Valutazione in tempo continuo (formula di Black e Scholes)
|
|
- Enzo Antonelli
- 4 anni fa
- Visualizzazioni
Transcript
1 Valutazione in tempo continuo (formula di Black e Scholes) Federico Marchetti (Politecnico di Milano) Dipartimento di Economia e Produzione 5/6/000 1 Calcolo stocastico Ci limitiamo al caso unidimensionale, ma le formule si trasportano tutte al caso n dimensionale con poche variazioni. Le dimostrazioni rigorose (che non diamo) sarebbero in generale più complesse, ma, salvo alcune questioni molto delicate (p.e., alcuni comportamenti alla frontiera, ovvero il caso di coefficienti molto poco regolari), si fanno senza problemi. Dovremo considerare più di una probabilità P sullo stesso spazio campione (Ω, F). Equivalentemente P è chiamata una misura ( sottinteso: di probabilità) Consideriamo l equazione di un processo di Markov discreto S(t k ) S(t k 1 ) = b (S(t k 1 )) (t k t k 1 ) + c (S(t k 1 )) ξ (n) k dove abbiamo introdotto un fattore (t k t k 1 ) per controllare il limite t k t k 1 = T n Il processo di Wiener La successione i.i.d. ξ (n) k avrà (CLT) media zero (perché c k ξ (n) k sia una martingala), e varianza che va a zero per n = T t. In effetti, per far funzionare ( ) ( 1 t ). il CLT la varianza dovrà essere dell ordine di n Allora si vede che M ( ) j n T = tende (in distribuzione) ad un processo a tempo e stati continui W (t) tale che 1. W (t) è una funzione continua di t. EW (t) = 0 j i=1 ξ (n) i 3. W (t) W (s) è indipendente da W (u) W (v) se t s u v 1
2 4. W (t) W (s) è distribuito secondo una normale di media nulla e varianza t s Per 1 e 3, W risulta una martingala continua ed un processo di Markov. Un tale processo è detto un processo di Wiener o un moto browniano. 1. L integrale di Itô L analogo dell integrale stocastico a tempo discreto sarà quindi un processo ottenuto come limite di somme integrali del tipo n c(t k 1 ) [W (t k ) W (t k 1 )] i=1 dove c(t) è un processo ricostruibile con le informazioni al tempo t (si dice che il processo è adattato). Che l espressione precedente abbia un limite non è del tutto ovvio (e il limite esiste in un senso particolare: in media quadratica e in probabilità). La teoria rigorosa è dovuta a K.Itô (anni 40 e 50). Il limite è denotato con t 0 c(s)dw s Ma un altro aspetto particolare è che, poiché E [W (t k ) W (t k 1 )] = t k t k 1, gli incrementi di questo integrale non sono dell ordine di t, come per gli integrali usuali, ma dell ordine di t. 1.3 Equazioni differenziali stocastiche L equazione alle differenze precedente, mandando t 0 diventa, almeno formalmente, una equazione differenziale stocastica: ds(t) = b (S(t)) dt + c(s(t))dw t con un opportuna condizione iniziale. Per essere precisi, l equazione andrebbe scritta in forma integrale: S(t) = S(0) + t 0 b (S(s)) ds + t 0 c (S(s)) dw s Si può controllare che se i coefficienti b, c soddisfano qualche condizione (p.e. sono funzioni regolari e limitate o con crescita la più lineare), l equazione ammette una soluzione unica.
3 1.4 La formula di Itô Se ora consideriamo una funzione di S e proviamo a vedere come si evolve nel tempo avremo, formalmente, df(s(t)) = df(s(t)) ds + 1 d f(s(t)) ds ds (ds) + o (ds) dove ds = bdt + cdw. Sviluppando (ds) = b (dt) + bcdtdw + c (dw ) In un simile sviluppo, dobbiamo tenere i termini fino all ordine dt. abbiamo visto che dw dt per cui, alla fine, restiamo con Ma ( df (S(t)) df(s(t)) = b (S(t)) ds + 1 d f (S(t)) ds c (S(t)) df (S(t)) + c (S(t)) dw t ds ) dt + (formula di Itô). La tabella delle moltiplicazioni seguente permette i calcoli formali in qualunque dimensione: dt dwt 1 dwt dt dwt 1 0 dt ρdt dwt 0 ρdt dt dove ρdt = E [ ] dwt 1 dwt è la correlazione tra i due Browniani. Nel caso di Browniani indipendenti ρ = 0.Nel caso in cui Wt = awt 1 + bv t con V t indipendente da W 1 ρdt = adt, ecc. Un caso particolare importante è dx = bdt + σdw 1 dy = adt + cdw d (XY ) = XdY + Y dx + dxdy = XdX + Y dx + cσρdt (integrazione per parti). Nel caso f dipenda esplicitamente da t, occorre aggiungere un termine pari a f t dt In altre parole, la chain rule (derivazione di funzioni composte) contiene un termine inaspettato ( correzione di Itô ). 3
4 1.5 La formula di Feynman-Kac Sfruttando la formula di Itô, una funzione che soddisfi l equazione alle derivate parziali soddisfa u(x, t) L t u = + b(x) u t x + c (x) u x = 0 u(x, T ) = u 0 (x) T E [u (S(T ), T ) S(t) = x] = u (x, t) + E L s u (S(s), s) ds t E [u 0 (S(T )) S(t) = x] = u(x, t) che dà una forma esplicita in termini del processo S: per u, soluzione della EDP. ds (s) = b (S (s)) ds + σ (S (s)) dw s S (t) = x s t Il valore u(x, t) è la media del valore finale al tempo T mediato su tutte le traiettorie di S che passano per il punto x al tempo t Si può generalizzare un poco: applicando ancora la formula di Itô, v(x, t) = E [e R ] T t V (S(s))ds u 0 (S(T )) S(t) = x soddisfa L t v V (x)v = 0 v(t, x) = u 0 (x) (formula di Feynman-Kac). Infatti d [v (s, S (s)) e R s t V (S(u))du] = e R s t V (S(u))du [L s v (s, S (s)) V (S (s)) v (s, S (s)) ds] + dm s Integrando tra t e T v(t, x) = E [e R ] T t V (S(s))ds u 0 (S(T )) S(t) = x 4
5 1.6 Il modello di Black-Scholes Per il modello CRR l equazione continua corrispondente è ds(t) = S(t)µdt + S(t)σdW t µ è il rendimento medio (sotto la misura fisica ) del titolo rischioso e σ misura l intensità del rumore ( volatilità ). Il modello di Black-Scholes si risolve esplicitamente. Riscriviamolo come Per la formula di Itô, ds(t) S(t) = µdt + σdw t d log S(t) = ds(t) S(t) 1 (ds(t)) S = (t) = µdt + σdw t 1 σ dt log S(t) log S(0) = (µ σ S(t) = S(0)e e il prezzo ha distribuzione log-normale. Si verifica subito che ES(t) = S(0)e µt µ σ ) t + σw (t) t+σw (t) (la media soddisfa un equazione del tipo m = µm). Ma si vede anche che se µ < σ S(t) 0 poiché si può dimostrare che per t W t t log log t << t La densità della(( distribuzione ) di) S(t) è facilmente calcolata, visto che S(t) = exp Z t con Z t N µ σ t, σ t. Per esempio, E [f (S(t))] = f(e x )φ t (x)dx ( ) 1 x µ + σ φ t (x) = πσ t exp 1 t σ 5
6 Valutazione di opzioni nel modello di Black- Scholes Illustriamo la valutazione per non arbitraggio di titoli derivati sull esempio più semplice e classico. Data una opzione europea con scadenza T e payoff C(T ) (per una call con strike K, C(T ) = (S (T ) K) +, per una put C(T ) = (K S (T )) +, ecc.), volendo valutarla, consideriamo un portafoglio composto, ad ogni t, dall opzione C(t) e una quota di sottostante α t S(t). La variazione di valore tra t e t + dt sarà dπ t = α t ds(t) + dc(t) (l assenza del termine dα t è la condizione di autofinanziamento ed è meglio intuita pensando il termine come limite del caso discreto α tk 1 (S (t k ) S (t k 1 ))). Cerchiamo di rendere il rendimento del portafoglio pari a quello del titolo senza rischio. Supponiamo che C(t) C(t, S(t)): Esplicitando dπ t ( C = αds(t) + t + C S µs(t) + 1 ) C S σ S (t) dt + + C S σs(t)dw t = (αs(t) + C(t)) rdt ( α + C S + = 0 Di conseguenza e ) ( µs(t)dt + α + C ) σs(t)dw t + S ) ( C t + 1 C S σ S (t) αrs(t) rc(t) α = C S C t + C S rs(t) + 1 C S σ S (t) rc = 0 L equazione per C ha soluzione [ ] E e r(t t) C(T ) S(t) rispetto ad un processo che soddisfa però ds = rsdt + σsdw t dt 6
7 Se consideriamo il processo del titolo senza rischio ne consegue che il processo db(t) = rb(t) B(0) = 1 B(t) = e rt Ŝ(t) = S(t) B(t) soddisfa dŝ(t) = σŝ(t)dt ed è quindi una martingala. Un risultato identico si ottiene se si cerca di duplicare C(T ) con un portafoglio costruito con il titolo senza rischio e il sottostante (hedging portfolio). Le due dimostrazioni equivalgono a considerare il punto di vista dell acquirente o del venditore dell opzione. Il fatto che i due risultati coincidono è dovuto alla completezza di un mercato con un solo titolo rischioso ed un solo moto Browniano. A sua volta questo fatto è essenzialmente dovuto al teorema di rappresentazione delle martingale: Ogni martingala adattata alla filtrazione generata da W t si può rappresentare come un integrale stocastico rispetto a W t Quindi la valutazione della opzione va fatta prendendo il valore atteso del valore finale non rispetto al processo fisico, ma rispetto ad un processo (fittizio) che fa evolvere il prezzo (attualizzato) del sottostante come una martingala. Un teorema fondamentale afferma che (con qualche limitazione tecnica) le distribuzioni del processo fisico e di quello fittizio sono collegate. In particolare, se le chiamiamo rispettivamente P e Q E Q [X] = E P [ΛX] dove { Λ = exp σ 1 S 1 (r b (S(s))) dw s 1 } σ S (r b (S(s))) ds (teorema di Girsanov). La misura Q è detta misura di martingala equivalente (EMM) e il cosiddetto fundamental theorem of pricing afferma essenzialmente che ogni valutazione per non arbitraggio va fatta prendendo valori attesi rispetto ad una misura di martingala equivalente. La non esistenza di una tale misura equivale alla presenza di arbitraggi. La misura Q è detta equivalente perché (dal teorema di Girsanov), P [A] = 0 Q [A] = 0 7
8 cioè sotto entrambi i modelli gli eventi impossibili sono gli stessi. Se ciò non fosse, è chiaro che si avrebbero difficoltà nell interpretazione dei modelli, visto che eventi scomparirebbero o comparirebbero a seconda della rappresentazione del processo sottostante. 8
Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di
1. martedì 10 marzo Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di Doob; una mg è L p limitata se e
DettagliAnalisi Stocastica Programma del corso 2008/09
Analisi Stocastica Programma del corso 2008/09 [13/01] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza, valore
DettagliMetodi 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
DettagliCiclo di seminari: Metodi Computazionali per la Finanza
Ciclo di seminari: Metodi Computazionali per la Finanza C.d.L.M. Finanza e Assicurazioni a.a. 2018/2019 Lezione 4: Simulazione Moti Browniani e con Monte Carlo Cos è il Metodo Monte Carlo? Dinamica di
DettagliAnalisi Stocastica Programma del corso 2009/10
Analisi Stocastica Programma del corso 2009/10 [13/01a] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza,
DettagliMetodi 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
DettagliZero-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
DettagliIndice. Notazioni generali... 1
Notazioni generali............................................. 1 1 Derivati e arbitraggi....................................... 5 1.1 Opzioni................................................ 5 1.1.1 Finalità..........................................
DettagliMetodi 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 2 Indice 1 Dal modello alla formula di Black-Scholes 2 Calibrazione
DettagliMoto Browniano Geometrico multidimensionale
Moto Browniano Geometrico multidimensionale Supponiamo di avere n azioni i cui prezzi sono indicati con S 1 (t), S 2 (t),,..., S n (t). Supponiamo che siano disponbili m moti Browniani indipendenti che
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Energia immessa da un white noise Ricordiamo la motivazione applicativa della volta scorsa: un white noise additivo, messo in un equazione che nel caso deterministico
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/213 Exercise 1. punti 9+) Sia X = X t, x)) t,x un processo stocastico a valori reali, avente come parametro la coppia t,
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 2/12/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del /1/13 Exercise 1 punti 1 circa Un foglio browniano è un processo gaussiano a valori reali X s, t, indicizzato da s, t in [,
Dettagli1 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
DettagliCorsi di Laurea Magistrale in Matematica, A.A Calcolo stocastico e applicazioni (Docente: Bertini) Esercizi settimanali
Settimana 1 Esercizio 1. [Unicità della misura di Wiener] Sia C([0, 1]) l insieme delle funzioni continue sull intervallo [0, 1] con la topologia (metrizzabile) indotta dalla convergenza uniforme. Sia
DettagliStrumenti per l Analisi Finanziaria Savona, 21 Febbraio 2002
Strumenti per l Analisi Finanziaria Savona, 21 Febbraio 2002 O.Caligaris - P.Oliva L equazione di Black-Scholes Problema Stima del prezzo f di un opzione di acquisto o di vendita di un bene il cui valore
Dettagli()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Riassunto Abbiamo introdotto le equazioni differenziali stocastiche, equazioni del tipo dx t = b (t, X t ) dt + σdb t (o un po più generali) dove B t è il moto
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica 16 Febbraio 2015
Istituzioni di Probabilità Laurea magistrale in Matematica 16 Febbraio 15 sercizio 1. (punti 1 ) ) Basandosi sul noto concetto di integrale di Itô, ogni studente esponga, preliminarmente, una ragionevole
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
DettagliIndice 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
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni
Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni Lezione 1 (25/2). Introduzione al corso. Prime definizioni sui processi stocastici (processo stocastico, distribuzioni
DettagliAppunti utili per gli esercizi sugli integrali stocastici
Appunti utili per gli esercizi sugli integrali stocastici Michele Gianfelice a.a. / Integrale di Itô Consideriamo lo spazio di probabilità ltrato ; F; ff t g t ; P dove: := C ([; T ] ; R) è lo spazio di
DettagliEsercizi 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
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliApplicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes
Applicazione alla Finanza dei metodi di EDP-Modello di Black-Scholes Docente:Alessandra Cutrì Descrizione del Modello - Opzioni OPZIONE è il più semplice strumento derivato: E un contratto che da la possibilità
DettagliUNIVERSITÀ CATTOLICA DEL SACRO CUORE. Alessandro CIPOLLINI Luigi SANTAMARIA UNA GENERALIZZAZIONE DEL MODELLO BLACK-SHOLES
UNIVERSITÀ CATTOLICA DEL SACRO CUORE ISTITUTO DI STATISTICA Alessandro CIPOLLINI Luigi SANTAMARIA UNA GENERALIZZAZIONE DEL MODELLO BLACK-SHOLES Serie E.P. N. 127 - Dicembre 25 Finito di stampare nel mese
DettagliSpazio 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,
DettagliModelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes
Capitolo 3 Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Quanto è ragionevole pagare per entrare in un contratto d opzione? Per affrontare questo problema
DettagliX (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()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Discretizzazione equazione del calore Per l equazione usiamo lo schema esplicito p tk+1 (x i ) p tk (x i ) h t p t = σ2 2 p 2 x 2 = σ2 2 p tk (x i+1 ) p tk
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
DettagliEsercizi 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)]
DettagliEquazioni 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
DettagliEquazione di Laplace
Equazione di Laplace. Introduzione Si da il nome di operatore di Laplace o laplaciano all operatore differenziale u = u xx + u yy + u zz in tre dimensioni, o agli analoghi in dimensioni diverse. L operatore
Dettagli1 Esercizi sulla teoria del portafoglio
1 Esercizi sulla teoria del portafoglio 1. Sia dato un mercato uniperiodale in cui siano disponibili soltanto due titoli rischiosi A e B caratterizzati da scarto quadratico medio e coefficiente di correlazione
DettagliEquazioni differenziali
Equazioni differenziali Hynek Kovarik Università di Brescia Analisi Matematica 1 Hynek Kovarik (Università di Brescia) Equazioni differenziali Analisi Matematica 1 1 / 30 Formulazione del problema In generale
DettagliAnalisi Matematica 2. Forme differenziali lineari. Forme differenziali lineari 1 / 26
Analisi Matematica 2 Forme differenziali lineari Forme differenziali lineari 1 / 26 Forme differenziali lineari Sia F(x, y, z) = F 1 (x, y, z)i + F 2 (x, y, z)j + F 3 (x, y, z)k un campo vettoriale di
DettagliSulle equazioni differenziali ordinarie a variabili separabili
Sulle equazioni differenziali ordinarie a variabili separabili Paolo Bonicatto - Luca Lussardi 9 aprile 2008 Indice Introduzione 2 Metodo classico 2 3 Forme differenziali lineari 4 4 Formalizzazione del
Dettagli1 Punti di equilibrio e stabilità: definizioni
ASPETTI QUALITATIVI DELLA TEORIA DELLE EQUAZIONI DIFFERENZIALI (Schema del contenuto delle lezioni e riferimenti bibliografici) Testi [HS] M. Hirsch and S. Smale Differential Equations, Dynamical Systems
DettagliProbabilità 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.
DettagliTeoria 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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliAnalisi Matematica 3, a.a Scritto del quinto appello, 11 settembre 2019 Testi 1
Scritto del quinto appello, 11 settembre 019 Testi 1 1. a) Dato u L 1 R), sia vx) := u x); esprimere ˆv in termini di û. b) Caratterizzare le funzioni u L 1 R) tali che û è una funzione dispari a valori
DettagliLa 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()Probablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Generica motivazione di un noise additivo Supponiamo che, in prima approssimazione, il nostro sistema fisico sia descritto da X (t) = f (t, X (t)). Supponiamo
DettagliProbabilità 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.
DettagliEquazioni differenziali del 2 ordine Prof. Ettore Limoli. Sommario. Equazione differenziale omogenea a coefficienti costanti
Equazioni differenziali del 2 ordine Prof. Ettore Limoli Sommario Equazione differenziale omogenea a coefficienti costanti... 1 Equazione omogenea di esempio... 2 Equazione differenziale non omogenea a
DettagliVerso 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
DettagliPrima prova in itenere di Istituzioni di Probabilità
Prima prova in itenere di Istituzioni di Probabilità 14 novembre 2012 Esercizio 1. Un processo di Ornstein-Uhlenbec modificato (OUM) è un processo reale, con R come insieme dei tempi, con traiettorie continue,
DettagliStati Coerenti. Definizione di stato coerente Consideriamo un oscillatore 1-dimensionale descritto dalla hamiltoniana. p = i d.
1 Stati Coerenti Definizione di stato coerente Consideriamo un oscillatore 1-dimensionale descritto dalla hamiltoniana H = 1 m p + 1 m ω x (1) Per semplicitá introduciamo gli operatori autoaggiunti adimensionali
DettagliCiclo di seminari: Metodi Computazionali per la Finanza
Ciclo di seminari: Metodi Comutazionali er la Finanza C.d.L.M. Finanza e Assicurazioni a.a. 2018/2019 Lezione 2: Alberi Binomiali Modelli binomiali Modello additivo e moltilicativo Modello { binomiale
DettagliCorrezione di Esercizi 4 di Calcolo delle Probabilità e Statistica. Mercoledì 4 maggio 2016
Correzione di Esercizi di Calcolo delle Probabilità e Statistica. Mercoledì maggio 6 Chun Tian. Answer of Exercise Figure. Catena di Markov.. (a) Le classi di equivalenza e i loro periodi. Da Figure, si
DettagliMODELLIZZAZIONE 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
DettagliForme differenziali lineari e loro integrazione
Forme differenziali lineari e loro integrazione Integrazione di una forma differenziale in due variabili Siano L(, ) e ( ) consideriamo l espressione M, due funzioni definite e continue in un insieme connesso
DettagliEquazione 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
DettagliCP410: Esame 2, 3 febbraio 2015
Dipartimento di Matematica, Roma Tre Pietro Caputo 2014-15, I semestre 3 febbraio, 2015 CP410: Esame 2, 3 febbraio 2015 Cognome Nome Matricola Firma 1. Sia (Ω, F, P) lo spazio di probabilità definito da
DettagliMatematica 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
DettagliDisuguaglianza di Cramér-Rao
Disuguaglianza di Cramér-Rao (Appunti per gli studenti Silvano Holzer Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche Bruno de Finetti Università degli studi di Trieste Un esperimento
DettagliTEORIA DEI SISTEMI SISTEMI LINEARI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI SISTEMI LINEARI Ing. Cristian Secchi Tel.
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliFondamenti di Analisi Matematica 2 - a.a. 2016/2017 Primo appello
Fondamenti di Analisi Matematica 2 - a.a. 216/217 Primo appello Esercizi senza svolgimento - Tema 1 Ω = { x, y, z) R 3 : 4x 2 + y 2 + z 2 1, z }. x = ρ/2) sen ϕ cos ϑ, 1. y = ρ sen ϕ sen ϑ, ρ [, 1], ϕ
DettagliModello 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
DettagliTerzo appello di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 2016/2017. Prof. M. Bramanti.
Terzo appello di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 6/7. Prof. M. Bramanti Tema n 5 6 7 Tot. Cognome e nome in stampatello codice persona o n di matricola n
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliSecondo appello di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano A.A. 2018/2019. Prof. M. Bramanti
Secondo appello di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano A.A. 8/9. Prof. M. Bramanti Es. 6 7 Tot. Punti Cognome e nome in stampatello codice persona o n di matricola n d ordine
DettagliForme differenziali lineari
Forme differenziali lineari Sia Ω R 3 un insieme aperto e siano A, B, C: Ω R funzioni continue in Ω. Si definisce forma differenziale ω in Ω l espressione ω = A x, y, z dx + B x, y, z dy + C x, y, z dz
DettagliIntegrazione di equazioni differenziali lineari. Il metodo di Cauchy
1 EQUAZIONI DIFFERENZIALI LINEARI OMOGENEE Integrazione di equazioni differenziali lineari. Il metodo di Cauchy Marcello Colozzo 1 Equazioni differenziali lineari omogenee Sia data l equazione differenziale
Dettaglicalcolare il lavoro di E lungo il segmento da A = ( 1, 1, 1) a B = (1, 1, 1), calcolare rot ( E ), determinare un potenziale U(x, y, z) per E.
ANALISI VETTORIALE Soluzione esonero.1. Esercizio. Assegnato il campo E (x, y, z) = x(y + z ), y(x + z ), z(x + y ) } 1111 calcolare il lavoro di E lungo il segmento da A = ( 1, 1, 1) a B = (1, 1, 1),
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliLEZIONI 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.................
DettagliAM2: Tracce delle lezioni- X Settimana
AM: Tracce delle lezioni- X Settimana EQUAZIONI DIFFERENZIALI ORDINARIE Equazioni differenziali lineari del I ordine Date le funzioni a(x), b(x) continue in (a, b) determinare, se esistono, le funzioni
DettagliLA TRASFORMATA DI FOURIER
LA TASFOMATA DI FOUIE 1. Definizione della trasformata di Fourier Definizione 1.1. Sia u in L 1 ( e sia ξ in. La trasformata di Fourier di u è la funzione (1.1 F(u(ξ = e iξ x u(x dx. Ovviamente, non è
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliProbabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2016/2017 www.mat.uniroma2.it/~caramell/did 1617/pf.htm 26/09/2016 - Lezioni 1, 2 Introduzione al corso. Tassi di interesse: interesse composto, semplice,
Dettagli6.3 Equazioni lineari del secondo ordine
si supponga di conoscerne una soluzione ψ(x). Si verifichi che con la sostituzione y(x) = ψ(x) + 1, l equazione diventa lineare nell incognita v(x) v(x). Utilizzando questo metodo, si risolva l equazione
DettagliIndici 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( ) = t. 8 Teoria della dispersione. Teoria di Taylor della dispersione turbolenta
8 Teoria della dispersione Teoria di Taylor della dispersione turbolenta Si consideri una sorgente che emette particelle in un flusso turbolento stazionario ed omogeneo con velocità media nulla, utilizzando
DettagliEquazioni differenziali
Equazioni differenziali Versione da non divulgare. Scritta per comodità degli studenti. Può contenere errori. 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Dicembre 2013 Generalità
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliEquazioni separabili. Un esempio importante
Equazioni separabili. Un esempio importante Esempio La soluzione generale dell equazione y = αy, α R (1) è data da y(x) = Ke αx, K R (2) C è un unica soluzione costante: y = 0: cioè y(x) = 0 per ogni x.
DettagliScritto d esame di Analisi Matematica
116 Prove d Esame di Analisi Matematica Versione 2006 Pisa, 15 Gennaio 2000 x 0 sin x 4 x 4 (arctan x x) 4. 2. eterminare, al variare del parametro λ R, il numero di soluzioni dell equazione 2x 2 = λe
Dettaglivariabili. se i limiti esistono e si chiamano rispettivamente derivata parziale rispetto ad x e rispetto ad y.
Funzioni di più variabili Derivate parziali Qui saranno considerate soltanto funzioni di due variabili, ma non c è nessuna difficoltà ad estendere le nuove nozioni a funzioni di n ( > variabili ( Definizione:
DettagliPROVE SCRITTE DI ANALISI MATEMATICA II(N.O.), ANNO 2006/07
PROV SCRITT DI ANALISI MATMATICA II(N.O.), ANNO 6/7 Prova scritta del 5//6 Si determini l insieme di convergenza della serie di funzioni n= n( + sin x) n limitatamente all intervallo x π, e si specifichi
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 22/7/2013
Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 22/7/213 Exercise 1 (punti 1 circa Diremo che un processo X = (X t t [,1] a valori reali è un ponte browniano se è un processo
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliUNIVERSITÀ 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
DettagliPolitecnico di Milano Ingegneria Industriale Analisi e Geometria 2 Secondo compito in itinere 30 Giugno 2016
Politecnico di Milano Ingegneria Industriale Analisi e Geometria Secondo compito in itinere Giugno 6 Cognome: Nome: Matricola: Es.: 9 punti Es.: 9 punti Es.: 6 punti Es.4: 9 punti Totale. Si consideri
DettagliEquazioni differenziali Problema di Cauchy
Equazioni differenziali Problema di Cauch Primo esempio - Risolvere l equazione '( ) = g( ) con g( ) :[ a, b] R continua Teor. fondamentale del calcolo integrale ( ) = + g ( t )dt Primo esempio - Osserviamo
DettagliProbabilità e Statistica Matematica
Probabilità e Statistica Matematica Dipartimento di Matematica F. Casorati, Università di Pavia Pavia, maggio 2018 Persone Persone Raffaella Carbone Persone Raffaella Carbone Emanuele Dolera Persone Raffaella
Dettaglidistribuzione qualsiasi;
Numeri pseudocasuali Il periodo deve essere il più lungo possibile; la distribuzione deve essere uniforme in [0, 1] p(x)=costante in [0, 1]; le correlazioni devono essere trascurabili xn+1 x n xn+1 xn
DettagliProcessi Stocastici, anno 2013/14
Processi Stocastici, anno 213/14 Esercitazione 1 Esercizio 1 Siano X e Y due v.a. indipendenti in L 2, con E(X) = µ, V (X) = σ 2, E(Y ) = ν. Si determini il valor medio condizionato E(X + Y X), il valor
Dettagli1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A.
1 PRELIMINARI 1.1 NOTAZIONI denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. B A si legge B è un sottoinsieme di A e significa che ogni elemento di B è anche elemento di
DettagliCOMPLEMENTI DI ANALISI MATEMATICA A.A Primo appello del 5/5/2010
COMPLEMENTI DI ANALISI MATEMATICA A.A. 29- Primo appello del 5/5/2 Qui trovate le tracce delle soluzioni degli esercizi del compito. Ho tralasciato i calcoli da Analisi (che comunque sono parte della risoluzione),
DettagliPROBLEMI DI FISICA MODERNA E MECCANICA QUANTISTICA. FISICA MODERNA anno accademico
PROBLEMI DI FISICA MODERNA E MECCANICA QUANTISTICA FISICA MODERNA anno accademico 007-008 () Sia dato un sistema che può trovarsi in tre stati esclusivi,, 3, e si supponga che esso si trovi nello stato
DettagliAlcuni spazi funzionali con ordine di derivazione reale
Alcuni spazi funzionali con ordine di derivazione reale Nel seguito Ω denota un di IR n. Per garantire l effettiva validità dei risultati e l equivalenza delle definizioni che diamo a quelle originali
DettagliIntroduzione 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,
Dettagli4.6 Il modello di Cox, Ross e Rubinstein
46 Il modello di Cox, Ross e Rubinstein In questo paragrafo studieremo il modello di Cox, Ross e Rubinstein, nel seguito scriveremo brevemente modello CRR, versione discreta del ben più famoso modello
DettagliEsame di Calcolo delle Probabilità del 4 luglio 2006 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 4 luglio 26 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
Dettagli