Stabilità Parametrica nel Pricing e nella Calibrazione di Modelli Affine Jump Diffusion
|
|
- Antonietta Natale
- 5 anni fa
- Visualizzazioni
Transcript
1 Stabilità Parametrica nel Pricing e nella Calibrazione di Modelli Affine Jump Diffusion Marcello Minenna CONSOB Paolo Verzella Università degli Studi Milano Bicocca XXVIII Congresso AMASES 12 Settembre
2 Il presente lavoro mira a due principali obiettivi: 1 Fornire un quadro adeguato della stabilità numerica di uno dei più comuni modelli Affine Jump Diffusion di option pricing, evidenziando le interrelazioni non lineari tra i parametri e le complessità nascoste del modello, ipotizzando una possibile applicazione operativa 2
3 Il presente lavoro mira a due principali obiettivi: 2 Valutare le performance di alcuni algoritmi di calibrazione del modello sui dati di mercato, analizzare i problemi connessi e fornire una serie di procedure e consigli utili nel calcolo numerico 3
4 Un (rapido) passo indietro Modello a Volatilità Stocastica di Heston (1993) (1) t dt v( t) St dz ( ) ds( t) S 1 t 2 2v( t) dt 2 v( t) dz ( t) dv( t) 2 Formula (Semi)Chiusa per la Valutazione di un Contigent Claim (Heston 1993) (2) r, Ke, V ( S, v, t) SP1 P2 4
5 Le Greche di Heston Tutte le Variazioni prime e seconde dei parametri rispetto a tutti gli altri sono state calcolate numericamente e visualizzate graficamente * 10 Parametri S X,, r, v( t),,,,, C H, 1, 2 9 x 10 x 2 = 180 Grafici che descrivono compiutamente le loro interrelazioni 5
6 1 Vantaggio Tale tabulazione fornisce un riferimento indispensabile per un eventuale utilizzo del modello (per operazioni di copertura, ad esempio), soprattutto nella misura in cui il comportamento delle Greche Heston differisce da quello delle Greche Black Scholes. 2 Vantaggio In seconda battuta, la conoscenza piena delle interrelazioni non lineari tra i parametri (cd scenari parametrici sensibili ) consente di valutare attentamente eventuali anomalie da gestire in sede operativa 6
7 2 Esempio (1) - Gamma Heston 2 S C H Var.Prima Greca S - Andamenti rispetto a variazioni di Erre 4,1000 3,1000 2,1000 1,1000 0,1000 S=84 S=96 S=108 S=120 Erre=0.02 Erre=0.04 Erre=0.06 Erre=0.08 Erre=0.1 Erre=0.12 Erre=0.14 Erre=0.16 Erre=0.18 E 0 2 7
8 Chiaramente, il Gamma Heston declina molto lentamente al crescere della moneyness rispetto al Gamma Black - Scholes 8
9 Esempio (2) Greca RHO (Correlazione) Heston Variazioni rispetto a r C H 9
10 E immediato notare come l andamento della Greca sia completamente alterato dall influenza incrociata del parametro r. Non è equivalente dunque tentare ad esempio un Rho Hedging in uno scenario con un basso tasso di interesse rispetto ad uno scenario con un tasso alto. Estendiamo al modello Affine Jump Diffusion di Bakshi Cao Chen (1997) queste valutazioni, congiuntamente ad un analisi di stabilità numerica della formula di option pricing 10
11 ds Modello di Bakshi Cao Chen (1997) t Rt S t dt vt S t dz t St J t dqt dv dr ln t t j vt dt vt dz t v v Rt dt Rt dz t R R 2 1 J t N ln1 2, j v R 1 2 Principali caratteristiche: Presenta di salti discontinui del valore del sottostante Presenza di un tasso di interesse stocastico Naturale estensione al contesto Affine Jump Diffusion del modello a volatilità stocastica di Heston S j v R j 11
12 12 Formula (Semi)Chiusa per la Valutazione di un Contingent Claim (Bakshi Cao Chen 1997),,, ),, ( 2 1 P t KB SP t v S V 0 ln ) ;,, ( ~ Re ) ;ln,, ( d i v x f e K v x P j K i j con Trasformata Inversa di Fourier
13 Analisi di Stabilità Numerica 2 Routine di Quadratura della Trasformata di Fourier Quad8 - Optimization Toolbox (Standard) D01ajf NAG Toolbox La routine NAG è in grado di gestire un numero finito di punti di singolarità 13
14 Criterio di valutazione della stabilità numerica della Trasformata di Fourier Se per una particolare combinazione di parametri S, X,, r, v( t),, J, J,, v, v, v, r, r, r, C BCC QUAD8 C NAG BCC Tale combinazione è considerata fonte di instabilità numerica tale da produrre prezzi inattendibili 14
15 Peculiarità: E lo stesso tipo di test effettuato sul modello di Heston, con lo stesso margine di tolleranza Ipotesi: La maggiore numerosità parametrica dovrebbe migliorare la stabilità numerica della Trasformata Inversa di Fourier. Risultato: Con tale margine di tolleranza i prezzi non significativi sono di numero ridottissimo 15
16 Stability Surfaces Tali superfici sono una rappresentazione sintetica ed efficace dell influenza dei vari parametri sulla stabilità della formula, e delle loro interrelazioni reciproche; 16
17 Esempio: Stability Surfaces Tau SigmaV Heston vs Bakshi Cao - Chen Stability Surfaces Tau - SigmaV (Tolleranza 0.01) 1 0,5 0, ,5 Tau=0,5 0,05 0,2 0,35 0,5 Heston Bakshi Cao - Chen 17
18 Soltanto se riduciamo la tolleranza prevista fino al livello: C BCC QUAD8 C NAG BCC E possibile notare una crescita dell instabilità (secondo il nuovo criterio) al variare dei parametri Stability Surfaces Tau - SigmaV (Tolleranza 0.001) Tau=0,5 0,05 0,2 0,35 0,5 18
19 Non sempre il nuovo criterio riesce a definire un influenza significativa dei parametri, in quanto come precisione siamo al limite del rumore di fondo numerico di MATLAB Il risultato soddisfacente in termini di stabilità comunque NON sorprende, visto che il nuovo modello utilizza 5 parametri aggiuntivi E immediato chiedersi se questa overparametrization si sconti in fase di calibrazione del modello sui dati di mercato 19
20 Problema di Calibrazione Classico Metodo SSE (Sum of Squared Pricing Errors) SSE( t) min v( t), N n1 2 C X,, S C X,, S MERCATO n n BCC con,,,,,,,,, J J v Problema di Ottimizzazione Non Lineare a 10 Parametri v v r r r n n 20
21 2 differenti algoritmi di minimizzazione NAG E04FDF Minimizzazione della somma dei quadrati degli scarti (Standard) NAG E04GCF Minimizzazione attraverso i movimenti del vettore gradiente dei quadrati degli scarti (necessita derivate in forma analitica) 21
22 Principali problemi derivanti da un implementazione effettiva su MATLAB di una calibrazione SSE del modello BCC o o o Difficoltà computazionali elevate (l algoritmo non chiude con successo l ottimizzazione, o non lo fa in tempi sensati) Elevatissima probabilità per l algoritmo di ottimizzazione di imbattersi in un minimo locale Nonsense finanziario per i valori calibrati dei parametri 22
23 Problema di calibrazione SSE: Alcune Annotazioni Operative o o un opportuna riscrittura della formula risolutiva, tale da evitare il calcolo di scomodi logaritmi, aiuta l algoritmo di quadratura ad evitare calcoli di quantità vicine allo 0 ovvero molto grandi che conducono a prezzi instabili (riscrittura BCC) possibilità di rendere più efficiente il calcolo attraverso una suddivisione della complessa formula risolutiva in distinte subroutines che si occupano dei vari calcoli parziali; tale efficienza consistente in un miglioramento di quasi il 40% della velocità computazionale ha come controindicazione il deterioramento della precisione del pricing 23
24 Greche di Bakshi, Cao, Chen Principali Outlines La struttura additiva nelle diverse componenti (Volatilità, Tasso di interesse, Jump) della formula risolutiva BCC ed alcune ipotesi di fondo eliminano qualsiasi interessante interrelazione non lineare tra i nuovi parametri e quelli del sottomodello Heston; L impatto dei parametri relativi al processo del tasso di interesse è molto basso, tale da risultare quasi trascurabile. Le influenze incrociate con gli altri parametri appaiono privi di una chiara intelligibilità; I nuovi parametri legati al processo di Jump sono invece incisivi nella determinazione del prezzo; le Greche relative a tali parametri hanno segno positivo ed i Gamma parametrici positivi sono indice di un influenza crescente sul prezzo del derivato; 24
25 Ulteriori Sviluppi Possibili Sfruttare la struttura additiva della formula per una calibrazione disgiunta delle due componenti, utilizzando delle informazioni aggiuntive, ottenute sulla base di stime storiche, al fine di ricavare così un vettore iniziale di partenza ragionevole Passare a modelli a struttura affine più complessa, che incorporino salti discontinui nel processo di varianza Abbandonare l ambiente MATLAB per evitarne le limitazioni intrinseche 25
Intervalli di Stabilità Parametrica per una Calibrazione Operativa del Modello di Heston
Intervalli di Stabilità Parametrica per una Calibrazione Operativa del Modello di Heston Modello a Volatilità Stocastica di Heston (1993) (1) t dt v( t) S t dz ( ) ds( t) S 1 t 2 2v( t) dt 2 v( t) dz (
pricing ed Hedging degli strumenti finanziari derivati
pricing ed Hedging degli strumenti finanziari derivati Aspetti Teorici ed Operativi Marcello Minenna 1 Review Option Pricing Theory Cos e un opzione? Il modello di Sharpe-Rendlemann-Bartter Il Modello
Le greche: Delta - Gamma - Vega Theta - Rho - Phi
Le greche: Delta - Gamma - Vega Theta - Rho - Phi Prof.ssa Eliana Angelini Titolare della Cattedra di Economia del mercato mobiliare Dipartimento di Economia Università degli Studi G. D Annunzio di Pescara
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
Il pricing veloce delle componenti derivative: DFT su griglie gaussiane
Il pricing veloce delle componenti derivative: DFT su griglie gaussiane Analisi di Performance e Error Control Marcello Minenna 1 Paolo Verzella RISK ITALIA 29 Novembre 2007 - Milano Indice della presentazione
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
Metodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2012-2013 Lezione 8 Indice 1 Modello di Vasicek 2 Calibrazione e ottimizzazione
La finanza comportamentale applicata al pricing delle opzioni
Università degli Studi di Bergamo Facoltà di Economia La finanza comportamentale applicata al pricing delle opzioni di Luca Grimaldi Relatore: Prof.ssa Giovanna Zanotti A. A. 2008-09 RIASSUNTO Prezzare
Indice Richiami di Matematica Finanziaria Fattore di Rischio e Principio di Arbitraggio
Indice 1 Richiami di Matematica Finanziaria 17 1.1 Introduzione............................ 18 1.2 Il valore del denaro nel tempo.................. 18 1.2.1 Obbligazioni........................ 20 1.3
Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame
1 Cognome: Nome: Matricola: Corso di laurea in Informatica Calcolo Numerico Prof.ssa L. D Amore 12 Dicembre 2008 Esercizi di riepilogo tipo prova d esame 1. Si consideri il sistema aritmetico f. p. a precisione
UNITA DIDATTICA. Conoscenze. Abilità
Titolo: Problemi di geometria analitica : la parabola e l iperbole Codice: B1_S Ore previste:15 Equazione della parabola e coordinate del vertice Grafico di una parabola Equazione dell iperbole equilatera
Zero-coupon bond e tassi di interesse a breve termine
Zero-coupon bond e tassi di interesse a breve termine Definizione. Uno zero-coupon bond con data di maturità T > 0, detto anche T -bond, è un contratto che prevede il pagamento alla scadenza T del suo
RENDITE. Ricerca del tasso di una rendita
RENDITE Ricerca del tasso di una rendita Un problema che si presenta spesso nelle applicazioni è quello di calcolare il tasso di interesse associato a una rendita quando siano note le altre grandezze 1
Indice. Notazioni generali... 1
Notazioni generali............................................. 1 1 Derivati e arbitraggi....................................... 5 1.1 Opzioni................................................ 5 1.1.1 Finalità..........................................
Modellazione di sistemi ingegneristici (parte 2 di 2)
Corso di Teoria dei Sistemi Modellazione di sistemi ingegneristici (parte 2 di 2) Prof. Ing. Daniele Testi DESTeC, Dipartimento di Ingegneria dell Energia, dei Sistemi, del Territorio e delle Costruzioni
Corso di Laurea in Banca, borsa e assicurazione. Tesi di Laurea in Metodi e modelli per i mercati finanziari
Corso di Laurea in Banca, borsa e assicurazione Tesi di Laurea in Metodi e modelli per i mercati finanziari TECNICHE DI PORTFOLIO INSURANCE: UN APPLICAZIONE AL MERCATO ITALIANO Relatore: Marina Marena
MODELLO DI HESTON. Job realizzato per il corso di Derivati. Finanza Quantitativa - Università degli Studi di Verona
Giovanni Trentin VR402729 MODELLO DI HESTON Job realizzato per il corso di Derivati Finanza Quantitativa - Università degli Studi di Verona Sommario I INTRODUZIONE... 2 1 - I MODELLI DI HESTON E BLACK
COMMISSIONE NAZIONALE PER LE SOCIETÀ E LA BORSA
COMMISSIONE NAZIONALE PER LE SOCIETÀ E LA BORSA ISTRUZIONI METODOLOGICHE per la qualificazione dei rischi e la determinazione dei costi impliciti nei contratti di indebitamento con sottostanti derivati.
Maria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
Regime finanziario dell interesse composto
Regime finanziario dell interesse composto Il regime dell interesse composto si caratterizza per la capitalizzazione periodica degli interessi che genera ulteriori interessi. La differenza rispetto al
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
Introduzione. Esercizio n 1. Metodo di Eulero Esplicito. Risolvere il problema ai valori iniziali: 3 2
Introduzione Nella seguente esercitazione si vogliono risolvere numericamente equazioni differenziali di diverso ordine, utilizzando metodi basati sulla discretizzazione delle stesse, ovvero sull approssimazione
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
Fabio Nelli (meccanismocomplesso)
Fabio Nelli (meccanismocomplesso) CALCOLO SIMBOLICO CON MATLAB (PARTE 2) 22 March 2014 matlab_symbolic_calculation.jpg Benvenuti alla seconda e ultima parte del calcolo simbolico con Matlab. Nella parte
PREFAZIONE pag. 15 Capitolo 1 I NUMERI E LE FUNZIONI REALI 1. Premessa Gli assiomi dei numeri reali Alcune conseguenze degli assiomi dei
PREFAZIONE pag. 15 Capitolo 1 I NUMERI E LE FUNZIONI REALI 1. Premessa 23 2. Gli assiomi dei numeri reali 24 3. Alcune conseguenze degli assiomi dei numeri reali 25 4. Cenni di teoria degli insiemi 30
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
Introduzione al Calcolo Scientifico
Introduzione al Calcolo Scientifico Francesca Mazzia Dipartimento di Matematica Università di Bari Francesca Mazzia (Univ. Bari) Introduzione al Calcolo Scientifico 1 / 14 Calcolo Scientifico Insieme degli
Istituto Tecnico Tecnologico Leonardo da Vinci Foligno
Curricolo di Matematica Triennio Classi Terze Competenze Abilità Conoscenze Saper risolvere triangoli rettangoli e triangoli qualunque. Saper applicare i teoremi studiati per risolvere problemi di geometria
Elenco moduli Argomenti Strumenti / Testi Letture / Metodi. partecipazione degli alunni. 2 Completamento equazioni e disequazioni.
Pagina 1 di 5 DISCIPLINA: MATEMATICA E LABORATORIO INDIRIZZO: IGEA CLASSE: IV FM DOCENTE : Cornelio Terreni Elenco moduli Argomenti Strumenti / Testi Letture / Metodi 1 Matematica RIPASSO e COMPLETAMENTO:
Metodi e Modelli dei Mercati Finanziari
Diario delle lezioni di Metodi e Modelli dei Mercati Finanziari a.a. 2018/2019 www.mat.uniroma2.it/~caramell/did 1819/mmmf.htm Parte I: Opzioni Europee e Metodi Monte Carlo Lezioni 1, 2-02/10/2018 Breve
Elaborazione aut. dei dati
Programma Elaborazione aut. dei dati Sistema interattivo MATLAB Risoluzione di sistemi lineari e di equazioni non lineari Interpolazione e smoothing di dati Opzioni finanziarie Approssimazione di integrali
Probabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2017/2018 www.mat.uniroma2.it/~caramell/did 1718/pf.htm 10/10/2017 - Lezioni 1, 2 Introduzione al corso. Richiami di probabilità: le algebre e le σ-algebre.
INTERPOLAZIONI CON SPLINE
INTERPOLAZIONI CON SPLINE Assegnati gli n +1valori che la funzione f assume nei nodi x i, si costruisce un interpolazione polinomiale a tratti. In ognuno degli intervalli [x i 1,x i ] il polinomio interpolatore
Integrazione numerica
Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule di
Probabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2018/2019 www.mat.uniroma2.it/~caramell/did 1819/pf.htm 02/10/2018 - Lezioni 1, 2 Introduzione al corso. Richiami di probabilità: le algebre e le σ-algebre.
Prefazione Ringraziamenti
Prefazione Ringraziamenti Autori Connect XIII XVII XIX XXI Capitolo 1 La misura dell anima 1 1.1 Misurare in psicologia 1 1.1.1 Peculiarità della misura in psicologia 2 1.1.2 L errore nella misura in psicologia
Regressione Mario Guarracino Laboratorio di Sistemi Informativi Aziendali a.a. 2006/2007
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il costo mensile Y di produzione e il corrispondente volume produttivo X per uno dei propri stabilimenti. Volume
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,
1 La legge di distribuzione dei numeri primi
[Marcello Colozzo - http://www.etrabte.info] La legge di distribuzione dei numeri primi Come è noto, i numeri primi sono elementi di N che ammettono solo divisori banali. Cioè, p N è numero primo se e
Calcolo Numerico Informatica Manolo Venturin A.A. 2010 2011 Guida all esame
Calcolo Numerico Informatica Manolo Venturin A.A. 2010 2011 Guida all esame Testo aggiornato al 23 maggio 2011. L esame consiste in una prova scritta della durata di 2 ore. Tale prova è composta da tre/-
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
CURRICOLO DISCIPLINARE di MATEMATICA
Istituto di Istruzione Secondaria Superiore "Archimede" Rosolini (SR) a.s. 2018/2019 CURRICOLO DISCIPLINARE di MATEMATICA DIPARTIMENTO DI Matematica Fisica LICEO ITIS IPCT INDIRIZZO Servizi Commerciali
PIANIFICAZIONE DI TRAIETTORIE
PIANIFICAZIONE DI TRAIETTORIE generazione degli ingressi di riferimento per il sistema di controllo del moto Percorso e traiettoria Traiettorie nello spazio dei giunti Traiettorie nello spazio operativo
MATLAB in CARIGE: Determinazione del Credit and DebtValuationAdjustment. Paolo Raviola Pier Giuseppe Giribone Simone Ligato
MATLAB in CARIGE: Determinazione del Credit and DebtValuationAdjustment Paolo Raviola Pier Giuseppe Giribone Simone Ligato Milano 4 novembre 2014 Il Team Paolo Raviola Project manager e sviluppatore software
MATLAB in CARIGE: Determinazione del Credit and DebtValuationAdjustment. Paolo Raviola Pier Giuseppe Giribone Simone Ligato
MATLAB in CARIGE: Determinazione del Credit and DebtValuationAdjustment Paolo Raviola Pier Giuseppe Giribone Simone Ligato Milano 4 novembre 2014 Il Team Paolo Raviola Project manager e sviluppatore software
generazione degli ingressi di riferimento per il sistema di controllo del moto
PIANIFICAZIONE DI TRAIETTORIE generazione degli ingressi di riferimento per il sistema di controllo del moto Percorso e traiettoria Traiettorie nello spazio dei giunti Traiettorie nello spazio operativo
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1
4 PROGRAMMAZIONE LINEARE (PL) E. Amaldi -- Fondamenti di R.O. -- Politecnico di Milano 1 Problemi di programmazione matematica: min f () s.v. X n insieme delle soluzioni ammissibili con funzione obiettivo
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
Trasformata discreta di Fourier diunasequenzafinita: algoritmifft
diunasequenzafinita: algoritmifft La TDF di una sequenza finita può essere calcolata utilizzando algoritmi, computazionalmente efficienti, quali gli algoritmi Fast Fourier Transform (FFT). L efficienza
Il tema proposto può essere risolto seguendo due ipotesi:
Per la trattazione delle tecniche TDM, PM e Trasmissione dati si rimanda alle schede 41, 42, 43, 44, 45, 46, 47 e 48 del libro Le Telecomunicazioni del Prof. F. Dell Aquila. Il tema proposto può essere
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
Università di Bologna. Facoltà di Economia. Corso di Laurea in Economia Aziendale. Finanza Aziendale (12 CFU) Anno Accademico 2011/12
Università di Bologna Facoltà di conomia Corso di Laurea in conomia ziendale Finanza ziendale (12 CFU) nno ccademico 2011/12 Prova d esame del 18.07.2012 Soluzione Cognome e Nome: Matricola: Firma: Norme
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calibrazione intrinseca Spesso risulta utile calibrare la sola componente intrinseca di un sistema di visione (matrice K), e non si dispone di oggetti di forma
Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster
Programma del corso di: Calcolo Numerico Corso di laurea in Matematica a.a. 2005-06 Prof. B.Paternoster Richiami di analisi degli errori. Rappresentazione dei numeri in un calcolatore. Operazioni di macchina.
L adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano. Maurizio Magarini MATLAB EXPO Milano, 4 novembre 2014
L adozione di MATLAB e Simulink nei Corsi di Ingegneria al Politecnico di Milano MATLAB EXPO Milano, 4 novembre 2014 Sommario Introduzione. Il ruolo dei laboratori informatici nella didattica, formazione
Metodi di Ottimizzazione
Metodi di Ottimizzazione Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famospaghi, @famoconti http://stegua.github.com Metodi di Ottimizzazione
Previsione della Domanda-Minimi Quadrati INTRODUZIONE PREVISIONE DELLA DOMANDA. Prof. Vincenzo Duraccio
ITRODUZIOE PREVISIOE DELLA DOMADA Prof. Vincenzo Duraccio AALISI DELLA DOMADA La determinazione dell andamento della domanda di un prodotto o di una gamma di prodotti può essere effettuata in tre modi
UN MODERNO APPROCCIO ALLA CREAZIONE DEI PRODOTTI NON VITA
UN MODERNO APPROCCIO ALLA CREAZIONE DEI PRODOTTI NON VITA Valerio Scacco Ordine Nazionale degli Attuari Bologna, 16 Giugno 2016 INTRODUZIONE L evoluzione normativa degli ultimi anni fa emergere una maggiore
Metodi di identificazione
Metodi di identificazione Metodo di identificazione LS per sistemi ARX Sia yt un processo ARX generico con parametri ignoti: S: yt= B z A z ut 1 1 A z et ota: scegliere ut 1 è la scelta più generica possibile,
Cinematica. Velocità. Riferimento Euleriano e Lagrangiano. Accelerazione. Elementi caratteristici del moto. Tipi di movimento
Cinematica Velocità Riferimento Euleriano e Lagrangiano Accelerazione Elementi caratteristici del moto Tipi di movimento Testo di riferimento Citrini-Noseda par. 3.1 par. 3.2 par 3.3 fino a linee di fumo
ISIS C. Facchinetti Sede: via Azimonti, Castellanza
Tel. 0331 635718 fax 0331 679586 info@isisfacchinetti.it www.isisfacchinetti.it ISIS C. Facchinetti Sede: via Azimonti, 5-21053 Castellanza PIANO DI STUDIO DELLA DISCIPLINA Rev. 0 del 13/07/15 PIANO DI
Identificazione di modello
SE5 Prof. Davide Manca Politecnico di Milano Dinamica e Controllo dei Processi Chimici Esercitazione #5 Identificazione di modello ing. Sara Brambilla SE5 Identificazione di modello Nel definire un modello
ADDESTRAMENTO DI UNA RETE NEURALE ED EVENTUALI CONSIDERAZIONI PRESTAZIONALI. (a cura di Buttolo Marco).
ADDESTRAMENTO DI UNA RETE NEURALE ED EVENTUALI CONSIDERAZIONI PRESTAZIONALI. (a cura di Buttolo Marco). Lalgoritmo più utilizzato per addestrare una rete neurale è lalgoritmo di bac-propagation. In sostanza
MODULO 1 - Esponenziali e logaritmi
PROGRAMMAZIONE INDIVIDUALE A. S. 2014.15 DOCENTE: Gagliardi Stefano CLASSE: 3 a AT MATERIA: Matematica ASSE CULTURALE: Asse Matematico MODULO 1 - Esponenziali e logaritmi Le potenze e le proprietà delle
Metodi di Iterazione Funzionale
Appunti di Matematica Computazionale Lezione Metodi di Iterazione Funzionale Il problema di calcolare il valore per cui F() = si può sempre trasformare in quello di trovare il punto fisso di una funzione
Modelli matematici. La matematica applicata alla vita reale. Progetto Lauree Scientifiche
Modelli matematici La matematica applicata alla vita reale Cos è la matematica applicata Si basa sull osservazione di processi reali Costruisce un modello matematico che basandosi su leggi e principi generali
Algoritmi stabili e instabili
Algoritmi stabili e instabili Laboratorio di Calcolo Numerico 13 Marzo 2018 Vettori in MATLAB Finora abbiamo pensato alle variabili utilizzate come semplici valori numerici (variabili scalari). In realtà,
Analisi spettrale del rumore di fase
5 Analisi spettrale del rumore di fase In questo capitolo verranno illustrati i due metodi di analisi spettrale utilizzati per valutare la potenza del rumore da cui è affetta la portante sinusoidale. Come
Laboratorio di Calcolo Numerico Laboratorio 3: Algoritmi stabili e instabili, Bisezione
Laboratorio di Calcolo Numerico Laboratorio 3: Algoritmi stabili e instabili, Bisezione Claudia Zoccarato E-mail: claudia.zoccarato@unipd.it Dispense: Moodle Dipartimento ICEA 22 Marzo 2017 Vettori in
Analisi degli Errori
Analisi degli Errori Luca Gemignani lucagemignani@unipiit 1 marzo 2018 Indice Lezione 1: Errori nel Calcolo di una Funzione Razionale 1 Lezione 2: Tecniche per l Analisi degli Errori 3 Lezione 3: Cenni
Esercizi 3, 1. Prof. Thomas Parisini. Esercizi 3, 3 Regola:
Esercizi 3, 1 Esercizi 3, 2 Esercizi Stabilità per sistemi a tempo continuo Analisi degli autovalori Analisi del polinomio caratteristico, criterio di Routh-Hurwitz Stabilità per sistemi a tempo continuo
Stabilità per sistemi a tempo continuo
Esercizi 3, 1 Stabilità per sistemi a tempo continuo Analisi degli autovalori Analisi del polinomio caratteristico, criterio di Routh-Hurwitz Calcolo di Esercizi 3, 2 Esercizi Stabilità per sistemi a tempo
Intelligenza Artificiale. Ricerca euristica L algoritmo A*
Intelligenza Artificiale Ricerca euristica L algoritmo A* Marco Piastra Ricerca euristica - Ricerca non informata Ricerca nello spazio degli stati Definizione di un grafo come spazio degli stati I nodi
VALUTARE LE PERFORMANCE DEL LAB E MONITORARLE NEL TEMPO SE RT NEGATIVO
Montegrotto, 4-5 dicembre 2008 PRODUZIONE MAT.RIF VALUTARE LE PERFORMANCE DEL LAB E MONITORARLE NEL TEMPO CONFRONTARE FIGURE DI PRECISIONE (r, R) CONFRONTO TRA LE CAPACITÀ DEGLI OPERATORI CONFRONTARE METODI
Servizi di Igiene Urbana Rifiuti Solidi Urbani
Monitoraggio Anno IX - Report 1 Gennaio Aprile 2008 Servizi di Igiene Urbana Rifiuti Solidi Urbani 1) Il Monitoraggio dei Servizi di Igiene Urbana L analisi mira ad individuare le variazioni della domanda
Soluzioni della prova scritta del 6 Marzo 2013 (a.a. 2012/2013)
Soluzioni della prova scritta del 6 Marzo 2013 (a.a. 2012/2013) 1. Per monitorare se la produzione è in controllo statistico costruiamo una carta p. Se x è il vettore dei dati assegnati, le percentuali
Cause di errore. Analisi dell errore. Cause di errore nel calcolo di un espressione razionale. Errore inerente. Esempio
Esempio Cause di errore Analisi dell errore Errore di rappresentazione dei dati Errore di rappresentazione dei risultati delle operazioni Errore totale Cause di errore nel calcolo di un espressione razionale
Elenco dei simboli 9. Prefazione 10
Indice Elenco dei simboli 9 Prefazione 10 1 Analisi nel dominio del tempo 11 1.1 Segnali tempo discreto... 11 1.1.1 Segnali notevoli tempo discreto... 13 1.1.2 Alcuni criteri di classificazione di segnali
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
Integrazione delle equazioni del moto
Giorgio Pastore - note per il corso di Laboratorio di Calcolo Integrazione delle equazioni del moto In generale, le equazioni del moto della meccanica newtoniana si presentano nella forma di sistemi di
n +1 determinanti (D i, i =1,...,n e det A) n! prodotti per ciascun determinante n 1 moltiplicazioni per ciascun prodotto
METODI NUMERICI (A.A. 2007-2008) Prof. F.Pitolli Appunti delle lezioni sui sistemi lineari: metodi diretti; condizionamento Metodi diretti per la soluzione di sistemi lineari Metodi diretti Sono basati
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
Esame di Matematica e Abilità Informatiche - 12 Luglio Le soluzioni
Esame di Matematica e Abilità Informatiche - Luglio 3 Le soluzioni. Data la funzione f ( ln( a. trova il dominio di f b. scrivi, esplicitamente e per esteso, quali sono gli intervalli in cui f( risulta
La likelihood. , x 2. } sia prodotto a partire dal particolare valore di a: ; a... f x N. La probabilità che l'i ma misura sia compresa tra x i
La likelihood E' dato un set di misure {x 1, x 2, x 3,...x N } (ciascuna delle quali puo' essere multidimensionale) Supponiamo che la pdf (f) dipenda da un parametro a (anch'esso eventualmente multidimensionale)
( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
L efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A.
L efficienza e la valutazione delle performance Concetti ed introduzione alla D.E.A. Corso di Economia Industriale Lezione dell 8/01/2010 Valutazione delle peformance Obiettivo: valutare le attività di
Elettronica II Modello per piccoli segnali del diodo a giunzione p. 2
Elettronica II Modello per piccoli segnali del diodo a giunzione Valentino Liberali ipartimento di Tecnologie dell Informazione Università di Milano, 2603 Crema e-mail: liberali@dti.unimi.it http://www.dti.unimi.it/
Politecnico di Milano Ingegneria Chimica, dei Materiali e delle Nanotecnologie Analisi Matematica 1 e Geometria Secondo Appello 19 Giugno 2018
Politecnico di Milano Ingegneria Chimica, dei Materiali e delle Nanotecnologie Analisi Matematica 1 e Geometria Secondo Appello 19 Giugno 218 Cognome: Nome: Matricola: 1. Disegnare il grafico della funzione
0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...
Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................
CORSO DI Analisi Numerica
CORSO DI Analisi Numerica Alessandro Iafrati CONTATTI Posta Elettronica: a.iafrati@insean.it Telefono: 06/50299296 A breve sarà disponibile un sito web sulla pagina del Dipartimento di Metodi e Modelli
Adams, Calcolo Differenziale I, Casa Editrice Ambrosiana
Argomenti da studiare sui testi di riferimento: Adams, Calcolo Differenziale I, Casa Editrice Ambrosiana P - Preliminari 1 Limiti e continuità 1.1 Velocità, rapidità di crescita, area: alcuni esempi Velocità
Segnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
ALLEGATI. del REGOLAMENTO DELEGATO (UE).../... DELLA COMMISSIONE
COMMISSIONE EUROPEA Bruxelles, 4.10.2016 C(2016) 6329 final ANNEXES 1 to 4 ALLEGATI del REGOLAMENTO DELEGATO (UE).../... DELLA COMMISSIONE che integra il regolamento (UE) n. 648/2012 del Parlamento europeo
PROGRAMMAZIONE DISCIPLINARE ISTITUTO TECNICO MATEMATICA. Competenze da conseguire alla fine del IV anno relativamente all asse culturale:
PROGRAMMAZIONE DISCIPLINARE PROGRAMMAZIONE DISCIPLINARE ISTITUTO TECNICO MATEMATICA Competenze da conseguire alla fine del IV anno relativamente all asse culturale: C O M P E T E N Z E ASSE DEI LINGUAGGI
ISTITUTO D ARTE A.VENTURI (Modena) PROGRAMMA di MATEMATICA SVOLTO dalle classi 2^P a.s. 2013/2014
ISTITUTO D ARTE A.VENTURI (Modena) PROGRAMMA di MATEMATICA SVOLTO dalle classi ^P a.s. / Aritmetica e algebra ripasso monomi e polinomi; regole dei prodotti notevoli (somma per differenza, quadrato di
Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta
Riesame dei risultati del metodo razionale con due metodi di stima della pioggia netta Nome : Pasquale Cognome: Durante Matricola: 178073 Traccia: Scopo dell'esercizio è riesaminare la formulazione tradizionale
Integrazione numerica
Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://www.ing.unibs.it/gastaldi/ Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule
ELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica