul drift e non sulla volatilità σ i 242 La Formula di Black-Scholes per Call Europee Possiamo ora ricavare facilmente la formula di Black-Scholes per opzioni call di tipo europeo, usando i risultati illustrati finora Vogliamo valutare all epoca 0 un opzione con prezzo di esercizio K e scadenza T Ipotizziamo che il titolo non paga dividendi e che il tasso risk-free è r Il processo per il sottostante S è descritto dalla (24) Il payoff a scadenza della call C(T)=max(S(T) K,0) può essere scritto in maniera per noi più conveniente usando la funzione indicatrice 10 : dove C(T)=(S(T) K)I (K, ) (S(T))= A(T) B(T), A(T)= S(T)I (K, ) (S(T)) B(T)= K I (K, ) (S(T)) Abbiamo scomposto il payoff dell opzione in un portafoglio che prevede una posizione lunga in una opzione asset-or-nothing (che paga a scadenza il valore del sottostante se questo è più grande di K, 0 altrimenti) e una posizione corta in K opzioni cash-ornothing (ognuna delle quali paga una unità monetaria se il sottostante vale più di K, 0 altrimenti) Valutiamo dunque le due opzioni separatamente, partendo dal derivato con payoff B(T) In questo caso conviene usare il titolo risk-free come numerario (valutazione risk-neutral) Poichè la volatilità di quest ultimo è nulla, sotto la misura risk-neutral che rende ogni titolo diviso per il risk-free martingala, il processo per S diventa (si vedano la Proposizione 26 e la (210)) ds S = rdt+σdbr Inoltre sappiamo che la soluzione di questa equazione differenziale stocastica è data da (si veda la (26)): S(T)= S(0)e (r σ2 /2)T+σB R (T) 10 Per A R, I A (x) vale 1 se x A, 0 altrimenti 18

19 Usando la proprietà di martingala [ ] B(0) B(T) R(0) = ER = Ke rt E R [ I (K, ) (S(T)) ] = Ke rt P R [S(T)> K] R(T) Possiamo ora usare il risultato di Proposizione 24 con Y = S(T) S(0), y= K S(0), a=(r σ2 /2)T e b= σ T: ( essendo B(0) R(0) = B(0)= Ke rt Φ d 2 = r σ2 2 log S(0) K + ( ) T log K σ T σ T r σ2 2 S(0) ) T = Ke rt Φ(d 2 ) Passiamo ora alla valutazione dell opzione asset-or-nothing In questo caso conviene usare il titolo stesso come numerario Di conseguenza il processo per S diventa (si vedano ancora la Proposizione 26 e la (210)) che ha come soluzione ds S = (r+ σ2 )dt+σdb S S(T)= S(0)e (r+σ2 /2)T+σB S (T) Usando la proprietà di martingala [ ] A(0) A(T) S(0) = ES = E S [ I (K, ) (S(T)) ] = P S [S(T)> K] S(T) Usando ancora una volta la (27) con Y = S(T) S(0), y= K S(0), a=(r+σ2 /2)T e b= σ T, troviamo essendo ( P S [S(T)> K]=Φ In definitiva il prezzo della call è d 1 = r+ σ2 2 log S(0) K + ( ) T log K σ T σ T r+ σ2 2 S(0) ) T =Φ(d 1 ) C(0)= A(0) B(0)= S(0)Φ(d 1 ) Ke rt Φ(d 2 ) (211) 25 Esercizi Esercizio 4 Se Z ha distribuzione normale standard, allora il processo X t = tz è continuo ed ha distribuzione marginale normale con media zero e varianza t Dire se X t è moto Browniano 19

20 Esercizio 5 Siano B t e B t due moti Browniani indipendenti e ρ una costante tra -1 e 1 Dire se X t = ρb t + 1 ρ 2 B t è moto Browniano Esercizio 6 Si dimostri che il processo X descritto da dx(u)=δ(u)db(u) essendo δ( ) una funzione deterministica e B( ) moto Browniano, è una martingala (Suggerimento: si approssimi l integrale t 0 δ(u)db(u) come ( n i=1 B ( ) ( )) ( ) ti n B t(i 1) n δ t(i 1) n, dove {0, t/n,2t/n,, t} è una partizione di [0, t]) Esercizio 7 Sia S t la va soluzione dell equazione differenziale stocastica (24) Si dimostri che E(S t )= e µt e ] Var(S t )= S0 2 e2µt[ e σ2t 1 (Suggerimento: se Z ha distribuzione normale standard, allora la funzione generatrice dei momenti m Z (t)=e(e tz ) è data da m Z (t)=e t2 /2 ) Esercizio 8 (Formula di Margrabe) Si vuole prezzare un derivato di tipo europeo con payoff a scadenza T f (T)=max(S 1 (T) S 2 (T),0) dove S 1 e S 2 sono i prezzi di due titoli azionari che non pagano dividendi Il possessore del derivato ha diritto a ricevere all epoca T la differenza tra il prezzo del primo titolo e del secondo solo se il primo vale più del secondo In caso contrario il possessore non riceve nulla Si ipotizzi che entrambi i titoli sono descritti da un moto Browniano Geometrico: ds i (t)=µ i S i (t)dt+σ i S i (t)db i (t), i= 1,2 dove B 1 (t) e B 2 (t) sono due moti Browniani con correlazione (a) Si scelga inizialmente S 1 come numerario e si dimostri che la variabile aleatoria data dal rapporto dei prezzi a scadenza è S 1 (T) S 2 (T) = S 1(0) S 2 (0) ex, dove X ha distribuzione normale con media σ2 2 T e varianza σ2 T, dove σ 2 = σ σ2 2 2 σ 1 σ 2 Si mostri che quando invece S 2 viene scelto come numerario S 1 (T) S 2 (T) = S 1(0) S 2 (0) ex, dove X ha distribuzione normale con media σ2 2 T e varianza σ2 T (b) Scomporre il payoff a scadenza nella differenza tra un primo derivato A che paga il primo titolo se questo vale più del secondo e un secondo derivato B che paga il secondo titolo sempre se il primo vale più del secondo (c) Prezzare i due derivati e quindi l opzione di Margrabe (Suggerimento usare S 1 come numerario per A e S 2 come numerario per B) 20

21 Riferimenti bibliografici Cox, J C, S A Ross, and M Rubinstein (1979) Option pricing: A simplified approach Journal of Financial Economics 7, Hull, J C (2009) Opzioni, futures e altri derivati (Settima ed) Pearson 21

23 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 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

Dettagli

Il modello binomiale ad un periodo

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)

Dettagli

ESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012

ESERCITAZIONE 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

Dettagli

Il calore nella Finanza

Il calore nella Finanza Il calore nella Finanza Franco Moriconi Università di Perugia Facoltà di Economia Perugia, 12 Novembre 2008 Quotazioni FIAT Serie giornaliera dal 6/11/2007 al 6/11/2008 F. Moriconi, Il calore nella Finanza

Dettagli

Valore equo di un derivato. Contingent claim

Valore 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

Dettagli

Introduzione alberi binomiali

Introduzione 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

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli 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

La diffusione e il moto Browniano

La diffusione e il moto Browniano La diffusione e il moto Browniano 0. La diffusione La prima legge di Fick afferma che: ϕ = DA dx (0..) dove D è il coefficiente di diffusione con [D] = m2 s, ϕ è la corrente di massa con [ϕ] = N s dove

Dettagli

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Capitolo 4 Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Quanto è ragionevole pagare per entrare in un contratto d opzione? Per affrontare questo problema

Dettagli

Volatilità 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. 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

Dettagli

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6 EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)

Dettagli

Esperienza MBG Il moto browniano geometrico. Proprietà teoriche e simulazione Monte Carlo

Esperienza 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

Dettagli

Metodi Stocastici per la Finanza

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

Dettagli

Ambiente di riferimento

Ambiente di riferimento Ambiente di riferimento Cosideriamo un mercato finanziario di una sola azione (investimento a rischio), un titolo obbligazionario (investimento senza rischio) e un contingent claim. La dinamica dei prezzi

Dettagli

Finanza matematica - Lezione 01

Finanza 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

Dettagli

Note sulle Opzioni Americane

Note sulle Opzioni Americane Note sulle Opzioni Americane Wolfgang J. Runggaldier Universitá di Padova June 16, 2007 Si fornisce qui una traccia sull argomento delle opzioni americane a tempo discreto (dette anche Bermudean options)

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

FINANZA AZIENDALE Corso di Laurea Specialistica in Ingegneria Gestionale

FINANZA 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

Dettagli

Scheda n.5: variabili aleatorie e valori medi

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

Dettagli

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Attilio Piana, Andrea Ziggioto 1 egime variabile in un circuito elettrico. Circuito C. 1.1 Carica del condensatore

Dettagli

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1

Matematica finanziaria: svolgimento della prova di esame del 4 settembre 2007 1 Matematica finanziaria: svolgimento della prova di esame del 4 settembre. Calcolare il montante che si ottiene dopo anni con un investimento di e in regime nominale al tasso annuale del % pagabile due

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

Esercitazione 5 Soluzioni

Esercitazione 5 Soluzioni Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio

Dettagli

Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione

Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione Opzioni su titoli che pagano dividendi: proprietà e tecniche di valutazione Martina Nardon Paolo Pianca ipartimento di Matematica Applicata Università Ca Foscari Venezia

Dettagli

Modelli probabilistici per la finanza

Modelli probabilistici per la finanza Capitolo 5 Modelli probabilistici per la finanza 51 Introduzione In questo capitolo introdurremo un modello probabilistico utile per lo studio di alcuni problemi di finanza matematica, a cui abbiamo già

Dettagli

Modelli finanziari per i tassi di interesse

Modelli finanziari per i tassi di interesse MEBS Lecture 3 Modelli finanziari per i tassi di interesse MEBS, lezioni Roberto Renò Università di Siena 3.1 Modelli per la struttura La ricerca di un modello finanziario che descriva l evoluzione della

Dettagli

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu

Mattia Zanella mattia.zanella@unife.it www.mattiazanella.eu mattia.zanella@unife.it www.mattiazanella.eu Department of Mathematics and Computer Science, University of Ferrara, Italy Ferrara, 1 Maggio 216 Programma della lezione Seminario II Equazioni differenziali

Dettagli

Il Processo Stocastico Martingala e sue Applicazioni in Finanza

Il Processo Stocastico Martingala e sue Applicazioni in Finanza Il Processo Stocastico Martingala e sue Applicazioni in Finanza Rosa Maria Mininni a.a. 2014-2015 1 Introduzione Scopo principale della presente dispensa é quello di illustrare i concetti matematici fondamentali

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Serie numeriche. 1 Definizioni e proprietà elementari

Serie numeriche. 1 Definizioni e proprietà elementari Serie numeriche Definizioni e proprietà elementari Sia { } una successione, definita per ogni numero naturale n n. Per ogni n n, consideriamo la somma s n degli elementi della successione di posto d s

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

2. Leggi finanziarie di capitalizzazione

2. Leggi finanziarie di capitalizzazione 2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M

Dettagli

Metodi Monte Carlo in Finanza

Metodi Monte Carlo in Finanza Metodi Monte Carlo in Finanza Lucia Caramellino Indice 1 Metodi Monte Carlo: generalità Simulazione di un moto Browniano e di un moto Browniano geometrico 3 3 Metodi numerici Monte Carlo per la finanza

Dettagli

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1. EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema

Dettagli

studi e analisi finanziarie LA PUT-CALL PARITY

studi 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,

Dettagli

Come visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)

Come visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1) Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre

Dettagli

Opzioni americane. Opzioni americane

Opzioni 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

Dettagli

ScienzaOrienta NUMERI E DOLLARI: PROBABILITÀ E FINANZA

ScienzaOrienta NUMERI E DOLLARI: PROBABILITÀ E FINANZA ScienzaOrienta 13 Febbraio 2014 Università Tor Vergata-Roma NUMERI E DOLLARI: PROBABILITÀ E FINANZA Lucia Caramellino Dipartimento di Matematica Università di Roma - Tor Vergata caramell@mat.uniroma2.it

Dettagli

OPZIONI SU TITOLI CON DIVIDENDI

OPZIONI SU TITOLI CON DIVIDENDI OPZIONI SU IOLI CON DIVIDENDI 1 Proprietà fondamentali Si consideri un opzione call europea c, emessa su un titolo azionario S,con prezzo d esercizio X e con scadenza all epoca ; sia, inoltre, r il tasso

Dettagli

Opzioni americane. Capitolo 5. 5.1 Il modello

Opzioni americane. Capitolo 5. 5.1 Il modello Capitolo 5 Opzioni americane 5. Il modello Consideriamo un modello di mercato finanziario così come descritto nel Paragrafo 4.2. Il mercato è quindi formato da d+ titoli di prezzi S 0 n, S n,..., S d n,

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

5. La teoria astratta della misura.

5. La teoria astratta della misura. 5. La teoria astratta della misura. 5.1. σ-algebre. 5.1.1. σ-algebre e loro proprietà. Sia Ω un insieme non vuoto. Indichiamo con P(Ω la famiglia di tutti i sottoinsiemi di Ω. Inoltre, per ogni insieme

Dettagli

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

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

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Appunti di Finanza quantitativa

Appunti di Finanza quantitativa Antonio Mannolini Roberto Renò Appunti di Finanza quantitativa ARACNE Copyright MMVIII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133 A/B 00173 Roma (06)

Dettagli

APPUNTI SUI METODI PERT-C.P.M.

APPUNTI SUI METODI PERT-C.P.M. APPUNTI SUI METODI PERT-C.P.M. (corso di ricerca operativa) A cura di: Antonio Scalera 1 PERT/C.P.M. I metodi Pert e C.P.M. studiano lo sviluppo di un progetto attraverso la programmazione delle attività

Dettagli

Scelte in condizioni di rischio e incertezza

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

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

LA DURATION E LA GESTIONE DEL PORTAFOGLIO OBBLIGAZIONARIO

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

Dettagli

Fondamenti e didattica di Matematica Finanziaria

Fondamenti 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

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di

Esercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva

Dettagli

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica 1 Massimi e minimi delle funzioni di più variabili Indice 1 Massimi e minimi liberi 1 Massimi e minimi vincolati 7 3 Soluzioni degli esercizi

Dettagli

ALCUNI ESEMPI DI PROVE SCRITTE

ALCUNI ESEMPI DI PROVE SCRITTE ALCUNI ESEMPI DI PROVE SCRITTE Nota: questo file raccoglie alcuni esempi di prove scritte assegnate negli ultimi anni per gli esami di Matematica Finanziaria IIB e. I testi vanno presi come indicativi,

Dettagli

09 - Funzioni reali di due variabili reali

09 - Funzioni reali di due variabili reali Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 09 - Funzioni reali di due variabili reali Anno Accademico 2013/2014

Dettagli

Matematica Finanziaria Soluzione della prova scritta del 15/05/09

Matematica 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 +

Dettagli

Introduzione alle opzioni

Introduzione 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

Dettagli

Basi di matematica per il corso di micro

Basi 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

Dettagli

Elementi di teoria delle opzioni e dei contratti derivati

Elementi di teoria delle opzioni e dei contratti derivati Elementi di teoria delle opzioni e dei contratti derivati Claudio Pacati Università degli Studi di Siena Dipartimento di Economia Politica Dispensa del corso di Matematica Finanziaria, a.a. 2000 01 Le

Dettagli

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

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

Dettagli

Studio di funzioni ( )

Studio di funzioni ( ) Studio di funzioni Effettuare uno studio qualitativo e tracciare un grafico approssimativo delle seguenti funzioni. Si studi in particolare anche la concavità delle funzioni e si indichino esplicitamente

Dettagli

Il piano d ammortamento (francese) prevede un totale di 20 rate semestrali pari a: D 300.000 a 14, 2888 Il debito residuo dopo 10 semestri sarà:

Il piano d ammortamento (francese) prevede un totale di 20 rate semestrali pari a: D 300.000 a 14, 2888 Il debito residuo dopo 10 semestri sarà: Gli esercizi sono suddivisi per argomenti. A) Piani d ammortamento. ) I esonero 003. Un individuo si accorda per restituire un importo di 300 mila euro mediante il versamento di rate costanti semestrali

Dettagli

Elementi di Risk Management Quantitativo

Elementi di Risk Management Quantitativo Elementi di Risk Management Quantitativo (marco.bee@economia.unitn.it) Marzo 2007 Indice 1 Introduzione 2 1.1 Argomenti e testi di riferimento................. 2 2 Nozioni preliminari 3 2.1 Un po di storia..........................

Dettagli

Alessandro Ramponi Lezioni di Finanza Matematica

Alessandro Ramponi Lezioni di Finanza Matematica A01 185 Alessandro Ramponi Lezioni di Finanza Matematica Copyright MMXII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133/A B 00173 Roma (06) 93781065 ISBN

Dettagli

5.4 Solo titoli rischiosi

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

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

Matematica 1 - Corso di Laurea in Ingegneria Meccanica

Matematica 1 - Corso di Laurea in Ingegneria Meccanica Matematica 1 - Corso di Laurea in Ingegneria Meccanica Esercitazione su massimi e minimi vincolati 9 dicembre 005 Esercizio 1. Considerare l insieme C = {(x,y) R : (x + y ) = x } e dire se è una curva

Dettagli

Matematica finanziaria: svolgimento prova di esonero del 15 maggio 2007

Matematica finanziaria: svolgimento prova di esonero del 15 maggio 2007 Matematica finanziaria: svolgimento prova di esonero del 5 maggio 2 a. Assumendo che il colore dei capelli negli esseri umani sia determinato da una coppia di alleli, diciamo (B, S), presi a caso con probabilità

Dettagli

Tesi di laurea in Economia. Strategie di copertura statica sui titoli strutturati

Tesi di laurea in Economia. Strategie di copertura statica sui titoli strutturati Tesi di laurea in Economia Strategie di copertura statica sui titoli strutturati Laureando: Loriano Mancini Relatore: Prof. Stefano Herzel Perugia, Luglio 1999 Indice 1 Introduzione 1 2 La relazione di

Dettagli

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

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

Dettagli

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

Dettagli

0. Piano cartesiano 1

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

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

Dettagli

FORWARD RATE AGREEMENT

FORWARD RATE AGREEMENT FORWARD RATE AGREEMENT FLAVIO ANGELINI. Definizioni In generale, un contratto a termine o forward permette una compravendita di una certa quantità di un bene differita a una data futura a un prezzo fissato

Dettagli

Lezione 1: Richiami ai concetti di base: Valore Attuale, VAN, Rendite. Analisi degli Investimenti 2015/16 Lorenzo Salieri

Lezione 1: Richiami ai concetti di base: Valore Attuale, VAN, Rendite. Analisi degli Investimenti 2015/16 Lorenzo Salieri Lezione 1: Richiami ai concetti di base: Valore Attuale, VAN, Rendite Analisi degli Investimenti 2015/16 Lorenzo Salieri Il valore dell impresa come una torta Debito Capitale Azionario 2 Struttura Finanziaria

Dettagli

MODELLO DI BLACK SCHOLES

MODELLO 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(

Dettagli

PRIMAVERA IN BICOCCA

PRIMAVERA IN BICOCCA PRIMAVERA IN BICOCCA 1. Numeri primi e fattorizzazione Una delle applicazioni più rilevanti della Teoria dei Numeri si ha nel campo della crittografia. In queste note vogliamo delineare, in particolare,

Dettagli

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli

La valutazione delle polizze rivalutabili

La 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

Dettagli

Esercizi di Macroeconomia per il corso di Economia Politica

Esercizi di Macroeconomia per il corso di Economia Politica Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.

Dettagli

call europea viene esercitata, consentendo un guadagno pari a

call 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

Dettagli

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...

Entropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

1 Serie di Taylor di una funzione

1 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

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

3 GRAFICI DI FUNZIONI

3 GRAFICI DI FUNZIONI 3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom

Dettagli

Un introduzione all analisi Monte Carlo in Finanza

Un 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

Dettagli

Alcune note sulle serie di potenze 1

Alcune note sulle serie di potenze 1 Alcune note sulle serie di potenze Contents G. Falqui Preliminari 2 Serie di potenze 3 3 Rappresentazione di funzioni mediante serie di potenze 7 3. Esempi notevoli........................... 9 3.2 Formula

Dettagli

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica...

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica... UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di variabile reale Indice Grafico di una funzione reale 2 Funzioni elementari 2 2. Funzione potenza................................................

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

Le operazioni di assicurazione

Le operazioni di assicurazione Le operazioni di assicurazione Giovanni Zambruno e Asmerilda Hitaj Bicocca, 2014 Outline 1 Lezione 1: Le operazioni di assicurazione Condizione di indifferenza Condizione di equità 2 Premio equo, premio

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi 4 Piani di ammortamento Esercizio 1. Un debito di 1000e viene rimborsato a tasso annuo i = 10%

Dettagli