La valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza
|
|
- Annalisa Corona
- 7 anni fa
- Visualizzazioni
Transcript
1 La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza
2 LA VALUTAZIONE DEI RISCHI E un attività che caratterizza la gestione dei rischi finalizzata ad apprezzare la gravità dei fenomeni rischiosi (esposizione dell azienda al rischio). Le ragioni della valutazione: Apprezzare l entità del rischio che grava sulle attività aziendali Esprimere in termini omogenei gli n eventi rischiosi identificati Definire le priorità di intervento
3 LE TECNICHE QUANTITATIVE
4 Tecniche di valutazione quantitativa Applicabili in presenza di dati storici particolarmente ampi (in termini di osservazioni temporali) in grado di rappresentare, con un certo intervello di confidenza, l andamento della probabilità e dell impatto Se applicabili potrebbero conferire una maggior oggettività alla valutazione Le più applicate sono le tecniche probabilistiche che si basano sulla costruzione delle distribuzioni di probabilità delle perdite associabili agli eventi dannosi. Esempi sono costituiti dal VaR, Cash flow at risk or earning at risk Tecniche non probabilistiche sono costituite dall analisi di sensitività, analisi di scenario, stress testing
5 IL Value at risk
6 IL Value at risk: che cos è? E una misura del rischio di mercato (prezzo, tasso di interesse, cambio, ecc.) che caratterizza un portafoglio di attività finanziarie (o una singola attività finanziaria) divenuta nota per merito di J.P. Morgan In particolare esprime la perdita massima potenziale che un attività finanziaria (o un portafoglio di attività finanziarie) può subire in un dato orizzonte temporale e con una data probabilità (livello di confidenza) Un VaR =1000 Euro relativo ad un portafoglio di attività finanziarie, calcolato su di un orizzonte temporale di una settimana, con un livello di confidenza del 99%, ci dice che, con una probabilità pari al 99%, la perdita che subirà il portafoglio nell arco di una settimana non sarà superiore a 1000 Euro.
7 VaR: significato grafico 1% V V = Variazione attesa del portafoglio Esiste una probabilità pari a 1-α di subire una perdita superiore al VAR. Nel nostro caso esiste 1% di probabilità che
8 IL Value at risk (p=95%) Nel caso di un livello di confidenza è del 95%, il VaR indica la perdita che potrebbe essere subita in un orizzonte temporale (una settimana) tale per cui vi sia una probabilità del 5% che la perdita effettiva sia superiore al VaR Una riduzione del livello di confidenza mi fa diminuire il VAR in quanto è maggiore la possibilità di subire perdite effettive superiori rispetto al VaR
9 Parametri VaR Il VaR è funzione di due parametri: il livello di confidenza. Dipende dal livello di avversione al rischio e soggetti avversi al rischio scelgono livelli di confidenza maggiori (tipicamente 99%). Nella prassi non si va al di sotto del 95% l orizzonte temporale. Può essere 1 giorno, 5 giorni, 10 giorni, 1 mese, 1 anno. Nella realtà dipendere dalla liquidabilità dell attività finanziaria, dalla frequenza con cui viene ricalibrato un portafoglio o dall holding period.
10 Approcci al VaR La metodologia VAR differisce principalmente nel modo in cui viene costruita la funzione di densità di probabilità. Tre approcci al VaR: 1) Approccio varianze-covarianze proposto da J.P Morgan (detto anche parametrico) 2) Simulazioni storiche 3) Simulazioni Montecarlo
11 L approccio varianze/covarianze Il percentile x p di qualunque distribuzione normale a media nulla si ottiene moltiplicando la sua deviazione standard x per il corrispondente percentile z p della distribuzione normale standard Se ho un investimento iniziale W0. Ipotizziamo che σ è la volatilità giornaliera. Ipotizzando µ=0 e considerando α=99% questo si traduce nel dire che il VAR ad un giorno sarà VAR=2,33σW0 Il VaR a N giorni si ottiene ipotizzando VAR=2,33σW0 N
12 La volatilità nel VAR (1) Nel calcolo del VAR l elemento determinante è la volatilità. Ma come si calcola? Utilizziamo la formula della Deviazione Standard Campionaria Esempio: se i rendimenti negli ultimi 5 giorni sono -6%, -3%, 0%, +4% e +10%, il valore medio è 1%, pari a (-0,06-0,03+0+0,04+0,1)/5, mentre lo scarto quadratico medio é pari a: (-0,06-0,01)2 + (-0,03-0,01) 2+ (0-0,01) 2 + (0,04-0,01) 2 + (0,1-0,01) 2 = 0,0624 4
13 La volatilità nel VAR (2) Per semplicità si può considerare quella storica riferita all ultimo anno Nel modello VAR si utilizza una volatilità giornaliera. Se ci sono 252 giorni lavorativi in un anno, la relazione tra la volatilità giornaliera, σg e quella annuale, σa, è la seguente: σg = σa / 252 Nella formula di JP Morgan si usa una misura diversa che l exponentially weighted moving average model (EWMA)
14 IL Value at risk esempio (1) Esempio: Azioni FIAT Supponiamo di avere in portafoglio azioni FIAT per un valore pari a Euro La volatilità su base annuale (ultimo anno) è del 32% Applicando la formula precedente della volatilità giornaliera avremo un valore del 2% Con un intervallo di significatività del 99% (Z=2,58) Con N=1 Con N=10 VAR = 2,58*2%*10.000= 469 VAR = 2,58*2%*10.000* 10 = 1.485
15 IL Value at risk esempio (2) Esempio: BTP BTP decennali per un valore nominale di 1 milione Prezzo tel quel: 105 Duration media = 7 anni che in giorni sono pari a 1764 (ipotizzando 252 giorni) Intervallo di significatività del 99% Variazione giornaliera : 0,15% VAR = 2,58*0,15%* 1764* =
16 L approccio varianze/covarianze Assunzioni di base 1. La distribuzione empirica dei profitti e delle perdite (la distribuzione dei rendimenti) abbia una determinata forma, cioè sia una distribuzione normale 2. Il concetto di stazionarietà, che implica che la media, la varianza e la correlazione di una distribuzione sono costanti nel tempo.dunque Si utilizzano metodi fondati sulla simulazione
17 Altre tecniche probabilistiche CASH FLOW AT RISK: Simile al VaR con l eccezione che la stima riguarda i cash flow di un organizzazione o di una sua unità organizzativa EARNING AT RISK: Simile al Cash flow at risk e consiste nella stima della variabilità degli utili. LOSS DISTRIBUTION: Consente di stimare la distribuzione della probabilità e dell impatto (utilizzando generalmente una distribuzione normale delle perdite). Può essere utilizzato per la stima dei rischi di credito (o operativi) in cui si suddividono i dati delle perdite in relazione agli eventi di origine.
TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO. VALUE AT RISK VaR. Piatti --- Corso Rischi Bancari: VaR 1
TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO VALUE AT RISK VaR Piatti --- Corso Rischi Bancari: VaR 1 Limiti delle misure di sensitivity Dipendono dalla fase in cui si trova il mercato non consentono
DettagliIl Value at risk. Misurazione del rischio di mercato. Da quale esigenza e nato il VaR? Anno accademico 2005/06. m=7.6m$ Prof.ssa Rosella Giacometti
Il Value at risk Modelli Matematici per i Mercati Finanziari Anno accademico 005/06 Nuove metriche di rischio: il VaR -Cosa è il VaR -Come si calcola:la stima dei parametri di un modello VaR multinormale
DettagliLaboratorio: Metodi quantitativi avanzati per la valutazione del rischio di mercato. Aldo Nassigh Financial Risk Management A.A.
Laboratorio: Metodi quantitativi avanzati per la valutazione del rischio di mercato Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 6 FAT TAILS La distribuzione empirica di numerosi fattori
DettagliCAPITALE, REQUISITI PATRIMONIALI e
CAPITALE, REQUISITI PATRIMONIALI e Value at Risk (VaR) Rif. Bibliografici: Biasin, Cosma e Oriani (a cura di), La banca, Cap.16 Hull, Risk Management ed Istituzioni Finanziarie, Cap. 7 e 8 Il ruolo del
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliMatematica e Risk Management
Matematica e Risk Management MatFinTN2012 Claudio Kofler 24 Gennaio 2012, Facoltà di Scienze, Povo (TN) PensPlan Invest SGR S.p.A. 2012 Performance Attribution Performance Attribution La performance attribution
DettagliRISCHIO DI CAMBIO. Padova, 11 Maggio tel fax Milano Via Turati,
RISCHIO DI CAMBIO Padova, 11 Maggio 2017 Martino Panighel, CFA m.panighel@advamsgr.com Milano Via Turati, 9-20121 info@advamsgr.com tel. 02 620808 fax 02 874984 www.advamsgr.com Azienda italiana esportatrice
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliIl Modello di Markowitz e la frontiera efficiente (1952)
Il Modello di Markowitz e la frontiera efficiente (1952) Introduzione La selezione di portafoglio consiste nella ripartizione di un capitale tra più investimenti di reddito aleatorio Il capitale da ripartire
DettagliLucia Lavanda Marcella Nardon Giorgio Vinci
Lucia Lavanda Marcella Nardon Giorgio Vinci Rischio di mercato Rischio di tasso d interesse Rischio di prezzo Rischio di cambio Rischio di liquidità Rischio operativo Rischio di tasso d interesse Rischio
DettagliIl value at risk. Orizzonte temporale. E' a discrezione dell'investitore, è possibile utilizzare un giorno, dieci giorni o altro.
Il value at risk Il Value at Risk (VaR) è una misura statistica del rischio di mercato, cioè una misura che sintetizza il rischio attraverso una distribuzione di probabilità dei potenziali profitti e delle
DettagliIl VaR: i modelli di simulazione. Prof. Ugo Pomante Università di Roma Tor Vergata
Il VaR: i modelli di simulazione Prof. Ugo Pomante Università di Roma Tor Vergata Agenda I modelli di simulazione: caratteristiche generali Le simulazioni storiche L approccio ibrido Le simulazioni Monte
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliParagrafo 13 Rischio di Mercato
Paragrafo 13 Rischio di Mercato 13.1 Requisiti patrimoniali ripartiti per metodo di calcolo Requisito patrimoniale Informazione 3 giugno 21 3 giugno 215 Esposizioni ponderate per il rischio totali: rischio
DettagliIndice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliP(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23 < X < 43) P(21 < X < 45) P(19 < X < 47) P(17 < X < 49)
ESERCIZIO 1 Si consideri una variabile casuale X con valore atteso pari a 33 e varianza pari a 16. Si calcolino le seguenti probabilità: P(31 < X < 35) P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23
DettagliAPPUNTI. oppure o ancora. se e allora. , esiste un tale che
APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale
Dettagli01 Test (ottava giornata)
01 Test (ottava giornata) 1) Il coefficiente di correlazione tra il titolo X e il suo benchmark di riferimento è 0,8. Sapendo che la standard deviation del titolo X è 2%, e che la standard deviation del
DettagliAspetti tecnico-attuariali dei Fondi sanitari
Aspetti tecnico-attuariali dei Fondi sanitari Prof. Gennaro Olivieri 16/06/2016 Ruolo dell Attuario Bilancio tecnico Necessario valutare le prestazioni di un Fondo sanitario nel medio-lungo periodo. Fondamentale
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliIndice della lezione. Incertezza e rischio: sinonimi? UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Corso di Corporate anking a.a. 2010 2011 (Professor Eugenio Pavarani) Introduzione al rischio CPITOLO 9 1 Indice della lezione Rischio e rendimento per titoli
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliCorso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1
Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994
DettagliIl processo ERM: metodologie, strumenti, strategie di riduzione e controllo dei rischi a cura del Dott.RobertoMuscogiuri 16/06/2016
Il processo ERM: metodologie, strumenti, strategie di riduzione e controllo dei rischi a cura del Dott.RobertoMuscogiuri 16/06/2016 Rischio 1 Rischio 2 Rischio Rischio j Rischio j+1 Rischio j+k Rischio
DettagliS 2 p n X. + S2 p. n Y
ESERCIZIO 1 Attraverso un indagine effettuata su un campione di 83 pellicole cinematografiche, si verifichi, a livello 0.01, se vi sono differenze, in media, tra i budget dei film di produzione americana
DettagliESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero
ESERCIZIO 1 La somma dei numeri di passeggeri di un autoservizio suburbano rilevati in 7 giorni scelti a caso è pari a 385. Si assuma un modello gaussiano per descrivere il numero giornaliero di passeggeri.
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliUNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF. ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA
UNIVERSITÁ DI FOGGIA DIPARTIMENTO DI ECONOMIA CORSO DI MATEMATICA FINANZIARIA A-L PROF ANDREA DI LIDDO TEMI ASSEGNATI DURANTE LE PROVE SCRITTE DA DICEMBRE 2016 aa 2016-2017-6 GIUGNO 2017 NUMERO DI CFU
Dettagli01 Test (settima giornata)
01 Test (settima giornata) 1) Due titoli A e B presentano rispettivamente deviazioni standard di 0,6 e di 0,5; se la covarianza tra essi è pari a 0,15: a) la correlazione sarà pari a 0,5 b) la correlazione
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliCome misurare e come gestire il rischio di mercato di portafogli energetici
Come misurare e come gestire il rischio di mercato di portafogli energetici Andrea Roncoroni Convegno: mercati energetici in Italia: energia elettrica, gas naturale, fonti rinnovabili, gestione del rischio.
DettagliSTATISTICA SERALE (NOF) Appello del 12/07/12 Effettuare i calcoli arrotondando alla seconda cifra decimale A PARTE PRIMA
Appello del 12/07/12 A PARTE PRIMA 1) Enunciare e dimostrare le due proprietà della media aritmetica. 2) Il prospetto che segue si riferisce ad una parte della distribuzione per età delle donne italiane
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 018-019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la
DettagliLa valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza
La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza Le tecniche non probabilistiche ØSENSITIVITY ANALYSIS ØSCENARIO ANALYSIS ØSTRESS TESTING Sensitivity analysis ØUtilizzata per valutare
DettagliIntroduzione a rischio, rendimento e costo opportunità del capitale
Copyright 007 - The McGraw-Hill Companies srl QUIZ CAPITOLO 7 Introduzione a rischio, rendimento e costo opportunità del capitale. Il risultato atteso è 00 e il rendimento atteso è zero. La varianza è
DettagliMisura e Valutazione del
- Finanza Aziendale Prof. Arturo Capasso 8 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza e scarto quadratico medio
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliIntroduzione al rischio, rendimento e costo opportunità del capitale
Introduzione al rischio, rendimento e costo opportunità del capitale Nozione di Costo Opportunità del Capitale Il rendimento che i finanziatori otterrebbero impiegando i propri fondi in attività alternative,
DettagliINTERVALLI DI CONFIDENZA e TEST D IPOTESI 1 / 30
INTERVALLI DI CONFIDENZA e TEST D IPOTESI 1 / 30 Intervallo di confidenza: media 2 / 30 Supponiamo di considerare la media campionaria X e assumiamo che Intervallo di confidenza: media 2 / 30 Supponiamo
Dettaglie) Calcolare la frazione di studenti che ottengono un punteggio esattamente uguale al punteggio minimo richiesto per superare il test di ammissione:
ESERCIZIO 1 Il test di ammissione alla prestigiosa Università STUDY produce punteggi che seguono una distribuzione normale con media 500 e scarto quadratico medio 100. Il punteggio necessario per superare
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliManage your risk! La volatilità nei mercati azionari: rischi e opportunità
Manage your risk! La volatilità nei mercati azionari: rischi e opportunità Volatilità: definizione La volatilità è una misura della dispersione delle variazioni dei prezzi delle attività finanziarie e
DettagliAnalisi statistica in simulazione
Analisi statistica in simulazione Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione e parametrizzazione del modello
DettagliAnalisi statistica classica. Analisi statistica in simulazione. Stima della media. Stima della media
Analisi statistica in simulazione Analisi statistica classica Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione
DettagliIl VaR per la misurazione dei rischi di mercato. Prof. Ugo Pomante Università di Roma Tor Vergata
Il VaR per la misurazione dei rischi di mercato Prof. Ugo Pomante Università di Roma Tor Vergata Agenda I rischi di mercato I modelli VaR L approccio varianze-covarianze La stima della volatilità Il livello
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliLa gestione dei rischi nelle banche
La gestione dei rischi nelle banche ECONOMIA DEGLI INTERMEDIARI FINANZIARI I RISCHI BANCARI 1. Rischi di controparte Rischio di credito Rischio di regolamento 2. Rischi di mercato Rischio di interesse
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliFinancial Risk Management negli Enti Local CONVEGNO ANREV. Milano, 27 Gennaio Antonia Creanza Vice President
Financial Risk Management negli Enti Local CONVEGNO ANREV Milano, 27 Gennaio 2004 Antonia Creanza Vice President 1 Introduzione Introduzione Nel corso degli ultimi anni gli Enti Locali hanno vissuto profonde
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
Dettagli1 Esercizi sulla teoria del portafoglio
1 Esercizi sulla teoria del portafoglio 1. Sia dato un mercato uniperiodale in cui siano disponibili soltanto due titoli rischiosi A e B caratterizzati da scarto quadratico medio e coefficiente di correlazione
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 28-Intervalli di confidenza vers. 1.1 (21 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLa Finanza. il fabbisogno finanziario. all efficace impiego del. necessari a soddisfare. considerazione al valore che essa è capace di creare per gli
La Finanza Garantisce il reperimento delle risorse finanziarie necessarie a coprire gli investimenti FINANZA SUBORDINATA Reperimento dei mezzi necessari a soddisfare il fabbisogno finanziario FINANZA INTEGRATA
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (STANDARD) Modalità B (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliDIPLOMA DI EUROPEAN FINANCIAL SERVICES PER PROMOTORI FINANZIARI
in collaborazione con SDA Bocconi School of Management DIPLOMA DI EUROPEAN FINANCIAL SERVICES PER PROMOTORI FINANZIARI Corso di preparazione all esame DEFS per Promotori Finanziari iscritti all Albo Percorso
DettagliValue at Risk. Value At Risk
Value at Risk 288 Value At Risk obbiettivo: misurazione dei rischi finanziari al fine del loro controllo rischi: di mercato (tasso, cambio,... ), credito, operativo,... utilizzo: stabilire requisiti di
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliElementi di Psicometria (con laboratorio software 1)
Elementi di Psicometria (con laboratorio software 1) 05-La verifica delle ipotesi con le medie dei campioni (v. 1.0, 15 aprile 2019) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliADDENDUM: VALUTARE IL RISCHIO. Simulazioni e Business Plan - CLASEP
ADDEDUM: VALUTARE IL RISCHIO Il rischio - misurazione Il rischio è definito come la possibilità che il rendimento effettivo (ex post) diverga da quello atteso (ex ante). L entità del rischio dipende dallo
DettagliComprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili?
Comprendere i fenomeni vuol dire studiare le relazioni tra 2 o più variabili. Esiste un legame tra le variabili? Quale tipo di legame? Quanto forte? Siamo sicuri che non sia dovuto al caso? Tutti i modelli
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
DettagliProblema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?
Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.
DettagliCorso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 2015
Corso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 215 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994 Esercizio
DettagliInferenza su una popolazione
Inferenza su una popolazione La distribuzione di x(m) ha media pari a μ, quindi x(m) è uno stimatore non distorto della media della popolazione μ. Per fare inferenza sulla media dobbiamo avere un CCS,
DettagliESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE
ESERCITAZIONI PRIMO TUTORATO SECONDO MODULO - FINANZA AZIENDALE 1_Due titoli azionari hanno realizzato nelle ultime 4 sedute di borsa: titolo a 09/12/07 43,5 10/12/07 40,1 11/12/07 38,7 12/12/07 35 Titolo
DettagliMetodi Statistici per il Marketing. #06 Elementi di statistica inferenziale e di teoria dei campioni
Corso di Metodi Statistici per il Marketing LUISS A.A. 2017-2018 #06 Elementi di statistica inferenziale e di teoria dei campioni 22 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica
DettagliIntervallo di confidenza
Intervallo di confidenza Esempio: siamo intressati al peso dei maschi in una certa regione. Vogliamo stimare il peso medio µ della popolazione. Siano x 1,...,x n i pesi di n individui scelti a caso. La
DettagliLa valutazione dei modelli VaR
Slides tratte da: Andrea Resti Andrea Sironi Rischio e valore nelle banche Misura, regolamentazione, gestione Egea, 2008 AGENDA Il backtesting dei modelli VaR Il test dell unconditional coverage Il test
Dettagli