Università Commerciale Luigi Bocconi IL MINIMO MARGINE DI SOLVIBILITA : UN PROCEDIMENTO DI VALUTAZIONE MEDIANTE LE RETI NEURALI.
|
|
- Fiora Foti
- 7 anni fa
- Visualizzazioni
Transcript
1 Università Commerciale Luigi Bocconi IL MINIMO MARGINE DI SOLVIBILITA : UN PROCEDIMENTO DI VALUTAZIONE MEDIANTE LE RETI NEURALI Riassunto Relatore: Prof. Ermanno Pitacco Correlatore: Prof. Lorenzo Peccati Tesi di laurea: Amedeo Poli
2 L obiettivo di questa tesi è proporre una metodologia di valutazione del minimo margine di solvibilità, nelle imprese di assicurazione del ramo vita, attraverso le reti neurali. Il lavoro è suddiviso in quattro capitoli. CAPITOLO 1: IL MARGINE DI SOLVIBILITA. In questo primo capitolo spiego cosa sia il minimo margine di solvibilità e quali siano le tecniche utilizzate per la sua valutazione. In sostanza il minimo margine di solvibilità consiste nel capitale minimo necessario per far fronte, con un assegnata probabilità (sufficientemente elevata), agli impegni presenti e futuri di un impresa assicuratrice. In particolare, dopo aver elencato i fattori di rischio di cui si deve tenere conto nell analisi di gestione di un impresa vita (mortalità, redditività e valore degli investimenti, inflazione e spese per abbandoni e valori di riscatto, distribuzione dei capitali assicurati.) e delle relazioni esistenti tra questi, illustro brevemente quali siano le due metodologie (analitica e simulativa) principalmente utilizzate al fine della suddetta valutazione. Mi soffermo principalmente sulla simulativa essendo questa, la procedura normalmente utilizzata ed essendo inoltre il punto di partenza dal quale sviluppo il mio metodo. Le fasi per effettuare una valutazione di questo tipo sono principalmente due. Nella prima si esplicitano le relazioni tra le variabili, in particolare gli effetti di ogni singolo fattore di rischio sugli utili di esercizio e di conseguenza sul fondo finale di portafoglio (che è la variabile obiettivo di tutta l analisi). Si osservino ad esempio le relazioni che seguono: { Y t = (P t -E t -S t )(1+i t )-X t +Z t-1 *i t -W t +W t-1 Z t =Z t-1 +Y t +K t +W t -W t-1 -dove P t sono i premi tariffa pagati all epoca t-1, E t spese aleatorie sostenute all epoca t-1 e relative all esercizio (t-1, t), S t totale aleatorio di capitali pagati all epoca t-1 per recesso, X t totale
3 aleatorio di capitali pagati all epoca t per decesso o per scadenza, W t riserva matematica aleatoria completa di portafoglio all epoca t, K t flusso aleatorio di capitale proprio pagato all epoca t. Nella seconda fase valutando gli effetti sul fondo di portafoglio dei fattori di rischio appena simulati, si ottiene un certo numero di possibili percorsi evolutivi di tale fondo. Alla fine di questa fase si calcolano degli opportuni indicatori (media, varianza e numero di percorsi per i quali il fondo finale di portafoglio è positivo sul numero totale dei percorsi) espressivi di tali percorsi. 150, , ,0000 0, , , ,0000 Fondo di portafoglio (singolo sentiero simulato di evoluzione) t figura 1: simulazione di un percorso di evoluzione del fondo di portafoglio 200,0000 Fondo di portafoglio (vari sentieri simulati di evoluzione) 100,0000 0, , , t figura 2: simulazione di n percorsi di evoluzione del fondo di portafoglio
4 CAPITOLO 2: LE RETI NEURALI. Nel capitolo secondo spiego in cosa consistano le reti neurali; la loro struttura e le modalità di utilizzo. Le reti neurali sono una tecnica mediante la quale si possono raggiungere principalmente due tipi di risultati: 1) riconoscimento di forme in base a determinate caratteristiche (pattern recognition) 2) approssimazione di forme funzionali qualsiasi (che è il fine per il quale utilizzo questa tecnica). La modalità di utilizzo di tale strumento è molto empirica. Si divide il set dei dati disponibili in due: un training set (molto più ampio) ed un validation set. Sul primo viene effettuato il cosiddetto addestramento: presentando alla rete in sequenza gli input e il/i relativo/i output, tale struttura impara la relazione esistente tra le variabili. Esistono in letteratura moltissimi algoritmi di apprendimento, ossia modalità attraverso le quali sono stimati i parametri della rete, tra i quali l EBP (il più utilizzato) che spiego in questo capitolo. Sul validation set viene valutata invece l attendibilità della relazione individuata. In un libro di H.White (1992) (Artificial Neural Networks: approximation & learning Theory, Blackwell) si dimostra come le reti possano approssimare con la precisione desiderata l insieme delle funzioni continue. Un altro punto fondamentale che evidenzio in questo capitolo è che le reti neurali sono uno strumento facilmente utilizzabile e per il cui utilizzo non è necessario fare alcuna ipotesi particolare sulle caratteristiche o sulla distribuzione delle variabili coinvolte.
5 Unità nascoste Unità di input Unità di output figura 3: struttura di una rete neurale CAPITOLO 3: LA SIMULAZIONE Questa parte è il fulcro di tutta la tesi; è in questo capitolo che propongo la metodologia di valutazione. Nelle simulazioni normalmente si simula un certo numero di fattori di rischio e da questi si calcolano successivamente i risultati. Il problema è che questi fattori di rischio sono normalmente collegati tra loro anche se in maniera difficilmente esplicitabile e individuabile. Quello che propongo è di suddividere questi fattori di rischio in due categorie: fattori di rischio primari e secondari. I secondari sono in qualche maniera causati (anche se non interamente) dai primi. Attraverso le reti neurali intendo individuare le relazioni esistenti tra fattori di rischio primari e secondari; in questo modo simulando solamente i primi e prevedendo attraverso la rete i secondi, mi propongo di ottenere una stima più precisa del margine di solvibilità. Naturalmente nulla vieta di attribuire una certa variabilità anche ai secondi, ma sicuramente inferiore a quella che si sarebbe introdotta se si fosse utilizzata la consueta metodologia simulativa.
6 Spiegherò ora brevemente come sono riuscito a testare il metodo proposto. Tale verifica si suddivide sostanzialmente in due parti ciascuna delle quali ulteriormente suddivisa in due (le chiamerò 1.a, 1.b, 2.a e 2.b). Nella fase 1.a simulo attraverso delle procedure in VISUAL BASIC un singolo percorso temporale. Tale singolo percorso dovrebbe rappresentare un ipotetica vera realizzazione degli andamenti del fondo di una compagnia vita: dovrebbe in sostanza essere tratto da un vero e proprio bilancio. Nella fase 1.b addestro una rete neurale, sulla base di questo singolo percorso, ad individuare le relazioni intercorrenti tra i fattori di rischio primari e secondari (tale addestramento è stato svolto attraverso un tool di MATLAB dedicato alle reti neurali). Nella fase 2.a utilizzando le stesse relazioni presenti in 1.a simulo un certo numero di percorsi (sempre attraverso delle procedure in VISUAL BASIC registrate nel foglio elettronico mismargc.xls) e calcolo gli opportuni indicatori sopraccitati 1. Gli indicatori che ho ottenuto dovrebbero essere i veri indicatori che si dovrebbero ottenere facendo una valutazione delle possibili evoluzioni del fondo di portafoglio e quindi del minimo margine di solvibilità. Nella fase 2.b simulo solo l andamento dei fattori primari (in realtà prendo tali valori da quelli della fase 2.a) e sulla base di questi calcolo, attraverso le reti neurali stimate nella fase 1.b, i valori dei fattori secondari di rischio (tali procedure sono contenute nel foglio elettronico confrontobis.xls) e quindi dei relativi valori del fondo di portafoglio. Infine valuto quanto quest ultima stima si sia avvicinata a quella della fase 2.a (riporto qui la schermata del foglio elettronico mismargcbis.xls nel quale sono presenti i valori ottenuti mediante le reti); i risultati ottenuti sono piuttosto soddisfacenti, ma sicuramente non si è ottenuta una previsione perfetta. Infine analizzo quali siano i motivi di tale scostamento. 1 Sottolineo che questa non è la metodologia simulativa normalmente utilizzata, infatti di solito i fattori di rischio non sono collegati tra loro. Si può perciò affermare la simulazione della parte 2.a è puramente strumentale alle fase successiva.
7 MEDIA VARIANZA Tabella: momenti finali della distribuzione ottenuta mediante la previsione attraverso le reti neurali RAPPORTO TRA LE DUE MEDIE RAPPORTO TRA LE DUE VARIANZE Tabella: rapporti tra i momenti ottenuti mediante la simulazione e mediante la previsione attraverso le reti neurali distribuzione finale dei fondo di portafoglio
8 SOLVIBILITA' : DISTRIBUZIONE FINALE DEI CAPITALI RISULTATI ANNUALI 89.40% RISULTATI DI SINTESI 95.50% minimo massimo numero osservazioni somma osservazioni 400
9 CAPITOLO 4: APPLICAZIONE SU DATI REALI In quest ultima fase voglio valutare la capacità di previsione delle reti neurali quando applicate a dati reali. La variabile sulla quale mi soffermo (che ho utilizzato anche nella simulazione in laboratorio ) è il rendimento dei titoli di stato americano e delle relative relazioni con l inflazione. Inoltre effettuo anche un confronto con uno dei metodi statistici già collaudati per questo tipo di studi, ossia la transfer function analysis, sul quale mi soffermo brevemente nella prima parte del capitolo. I risultati ottenuti attraverso le reti neurali sono decisamente migliori. I due modelli che confronto sono una rete neurale con tre input (l inflazione ritardata di uno due e sei periodi) 3 unità nascoste e un unità di output. NOBS VNOBS TNOBS NW NHU OUT VSSE VMSE VRMSE VSE VAE VMAX E TSSE TMSE TRMSE TSE TAE TMAX E FPE RFPE GCV RGCV AIC SBC 2.077E E Tale modello va confrontato con il rispettivo modello ottenuto attraverso la transfer function analysis: gli input in questo caso sono le variazioni dell inflazione ritardate di un periodo. TRREND512 LS // Dependent Variable is DREND5 Date: 01/18/99 Time: 11:00 Sample(adjusted): 1963: :12 Included observations: 347 after adjusting endpoints VariableCoefficient Std. Error t-statistic Prob. INFL12(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Durbin-Watson stat
Facoltà di Scienze Statistiche, Rimini Corso di Laurea in Statistica ed Informatica per l Azienda PROVA PARZIALE DEL
Facoltà di Scienze Statistiche, Rimini Corso di Laurea in Statistica ed Informatica per l Azienda PROVA PARZIALE DEL 07-06-2006 1. Si consideri il seguente modello di regressione dinamico π t = β 0 + β
DettagliUniversità di Pavia Econometria Esercizi 5
Università di Pavia Econometria 2007-2008 Esercizi 5 Maggio, 2008 1. Una regressione lineare multipla di y su una costante, x 2 e x 3 produce i seguenti risultati: ŷ t = 4 + 0.4x t2 + 0.9x t3 con X X =
DettagliBORSA DI STUDIO PER UN GIOVANE LAUREATO ISTITUITA DAL ROTARY CLUB PARMA EST
BORSA DI STUDIO PER UN GIOVANE LAUREATO ISTITUITA DAL ROTARY CLUB PARMA EST Valorizziamo un giovane laureato di Parma, per Parma, per l Università di Parma. "Le principali determinanti dei corporate bond
DettagliRAPPORTO CER Aggiornamenti
RAPPORTO CER Aggiornamenti 12 Ottobre 2012 LO SPREAD PROSSIMO VENTURO Quanto potrà scendere lo spread Btp-Bund dopo le misure di austerità fiscale? Per rispondere, forniamo una semplice stima derivata
DettagliESAME DI STATO PER L ABILITAZIONE ALL ESERCIZIO DELLA PROFESSIONE DI ATTUARIO (per i laureati del nuovo ordinamento) II SESSIONE 2007
I PROVA SCRITTA Busta n.1 CALCOLO DELLE PROBABILITA Il candidato illustri il concetto di indipendenza stocastica ed esponga il teorema di Bayes. STATISTICA Il candidato illustri il modello di regressione
DettagliI PREZZI DOPO L ENTRATA IN VIGORE DELLA MONETA UNICA EUROPEA
GUARASCIO ANTONIO Laurea triennale Scienze Statistiche Università degli studi di Padova Corso di laurea Statistica, Economia e Finanza Tesi I PREZZI DOPO L ENTRATA IN VIGORE DELLA MONETA UNICA EUROPEA
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliLA NUOVA TASSAZIONE DEL DECRETO "SALVA ITALIA" E DEI PROVVEDIMENTI E PROPOSTE SUCCESSIVI : STIMA DELL'IMPATTO SUI CONSUMI DEL PERIODO
CENTRO STUDI SINTESI LA NUOVA TASSAZIONE DEL DECRETO "SALVA ITALIA" E DEI PROVVEDIMENTI E PROPOSTE SUCCESSIVI : STIMA DELL'IMPATTO SUI CONSUMI DEL PERIODO 2013-2022 Quirino Biscaro Mestre, 11 febbraio
DettagliIl processo ERM: metodologie, strumenti, strategie di riduzione e controllo dei rischi a cura del Dott.RobertoMuscogiuri 16/06/2016
Il processo ERM: metodologie, strumenti, strategie di riduzione e controllo dei rischi a cura del Dott.RobertoMuscogiuri 16/06/2016 Rischio 1 Rischio 2 Rischio Rischio j Rischio j+1 Rischio j+k Rischio
DettagliDISTRIBUZIONE DEI VALORI ESTREMI PER L ANALISI DEI RENDIMENTI
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA RELAZIONE FINALE DISTRIBUZIONE DEI VALORI ESTREMI PER L ANALISI DEI RENDIMENTI RELATORE:
DettagliRegressione Lineare Multipla
Regressione Lineare Multipla Fabio Ruini Abstract La regressione ha come scopo principale la previsione: si mira, cioè, alla costruzione di un modello attraverso cui prevedere i valori di una variabile
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE COSA CAUSA IL TASSO DI CRESCITA DEL CONSUMO? UNA VERIFICA EMPIRICA PER GLI STATI UNITI Relatore: Prof. Castelnuovo Efrem Laureanda: Nicoletta
DettagliINDICE. Introduzione p. 5 Dati p. 7 La Curva di Domanda Aggregata p. 11 Stima dei modelli p. 13. Filtri Multipli p. 41
INDICE Introduzione p. 5 Dati p. 7 La Curva di Domanda Aggregata p. 11 Stima dei modelli p. 13 Modello con filtro CBO p. 13 Modello con filtro HP p. 18 Modello con filtro LIN p. 22 Modello con filtro LBR
DettagliL eredità finanziaria della crisi
L eredità finanziaria della crisi Presentazione del XX rapporto annuale sul Mercato del Lavoro tv Guido Massimiliano Mantovani H.E.R.M.E.S. Universities Network, Strasbourg Università Ca Foscari, Campus
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA TESI DI LAUREA PREVISIONI DELL INFLAZIONE CON DIVERSE MISURE DI CICLO ECONOMICO: UNA VERIFICA
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
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
DettagliData Journalism. Analisi dei dati. Angelica Lo Duca
Data Journalism Analisi dei dati Angelica Lo Duca angelica.loduca@iit.cnr.it Obiettivo L obiettivo dell analisi dei dati consiste nello scoprire trend, pattern e relazioni nascosti nei dati. di analisi
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliMODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti
Corso di TRASPORTI E TERRITORIO e TEORIA E TECNICA DELLA CIRCOLAZIONE MODELLI MATEMATICI PER I SISTEMI DI INFORMAZIONE ALL UTENZA: introduzione ai modelli dell ingegneria dei trasporti DOCENTI Agostino
DettagliUNIVERSITÁ DEGLI STUDI DI PADOVA FACOLTÁ DI SCIENZE STATISTICHE CORSO DI LAUREA TRIENNALE IN STATISTICA E GESTIONE DELLE IMPRESE
UNIVERSITÁ DEGLI STUDI DI PADOVA FACOLTÁ DI SCIENZE STATISTICHE CORSO DI LAUREA TRIENNALE IN STATISTICA E GESTIONE DELLE IMPRESE RELAZIONE FINALE PREDITTIVITÁ DELL INFLAZIONE E DELLA POLITICA MONETARIA
DettagliBreve ripasso di statistica
Breve ripasso di statistica D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 4 1 Il protocollo analitico Campionamento: 1. estrazione del campione dal lotto 2. conservazione e trasporto
DettagliMODELLI DI PREVISIONE DELL INFLAZIONE ITALIANA: RUOLO DELLA MONETA GLOBALE
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE RELAZIONE FINALE MODELLI DI PREVISIONE DELL INFLAZIONE ITALIANA: RUOLO DELLA MONETA
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliCaratteristiche principali del contratto di assicurazione sulla vita CA Vita Valore
Caratteristiche principali del contratto di assicurazione sulla vita CA Vita Valore Denominazione Tipo Contratto Compagnia di assicurazione Durata Periodo di collocamento CA Vita Valore Contratto di assicurazione
DettagliMODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla
Syllabus e Testi di Riferimento MIS 1 di 7 MODELLISTICA DI IMPIANTI E SISTEMI Syllabus e Testi di Riferimento Prof. Giuseppe Iazeolla Syllabus da testo 1 (la numerazione fa riferimento ai capitoli del
DettagliRegressione. Monica Marabelli. 15 Gennaio 2016
Regressione Monica Marabelli 15 Gennaio 2016 La regressione L analisi di regressione é una tecnica statistica che serve a studiare la relazione tra variabili. In particolare, nel modello di regressione
DettagliUniversità degli studi di Genova
Università degli studi di Genova Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Tesi di laurea METODOLOGIE DI INDIVIDUAZIONE DELLA ZONA DELL OTTIMO NELLA SIMULAZIONE DISCRETA E STOCASTICA
DettagliUNIVERSITÁ DEGLI STUDI DI PADOVA
UNIVERSITÁ DEGLI STUDI DI PADOVA Facoltà di Scienze Statistiche Corso di laurea in Statistica, Economia e Finanza TESI DI LAUREA RUOLO DEI COMPONENTI DELLA DOMANDA AGGREGATA NELLA SPINTA ALL INFLAZIONE:
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA, ECONOMIA E FINANZA Tesi di Laurea RUOLO DELLA MONETA PER IL CICLO ECONOMICO STATUNITENSE: UNA VERIFICA EMPIRICA
DettagliComputazione per l interazione naturale: Regressione probabilistica
Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE Tesi di laurea: MONETA ED INFLAZIONE NEGLI STATI UNITI: SIGNIFICATIVITÀ E STABILITÀ
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliLaboratorio di Statistica Aziendale Modello di regressione lineare multipla
Laboratorio di Statistica Aziendale Modello di regressione lineare multipla Michela Pasetto michela.pasetto2@unibo.it Definizione del modello OLS (semplice) L obiettivo della regressione lineare è di valutare
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliMetodi di Monte Carlo: un'applicazione
Metodi di Monte Carlo: un'applicazione Metodi di Monte Carlo: definizione Brevi richiami sui concetti base utilizzati Variabile casuale Valore di aspettazione Varianza Densità di probabilità Funzione cumulativa
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliRiconoscimento automatico di oggetti (Pattern Recognition)
Riconoscimento automatico di oggetti (Pattern Recognition) Scopo: definire un sistema per riconoscere automaticamente un oggetto data la descrizione di un oggetto che può appartenere ad una tra N classi
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio
ECONOMETRIA B A.A. 2002/2003 (Prof. Luca Stanca) Commercio internazionale e tasso di cambio Crivellaro Alessandro matr.583179 De Vera Vicent Gregorio Erasmus Martin Medel Asuncion Erasmus Rorato Silvia
DettagliDisegno del prodotto di rendite vitalizie
Disegno del prodotto di rendite vitalizie Luca Buratto Università degli studi di Trieste Relatore: Prof. Ermanno Pitacco 1 / 36 Indice Indice 1 Le rendite vitalizie 2 Conversione del capitale in rendita
DettagliUna stima aggregata dell effetto Brunetta Risultati molto preliminari
Una stima aggregata dell effetto Brunetta Risultati molto preliminari Leonello Tronti (Consigliere economico del Ministro) Seminario Assenteismo: i lavori della commissione 22 giugno 2009 Ipotesi di lavoro
DettagliMachine Learning: apprendimento, generalizzazione e stima dell errore di generalizzazione
Corso di Bioinformatica Machine Learning: apprendimento, generalizzazione e stima dell errore di generalizzazione Giorgio Valentini DI Università degli Studi di Milano 1 Metodi di machine learning I metodi
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliADDESTRAMENTO 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
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliIdentificazione 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
Dettaglif è una combinazione convessa f con w 1
SIMULAZIONE Che cosa serve: - un sistema dinamico completamente definito - un orizzonte di simulazione (intervallo di tempo per il quale sono noti gli ingressi) - funzioni di ingresso definite per tutto
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliIntroduzione alle Reti Neurali
Introduzione alle Reti Neurali Stefano Gualandi Università di Pavia, Dipartimento di Matematica email: twitter: blog: stefano.gualandi@unipv.it @famo2spaghi http://stegua.github.com Reti Neurali Terminator
DettagliUNIVERSITÁ DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE
UNIVERSITÁ DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA E GESTIONE DELLE IMPRESE RELAZIONE FINALE ESERCIZI DI PREVISIONE DI INFLAZIONE ED OUTPUT GAP STATUNITENSI:
DettagliLa valutazione dei rischi. Corso di risk management Prof. Giuseppe D Onza
La valutazione dei rischi Corso di risk management Prof. Giuseppe D Onza LA VALUTAZIONE DEI RISCHI E un attività che caratterizza la gestione dei rischi finalizzata ad apprezzare la gravità dei fenomeni
DettagliIn memoria di mio padre. A mia madre, a tutti gli amici. A tutti voi grazie.
In memoria di mio padre. A mia madre, a tutti gli amici. A tutti voi grazie. Università di Pisa Corso di laurea in Ingegneria Aerospaziale TESI DI LAUREA SPECIALISTICA Sviluppo ed ottimizzazione delle
DettagliPREMIO EQUO E PREMIO NETTO. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
PREMIO EQUO E PREMIO NETTO Prof. Cerchiara Rocco Roberto Materiale e Riferimenti. Capitolo del testo Tecnica attuariale delle assicurazioni contro i Danni (Daboni 993). Lucidi distribuiti in aula La teoria
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliReti neurali. una breve introduzione
Reti neurali una breve introduzione Idea Con un solo neurone non posso fare molto... Con molti neuroni connessi posso ottenere un sistema di elaborazione nasce una nuova proprietà emergente del sistema
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliTECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO. VALUE AT RISK VaR. Piatti --- Corso Rischi Bancari: VaR 1
TECNICHE DI MISURAZIONE DEI RISCHI DI MERCATO VALUE AT RISK VaR Piatti --- Corso Rischi Bancari: VaR 1 Limiti delle misure di sensitivity Dipendono dalla fase in cui si trova il mercato non consentono
DettagliDEEP LEARNING PER CONTROLLO QUALITA PRODOTTO E CONTROLLO DI PROCESSO Alessandro Liani, CEO e R&D Manager
DEEP LEARNING PER CONTROLLO QUALITA PRODOTTO E CONTROLLO DI PROCESSO Alessandro Liani, CEO e R&D Manager Smart Vision - Le tecnologie per l industria del futuro Machine Learning Famiglie di machine learning
DettagliCross-Selling. Nicola Biscaglia Alessandro Zanetti. Machine Learning in campo assicurativo. 23 novembre 2018
Cross-Selling Machine Learning in campo assicurativo Nicola Biscaglia Alessandro Zanetti 23 novembre 2018 Mercato assicurativo italiano Non Life business % Premi contabilizzati (2017) MTPL 2015 2016 2017
DettagliClassificazione Validazione Decision Tree & kmeans. Renato Mainetti
Classificazione Validazione Decision Tree & kmeans Renato Mainetti Apprendimento Supervisionato e Non Supervisionato: forniamo input e output Non supervisionato: forniamo solo input 2 Apprendimento Supervisionato
Dettaglio Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliLA PREDIZIONE DELLE PORTATE DELLE SORGENTI DI. Salvatore Rampone Carmine Tiso
UN SISTEMA DI INTELLIGENZA COMPUTAZIONALE PER LA PREDIZIONE DELLE PORTATE DELLE SORGENTI DI SERINO Salvatore Rampone Carmine Tiso DSGA - Dipartimento di Studi Geologici e Ambientali Università del Sannio
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliIndice generale. Introduzione. Capitolo 1 Essere uno scienziato dei dati... 1
Introduzione...xi Argomenti trattati in questo libro... xi Dotazione software necessaria... xii A chi è rivolto questo libro... xii Convenzioni utilizzate... xiii Scarica i file degli esempi... xiii Capitolo
DettagliAlberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista
Alberi Decisionali Per l analisi del mancato rinnovo all abbonamento di una rivista Il problema L anticipazione del fenomeno degli abbandoni da parte dei propri clienti, rappresenta un elemento fondamentale
DettagliCorso di Intelligenza Artificiale A.A. 2016/2017
Università degli Studi di Cagliari Corsi di Laurea Magistrale in Ing. Elettronica Corso di Intelligenza rtificiale.. 26/27 Esercizi sui metodi di apprendimento automatico. Si consideri la funzione ooleana
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliCapitolo 3 (parte prima) Modelli di (s)composizione. Capitolo 3 1
Capitolo 3 (parte prima) Modelli di (s)composizione Capitolo 3 1 Tipi di pattern sistematico Molti metodi di previsione si basano sul fatto che, se esiste un pattern sistematico (rispetto al tempo), questo
Dettagli( 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
DettagliComputazione per l interazione naturale: Regressione lineare
Computazione per l interazione naturale: Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it http://homes.dsi.unimi.it/~boccignone/l
DettagliApprendimento Automatico (Feature Selection e Kernel Learning)
Apprendimento Automatico (Feature Selection e Kernel Learning) Fabio Aiolli www.math.unipd.it/~aiolli Sito web del corso www.math.unipd.it/~aiolli/corsi/1516/aa/aa.html Servono tutti gli attributi? Gli
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA,ECONOMIA E FINANZA TESI DI LAUREA ANALISI DELLE DIFFERENZE TRA RENDIMENTI DEI FONDI E BENCHMARK Relatore: Ch.mo
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI ECONOMIA CORSO DI LAUREA MAGISTRALE IN FINANZA TESI DI LAUREA IN ECONOMIA DELLE AZIENDE DI ASSICURAZIONE IL PRICING DELLA PARTECIPAZIONE AGLI UTILI
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliAspetti tecnico-attuariali dei Fondi sanitari
Aspetti tecnico-attuariali dei Fondi sanitari Prof. Gennaro Olivieri 16/06/2016 Ruolo dell Attuario Bilancio tecnico Necessario valutare le prestazioni di un Fondo sanitario nel medio-lungo periodo. Fondamentale
DettagliElementi di Probabilità e Statistica
Elementi di Probabilità e Statistica Statistica Descrittiva Rappresentazione dei dati mediante tabelle e grafici Estrapolazione di indici sintetici in grado di fornire informazioni riguardo alla distribuzione
DettagliPresentazione dell edizione italiana
Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA. Regola di Taylor e gaps di politica monetaria: il caso Statunitense
UNIVERSITÀ DEGLI STUDI DI PADOVA Facolta' di Scienze Statistiche Corso di laurea triennale in Statistica e Gestione delle Imprese TESI DI LAUREA Regola di Taylor e gaps di politica monetaria: il caso Statunitense
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliQuiz di verifica Classificazione
Quiz di verifica Classificazione Strumenti Quantitativi per la gestione Le domande 1 4 si riferiscono al seguente problema: Supponiamo di raccogliere dati per un gruppo di studenti della classe di SQG
Dettagli