Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes"

Transcript

1 Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes Docente:Alessandra Cutrì

2 Descrizione del Modello - Opzioni OPZIONE è il più semplice strumento derivato: E un contratto che da la possibilità (ma non l obbligo) a chi lo detiene di acquistare (o vendere) una certa quantità di un titolo sottostante ad una data futura ed ad un prezzo prefissati: un bene sottostante di prezzo S (dipendente dal tempo) un prezzo di esercizio K (strike price) una data T (scadenza) o tempo di maturità Opzione Europea: il diritto può essere esercitato solo alla scadenza T Opzione Americana: il diritto può essere esercitato in un qualsiasi momento fino alla scadenza T Opzione Call: Diritto di acquistare Opzione Put: Diritto di vendere

3 Call Europea con Strike K e maturità T Consideriamo un Opzione Europea Call: il diritto di acquisto può essere esercitato solo alla scadenza T. Supponiamo che il bene sottostante alla scadenza T abbia un prezzo S T Al tempo T ci sono due possibilità: S T > K: il valore finale dell opzione (pay-off) corrispondente al ricavo che si ottiene esercitando l opzione (cioè acquistando il bene al prezzo K e rivendendolo al prezzo di mercato S T ) è pari a S T K S T < K: non conviene esercitare l opzione ed il pay-off è nullo In definitiva il pay-off di una Call europea è pari a (S T K) + = max{s T K, 0} Analogamente il pay-off di una Put Europea è pari a (K S T ) + = max{k S T, 0}

4 Quanto costa l Opzione? Modello di Prezzatura delle OPZIONI di Black Scholes (per cui ricevettero il Nobel per l economia): formule esplicite per il prezzo di opzioni di tipo Europeo. Ipotesi fondamentali: Efficienza del mercato: (1965-Eugene Fama) Il mercato è capace di rispondere immediatamente a qualsiasi nuova informazione sul bene sottostante in modo tale che la storia passata del bene sia interamente riflessa nel prezzo corrente dello stesso (Il passato è nel prezzo!) La variazione di prezzo di un bene segue un Processo Markowiano Assenza di arbitraggio: Non ci sono possibilità di fare profitti senza rischio ( variabilità sul rendimento finale) istantanei. OSS: L ipotesi di Efficienza di mercato è molto controversa in economia. Si sta sviluppando una nuova teoria introdotta da Peters nel 1994 basata su un ipotesi di mercato stabile o mercato frattale che si adatti meglio all evidenza empirica.

5 Variazione del prezzo del bene sottostante Costo di un Opzione Europea dipende dalla variazione di prezzo del bene sottostante: Efficienza del mercato La variazione di prezzo S del bene sottostante segue un Processo Markowiano (L andamento di S viene descritto da un equazione differenziale stocastica) Oss:non è interessante valutare le variazioni assolute del prezzo del bene (una variazione di prezzo di 2 euro su un bene che costava 100 euro è molto meno interessante rispetto alla stessa variazione su un bene che costava 4 euro) Oss: Importante è il RETURN (o rendimento): rapporto tra la variazione assoluta del prezzo ed il suo valore originale: ds S

6 Modello evolutivo del prezzo S del sottostante ds S = ds drift S Il return si compone di due parti: + ds stock S parte deterministica: ds drift S = µdt assimilabile al Return di denaro investito senza rischio in banca e caratterizzato dal parametro di drift µ che corrisponde al tasso medio di crescita del prezzo del bene (andamento medio del titolo) parte stocastica: ds Stock S = σdb tiene conto delle fluttuazioni del titolo dovute alla risposta del prezzo del titolo alle informazioni esogene. σ:volatilità: Misura le oscillazioni del prezzo del bene rispetto al trend e rappresenta la misura della suscettibilità del prezzo del bene alle informazioni esogene (deviazione standard dal return) db:processo di Wiener Moto Browniano

7 Moto Browniano geometrico Dunque il prezzo S del bene sottostante è soluzione di questa equazione differenziale stocastica: (Moto Browniano geometrico) ds = µsdt + σsdb OSS: Il modello per ds è un astrazione matematica in quanto segue un evoluzione continua nel tempo (dipende dall ipotesi di efficienza del mercato) in quanto nella realtà i prezzi dei beni sono quotati ad intervalli di tempo discreti ma questo produrrebbe una quantità enorme di dati che diverrebbe ingestibile

8 Poiché il valore dell opzione dipende dal prezzo del bene sottostante, per valutare tale valore è necessario studiare il comportamento di una V (S, t) quando S evolve nel tempo secondo l equazione differenziale stocastica ds = µsdt + σsdb Come si fa? Utilizzando la Formula di Ito che mette in relazione le piccole perturbazioni di una funzione di variabile aleatoria con le piccole fluttuazioni della variabile aleatoria stessa.

9 Richiamo:Moto Browniano Processo Stocastico: {X t } t R + è una famiglia dipendente da un parametro t di variabili aleatorie definite su uno spazio di probabilità (Ω, F, P) Moto Browniano 1 dim: {B t } t R + è un processo stocastico che soddisfa le proprietà: 1 B 0 = 0 quasi certamente 2 per ogni 0 s t, B t B s è una v.a. indipendente da B s (proprietà di Markow o senza memoria che implica che per ogni t > 0 e 0 t 0 < t 1 < < t n < t si ha P{B t Z B t0 = b 0, B t1 = b 1,..., B tn = b n } = P{B t Z B tn = b n } 3 per ogni 0 s t, B t B s ha una distribuzione di probabilità Gaussiana con media µ = 0 e varianza σ 2 = t s in particolare P{B t I } = I G(ω, t)dω con G(ω, t) = 1 e ω2 2t 2πt

10 Se indichiamo con B t = B t+ t B t con t > 0, E( B t ) = 0 E(( B t ) 2 ) = t per t 0 si ha db dtn (0, 1) = N (0, dt) (oss: E(X ) = Ω XdP) Il moto Browniano si può ottenere come limite di una passeggiata aleatoria simmetrica su un ipotetico asse x

11 Media e varianza di ds E(dS) = E(µSdt + σsdb) = µsdt in media il valore di S a (t + dt) è maggiore o minore (dipende dal segno di µ) per una quantità pari a µsdt Var(dS) = E(dS 2 ) (E(dS)) 2 = E(µSdt + σsdb) 2 ) (νsdt) 2 = E(µ 2 S 2 dt 2 + σ 2 S 2 (db) 2 + 2µS 2 dtdb) µ 2 S 2 dt 2 = σ 2 S 2 E((dB) 2 ) + 2µS 2 dte(db) = σ 2 S 2 E((dB) 2 ) = σ 2 S 2 dt (oss: Var(X ) = X E(X ) 2 L 2 (Ω,P) = Ω X E(X ) 2 dp)

12 Processo di Ito Def: Sia {B t } un Browniano 1 dim. Si definisce processo di Ito un processo stocastico {X (t)} sempre su (Ω, F, P) che soddisfa dx (t) = a(x (t), t)dt + b(x (t), t)db(t) X (0) = x 0 oss: Se b = 0 si ha un processo deterministico soluzione dell eq. diff. X (t) = a(x (t), t) oss: S è un processo di Ito con a(x, t) = µt e b(x, t) = σx se g(x, t) è regolare, possiamo sviluppare con Taylor ed ottenere g(x (t), t) = g(x (0), 0)+g t dt+g x dx [g xx(dx ) 2 +2g xt dxdt+g tt (dt) 2 ]+ il differenziale di g si ottiene prendendo le parti lineari in dt e dx. I termini del tipo dxdt e (dt) 2 sono di ordine superiore ma il (dx ) 2 = [adt + bdb] 2 = a 2 (dt) 2 + 2abdtdB + b 2 (db) 2 ma b 2 (db) 2 b 2 dt quindi dg = [g t + ag x b2 g xx ]dt + bg x db OSS: L operatore L = t + a x b2 2 xx è associato all eq.differenziale stocastica

13 Applicazione calcolo di Ito al pay-off V (S, t) Applichiamo il differenziale di Ito alla funzione pay-off calcolata al variare dell istante temporale t [0, T ] V (S, t) segue l evoluzione del prezzo S secondo la DSE del Moto Browniano geometrico quindi ds = µsdt + ΣSdB dv = [V t + µsv S σ2 S 2 V SS ]dt + σsv S db Il modello di Black-Scholes si basa sulla possibilità di rendere deterministica la variazione dv cioè eliminare il termine σsv S db. Come è possibile? Costruendo un portafoglio auto-finanziante privo di rischio e che consiste di V e di opportune quantità del bene sottostante S (si usa assenza di arbitraggio)

14 Ipotesi di modello BS per calcolo di V Le Ipotesi del modello BS sono S evolve secondo ds = µsdt + σsdb tasso di interesse privo di rischio r e la volatilità σ sono costanti e NOTE ( 1E al tempo zero frutta e rt E al tempo T ) non ci sono costi di transazione dividendi nulli (poi vediamo come si generalizzano) E possibile la vendita o l accquisto in ogni istante di una qualsiasi quantità di bene No ARBITRAGGIO:cioè ogni investimento istantaneo senza rischio DEVE avere rendimento r Portafoglio autofinanziante

15 Come si rende deterministico dv? Si costruisce un portafoglio Π privo di rischio che consiste dell opzione V e di una quantità di sottostante. Per assenza di arbitraggio Π deve crescere al tasso di interesse r: essendo dπ = rπdt Π = V S dove quantità di sottostante che si suppone costante nell intervallo (t, t + dt) uguale al valore che aveva in t. La variazione di Π in (t, t + dt) è dπ = dv ds = [V t +µsv S σ2 S 2 V SS ]dt [µsdt+σsdb]+σsv S db Se scegliamo in modo che σsv S db σsdb = 0 cioè = V S (t, S) in (t, t + dt) abbiamo (per l assenza di arbitraggio) dπ = [V t σ2 S 2 V SS ]dt = r(v SV S )dt

16 Equazione di Black-Scoles otteniamo l EDP di Black-Scholes (senza pagamento dividendi): V t σ2 S 2 V SS rv rsv S = 0 Oss: non compare più il coefficiente µ (tasso di crescita medio del prezzo del sottostante) Se esercitiamo un opzione europea su un sottostante che colorred paga dividendi in tempo continuo (per esempio costituito da quote azionarie di diverse imprese che pagano dividendi in periodi differenti dell anno questa ipotesi è accettabile), nell intervallo (t, t + dt) l ammontare del diviedndo pagato è δsdt con δ: tasso istantaneo di dividendo Flusso di dividendi decremento del prezzo S in dt uguale al tasso pagato dal dividendo (per assenza di arbitraggio) altrimenti comprando il titolo al tempo t e rivendendolo subito dopo aver ricevuto il dividendo si otterrebbe un guadagno pari a δsdt senza rischio

17 Equazione di Black-Scoles con flusso di dividendi Tale modifica porta alla modifica nell eq. BS seguente: V t σ2 S 2 V SS rv (r δ)sv S = 0 E un EDP a coefficienti variabili abbiamo la condizione di Cauchy al tempo T (equazione Backward): V (S T, T ) = (S T K) + attraverso opportune trasformazioni arriveremo all equazione del calore di cui conosciamo la soluzione in forma esplicita e poi ritrasformando otterremo la soluzione V (S, t) in forma esplicita (tutto con metodi analitici)

18 Dall eq. di BS all equazione del calore Vogliamo risolvere con metodi analitici l eq. di Black-Scholes V t σ2 S 2 V SS rv (r δ)sv S = 0 (1) definita su D V := {(S, t) t.c.s > 0, 0 t T } Trasformazione di coordinate (S, t) (x, τ) ed un cambiamento di incognita V (S, t) u(x, τ) in modo che u soddisfi l equazione del calore u τ = u xx x R 0 τ σ2 2 T Si risolve come sappiamo l eq. del calore e si torna indietro ottenendo la soluzione esplicita V (S, t)

19 Primo passo: trasformare (1) in una EDP a coefficienti costanti Poniamo: S = Ke x x = log S K x R t = T 2τ σ 2 τ = σ2 σ2 (T t) 0 τ 2 2 T Consideriamo prima la funzione ausiliaria: v(x, τ) := 1 K V (S, t) = 1 K V (Kex, T 2τ σ 2 ) e vediamo l equazione soddisfatta da v(x, τ)

20 Poiché V (S, t) = Kv(x, τ) abbiamo: V t = Kv τ τ t = Kv τ ) ( σ2 2 x V S = Kv x S = Kv K 1 x S k = K S v x V SS = ( K S S v x(x, τ) ) = K v S 2 x + K S S (v x(x, τ)) = = K v S 2 x + K S v xx x S = K v S 2 x + K K 1 S S K v xx = = K v S 2 x + K v S 2 xx Quindi V (S, t) soddisfa (1) v(x, τ) soddisfa: cioè σ2 2 Kv τ σ2 S 2 ( K S 2 v x + K S 2 v xx) + (r δ)kv x rkv = 0 ( ) 2(r δ) v τ = v xx + σ 2 1 v x 2r σ 2 v

21 Chiamando p := 2(r δ) σ 2 ( ) 2(r δ) v τ = v xx + σ 2 1 v x 2r σ 2 v e ι := 2δ σ 2 otteniamo v τ = v xx + (p 1) v x (p + ι)v (2) Per arrivare all equazione del calore, chiamiamo γ := 1 2 (p 1) e β := 1 (p + 1) = γ OSS: β 2 = γ 2 + p. Infatti: 1 4 (p + 1)2 = 1 4 (p 1)2 + p Infine definiamo la nuova incognita u: v(x, τ) = e γx (β2 +ι)τ u(x, τ) Verifichiamo che se v soddisfa (2) allora soddisfa l eq. del calore. u(x, τ) = e γx+(β2 +ι)τ v(x, τ)

22 v(x, τ) = e γx (β2 +ι)τ u(x, τ) Quindi v τ = e γx (β2 +ι)τ u τ (β 2 + ι)e γx (β2 +ι)τ u = e γx (β2 +ι)τ [u τ (β 2 + ι)u] v x = e γx (β2 +ι)τ [ γu + u x ] v xx = e γx (β2 +ι)τ [γ 2 u 2γu x + u xx ] Sostituendo in (2) e γx (β2 +ι)τ [u τ (β 2 + ι)u γ 2 u + 2γu x u xx (p 1)( γu + u x ) +(p + ι)u] = 0

23 Cioè [u τ (β 2 + ι)u γ 2 u + 2γu x u xx (p 1)( γu + u x ) +(p + ι)u] = 0 che implica, essendo γ := 1 2 (p 1) e β2 = γ 2 + ι, che il coefficiente che moltiplica u sia nullo; infatti: (β 2 +ι)+γ 2 γ(p 1) p ι = 2γ 2 +p γp+γ p = γ[2γ p+1] = 0 quindi u soddisfa u τ (x, τ) = u xx (x, τ) x R, 0 τ σ2 2 T

24 Equazione del calore Equazione del calore unidimensionale u τ (x, τ) = u xx (x, τ) x R, 0 τ σ2 2 T con condizione iniziale u(x, 0) = u 0 (x) x R ha per soluzione u(x, τ) = G(x, τ) u 0 (x) dove G(x, τ) = 1 e x2 4τ 4πτ = Φ0, 2τ (x) cioè la densità di probabilità di una distribuzione Normale di Media zero e Varianza 2τ.

25 Qual è la condizione iniziale u 0? Chi è u 0 (x)? τ = σ2 2 (T t) τ = 0 corrisponde a t = T quindi la condizione iniziale per u corrisponde alla condizione al tempo T per V che è nota! u(x, 0) = e γx v(x, 0) = 1 K eγx V (S, T ) = 1 K eγx V (Ke x, T ) ma V (S, T ) è il valore dell opzione Europea call (o put) al tempo di maturità, quindi V call (S, T ) = (S T K) + V put (S, T ) = (K S T ) + Valutiamo l opzione Call (la Put è analoga). Sia u c (x, 0) il dato iniziale relativo all opzione Call; abbiamo: u c (x, 0) = 1 K eγx V call (Ke x, T ) = 1 K eγx (Ke x K) + = (e (γ+1)x e γx ) + = max{e βx e γx ; 0} (β = γ + 1)

26 Formula esplicita per u call (x, τ) Si ha quindi u call (x, τ) = G(x, τ) u c (x, 0) = 1 4πτ e x2 4τ uc (x, 0) u call (x, τ) = 1 4πτ R e (x y)2 4τ max{e βy e γy ; 0}dy Essendo β = γ + 1 ne segue che per y 0 l integrando si annulla e dunque u call (x, τ) = 1 + 4πτ 0 e (x y)2 4τ (e βy e γy )dy := I β I γ

27 dove I α : = 1 4πτ + 0 e (x y) 2 = exα+τα2 4πτ + 4τ +αy dy = 1 0 e [(x+2τα) y] 2 ) 4τ Ponendo η = x+2τα 2τ, si ha dy + 4πτ 0 e (x 2 2y(x+2τα)+y 2 ) 4τ dy I α = exα+τα2 2π x+2τα 2τ e η2 2 dη Usando la funzione di ripartizione di una normale standard di media zero e varianza uno: Φ(ξ) = ξ e η2 2 dη 2π I α = e xα+τα2 Φ( x + 2τα 2τ )

28 Quindi u call (x, τ) = I β I γ = e xβ+τβ2 Φ( x + 2τβ ) e xγ+τγ2 Φ( x + 2τγ ) 2τ 2τ Tutto va scritto in termini di V c (S, t). A tal proposito poniamo d 1 := x + 2τβ 2τ d 2 := x + 2τγ 2τ Poiché x = log S K e τ = σ2 2 (T t) si ha d 1 = log S K + σ2 (T t) 1 2 (p + 1) σ T t = log S K + ( σ2 2 d 2 = log S K + σ2 (T t) 1 2 (p 1) σ = log S K T t OSS: d 2 = d 1 σ T t + r δ)(t t) σ T t σ2 + ( 2 + r δ)(t t) σ T t

29 Formula esplicita per V call (S, t) Essendo V (S, t) = Kv(x, τ) = Ke γx (β2 +ι)τ u(x, τ), abbiamo V c (S, t) = Ke γx (β2 +ι)τ {e βx+β2τ Φ(d 1 ) e γx+γ2τ Φ(d 2 )} = Ke (β γ)x ιτ Φ(d 1 ) Ke (γ2 β 2 ι)τ Φ(d 2 ) ma β γ = 1, ιτ = 2 δτ = δ(t t), β 2 = γ 2 + p, p + ι = 2r σ 2 σ 2 quindi Ke (β γ)x ιτ δ(t t) = Se e Analogamente Ke (γ2 β 2 ι)τ r(t t) = Ke V call (S, t) = Se δ(t t) Φ(d 1 ) Ke r(t t) Φ(d 2 ) V put (S, t) = Ke r(t t) Φ( d 2 ) Se δ(t t) Φ( d 1 )

30 Chi è la per l opzione Call? Poiché = S (V call(s, t)) = e δ(t t) Φ(d 1 ) > 0 Si ha inoltre che V S è crescente in S quindi la funzione V call (S, t) è una funzione convessa in S per ogni t Analogamente per le opzioni Put

Esercizi su equazioni differenziali stocastiche e teorema di Girsanov (con soluzioni)

Esercizi su equazioni differenziali stocastiche e teorema di Girsanov (con soluzioni) Esercizi su equazioni differenziali stocastiche e teorema di Girsanov con soluzioni). Moto Browniano geometrico Per r, σ >, si consideri l EDS lineare con coeff. costanti: dx t rx t dt + σx t db t, X x

Dettagli

VALUTAZIONE DEGLI STRUMENTI DERIVATI

VALUTAZIONE DEGLI STRUMENTI DERIVATI CONFINDUSTRIA- Genova VALUTAZIONE DEGLI STRUMENTI DERIVATI Simone Ligato Genova, 15 Febbraio 2017 1 COSA SONO I DERIVATI Strumenti finanziari il cui valore dipende interamente dall asset sottostante; IFRS

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

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)

MATEMATICA 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

Dettagli

Spazio di probabilità

Spazio di probabilità Spazio di probabilità Uno spazio di probabilità è una terna (Ω, A, P), dove Ω è un insieme qualunque (in genere pensato come l insieme dei risultati possibili di un esperimento casuale), A è detta σ-algebra,

Dettagli

Derivazione Numerica

Derivazione Numerica Derivazione Numerica I metodi alle differenze finite sono basati sull approssimazione numerica di derivate parziali. Per questo consideriamo come problema iniziale quello di approssimare le derivate di

Dettagli

Modello Black-Scholes

Modello Black-Scholes Modello Black-Scholes R. Marfé Indice 1 Il modello Black Scholes 1.1 Formule di valutazione per le opzioni standard......... 3 1. Implementazione in VBA..................... 6 1 1 Il modello Black Scholes

Dettagli

TECNICA DEI PRODOTTI FINANZIARI E ASSICURATIVI Corso di laurea magistrale in Economia e Finanza Prova scritta d esame 13 gennaio 2017.

TECNICA DEI PRODOTTI FINANZIARI E ASSICURATIVI Corso di laurea magistrale in Economia e Finanza Prova scritta d esame 13 gennaio 2017. COGNOME e NOME NUMERO di MATRICOLA TECNICA DEI PRODOTTI FINANZIARI E ASSICURATIVI Corso di laurea magistrale in Economia e Finanza Prova scritta d esame 13 gennaio 2017. 1. Dopo aver illustrato le caratteristiche

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 2013-2014 Lezione 4 Indice 1 Convergenza in legge di processi stocastici 2

Dettagli

Trasformata di Fourier e applicazioni

Trasformata di Fourier e applicazioni Trasformata di Fourier e applicazioni Docente:Alessandra Cutrì Trasformata di Fourier della funzione gaussiana Esempio: Calcoliamo la trasformata di Fourier di f (x) = e x 2 x n f (x) L 1 (R) per ogni

Dettagli

Rischi di mercato. Francesco Menoncin

Rischi di mercato. Francesco Menoncin Rischi di mercato Francesco Menoncin 6-0-0 Sommario Le risposte devono essere C.C.C (Chiare, Concise e Corrette). Il tempo a disposizione è di (due) ore. Esercizi. Su un mercato completo con tre stati

Dettagli

LE OPZIONI: GLI ELEMENTI DI. Gino Gandolfi SDA BOCCONI

LE OPZIONI: GLI ELEMENTI DI. Gino Gandolfi SDA BOCCONI LE OPZIONI: GLI ELEMENTI DI VALUTAZIONE Gino Gandolfi SDA BOCCONI I LIMITI DI PREZZO DELLE OPZIONI Sostanzialmente, una call americana od europea dà al possessore ad acquistare l attività sottostante ad

Dettagli

ASPETTI INTRODUTTIVI DI PRICING

ASPETTI INTRODUTTIVI DI PRICING 1 ASPETTI INTRODUTTIVI DI PRICING L opzione europea (o vanilla) è una scommessa sul valore del sottostante ad una scadenza determinata T La call è una scommessa sul rialzo al di sopra di K La put è una

Dettagli

La finanza quantitativa e i sistemi complessi

La finanza quantitativa e i sistemi complessi La finanza quantitativa e i sistemi complessi Fulvio Baldovin Dip. Fisica, Sezione INFN e CNISM, Università di Padova Attilio Stella, Enzo Orlandini, Francesco Camana Dip. Fisica, Sezione INFN e CNISM,

Dettagli

Teorie non finanziarie dell investimento

Teorie non finanziarie dell investimento Teorie non finanziarie dell investimento Investimento, Informazione e Razionalità A. M. Variato Saggi di Teoria e Politica Economica, Giuffrè, 2004 Daniela Maggioni Tatiana Conti 1 Teorie non finanziarie

Dettagli

Esercizi su formula di Itô

Esercizi su formula di Itô Esercizi su formula di Itô 1. Scrivere il differenziale stocastico dei seguenti processi: (i) X t = B t (ii) X t = t + e B t (iii) X t = B 3 t 3tB t (iv) X t = 1 + t + e B t (v) X t = [B 1 (t)] + [B (t)]

Dettagli

UNIVERSITÁ 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 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

Dettagli

Calcolo delle Probabilità 2

Calcolo delle Probabilità 2 Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente

Dettagli

SIMULAZIONE - 29 APRILE QUESITI

SIMULAZIONE - 29 APRILE QUESITI www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione

Dettagli

parametri della cinematica

parametri della cinematica Cinematica del punto Consideriamo il moto di una particella: per particella si intende sia un corpo puntiforme (ad es. un elettrone), sia un qualunque corpo esteso che si muove come una particella, ovvero

Dettagli

CRESCITA DI POPOLAZIONI. Consideriamo una popolazione di esseri viventi e indichiamo con n(t) il numero di individui della popolazione al tempo t:

CRESCITA DI POPOLAZIONI. Consideriamo una popolazione di esseri viventi e indichiamo con n(t) il numero di individui della popolazione al tempo t: CRESCITA DI POPOLAZIONI Consideriamo una popolazione di esseri viventi e indichiamo con n(t) il numero di individui della popolazione al tempo t: n : R N Questa è una funzione costante a tratti, cioè una

Dettagli

Precorso di Matematica

Precorso di Matematica UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni

Dettagli

Teoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici

Teoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione

Dettagli

Inflazione, disoccupazione e moneta

Inflazione, disoccupazione e moneta Macroeconomia (Clamm) - a.a. 2011/2012 Contenuto Curva di Phillips e aspettative 1 Curva di Phillips e aspettative 2 3 4 Curva di Phillips Offerta aggregata: con: P t livello generale dei prezzi; P e t

Dettagli

Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha

Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha 0) limitazioni prezzo call Data un azione, le due opzioni call e put (europee, scadenza t0 ) con prezzo di esercizio X in ogni tempo t < t0 si ha γ(t)x + c(t) = A(t) + p(t) con A(t) prezzo dell azione,

Dettagli

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia

Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile

Dettagli

Il Modello di Markowitz e la frontiera efficiente (1952)

Il 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

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

Dettagli

= 1. Dall equazione 8.4. z = z = 4 3

= 1. Dall equazione 8.4. z = z = 4 3 Esercizio 8.1 L equazione 8. definisce che il prezzo di vendita del prodotto è dato dal prodotto tra mark-up e costo marginale nel caso del duopolio. Nel caso dell esercizio, possiamo agevolmente calcolare

Dettagli

f df(p 0 ) lim = 0 f(x, y) dxdy =

f df(p 0 ) lim = 0 f(x, y) dxdy = CORSO I LAUREA IN INGEGNERIA EILE - UNIVERSIÀ LA SAPIENZA, ROMA CORSO I ANALISI MAEMAICA 2 (LEERE M - Z) - a. a. 2007/ 08 FORMULARIO SINEICO I ANALISI MAEMAICA 2 Coordinate polari x = ρ cos(θ) y = ρ sin(θ),

Dettagli

MODELLIZZAZIONE DEI TASSI DI INTERESSE

MODELLIZZAZIONE DEI TASSI DI INTERESSE MODELLIZZAZIONE DEI TASSI DI INTERESSE Derivati su obbligazioni e simili (1) Per determinare un prezzo ai derivati che hanno come sottostante una obbligazione o simili vi è bisogno di avere un modello

Dettagli

Scheda n.3: densità gaussiana e Beta

Scheda n.3: densità gaussiana e Beta Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)

Dettagli

Esercitazioni di Matematica

Esercitazioni di Matematica Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +

Dettagli

TEMI D ESAME DI ANALISI MATEMATICA I

TEMI D ESAME DI ANALISI MATEMATICA I TEMI D ESAME DI ANALISI MATEMATICA I Corso di laurea quadriennale) in Fisica a.a. 003/04 Prova scritta del 3 aprile 003 ] Siano a, c parametri reali. Studiare l esistenza e, in caso affermativo, calcolare

Dettagli

Stock markets (mercati azionari) : le borse nella nozione comune del termine, ad esempio, New York, Londra,Tokyo, Milano etc

Stock markets (mercati azionari) : le borse nella nozione comune del termine, ad esempio, New York, Londra,Tokyo, Milano etc MERCATI FINANZIARI e Opzioni Introduzione Stock markets (mercati azionari) : le borse nella nozione comune del termine, ad esempio, New York, Londra,Tokyo, Milano etc Bond markets (mercati obbligazionari)

Dettagli

Funzioni implicite - Esercizi svolti

Funzioni implicite - Esercizi svolti Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica

Dettagli

Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17

Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17 Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le

Dettagli

I PIANI DI STOCK OPTION COME STRUMENTO DI INCENTIVAZIONE PER I DIPENDENTI

I PIANI DI STOCK OPTION COME STRUMENTO DI INCENTIVAZIONE PER I DIPENDENTI UNIVERSIA DEGLI SUDI DI CAGLIARI FACOLA DI ECONOMIA CORSO DI LAUREA IN ECONOMIA E GESIONE AZIENDALE I PIANI DI SOCK OPION COME SRUMENO DI INCENIVAZIONE PER I DIPENDENI Relatore: Prof. Masala Giovanni B.

Dettagli

7. Forze elastiche. Nella figura 1 il periodo è T = 2s e corrisponde ad un moto unidimensionale limitato tra i valori x = 0 ed x = 1.

7. Forze elastiche. Nella figura 1 il periodo è T = 2s e corrisponde ad un moto unidimensionale limitato tra i valori x = 0 ed x = 1. 1 Moti periodici 7. Forze elastiche Un caso particolare di moto accelerato è un moto periodico. In figura 1 è riportato un esempio di moto periodico unidimensionale. Un moto periodico si ripete identicamente

Dettagli

CALENDARIO BOREALE 1 EUROPA 2015 QUESITO 1

CALENDARIO BOREALE 1 EUROPA 2015 QUESITO 1 www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE EUROPA 05 QUESITO La funzione f(x) è continua per x [ 4; 4] il suo grafico è la spezzata

Dettagli

( t) NR( t) NR( t) ( t)

( t) NR( t) NR( t) ( t) prof Valerio CURCIO Simulazione del prezzo del petrolio 1 1. Processi stocastici stazionari e non stazionari dall analisi del prezzo del petrolio Quello che vogliamo fare in questo articolo è un analisi

Dettagli

Approssimazione di Stirling

Approssimazione di Stirling Approssimazione di Stirling Marcello Colozzo - http://www.extrabyte.info 1 Rappresentazione integrale della funzione gamma Ricordiamo il teorema: Teorema 1 Sia ψ (t) la funzione complessa della variabile

Dettagli

Verso l integrale stocastico

Verso l integrale stocastico Verso l integrale stocastico Una versione più corretta di è la sua forma integrale ds(t) = σs(t)dx(t) + µs(t)dt S(t) = S() + σs(u)db(u) + µs(u)du Ricordando che S è un processo che descrive la dinamica

Dettagli

LEZIONI DI ANALISI MATEMATICA I. Equazioni Differenziali Ordinarie. Sergio Lancelotti

LEZIONI DI ANALISI MATEMATICA I. Equazioni Differenziali Ordinarie. Sergio Lancelotti LEZIONI DI ANALISI MATEMATICA I Equazioni Differenziali Ordinarie Sergio Lancelotti Anno Accademico 2006-2007 2 Equazioni differenziali ordinarie 1 Equazioni differenziali ordinarie di ordine n.................

Dettagli

ANALISI DELLE SERIE STORICHE

ANALISI DELLE SERIE STORICHE ANALISI DELLE SERIE STORICHE De Iaco S. s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA 24 settembre 2012 Indice 1 Funzione di

Dettagli

CALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1

CALENDARIO BOREALE 2 AMERICHE 2015 QUESITO 1 www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE AMERICHE 0 QUESITO Determinare il volume del solido generato dalla rotazione attorno alla

Dettagli

I teoremi della funzione inversa e della funzione implicita

I teoremi della funzione inversa e della funzione implicita I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1

Dettagli

Scrivere la funzione di payoff alla scadenza e disegnarne il grafico.

Scrivere la funzione di payoff alla scadenza e disegnarne il grafico. Cognome, nome e n. matricola METODI E MODELLI QUANTITATIVI PER LE SCELTA FINANZIARIE Corso di laurea magistrale in sviluppo economico e dell impresa Prova scritta d esame TREVISO 25 I 2017. 1) Si consideri

Dettagli

1 Portofoglio autofinanziante

1 Portofoglio autofinanziante 1 Portofoglio autofinanziante Supponiamo che l evoluzione del titolo A 1 sia S 1 t) e l evoluzione del titolo A sia S t). Supponiamo che al tempo 0 io abbia una somma X0) che voglio investire parte in

Dettagli

X (o equivalentemente rispetto a X n ) è la

X (o equivalentemente rispetto a X n ) è la Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per

Dettagli

Equazioni differenziali. f(x, u, u,...,u (n) )=0,

Equazioni differenziali. f(x, u, u,...,u (n) )=0, Lezione Equazioni differenziali Un equazione differenziale è una relazione del tipo f(x, u, u,...,u (n) )=, che tiene conto del valori di una funzione (incognita) u e delle sue derivate fino ad un certo

Dettagli

CAPITOLO 1 LA FUNZIONE DI PRODUZIONE E LA CRESCITA ECONOMICA

CAPITOLO 1 LA FUNZIONE DI PRODUZIONE E LA CRESCITA ECONOMICA CAPITOLO 1 LA FUZIOE DI PRODUZIOE E LA CRESCITA ECOOMICA 11 La funzione di produzione Data una funzione di produzione in cui la quantità prodotta () dipende dalla quantità di capitale () e di lavoro ()

Dettagli

Soluzioni dei problemi della maturità scientifica A.S. 2012/2013

Soluzioni dei problemi della maturità scientifica A.S. 2012/2013 Soluzioni dei problemi della maturità scientifica A.S. / Nicola Gigli Sun-Ra Mosconi June, Problema. Il teorema fondamentale del calcolo integrale garantisce che Quindi f (x) = cos x +. f (π) = cos π +

Dettagli

Appunti della lezione sulla Equazione Differenziale delle Onde

Appunti della lezione sulla Equazione Differenziale delle Onde Appunti della lezione sulla Equazione Differenziale delle Onde ultima revisione: 21 giugno 2017 In tutti i casi analizzati precedentemente si osserva che le onde obbediscono alla stessa Equazione Differenziale

Dettagli

Probabilità e Statistica Esercizi

Probabilità e Statistica Esercizi Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero

Dettagli

DIFFERENZIAZIONE. Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim

DIFFERENZIAZIONE. Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim DIFFERENZIAZIONE 1 Regola della catena Sia f una funzione reale di variabile reale con dominio un intervallo. Se f è derivabile in un punto x 0, allora: f(x) f(x 0 ) lim = f (x 0 ). x x 0 x x 0 Questa

Dettagli

Le derivate parziali

Le derivate parziali Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire

Dettagli

2zdz (z 2 + 1)(2z 2 5z + 2)

2zdz (z 2 + 1)(2z 2 5z + 2) Esercizio. alcolare l integrale complesso 2zdz (z 2 + )(2z 2 5z + 2) usando il teorema dei residui e dove è la circonferenza avente centro nell origine e raggio 2 positivamente orientata. Svolgimento.

Dettagli

Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.

Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema. Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,

Dettagli

Annamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su

Annamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione degli angoli conico di taglio ed elicoidale di taglio di una cremagliera Annamaria Mazzia Dipartimento di Metodi

Dettagli

1 Equazioni Differenziali

1 Equazioni Differenziali Equazioni Differenziali Un equazione differenziale è un equazione che esprime un legame tra una variabile indipendente x (o t, quando ci riferiamo al tempo) una variabile dipendente y o incognita che sta

Dettagli

Matematica Applicata L-A Definizioni e teoremi

Matematica Applicata L-A Definizioni e teoremi Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni

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

a) Il denominatore dev essere diverso da zero. Studiamo il trinomio x 2 5x + 6. Si ha: x 1,2 = 5 ± se x ], 2[ ]3, + [;

a) Il denominatore dev essere diverso da zero. Studiamo il trinomio x 2 5x + 6. Si ha: x 1,2 = 5 ± se x ], 2[ ]3, + [; ESERCIZIO - Data la funzione f (x) + x2 2x x 2 5x + 6, si chiede di: a) calcolare il dominio di f ; (2 punti) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire se f ha asintoti

Dettagli

Pulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione

Pulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t

Dettagli

Risoluzione di sistemi lineari sparsi e di grandi dimensioni

Risoluzione di sistemi lineari sparsi e di grandi dimensioni Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica

Dettagli

Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 10 settembre 2012 Matricola: Nome:

Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 10 settembre 2012 Matricola: Nome: Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 10 settembre 2012 Matricola: ESERCIZIO 1. Facendo uso solamente della definizione di spazio di probabilità, dell additività

Dettagli

Introduzione alle opzioni

Introduzione alle opzioni PROGRAMMA 1) Nozioni di base di finanza aziendale 2) Opzioni 3) Valutazione delle aziende 4) Finanziamento tramite debiti 5) Risk management Introduzione alle opzioni 6) Temi speciali di finanza aziendale

Dettagli

Il Principio di Indeterminazione di Heisenberg

Il Principio di Indeterminazione di Heisenberg Il Principio di Indeterminazione di Heisenberg Il Principio di Indeterminazione di Heisenberg è uno dei fondamenti della meccanica quantistica, e stabilisce che non è possibile ottenere nello stesso tempo

Dettagli

DISUGUAGLIANZA PUNTUALE DI DOOB

DISUGUAGLIANZA PUNTUALE DI DOOB Alma Mater Studiorum Università di Bologna SCUOLA DI SCIENZE Corso di Laurea in Matematica DISUGUAGLIANZA PUNTUALE DI DOOB Tesi di Laurea in Finanza Matematica Relatore: Chiar.mo Prof. ANDREA PASCUCCI

Dettagli

1. Funzioni implicite

1. Funzioni implicite 1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,

Dettagli

0 se y c 1 (y)) se c < y < d. 1 se y d

0 se y c 1 (y)) se c < y < d. 1 se y d Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione

Dettagli

Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali

Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali Argomenti trattati Introduzione ai modelli Equazioni differenziali del primo ordine Metodi risolutivi:integrazione diretta

Dettagli

1. Considerando valido il CAPM si procede a calcolare il beta, β, di Cadbury. Per definizione. = cor( r M, r C ) σ H σ M

1. Considerando valido il CAPM si procede a calcolare il beta, β, di Cadbury. Per definizione. = cor( r M, r C ) σ H σ M Corso di Laurea: Numero di Matricola: Esame del 14 giugno 2012 Tempo consentito: 120 minuti Professor Paolo Vitale Anno Accademico 2011-12 UDA, Facoltà d Economia Domanda 1 [6 punti]. 1. Considerando valido

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA. Corso di Laurea Triennale in Matematica. Il modello di Black e Scholes

UNIVERSITÀ DEGLI STUDI DI FERRARA. Corso di Laurea Triennale in Matematica. Il modello di Black e Scholes UNIVERSITÀ DEGLI STUDI DI FERRARA Corso di Laurea Triennale in Matematica Il modello di Black e Scholes Relatore: Prof. Michele Miranda Laureando: Marco Castagnoli Secondo Relatore: Prof. Alessandra Borrelli

Dettagli

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2

Dettagli

Equazioni differenziali

Equazioni differenziali Equazioni differenziali Antonino Polimeno Università degli Studi di Padova Equazioni differenziali - 1 Un equazione differenziale è un equazione la cui soluzione è costituita da una funzione incognita

Dettagli

Dispense di Matematica Finanziaria, a.a

Dispense di Matematica Finanziaria, a.a 1/ 29, a.a. 2016-2017 Prof. Aggr. MEMOTEF, Sapienza Università di Roma 1/ 29 Le opzioni come strumento finanziario elementare I 2/ 29 Tra i contratti (o prodotti finanziari) derivati, ossia il cui valore

Dettagli

Note sulle Catene di Markov

Note sulle Catene di Markov Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo

Dettagli

Analisi Matematica II (Prof. Paolo Marcellini)

Analisi Matematica II (Prof. Paolo Marcellini) Analisi Matematica II (Prof. Paolo Marcellini) Università degli Studi di Firenze Corso di laurea in Matematica Esercitazioni del 04/03/014 e 06/03/014 Michela Eleuteri 1 eleuteri@math.unifi.it web.math.unifi.it/users/eleuteri

Dettagli

Analisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:

Analisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola: Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice

Dettagli

Contenuti delle lezioni:

Contenuti delle lezioni: Contenuti delle lezioni: 1. Introduzione ed esempi di Equazioni alle Derivate Parziali; 2. Classificazione delle Equazioni alle Derivate Parziali (PDE) 3. Derivazione numerica 4. Metodi numerici alle differenze

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

Indici di posizione e dispersione per distribuzioni di variabili aleatorie

Indici di posizione e dispersione per distribuzioni di variabili aleatorie Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono

Dettagli

Matematica II. Risolvere o integrare una e.d. significa trovarne tutte le soluzione, che costituiscono il cosidetto integrale generale.

Matematica II. Risolvere o integrare una e.d. significa trovarne tutte le soluzione, che costituiscono il cosidetto integrale generale. Definizione Si dice equazione differenziale di ordine n nella funzione incognita y = y (x) una relazione fra y, le sue derivate y,..., y (n), e la variabila indipendente x Risolvere o integrare una e.d.

Dettagli

Leggi di capitalizzazione e di attualizzazione

Leggi di capitalizzazione e di attualizzazione Sommario Alcuni appunti di supporto al corso di Matematica Finanziaria (L-Z) Facoltà di Economia & Management- Università di Ferrara Sommario Parte I: Funzioni di capitalizzazione Parte II: Capitalizzazione

Dettagli

Argomento 2 IIparte Funzioni elementari e disequazioni

Argomento 2 IIparte Funzioni elementari e disequazioni Argomento IIparte Funzioni elementari e disequazioni Applicazioni alla risoluzione di disequazioni Disequazioni di I grado Per la risoluzione delle disequazioni di primo grado per via algebrica, si veda

Dettagli

Teoria generale delle coniche 1 / 19

Teoria generale delle coniche 1 / 19 Teoria generale delle coniche 1 / 19 Caso a 12 0 2 / 19 Prima di passare all aspetto puramente analitico conviene visualizzare la situazione geometrica esaminando la seguente figura, che rappresenta un

Dettagli

Equazione di Laplace

Equazione di Laplace Equazione di Laplace. La funzione di Green Sia, indicati con x e y due punti di R 3 E(x, y) = x y Consideriamo la rappresentazione integrale di u(x) C 2 (), anche rinunciando all ipotesi che sia armonica

Dettagli

DEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA

DEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA DEDUZIONE DEL TEOREMA DELL'ENERGIA CINETICA DELL EQUAZIONE SIMBOLICA DELLA DINAMICA Sia dato un sistema con vincoli lisci, bilaterali e FISSI. Ricaviamo, dall equazione simbolica della dinamica, il teorema

Dettagli

Variabili aleatorie continue

Variabili aleatorie continue Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare

Dettagli

Esercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier

Esercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier Esercizi sulla soluzione dell equazione delle onde con il metodo della serie di Fourier Corso di Fisica Matematica 2, a.a. 2013-2014 Dipartimento di Matematica, Università di Milano 13 Novembre 2013 1

Dettagli

Introduzione all Option Pricing

Introduzione all Option Pricing Introduzione all Option Pricing Arturo Leccadito Corso di Matematica Finanziaria 3 Anno Accademico 2008 2009 1 Il Modello Binomiale Si supponga che oggi (epoca 0) sia disponibile un titolo azionario il

Dettagli

ESERCIZI MATEMATICA GENERALE - Canale III

ESERCIZI MATEMATICA GENERALE - Canale III ESERCIZI MATEMATICA GENERALE - Canale III Vettori Prof. A. Fabretti 1 A.A. 009/010 1 Dati in R i vettori v = (1,,, u = (,, 1 e w = (,, calcolare: a la combinazione lineare u + v + 4 w b il prodotto scalare

Dettagli

Esercizi geometria analitica nello spazio. Corso di Laurea in Informatica. Docente: Andrea Loi. Correzione

Esercizi geometria analitica nello spazio. Corso di Laurea in Informatica. Docente: Andrea Loi. Correzione Esercizi geometria analitica nello spazio Corso di Laurea in Informatica Docente: Andrea Loi Correzione 1. Denotiamo con P 1, P 13, P 3, P 1, P, P 3, P i simmetrici di un punto P rispetto ai piani coordinati

Dettagli

Stabilità e retroazione

Stabilità e retroazione 0.0. 4.1 1 iagramma Stabilità e retroazione Stabilità dei sistemi dinamici lineari: Un sistema G(s) è asintoticamente stabile se tutti i suoi poli sono a parte reale negativa. Un sistema G(s) è stabile

Dettagli

y 3y + 2y = 1 + x x 2.

y 3y + 2y = 1 + x x 2. Università degli Studi della Basilicata Corsi di Laurea in Chimica / Scienze Geologiche Matematica II A. A. 03-04 (dott.ssa Vita Leonessa) Esercizi svolti: Equazioni differenziali ordinarie. Risolvere

Dettagli

Analisi Vettoriale A.A Soluzioni del foglio 5. y = y 2, dy y 2 = x

Analisi Vettoriale A.A Soluzioni del foglio 5. y = y 2, dy y 2 = x Analisi Vettoriale A.A. 2006-2007 - Soluzioni del foglio 5 5. Esercizio Assegnato il problema di Cauchy y = y 2, y(0) = k determinare per ogni k la soluzione y(x), determinare il suo insieme di esistenza,

Dettagli