I modelli per la stima della volatilità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "I modelli per la stima della volatilità"

Transcript

1 I modell per la sma della volalà Sldes rae da: Andrea Res Andrea Sron Rscho e valore nelle banche Msura, regolamenazone, gesone Egea, 8

2 Rscho e valore nelle banche I modell per la sma della volalà AGENDA La sma delle volalà e delle correlazon Le mede mobl semplc Le mede mobl esponenzal I modell GARCH La sma d covaranze e correlazon Esercz Res e Sron, 8

3 Rscho e valore nelle banche I modell per la sma d volalà e correlazon La sma delle volalà e delle correlazon L approcco varanze-covaranze s basa sull assuno che sa possble smare n modo soddsfacene le volalà e le correlazon de rendmen de faor d mercao I meod ulzzabl a ale scopo sono raggruppabl n due prncpal caegore: I modell che ulzzano da d volalà e correlazon sorc per prevson d volalà e correlazon fuure. Modell che consderano volalà e correlazon cosan. Modell che consenono a volalà e correlazon d varare nel empo (mede mobl, GARCH) I modell lega all'ulzzo delle prevson mplce ne prezz delle opzon. Il rcorso a valor sorc è solo ndreo (la volalà mplca è fgla della volalà sorca) Res e Sron, 8 3

4 Rscho e valore nelle banche I modell per la sma d volalà e correlazone Mede mobl semplc È l crero pù ulzzao per la valuazone de conra d opzone, per l asse-allocaon basaa sul crero meda-varanza, e per la deermnazone del value-a-rsk. Indcando con r l rendmeno d un faore d mercao la volalà può essere smaa, ulzzando come campone una sere sorca d n osservazon, come radce quadraa della varanza La volalà al empo può essere calcolaa ulzzando le n osservazon dal empo -n al empo -. Con rendmeno medo nullo r r r n n meda camponara n calcolaa al empo n Al perodo successvo (+) la volalà verrà smaa sulla base de da da (-n+) a, sposando n avan d un perodo la fnesra emporale. Res e Sron, 8 4

5 / 5/ 8/ / / 5/ 8/ / /3 5/3 8/3 /3 /4 5/4 8/4 /4 Rscho e valore nelle banche I modell per la sma della volalà Mede mobl semplc 3,5% 3,%,5%,%,5%,%,5%,% Rendmen gornaler dell'ndce S&P 5 equponderao devazone sandard moble a 3 gorn La Fgura rpora l andameno della volalà del rendmeno logarmco gornalero dell ndce d borsa S&P5, smaa ulzzando n=3 gorn lavorav nel perodo gennao - 3 dcembre 4. Res e Sron, 8 5

6 / 6/ / / 6/ / /3 6/3 /3 /4 6/4 /4 Rscho e valore nelle banche I modell per la sma della volalà Mede mobl semplc - scela dell arco emporale Un numero d osservazon (n) pù elevao offre un elevao conenuo nformavo e conduce a una sma Rendmen d volalà gornaler pù sable. dell'ndce La S&P sma 5 è però poco aggornaa e rsponde n Devazon modo leno sandard a varazon mobl (campon mprovvse d dversa delle lunghezza) condzon d mercao 3,%,5%,%,5%,%,5% Devazone sandard moble a 3 gorn Devazone sandard moble a 5 gorn Devazone sandard moble a 9 gorn Res e Sron, 8 6

7 7// 7/6/ 7/3/ 8/3/ 8/7/ 9// 9/4/ /8/ // /5/ /9/ /3/ /7/ /3/ Rscho e valore nelle banche I modell per la sma della volalà,%,6% Mede mobl semplc - scela dell arco emporale Echo effec o ghos feaures La sma della volalà subsce uno shock sa quando l faore d mercao subsce una fore varazone, che quando l dao relavo a queso shock esce dal campone e vene sosuo da un dao pù recene,% 8,% Menre la prma varazone è gusfcaa, la seconda non lo è.,%,8%,4%,% Rendmen gorna ler (sca la dx) Dev. Sandard moble a 3 gorn (scala sx) 4,%,% -4,% -8,% Volalà S&P5 seembre-oobre. La varazone verso l alo a meà seembre (even errorsc) è segua dalla rduzone d meà oobre, pur n presenza d rendmen gornaler normal Res e Sron, 8 7

8 Rscho e valore nelle banche I modell per la sma della volalà 8 Mede mobl esponenzal Res e Sron, 8 Per superare l rade-off fra conenuo nformavo e reavà alle condzon recen e l echo effec, è sao svluppao l meodo delle mede mobl esponenzal Ulzzando un numero relavamene elevao d osservazon passae, ma arbuendo un peso maggore a quelle pù recen, s oene una sma della volalà con elevao conenuo nformavo e pù sensble agl shock recen La sma reagsce pù rapdamene a shock del faore d mercao, e lo shock pronuncao del faore d mercao esce n modo graduale dalla sma: ˆ n n n n n n n r r r r r r n n n ˆ n n r La sma della volalà

9 Rscho e valore nelle banche I modell per la sma della volalà 9 Mede mobl esponenzal Res e Sron, 8 La cosane, decay facor, ndca l grado d perssenza delle osservazon camponare passae Se la cosane è pù vcna a uno, le sue poenze successve s avvcnano a zero pù lenamene Per valor d molo vcn a, la meda esponenzale ende alla meda semplce Se è suffcenemene pccolo e/o n è suffcenemene elevao La varanza: ) ( ˆ n r ˆ ) ( ) ( ) ( ) ( ) ( ˆ r r r r r r Meccansmo adavo : la sma è aggornaa n base al quadrao del rendmeno del gorno prma La meda s adegua meno rapdamene alle condzon pù recen n

10 -lug- 6-lug- 3-lug- 3-ago- 7-ago- -se- 4-se- 8-o- -o- 5-nov- 9-nov- 3-dc- 7-dc- 3-dc- Rscho e valore nelle banche I modell per la sma della volalà,4%,%,6%,%,8%,4%,% Mede mobl esponenzal Rendmen gornaler (scala dx) Devazone sandard moble a 3 gorn Dev. Sandard moble esponenzale a 3 gorn con lambda =,94,% 8,% 4,%,% -4,% -8,% La fgura mosra l confrono ra la meda moble semplce con n=3 e la meda moble esponenzale con l =,94. Nel caso delle mede mobl esponenzal lo shock del seembre genera un mmedao aumeno nella volalà a cu non corrsponde nessuna repenna dmnuzone della volalà quando l dao esce dal campone Res e Sron, 8

11 Rscho e valore nelle banche I modell per la sma della volalà Mede mobl esponenzal Araverso l mpego d volalà che varano nel empo (mede mobl esponenzal) è possble dare cono della forma lepocurca della dsrbuzone de rendmen Ulzzamo prm da del nosro campone (dal gennao al 5 febbrao ) per produrre una sma della volalà basaa sull approcco EWMA, usando 3 osservazon ed un valore d λ par a,94 Smulamo un valore per l 6 febbrao, esraendolo casualmene da una normale con meda nulla e devazone sandard ˆ Sposamo po n avan d un gorno la fnesra d da ulzzaa per la sma della volalà, e producamo una seconda sma, ˆ, esraamo po un valore per l 7 febbrao e cos va Generamo 98 valor fno al 3 dcembre 4 Res e Sron, 8

12 Rscho e valore nelle banche I modell per la sma della volalà Mede mobl esponenzal Come s vede, da smula rsulano lepocurc. Il loro ndce d curos n eccesso è nfa par a,, molo smle a quello del campone emprco d parenza (,8) Numero effevo Normale Res e Sron, 8

13 Rscho e valore nelle banche I modell per la sma della volalà Mede mobl esponenzal alcun problem prac V sono alcun problem prac Scela del decay facor La scela d dovrebbe dpendere dalla velocà con la quale s rene che la volalà var nel empo. Se s modfca lenamene è meglo un decay facor vcno a e vceversa. La scela dovrebbe anche dpendere dall holdng perod della poszone. Mnore è ale orzzone, mnore dovrebbe essere. Scela del numero d osservazon passae Una sere sorca pù ampa mnmzza l errore d camponameno e consene d oenere sme pù affdabl. Una sere sorca pù breve rflee meglo le condzon d mercao recen. Se le sme vengono aggornae frequenemene è possble ulzzare sere sorche pù ampe. In queso caso s rduce l problema della scarsa aderenza alle condzon pù recen del mercao. Res e Sron, 8 3

14 //4 /8/4 /5/4 //4 /9/4 /5/4 //4 /9/4 /6/4 /3/4 //4 /7/4 /4/4 /3/4 Rscho e valore nelle banche I modell per la sma della volalà,8%,6% Mede mobl esponenzal alcun problem prac Ulzzare un unco faore, per dverse varabl su nervall emporal pù o Rendmen gornaler dell'ndce S&P 5 equpesao meno Devazon prolunga, sandard presena mobl basae alcun su dvers problem: decay facor In alcun merca gl aumen 8,% d volalà sono perssen 6,% menre n alr gl aumen s confgurano 4,% solamene come shock emporane,%,%,4% -,% Il decay facor omale mua sgnfcavamene nel empo. Rendmen gornaler (scala dx) Dev. Sandard moble esponenzale a 3 gorn con lambda =,94 Dev. Sandard moble esponenzale a 3 gorn con lambda =,9 Dev. Sandard moble esponenzale a 3 gorn con lambda =,99 È preferble aggornare frequenemene ale faore Res e Sron, 8 4

15 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH Come è sao mosrao nelle fgure preceden, la volalà subsce delle fluuazon sgnfcave (volaly cluserng). I faor d mercao presenano de perod d maggore volalà che possono anche perssere per perod prolunga Queso problema vene esplcamene affronao da modell GARCH (generalzed auoregressve condonal heeroskedascy) Eeroschedascà sgnfca varanza che mua nel empo, coè presenza d perod d elevaa volalà nerro da perod d relava ranqullà Condzonale sa a ndcare che le prevson oenue sono basae sulle nformazon dsponbl nel perodo precedene Auoregressvo s rfersce nvece al meodo ulzzao per modellare l eeroschedascà condzonale, coè una regressone della varanza su sé sessa Generalzzao s rfersce al modello d Tm Bollersev (986) che rappresenava una generalzzazone del prmo modello (ARCH) deao nel 98 da Rober Engle Res e Sron, 8 5

16 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH meda condzonale e non condzonale I modell a eeroschedascà condzonale auoregressva consenono d prevedere la volalà fuura ulzzando una regressone basaa su valor passa, generando una sma della volalà che camba nel empo Sma condzonale e sma non condzonale Tpcamene oenua ulzzando un campone pù o meno ampo d da sorc, ad esempo la meda d una varable smaa con la meda camponara Se la varable n quesone dpende da una o pù alre grandezze, è possble smare una meda condzonale rcorrendo, ad esempo, a una regressone de mnm quadra. Per la varable y che dpende da x: Oppure se dpende da suo valor passa: y y y y x xx modello auoregressvo del prmo ordne, AR() Res e Sron, 8 6

17 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH sma condzonale e non condzonale La dfferenza fondamenale fra meda non condzonale e meda condzonale è che la prma è una cosane menre la seconda necessa d un modello d specfcazone La sessa logca rova applcazone nel caso della varanza non condzonale e condzonale Varanza condzonale qualsas Varanza non condzonale- ulzzo modello, come l GARCH della varanza camponara Consderamo l modello ARCH proposo da Engle:... p p con,,..., p Il modello sma la varanza come una meda moble d p error d prevsone passa eleva al quadrao modello a p rard o ARCH(p) Se s verfca uno shock della varable consderaa, s genera un errore d prevsone che, se l suo è posvo, provoca un ralzo della prevsone della volalà relava al perodo successvo Res e Sron, 8 7

18 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH Il modello è coerene con l evdenza emprca secondo la quale una varazone sgnfcava de prezz ende a essere segua da alreane varazon sgnfcave Il prncpale lme del modello ARCH è che le applcazon emprche hanno sovene rcheso un numero elevao d rard, rendendo l modello poco flessble e oneroso La generalzzazone nrodoa da Bollersev (GARCH) rende l modello pù flessble: con... p p... q q,...,,,..., p q La varanza condzonale è modellaa nserendo, anche q rard relav a valor passa della varanza sessa GARCH(p,q) Se la varable consderaa sono rendmen d un faore d mercao che s mmagna abbano meda nulla, allora l errore ε concde con r Res e Sron, 8 8

19 Rscho e valore nelle banche I modell per la sma della volalà Il GARCH (,) La maggoranza delle applcazon del modello GARCH s basa sulla versone GARCH(,), che consdera un solo errore d prevsone (l ulmo) e l valore della varanza al perodo precedene: Nel modello è mplca anche una sma del valore aeso non condzonao Se σ esse, rappresena l valore aeso non condzonao d σ, σ - e anche d -. Sosuendo al grandezze con σ s oene: La sma condzonaa della varanza n un cero perodo è una meda ponderaa della varanza d lungo perodo, della varanza aesa per l perodo precedene e dello shock relavo all ulmo perodo ( ) Res e Sron, 8 9

20 Rscho e valore nelle banche I modell per la sma della volalà Il GARCH (,) Come gà deo, se la varable consderaa è daa da rendmen d un faore d mercao che s mmagna abbano meda nulla, allora l errore ε concde con r e l modello da smare è: r Nelle applcazon a merca fnanzar assume generalmene valor superor a,7 menre assume valor pù conenu Una varazone della volalà ende a permanere a lungo Il coeffcene ndca la rapdà con cu la volalà s adegua a nuov shock d mercao, coeffcen pù eleva conducono a prevson pù sensbl alle condzon recen Anche l modello GARCH rconosce l essenza d un decay facor per la volalà. Tale faore non è deermnao arbraramene ma sono gl sess da a deermnarlo Res e Sron, 8

21 7/ / / 4/ 7/ / /3 4/3 7/3 /3 /4 4/4 7/4 /4 Rscho e valore nelle banche I modell per la sma della volalà Il GARCH (,) I coeffcen dell equazone GARCH (,) devono essere sma con l auslo d un sofware sasco, ad esempo rame Rendmen un algormo gornaler d sma dell'ndce basao S&P 5 sul equpesao crero Devazon sandard basae su EWMA e GARCH massma verosmglanza 3,%,5% Tale algormo è sao ulzzao per smare un modello GARCH(,) su rendmen gornaler dell ndce S&P5 nel perodo gennao - 3 dcembre 4, oenendo =,, =,85 e =,95. Il modello GARCH è po confronao con un EWMA con lambda par a,94,%,5%,%,5%,% GARCH(,) Dev. Sandard moble esponenzale a 3 gorn con lambda =,94 Res e Sron, 8

22 Rscho e valore nelle banche I modell per la sma della volalà Il GARCH (,) Res e Sron, 8 Il modello GARCH(,) è caraerzzao da una memora nfna. Per qualsas vale che: Sosuendo n manera rcorsva l ermne σ - s oene: Un modello GARCH(,) può essere consderao equvalene ad un modello ARCH con nfn rard, cu coeffcen β sono vncola a decrescere n progressone geomerca man mano che s consderano shock pù lonan nel empo ) ( ) ( 3

23 Rscho e valore nelle banche Il GARCH (,) preg e lm Preg del modello GARCH(,): Numero effevo Normale I modell per la sma della volalà rconosce esplcamene l essenza d un fenomeno d correlazone serale e lo esplca araverso un modello auoregressvo; arbusce un adeguaa mporanza alle nuove nformazon ncorporae negl shock d mercao; consene, analogamene al modello basao sull EWMA, d rappresenare la lepocuros presene ne da emprc; lasca che sano gl sess da a deermnare l decay facor della volalà. Res e Sron, 8 3

24 Rscho e valore nelle banche Il GARCH (,) preg e lm Lm del modello GARCH(,): può rsulare pù complesso e oneroso rspeo al semplce ulzzo d una meda moble; conserva l poes d normalà (n queso caso degl error d prevsone); nella sua versone orgnale consdera l mpao d uno shock sulla prevsone della volalà come ndpendene dal suo segno. Numerose evdenze emprche mosrano che volalà mplca aumena n seguo a una cadua del mercao, menre può maneners nvaraa n seguo a un ralzo de prezz ( leverage effec ). la I modell per la sma della volalà Il leverage effec vene spegao dal fao che quando un prezzo azonaro dmnusce, l valore d mercao del parmono dmnusce e dunque aumena la leva fnanzara e con essa l scho fnanzaro. Cò non succede nel caso d un ralzo del prezzo. Res e Sron, 8 4

25 Rscho e valore nelle banche I modell per la sma della volalà Il modello EGARCH Nel enavo d superare alcun lm del modello GARCH, sono sae propose numerose verson alernave: Exponenal GARCH (EGARCH) Inegraed GARCH (IGARCH) Asymmerc GARCH (AGARCH) Modello EGARCH L EGARCH modella l logarmo naurale della varanza anzché la varanza: la pare desra dell equazone può anche dvenre negava. Gl error d prevsone non devono essere eleva al quadrao e vene così adeguaamene consderaa la dversa reazone degl operaor alle buone rspeo che alle cave noze log Res e Sron, 8 5

26 Rscho e valore nelle banche I modell per la sma della volalà Il modello AGARCH e IGARCH Modello AGARCH La versone AGARCH consdera la rsposa asmmerca della volalà rspeo a mprovvs shock al ralzo o al rbasso. Un paramero addzonale posvo () amplfca l effeo degl shock negav e aenua quello degl shock al ralzo Modello IGARCH Queso modello mpone che la somma de coeffcen e sa par all unà Ipozzando nolre un valore nullo d, s oene l modello delle mede esponenzal con nfn rard Tale formula è oenua dal GARCH (,) annullando ( ) e sosuendo a l smbolo e ad -. Tale modello concde con l EWMA Res e Sron, 8 6

27 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH capacà d prevsone I modell GARCH sono sa prevalenemene ulzza per spegare l comporameno della varanza delle varabl fnanzare, pù che per prevederne l evoluzone. La loro applcazone a scopo prevsonale presena re prncpal problem I modell GARCH necessano d un elevao numero d da affnché la sma de coeffcen possa rsulare sascamene robusa La capacà d un modello economerco d descrvere un deermnao campone d da è dreamene proporzonale alla sua complessà (numero d paramer ulzza). Un modello pù complesso ende uava a dvenre pù faclmene obsoleo.. Res e Sron, 8 7

28 Rscho e valore nelle banche I modell per la sma della volalà I modell GARCH capacà d prevsone I modell GARCH funzonano bene se s desdera prevedere la volalà del perodo successvo; dvenano nvece va va meno nformav per prevson rguardan perod pù lonan Prevsone volalà d + Sarebbe necessaro conoscere l errore d prevsone n, che ancora non conoscamo. È possble sosure ε con l suo valore aeso: σ Prevsone volalà d +k k k k Non poendo conoscere gl error d prevsone fuur, la prevsone fnrà per convergere verso la varanza d lungo perodo L evdenza emprca non charsce se l modello GARCH abba una mglor capacà prevsonale rspeo a un pù semplce modello EWMA Res e Sron, 8 8

29 Rscho e valore nelle banche I modell per la sma della volalà La prevsone della volalà: la volalà mplca È un meodo per la prevsone della volalà basao su prezz delle opzon Il prezzo d un opzone è funzone d cnque varabl prezzo d eserczo (X) va resdua dell opzone (T) volalà dell avà soosane () asso d neresse prvo d rscho () prezzo d mercao dell avà soosane (S) Se s conosce l prezzo d mercao dell opzone è possble ulzzare l modello d prcng a rroso per calcolare la volalà mplca nel prezzo sesso Spesso le formule d prcng d un opzone non possono essere nvere analcamene l calcolo della volalà mplca s basa generalmene su un processo eravo Res e Sron, 8 9

30 Rscho e valore nelle banche I modell per la sma della volalà La prevsone della volalà: la volalà mplca Tra gl algorm pù usa per l calcolo della volalà mplca v è l meodo d Newon-Raphson o delle angen, che s compone d 3 fas:. calcolo del prezzo eorco dell opzone un valore della volalà scelo ˆ arbraramene ( ). confrono del prezzo eorco dell opzone O ( ) con l prezzo d mercao O m : se l prezzo d mercao rsula superore (nferore) s aumena (dmnusce) la volalà n npu d un valore par a 3. l nuovo dao d volalà così oenuo vene nsero nel modello d prcng e s procede fno a che non s verfca la convergenza fra O ( ˆ dervaa parzale della funzone d prezzo dell opzone rspeo alla volalà O (ˆ ) ˆ O m ) e O m Res e Sron, 8 3

31 Rscho e valore nelle banche I modell per la sma della volalà La prevsone della volalà: la volalà mplca La volalà mplca rsula dfferene a seconda del conrao d opzone ulzzao Volalà mplca delle opzon a-he-money (ATM) mnore rspeo alle opzon n-he-money (ITM) o ou-of-he-money (OTM) Queso fenomeno, volaly smle, dpende dalla maggore sensblà delle opzon ATM a varazon della volalà (maggore vega) Capacà d prevsone della volalà mplca Le msure precedenemene nrodoe sono backward-lookng La volalà mplca derva dalle aspeave del mercao crca l evoluzone fuura della volalà (forward-lookng) l mercao nel quale l opzone è l modello d prcng adoao deve negozaa non deve avere essere aendble e adoao anche dagl mperfezon sruural n grado operaor del mercao, alrmen l d generare squlbr emporane valore oenuo non è rappresenavo prezz non d equlbro dell aspeava del mercao Res e Sron, 8 3

32 Rscho e valore nelle banche I modell per la sma della volalà La prevsone della volalà: la volalà mplca La volalà mplca nonosane sa forward lookng presena alcun svanagg se usaa a fn prevsonal per l avà d rsk-managemen: Deve essere un conrao d opzone con soosane uguale all avà d cu s vuole prevedere la volalà del rendmeno (l mercao n cu è negozaa deve essere lqudo effcene ed organzzao) La va resdua dell opzone deve concdere con l orzzone emporale prescelo per l ssema d rsk-managemen La volalà mplca s presa male ad essere ulzzaa per l rsk-managemen Essa può però negrare le prevson offere da un alro meodo e segnalare evenual dvergenze Res e Sron, 8 3

33 Rscho e valore nelle banche I modell per la sma della volalà La sma d covaranze e correlazon Possono essere ulzza gl sess meod descr per la sma della volalà Da rendmen d due faor d rscho r e q ˆ r, q; n n r q Covaranza r q r, q; r, q; mede mobl esponenzal GARCH (,) È eorcamene possble rcavare da prezz delle opzon non solo le volalà, ma anche le sme delle correlazon mplce meod compless e da d mercao spesso non dsponbl Res e Sron, 8 33

34 Rscho e valore nelle banche I modell per la sma della volalà La sma d covaranze e correlazon Per esempo, avendo le volalà mplce delle opzon su ass d cambo EUR/USD e EUR/YEN, e sul cross-rae YEN/USD è possble oenere la sma della correlazone mplca de due camb dell euro (USD e YEN): USD, YEN USD YEN USDYEN USD Un alro meodo è quello che prevede d ulzzare prezz delle quano opons, ossa delle opzon che hanno come underlyng asse sa un asso d cambo che un prezzo/ndce azonaro Una vola che le varanze e covaranze sono sae smae, è necessaro verfcare che esse sano coeren ra loro YEN È necessaro verfcare che la marce d varanze e covaranze sa defna posva Res e Sron, 8 34

35 Rscho e valore nelle banche I modell per la sma della volalà Esercz/. Un azone, dopo essere rmasa sable per qualche empo, regsra un mprovvsa e ampa varazone d prezzo. Quale, ra le seguen ecnche d sma della volalà, conduce a parà d alre condzon al pù ampo ncremeno nella sma della devazone sandard de rendmen gornaler (e qund del VaR)? a)volalà sorca basaa su un campone d gorn e smaa araverso una meda moble esponenzale, con l par a,94; b)volalà sorca basaa su un campone d 5 gorn e smaa araverso una meda moble semplce; c) volalà sorca basaa su un campone d gorn, smaa araverso una meda moble esponenzale, con l par a,97; d)volalà sorca basaa su un campone d 5 gorn, smaa araverso una meda moble esponenzale, con l par a,94. Res e Sron, 8 35

36 Rscho e valore nelle banche I modell per la sma della volalà Esercz/. Consderae le seguen affermazon conrare all uso della volalà mplca per smare la volalà de rendmen de faor d mercao all nerno d un modello VaR. Quale ra esse non è correa? a) prezz delle opzon scambae su un mercao llqudo porebbero ncludere un premo per la lqudà; b) prezz delle opzon scambae n un mercao non regolamenao ( over he couner ) porebbero ncludere un premo per l rscho d conropare, che può non essere faclmene denfcable; c) la volalà mplca ne prezz delle opzon è la volalà del prezzo dell opzone, non quella del prezzo dell avà soosane; d) l modello d prcng usao per calcolare s può essere dfferene da quello adoao da parecpan al mercao per prezzare l opzone. Res e Sron, 8 36

37 Rscho e valore nelle banche I modell per la sma della volalà Esercz/3 3. Una banca ulzza mede moble esponenzal, basae su un decay facor d,94 e su un numero molo elevao d osservazon. Ier sera, la volalà delle varazon percenual d prezzo era 3% per l azone Alfa, 8% per l azone Bea. Ogg, le varazon d prezzo per Alfa e Bea sono sae, rspevamene, 3% e %. Ipozzando che rendmen aes sano zero, aggornae le sme d volalà per Alfa e Bea. Infne, mmagnae che l coeffcene d correlazone ra rendmen de due ol azonar, er sera, fosse 5%: è possble aggornare anche queso valore? Res e Sron, 8 37

Metodi quantitativi per la stima del rischio di mercato. Aldo Nassigh. 16 Ottobre 2007

Metodi quantitativi per la stima del rischio di mercato. Aldo Nassigh. 16 Ottobre 2007 Meod quanav per la sma del rscho d mercao Aldo Nassgh 16 Oobre 007 METODI NUMERICI Boosrap della curva de ass Prncpal Componen Analyss Rsk Mercs Meod d smulazone per l calcolo del VaR basa su Full versus

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria APPENDICE ATEATICA Elemen d maemaca fnanzara. Il regme dell neresse semplce L neresse è l fruo reso dall nvesmeno del capale. Nel corso dell esposzone s farà rfermeno a due regm o pologe d calcolo dell

Dettagli

MATEMATICA FINANZIARIA 2 PROVA SCRITTA DEL 11 SETTEMBRE 2007 ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 2 PROVA SCRITTA DEL 11 SETTEMBRE 2007 ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL SETTEMBRE 007 ECONOMIA AZIENDALE ESERCIZIO a Su un mercao deale vene smaa, rame prezz d TCN unar, la seguene sruura per scadenza de ass a pron (0,4,% ; (0,4,8%

Dettagli

CINQUE CONCETTI CHIAVE

CINQUE CONCETTI CHIAVE CINQUE CONCETTI CHIAVE - Tasso d dsoccupazone : p. 2 - Tasso d nflazone : p. 3 - Tasso d cresca del l : p. 4 - Tasso d neresse : pp. 5-7 - Tasso d cambo : pp. 8-3 G.Garofalo Tasso d dsoccupazone op.ava

Dettagli

Ministero dell Istruzione, dell Università e della Ricerca

Ministero dell Istruzione, dell Università e della Ricerca Noa ecnca La formula per la ulzzazone degl Indcaor conenua nell allegao al D.M. n. 506/2007, è defna araverso seguen passagg logco-algebrc, n relazone a quano prevso dal D.M. 3 luglo 2007, n. 362 (lnee

Dettagli

C = Consideriamo ora un circuito RC aperto, cioè tale in cui non circoli corrente(pertanto la carica presente sulle armature è nulla).

C = Consideriamo ora un circuito RC aperto, cioè tale in cui non circoli corrente(pertanto la carica presente sulle armature è nulla). I crcu Defnzone: s defnsce crcuo un crcuo elerco n cu al generaore d fem sono collega una ressenza e un condensaore. V cordamo che per un condensaore è possble defnre la capacà come l rapporo ra la carca

Dettagli

Indice. Previsioni. Previsioni. Introduzione

Indice. Previsioni. Previsioni. Introduzione Indce Prevson Inroduzone 9//7 7.3 conce base modell causal sere emporal error sere sazonare sere con rend sere con sagonalà Prevson La capacà d prevedere (forecasng l fuuro è fondamenale per un azenda.

Dettagli

ESPONENTI DI LIAPUNOV

ESPONENTI DI LIAPUNOV ESPONENTI DI IAPUNOV Ssem a empo dscreo, mono- e mul-dmensonal Problemache d calcolo Ssem a empo connuo C. Pccard e F. Dercole Polecnco d Mlano - 9/0/200 /8 MAPPE MONO-DIMENSIONAI Consderamo l ssema a

Dettagli

CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI 1. LEGGI FINANZIARIE

CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI 1. LEGGI FINANZIARIE CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI SOMMARIO:. Legg fnanzare. - 2. Regme fnanzaro dell neresse semplce e dello scono razonale. - 3. Regme fnanzaro dell neresse e dello scono composo. - 4. Tass equvalen.

Dettagli

Condensatore + - Volt

Condensatore + - Volt 1) Defnzone Condensaore Sruura: l condensaore è formao da due o pù superfc condurc, chamae armaure, separae da un maerale solane, chamao delerco. Equazon Caraersche: La ensone ra armaure è dreamene proporzonale

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA

UNIVERSITÀ DEGLI STUDI DI PADOVA UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA, ECONOMIA E FINANZA TESI DI LAUREA MODELLI PER LA STIMA DELLA VOLATILITA' E DEL VALUE-AT-RISK: UN APPLICAZIONE

Dettagli

CORSO DI POLITICA ECONOMICA AA GLI APPROCCI ALLA DETERMINAZIONE DEL TASSO DI CAMBIO

CORSO DI POLITICA ECONOMICA AA GLI APPROCCI ALLA DETERMINAZIONE DEL TASSO DI CAMBIO CORSO DI POLITICA CONOMICA AA 2016-2017 GLI APPROCCI ALLA DTRMINAZION DL TASSO DI CAMBIO DOCNT PIRLUIGI MONTALBANO perlug.monalbano@unroma1. Deermnazone TC: Approcco d porafoglo Assunzon d Breve perodo

Dettagli

Bayes. stati del mondo

Bayes. stati del mondo ayes Sao del mondo Se ndchamo con uno sao del mondo e un eveno, la probablà d dao ndca che s manfesa dao che è lo sao del mondo. Qund l eveno può essere pensao anche come uno sao del mondo. La formula

Dettagli

Equazioni dei componenti

Equazioni dei componenti Equazon de componen Eserczo Nella fgura è rappresenao un quadrupolo la cu sruura nerna alla superfce lme conene ressor R e R. Deermnare le equazon del componene ulzzando come arabl descre quelle corrsponden

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

Modulo Foreste: algoritmo di stima

Modulo Foreste: algoritmo di stima Modulo Forese: algormo d sma Modello For Es (Fores Esmaes) La procedura mplemenaa n Inemar è basaa sul modello For-Es svluppao da ISPRA seguendo le ndcazon delle lnee guda LULUF dell IP. S basa su una

Dettagli

Problema. Integrazione scorte e distribuzione. Modello. Modello

Problema. Integrazione scorte e distribuzione. Modello. Modello Problema Inegrazone score e dsrbuzone Modell a domanda varable ree dsrbuva: uno a mol merc: colleame domanda: varable vncol: numero e capacà vecol cos: fss/varabl, magazzno/rasporo approcco rsoluvo: eursco/esao

Dettagli

a) Definite e calcolate il PIL nominale della nazione secondo i tre metodi che conoscete.

a) Definite e calcolate il PIL nominale della nazione secondo i tre metodi che conoscete. Domanda 1 - Soluzone In una cera nazone sono presen solano due mprese, A e B. L mpresa A produce paae, l mpresa B e un rsorane fas-food. L mpresa A produce 100 kg d paae. Il prezzo d un kg d paae è par

Dettagli

Definizione. Algoritmi di Change Detection - foreground. background

Definizione. Algoritmi di Change Detection - foreground. background Algorm d Change Deecon - Defnzone 1 Change Deecon: rlevameno de cambamen n mmagn della sessa scena acquse n san dfferen. Inpu: due o pu mmagn della scena. Oupu: mmagne bnara dea Change Mask che ad ogn

Dettagli

INDICE. Capitalizzazione Pagina 3 Sconto e valore attuale Pagina 10 Equivalenza finanziaria e operazioni composte Pagina 14 Rendite Pagina 16

INDICE. Capitalizzazione Pagina 3 Sconto e valore attuale Pagina 10 Equivalenza finanziaria e operazioni composte Pagina 14 Rendite Pagina 16 MATEMATICA FINANZIARIA www.marosandr. INDICE Capalzzazone Pagna 3 Scono e valore auale Pagna 0 Equvalenza fnanzara e operazon compose Pagna 4 Rende Pagna 6 2 CAPITALIZZAZIONE Defnzon Il conrao d preso

Dettagli

GENERATORE DI IMPULSO CON AMPLIFICATORE OPERAZIONALE

GENERATORE DI IMPULSO CON AMPLIFICATORE OPERAZIONALE GENEAOE DI IMPULSO CON AMPLIFICAOE OPEAZIONALE Un generaore d mpulso, o mulvbraore monosable, è un crcuo che presena due possbl sa: uno sao sable ed uno sao quas sable Il crcuo s rova, normalmene, nello

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI Fondamen d Segnal e Trasmssone Segnal deermnsc e casual Un segnale () s dce DETEMIISTICO se e una funzone noa d, coe se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale

Dettagli

Oscillazioni libere e risonanza di un circuito RLC-serie (Trattazione analitica del circuito RLC-serie)

Oscillazioni libere e risonanza di un circuito RLC-serie (Trattazione analitica del circuito RLC-serie) Ing. Eleronca - II a Esperenza del aboraoro d Fsca Generale II Oscllazon lbere e rsonanza d un crcuo -sere (Traazone analca del crcuo -sere on quesa breve noa s vuole fornre la raazone eorca del crcuo

Dettagli

Controllo predittivo (MPC o MBPC)

Controllo predittivo (MPC o MBPC) Conrollo predvo MPC o MBPC Nella sa formlaone pù enerale, l conrollo predvo consa d re dee d base:. L lo d n modello maemaco ao a prevedere le sce del processo nel san d empo fr l orone. Le sce fre, comprese

Dettagli

Introduzione ai Modelli di Durata: Alcuni Modelli Parametrici

Introduzione ai Modelli di Durata: Alcuni Modelli Parametrici Inroduzone a Modell d Duraa: Alun Modell Paramer a.a. 2009/2010 - Quaro Perodo Prof. Flppo DOMMA Corso d Laurea Spealsa/Magsrale n Eonoma Applaa Faolà d Eonoma UnCal 1. Esponenzale Modell Paramer Le funzon

Dettagli

CONDUTTIMETRIA. La conduttanza è l inverso della resistenza e la resistenza Conduttanza C = R

CONDUTTIMETRIA. La conduttanza è l inverso della resistenza e la resistenza Conduttanza C = R ODUTTIMETIA La condumera è una ecnca basaa sulla conducblà degl on presen n soluzone. I conduor possono essere : I spece generalmene meall e meallod, sono caraerzza dall assenza del rasporo d maera, n

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Modellazione statistica a fini previsivi

Modellazione statistica a fini previsivi Modellazone sasca a fn prevsv Inroduzone Daa una varable casuale y, d qualsas naura (ossa sa d po qualavo che quanavo), uno de prncpal obev d un rcercaore è quello d poer prevedere valor che essa porebbe

Dettagli

Regimi periodici non sinusoidali

Regimi periodici non sinusoidali Regm perodc non snusodal www.de.ng.unbo./pers/masr/ddaca.hm versone del -- Funzon perodche S dce che una funzone y è perodca se esse un > ale che per ogn e per ogn nero y y l pù pccolo valore d per cu

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

NOTA METODOLOGICA INDICI SINTETICI PER CONFRONTI TEMPORALI: UN INDICE STATICO E UNO DINAMICO

NOTA METODOLOGICA INDICI SINTETICI PER CONFRONTI TEMPORALI: UN INDICE STATICO E UNO DINAMICO Noa meodologca - Indc snec per confron emporal 53 INDICI SINTETICI PER CONFRONTI TEMPORALI: UN INDICE STATICO E UNO DINAMICO Uno de prncpal problem nella cosruzone d ndc snec rguarda la scela d meod che

Dettagli

Lezione 11. Polinomi a coefficienti in un campo.

Lezione 11. Polinomi a coefficienti in un campo. Lezone Prerequs: Lezone 0. Polnom a coeffcen n un campo. Sa K un campo. In quesa lezone sudamo le propreà armeche dell'anello d polnom K[ X ], che sono analoghe a quelle valde nell'anello Z e da no consderae

Dettagli

Criteri metodologici per la valutazione dei titoli obbligazionari standard e dei contratti derivati non quotati

Criteri metodologici per la valutazione dei titoli obbligazionari standard e dei contratti derivati non quotati Crer meodologc per la valuazone de ol obblgazonar sandard e de conra derva non quoa Adoao con delbera del Consglo d ammnsrazone del /0/20 Modfcao con delbera del Consglo d Ammnsrazone del 28//20 Aggornao

Dettagli

Il Value at Risk secondo l approccio parametrico: un esempio semplificato

Il Value at Risk secondo l approccio parametrico: un esempio semplificato Universià degli Sudi di Napoli Federico II Caedra di Economia delle Aziende di Assicurazione Il Value a Risk secondo l approccio paramerico: un esempio semplificao Domenico Curcio, Ph. D. Value a Risk

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

ISTRUZIONE OPERATIVA:

ISTRUZIONE OPERATIVA: ASSORBIENTO D QUA LA PRESSIONE ATOSFERI Pagna 1 d 5 L da INDICE: 1) Scopo 2) Campo d applcazone 3) Norma d rfermeno 4) Defnzon e smbol 5) Responsablà 6) Apparecchaure 7) odalà esecuve 8) Esposzone de rsula

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Definizione della tariffa per l accertamento di conformità degli strumenti di misura

Definizione della tariffa per l accertamento di conformità degli strumenti di misura alla delberazone d Guna n. 2 del 20.0.2009 Defnzone della arffa per l accerameno d conformà degl srumen d msura. Per l accerameno d conformà degl srumen d msura sono defne le seguen 8 class arffare: denfcavo

Dettagli

Campo magnetico stazionario

Campo magnetico stazionario Campo magneco sazonaro www.de.ng.unbo./pers/masr/ddaca.hm (versone del 3--) Equazon fondamenal Equazon per l campo magneco H J B H B n d J n d Equazon d legame maerale ezzo lneare soropo B H H ) ( ezzo

Dettagli

Lezione n. 2 di Controlli Automatici A prof. Aurelio Piazzi Modellistica ed equazioni differenziali lineari

Lezione n. 2 di Controlli Automatici A prof. Aurelio Piazzi Modellistica ed equazioni differenziali lineari Cors d Laurea n Ingegnera Eleronca, Informaca e delle Telecomuncazon Lezone n. 2 d Conroll Auomac A prof. Aurelo Pazz dfferenzal lnear Unversà degl Sud d Parma a.a. 2009-2010 Cenn d modellsca (crcu elerc

Dettagli

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI POCESSI CASUALI Segnal deermnsc e casual Un segnale () s dce DEEMIISICO se è una funzone noa d, coè se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è noo con esaezza

Dettagli

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t 4. Approcco formale E neressane efnre le caraersche e var regm fnanzar n manera pù asraa e generale, n moo a poer suare qualsas regme fnanzaro. A al fne efnamo percò e paramer n grao escrvere qualsas po

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

Esercitazioni di Elettrotecnica: circuiti in evoluzione dinamica

Esercitazioni di Elettrotecnica: circuiti in evoluzione dinamica Unersà degl Sud d assno sercazon d leroecnca: crcu n eoluzone dnamca nono Maffucc maffucc@uncas er oobre 7 rcu dnamc del prmo ordne S Nel seguene crcuo è assegnaa la correne nell nduore all sane caare

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Statistica Descrittiva II

Statistica Descrittiva II Organzzazone de dat Statstca Descrttva II Indc d poszone Indc d varabltà Indc d asmmetra Indc d normaltà Outler Box-plot Sere statstche monovarate Carattere: Cellular possedut Popolazone: 7 student d Botecnologe

Dettagli

Modelli reologici. Romano Lapasin. Dipartimento di Ingegneria e Architettura Università di Trieste

Modelli reologici. Romano Lapasin. Dipartimento di Ingegneria e Architettura Università di Trieste Modell reologc Romano Lapasn Dparmeno d Ingegnera e Archeura Approcc fenomenologc e approcc molecolar/mcroreologc Problema cenrale della reologa: defnzone dell equazone cosuva (relazone ra ensore degl

Dettagli

Modelli reologici. Romano Lapasin. Dipartimento di Ingegneria e Architettura Università di Trieste

Modelli reologici. Romano Lapasin. Dipartimento di Ingegneria e Architettura Università di Trieste Modell reologc Romano Lapasn Dparmeno d Ingegnera e Archeura Approcc fenomenologc e approcc molecolar/mcroreologc Problema cenrale della reologa: defnzone dell equazone cosuva (relazone ra ensore degl

Dettagli

Università di Siena Sede di Grosseto Secondo Semestre 2010-2011. Macroeconomia. Paolo Pin ( pin3@unisi.it ) Lezione 7 2 Maggio 2011

Università di Siena Sede di Grosseto Secondo Semestre 2010-2011. Macroeconomia. Paolo Pin ( pin3@unisi.it ) Lezione 7 2 Maggio 2011 Unversà d Sena Sede d Grosseo Secondo Semesre 200-20 acroeconoma Paolo Pn ( pn3@uns. ) Lezone 7 2 aggo 20 La lezone d ogg Rpasso e conclusone capolo 4 qulbro nel mercao della monea e la relazone L Polca

Dettagli

Analisi delle reti con elementi dinamici

Analisi delle reti con elementi dinamici Prncp d ngegnera elerca ezone a Anals delle re con elemen dnamc Induore Connesson d nduor Induore nduore è un bpolo caraerzzao da una relazone ensonecorrene d po dfferenzale: ( d( d e hanno ers coordna

Dettagli

Legge di Okun: una verifica empirica per gli Stati Uniti,

Legge di Okun: una verifica empirica per gli Stati Uniti, UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE TESI DI LAUREA Legge d Okun: una verfca emprca per gl Sa Un, 967-006 Relaore: Ch.mo

Dettagli

Corso di Fisica tecnica e ambientale a.a. 2011/ Docente: Prof. Carlo Isetti

Corso di Fisica tecnica e ambientale a.a. 2011/ Docente: Prof. Carlo Isetti Corso d Fsca ecnca e ambenale a.a. 2011/2012 - Docene: Prof. Carlo Ise CAPITOLO 11 11.1 Ressenze ermche Per analzzare process d rasmssone n cu sano conemporaneamene presen fenomen d conduzone, convezone

Dettagli

Equazioni di stato per circuiti del I ordine

Equazioni di stato per circuiti del I ordine Lezone 5 Equazon d sao per crcu del ordne Lezone n.5 Equazon d sao per crcu del ordne. Equazone d sao per crcu del ordne. Dmensone fsca de coeffcen dell equazone d sao. Esercz. sere e parallelo. L sere

Dettagli

Circuiti magnetici. (versione del ) Campo magnetico stazionario o quasi stazionario

Circuiti magnetici.  (versione del ) Campo magnetico stazionario o quasi stazionario Crcu magnec www.de.ng.unbo./pers/masr/ddaca.hm (versone del 3--) Campo magneco sazonaro o quas sazonaro Condzon sazonare: grandezze eleromagneche cosan nel empo Condzon quas sazonare: varazon nel empo

Dettagli

MISURA DELLA CAPACITA DI UN CONDENSATORE TRAMITE UN CIRCUITO RC

MISURA DELLA CAPACITA DI UN CONDENSATORE TRAMITE UN CIRCUITO RC MISUA DELLA CAACITA DI UN CONDENSATOE TAMITE UN CICUITO C Spermenaor: Marco Erculan (n marcola: 4549.O) Ivan Noro (n marcola: 458656.O) Duraa dell espermeno:.5 ore ( dalle ore 9: alle ore :) Daa d effeuazone:

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 10. L equlbro del mercato fnanzaro: la struttura de tass d nteresse CAPITOLO 9: ttol omogene => stessa quotazone (p) e stesso rendmento ( o r); ttol eterogene per rscho => quotazone e rendmento

Dettagli

Determinare gli insiemi delle soluzioni dei seguenti sistemi lineari non omogenei e scriverli in forma di spazio affine ESERCIZIO 1.3.

Determinare gli insiemi delle soluzioni dei seguenti sistemi lineari non omogenei e scriverli in forma di spazio affine ESERCIZIO 1.3. Deermnare gl nsem delle soluon de seguen ssem lnear non omogene e srverl n forma d spao affne ESERCIZIO ESERCIZIO ESERCIZIO ESERCIZIO ESERCIZIO ESERCIZIO 6 ESERCIZIO ESERCIZIO ESERCIZIO 9 ESERCIZIO SOLUZIONI

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Capitolo 2 Le leggi del decadimento radioattivo

Capitolo 2 Le leggi del decadimento radioattivo Capolo Le legg del decadmeno radoavo. Sablà e nsablà nucleare Se analzzamo aenamene la cara de nucld, vedamo che n essa sono rappresena, olre a nucle sabl, anche var nucle nsabl. Con l ermne nsable s nende

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

Esercitazioni di Teoria dei Circuiti: circuiti in evoluzione dinamica

Esercitazioni di Teoria dei Circuiti: circuiti in evoluzione dinamica Unersà degl Sud d assno sercazon d Teora de rcu: crcu n eoluzone dnamca prof nono Maffucc maffucc@uncas er oobre 7 Maffucc: rcu n eoluzone dnamca er-7 rcu dnamc del prmo ordne S Nel seguene crcuo è assegnaa

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

Università degli Studi di Bologna

Università degli Studi di Bologna Unversà degl Sud d Bologna FACOLTA DI INGEGNERIA Corso d Laurea Specalsca n Ingegnera Informaca Applcazon d Inellgenza Arfcale L-S INCERTEZZA DELLA DOMANDA NELLE CATENE DI SUPPORTO: TECNICHE DI RIDUZIONE

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

RESISTENZA TERMICA E MECCANISMI COMBINATI

RESISTENZA TERMICA E MECCANISMI COMBINATI Corso d Fsca Tecnca a.a. 2010/2011 - Docene: Prof. Carlo Ise RESISTENZA TERMICA E MECCANISMI COMBINATI 12.1 RESISTENZE TERMICHE Per analzzare process d rasmssone n cu sano conemporaneamene presen fenomen

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Il Processo di Investimento

Il Processo di Investimento Trese, 8 Aprle 203 Performance Evaluaon and Performance Arbuon Robero Casarn r.casarn@unve. Il Processo d Invesmeno Il Processo d Invesmeno Performance Eval. and A. Il Processo d Invesmeno Prma d nrodurre

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Abusi di Mercato. S.A.I.Vi.M.: la procedura probabilistica per l individuazione di Abusi di Mercato. Market Abuse Detection. c.d.

Abusi di Mercato. S.A.I.Vi.M.: la procedura probabilistica per l individuazione di Abusi di Mercato. Market Abuse Detection. c.d. 90 60 30 gen 998 4 feb 998 8 mar 998 000000 0-000000 -4000000-6000000 -8000000-0000000 -000000-4000000 44 43 4 4 40 39 38 37 36 9-5-99 4-5-99 7-5-99-6-99 4-6-99 Mare Abuse Penomenon: defnzone Abus d Mercao

Dettagli

Manutenibilità e Disponibilità

Manutenibilità e Disponibilità produzone servaa ffdablà, Manuenblà e Dsponblà Sefano Ierace Obev Ulzzo dell anals d affdablà come srumeno predvo d comporameno d un ssema Valuazone requs d funzonameno d un componene Confrono d alernave

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

Dettagli

Regolamento dell Indice. Banca IMI Protected Basket Index June 2015 A

Regolamento dell Indice. Banca IMI Protected Basket Index June 2015 A Sede legale n Pazzea Gordano Dell Amore 3, 20121 Mlano scra all Albo delle Banche con l n. 5570 Soceà apparenene al Gruppo Bancaro Inesa Sanpaolo scro all Albo de Grupp Bancar Soceà soggea alla drezone

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Costi della politica: Giudizio positivo per i sindaci, maglia nera per parlamentari e consiglieri regionali

Costi della politica: Giudizio positivo per i sindaci, maglia nera per parlamentari e consiglieri regionali XXVI I IAssembl eaanci-larepubbl cadecomun Au onom apercamb ar e lpaese Lac l assepol c aec ad n Op n onsucos,r esponsab l àe mpegnodch gover nal e s uz on Cos della polca: Gudzo posvo per sndac, magla

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

G. SUPERTI FURGA MODELLISTICA DEI SISTEMI ELETTROMECCANICI Marzo 2005 SISTEMI DI INDUTTORI pag. 1 di 12

G. SUPERTI FURGA MODELLISTICA DEI SISTEMI ELETTROMECCANICI Marzo 2005 SISTEMI DI INDUTTORI pag. 1 di 12 G. SUPERTI FURGA MODELLISTICA DEI SISTEMI ELETTROMECCANICI Marzo 5 SISTEMI DI INDUTTORI pag. d SISTEMI DI INDUTTORI. INDUTTORI Gl nsem d nduor sono un argomeno parcolarmene mporane, cò ne gusfca una raazone

Dettagli

Correlazione, Regressione, Test non parametrici

Correlazione, Regressione, Test non parametrici Correlazone, Regressone, Test non parametrc Correlazone 1 Anals della Correlazone L anals della Correlazone è usata per msurare la forza dell assocazone (relazone lneare) tra due varabl Correlazone rguarda

Dettagli

Misure Ripetute ed Indipendenti

Misure Ripetute ed Indipendenti Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Proprietà razionali per il prezzo

Proprietà razionali per il prezzo Proprieà razionali per il prezzo delle opzioni call 8/09/0 Corso di Finanza quaniaiva L aricolo di Rober Meronpubblicao nel 973, heoryofraionalopionpricing idenifica una serie di proprieà che devono valere

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli