Probabilità e Finanza

Documenti analoghi
Probabilità e Finanza

Probabilità e Finanza

Metodi e Modelli dei Mercati Finanziari

Probabilità e Statistica

Probabilità e Statistica

Analisi Stocastica Programma del corso 2008/09

Probabilità e Statistica

Analisi Stocastica Programma del corso 2009/10

Diario Complementi di Probabilità a.a. 2017/2018

Diario Complementi di Probabilità a.a. 2007/2008

Condizionamento e martingale

Indice. Notazioni generali... 1

Diario Complementi di Probabilità a.a. 2016/2017

Teoria delle Probabilità e Applicazioni programma 2004/05

Indice Richiami di Matematica Finanziaria Fattore di Rischio e Principio di Arbitraggio

Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di

Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2012/13 Registro delle lezioni

Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2019

Diario Complementi di Probabilità a.a. 2018/2019

Prima prova in itenere di Istituzioni di Probabilità

Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1

Esercizi di Calcolo delle Probabilità

Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 14/2/2013

Primo appello prova scritta di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2016

Probabilità e Statistica Matematica

III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre

Metodi Stocastici per la Finanza

Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1

Elementi di analisi matematica e complementi di calcolo delle probabilita T

Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1

Calcolo di Probabilità e Processi Stocastici, Laurea magistrale in Ing. Robotica e dell Automazione, a.a. 2011/12 Registro delle lezioni

ESERCIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2

Esercizi su leggi condizionali e aspettazione condizionale

CORSO DI LAUREA IN MATEMATICA ANALISI MATEMATICA 6, A.A PRIMA PARTE DEL CORSO

I Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 23 Giugno

PROGRAMMA di Analisi Matematica 1 A.A , canale 3, prof.: Francesca Albertini Ingegneria area dell Informazione

12. Funzioni numeriche misurabili.

ANALISI UNO (A.A. 2008/2009, Docente: S. Finzi Vita) Programma svolto settimanalmente

Probabilità e Statistica

Quesiti di Metodi Matematici per l Ingegneria

Analisi Matematica 1

Corso di Laurea in Ingegneria, Settore Informazione (gruppi 2-3), A.A. 2007/2008 Docente: Antonio Ponno

Integrale di Lebesgue

19. L integrale di Lebesgue: un breve riassunto, I

Indice analitico. distanza, 2 discreta, 2 disuguaglianza triangolare, 2. simmetria, 2 disuguaglianza di Bessel, 101

Introduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007

Facoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA

Opzioni Americane: un aprroccio numerico mediante il calcolo di Malliavin

Registro delle lezioni

CALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica. Leggere attentamente le seguenti note

4.6 Il modello di Cox, Ross e Rubinstein

CP410: Esame 2, 3 febbraio 2015

ANALISI MATEMATICA 2 A.A. 2015/16

Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04

DIARIO DELLE LEZIONI DEL CORSO DI ANALISI MATEMATICA II - INGEGNERIA ELETTRONICA. ANNO ACCADEMICO (PROF. D. PUGLISI)

Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001

PROGRAMMA di ANALISI MATEMATICA 1

Programma del corso di Analisi Matematica 1 Corso di Laurea in Matematica Prof. A. Garroni - Canale Dl-Pa

Analisi Matematica 1 (prof. G. Cupini) (CdS Astronomia - Univ. Bologna) REGISTRO DELLE LEZIONI A.A

Elementi di analisi matematica e complementi di calcolo delle probabilita T

PROBABILITA e STATISTICA

Nozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3

Modelli probabilistici per la finanza

V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio

CP410: Esonero 1, 31 ottobre 2013

PROGRAMMA di Analisi Matematica 1 A.A , canale 3, prof. Monica Motta Ingegneria gestionale, meccanica e meccatronica, Vicenza

Programma delle lezioni svolte nel corso CLEM di Matematica Generale, Lettere M-Z, Prof. F. Manzini.

Corso di laurea: Ingegneria Civile Programma di Fondamenti di Analisi Matematica I a.a. 2011/2012 Docenti: Fabio Paronetto e Fabio Ancona

Simboli logici. Predicati, proposizioni e loro negazioni.

VALUTAZIONE DEGLI STRUMENTI DERIVATI

0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...

Capitolo 9 (9.2, Serie: 1,..., 18).

ANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013

Istituzioni di Probabilità - A.A

14. Confronto tra l integrale di Lebesgue e l integrale di Riemann.

Corsi di laurea: Fisica, Matematica e SMID

1. Mercoledì 07/03/2018, ore: 2(2) Introduzione e presentazione del corso. Richiami: i numeri naturali, interi, razionali e reali.

Esame di Calcolo delle Probabilità del 12 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

A.A. 2015/2016 Corso di Analisi Matematica 2

(2) se A A, allora A c A; (3) se {A n } A, allora +

Diario del Corso Analisi Matematica I

PROBABILITA Laurea in Matematica a.a. 2017/18 Registro delle lezioni

II Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 20 febbraio

Argomenti delle singole lezioni del corso di Analisi Matematica 1 (Laurea triennale di Matematica, A.A )

A.A. 2016/17. ISTITUZIONI DI ANALISI SUPERIORE 12 crediti, I semestre. Docenti: Prof. Luigi Muglia per i primi 6 crediti, io per gli ultimi 6 crediti.

DISUGUAGLIANZA PUNTUALE DI DOOB

Esame di Calcolo delle Probabilità del 11 dicembre 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

Calcolo delle probabilità. Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, Padova

VIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul

PROGRAMMA DI ANALISI MATEMATICA A CORSO DI LAUREA TRIENNALE IN MATEMATICA 15 CF A.A

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità

UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI INGEGNERIA (sede di Vicenza)

Istituzioni di Probabilità Laurea magistrale in Matematica prova scritta del 22/7/2013

2 ore Teorema dell unicità del limite, nel caso di limiti in R (con dim.). f(x) = +. Per b>1 di lim

Esercizio 2.2 Dimostrare che le seguenti famiglie di parti di R generano la stessa σ-algebra

PARTE 1: Elementi di base. Simboli e operazioni sugli insiemi. Simboli logici. Prodotto cartesiano.

Registro del corso di Probabilità a.a

CP410: Esonero 1, 7 novembre, 2018

Finanza Matematica. Andrea Pascucci Wolfgang J. Runggaldier. Teoria e problemi per modelli multiperiodali. Springer

Transcript:

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. Esercizi. La σ-algebra generata da una classe di sottoinsiemi. Esempi: σ(c) = C quando C è una σ-algebra; σ(c 1 ) σ(c 2 ) quando C 1 C 2. La σ-algebra generata da una partizione al più numerabile. La σ-algebra di Borel. Le classi generatrici di B(R) (intervalli aperti, semichiusi, chiusi, etc.). La classe π(r) = {(, c] : c R} come classe che genera B(R). [cfr. Appunti, Par. 2.1.1] 03/10/2018 - Lezioni 3, 4 Spazi misurabili e funzioni misurabili. La σ-algebra generata da una funzione misurabile e la sua caratterizzazione in termini di controimmagini. Condizioni sufficienti per la verifica della misurabilità. Caso particolare per funzioni a valori reali. Funzioni discrete: definizione, misurabilità, la σ-algebra generata come una σ-algebra generata da una partizione numerabile. Proprietà delle funzioni misurabili: la classe delle funzioni misurabili come un algebra; misurabilità della funzione composta di funzioni misurabili; misurabilità dell inf, del sup etc. di una successione di funzioni misurabili; σ(f) = σ(g) quando f = h 1 g e g = h 1 f, con f, g, h 1, h 2 misurabili. [cfr. Appunti, Par. 2.1.2] 09/10/2018 - Lezioni 5, 6 Proprietà delle funzioni misurabili: data una partizione C al più numerabile, se f è σ(c)-misurabile allora f è costante su tutti gli elementi della partizione. Date due funzioni S-misurabili f e g, se g è σ(f)-misurabile allora g = h f, per un opportuna funzione misurabile h (s.d.). Definizione di uno spazio di probabilità (Ω, F, P). Esempio: se F = σ(c) con C partizione al più numerabile di Ω allora P è perfettamente individuata dal valori P(C), al variare di C C. Le proprietà generali della probabilità P e la proprietà di monotonia (richiami). Indipendenza tra eventi, legame con la proprietà di fattorizzazione delle σ-algebre generate da questi eventi. La definizione di σ-algebre indipendenti. Esempio: quando le σ-algebre sono generate da partizioni al più numerabili basta provare la proprietà di fattorizzazione solo sugli elementi delle partizioni. [cfr. Appunti, Par. 2.1.2, 2.2] 10/10/2018 - Lezioni 7, 8 Definizione formale di v.a. Caso particolare: v.a. discrete, finite, a valori in R d, d 1. La definizione di v.a. indipendenti in termini delle σ-algebre generate. Definizione di indipendenza tra una v.a. ed una σ-algebra. Le proprietà delle v.a. Definizione di legge di una v.a. V.a. discrete: densità dicreta; densità discreta congiunta e calcolo delle marginali; caratterizzazione dell indipendenza in termini di densità; densità della somma; densità discreta condizionale. 1

[cfr. Appunti, Par. 2.3.1, 2.3.2] 16/10/2018 - Lezioni 9, 10 V.a. assolutamente continue (a.c.): densità continua; densità congiunta e calcolo delle marginali; caratterizzazione dell indipendenza in termini di densità; densità della somma. Speranza matematica: definizione per v.a. discrete o a.c. L esistenza ed il calcolo della speranza matematica di f(x) quando X è una v.a. discreta oppure a.c. La media di una v.a. discreta come somma su Ω (e non sullo spazio di arrivo). Richiami: le proprietà della speranza matematica (linearità, positività etc.); la media del prodotto di v.a. indipendenti che hanno media; caratterizzazione dell indipendenza in termini di fattorizzazione della speranza matematica (X Y sse E(f(X)g(Y )) = E(f(X))E(g(Y )) per ogni f, g boreliane tali che f(x) e g(y ) abbiano media); momento k-esimo, in particolare: se esiste il momento k-esimo allora esiste il momento p-esimo per ogni p k; la varianza e il suo significato; le disuguaglianze di Markov, di Chebycev, di Schwarz. [cfr. Appunti, Par. 2.3.1, 2.3.2, 2.3.3] 17/10/2018 - Lezioni 11, 12 Introduzione alla speranza matematica condizionale: il caso di v.a. discrete ed il caso di σ-algebra generata da una partizione al più numerabile di Ω. Definizione formale di E(X G). Caso particolare: quando G = σ(y ), quindi E(X G) = E(X Y ) = Ψ X (Y ), con Ψ X funzione boreliana. Esempio: calcolo esplicito della funzione Ψ X quando X e Y hanno densità congiunta continua. [cfr. Appunti, Par. 3.1.1, 3.1.2] 23/10/2018 - Lezioni 13, 14 Le proprietà della media condizionale: se X = c q.c. allora E(X G) = c q.c.; E(E(X G)) = E(X); linearità, positività e monotonia della media condizionale; la disuguaglianza di Jensen per la media e per la media condizionale; se X è G-misurabile allora E(XY G) = XE(Y G); se A G sotto σ- algebre di F allora E(X A) = E(E(X A) G) = E(E(X G) A); se X G allora E(X G) = E(X); se X è G-misurabile e Y G allora E(f(X, Y ) G) = E(f(x, Y )) x=x ; se X è di quadrato integrabile allora E(X E(X G) 2 ) E((X Z) 2 ) per ogni v.a. Z di quadrato integrabile e G-misurabile. Processi a tempo discreto. Filtrazioni, processi adattati. Definizione di martingala (mg), supermartingala (supermg) e submartingala (submg). [cfr. Appunti, Par. 3.1.3, 3.2.1] 31/10/2018 - Lezioni 15, 16 Esempi di martingale, submartingale e supermartingale. Le proprietà. La decomposizione di Doob ed il compensatore. [cfr. Appunti, Par. 3.2.1, 3.2.2, 3.2.3] 06/11/2018 - Lezioni 17, 18 Esempio: data una F n -martingala (X n ) n di quadrato integrabile, calcolo del compensatore di (X 2 n) n. Le martingale trasformate. Tempi d arresto e σ-algebra degli eventi antecendenti: definizione e definizioni equivalenti. Proprietà dei tempi d arresto, ad esempio: il tempo di ingresso/di uscita di un processo adattato è un tempo d arresto; se τ 1 e τ 2 sono F n -t.a. allora τ 1 τ 2 è un F n -t.a.; se τ 1 e τ 2 sono F n -t.a. tali che τ 1 τ 2 allora F τ1 F τ2 ; se τ 1 e τ 2 sono F n -t.a. allora F τ1 τ 2 = F τ1 F τ2 ; se (X n ) n è un processo F n -adattato e τ è un F n -t.a. finito allora X τ è una v.a. F τ -misurabile; se X è una v.a. integrabile e τ è un F n -t.a. allora E(X F τ ) = X τ, dove X n = E(X F n ), n 0. [cfr. Appunti, Par. 3.2.4, 3.3] 2

07/11/2017 - Lezioni 19, 20 Il processo arrestato X τ n = X τ n : se (X n ) n è una F n -mg (risp. submg, supermg) e τ è un F n -t.a. allora (X τ n) n rimane una F n -mg (risp. submg, supermg). Il compensatore di una submg o supermg arrestata è il compensatore arrestato. Il teorema d arresto. Tassi di interesse: interesse composto, semplice, istantaneo. Esercizi sui tassi. [cfr. Appunti, Par. 3.3, 3.3.1; 1.1] 13/11/2017 - Lezioni 21, 22 Alcuni aspetti dei mercati finanziari: la vendita allo scoperto; l arbitraggio; le ipotesi di mercato. Generalità sui prodotti derivati. Contratti forward: valutazione di non arbitraggio del prezzo forward (prezzo di consegna). Le opzioni di acquisto (call) e di vendita (put). Le opzioni come strumenti finanziari per la gestione dei rischi. Il payoff dell opzione call/put. Il problema del prezzo e della copertura dell opzione. Il modello discreto per la descrizione dei mercati finanziari: la filtrazione, il processo d+1-dimensionale dei prezzi, il fattore di sconto ed il processo dei prezzi scontati. Strategie di gestione e portafoglio associato. Strategie autofinanzianti. [cfr. Appunti, Par. 1.2, 1.3; 4.1, 4.2, 4.3] 14/11/2017 - Lezioni 23, 24 Caratterizzazione delle strategie autofinanzianti in termini di scrittura del portafoglio e del portafoglio scontato. Dati un processo predicibile (φ 1 n,..., φ d n) n a valori in R d e V 0 R esiste un unico processo predicibile (φ 0 n) n tale che (φ 0 n, φ 1 n,..., φ d n) n sia una strategia autofinanziante. Strategie ammissibili e strategie di arbitraggio. Definizione di mercato privo di arbitraggio. Il cono convesso Γ ed il risultato (Lemma 4.4.3) che lega la mancanza di arbitraggio con Γ. [cfr. Appunti, Par. 4.3, 4.4] 20/11/2017 - Lezioni 25, 26, 27 Il primo teorema fondamentale dell asset pricing. Conseguenze dell esistenza della misura di martingala equivalente, ad esempio la formula di parità call-put. Mancanza di abitraggio nel modello binomale e del modello trinomiale ad un periodo: studio dell esistenza della misura di martingala equivalente ed eventuale unicità. Definizione formale di un opzione europea. Esempi: opzioni call, put, digital, asiatiche, con barriere. [cfr. Appunti, Par. 4.4, 4.5] 21/11/2017 - Lezioni 28, 29 Opzioni replicabili e prezzo di non arbitraggio. Completezza del mercato. Il secondo teorema fondamentale dell asset pricing. Esempio: in mancanza di arbitraggio, il modello binomiale ad un periodo è completo ma il modello trinomiale ad un periodo non lo è. La formula di parità call-put con l uso esplicito del prezzo (portafoglio replicante). [cfr. Appunti, Par. 4.5] 27/11/2017 - Lezioni 30, 31, 32 Il modello CRR (Cox, Ross e Rubinstein): definizione, proprietà. Equivalenza tra mancanza di arbitraggio e la condizione a < r < b. Completezza del mercato. Formula esplicita del prezzo e della strategia replicante per opzioni di payoff h = F (S N ). [cfr. Appunti, Par. 4.6.1, 4.6.2] 3

28/11/2017 - Lezioni 33, 34 Formula backward del prezzo di opzioni si payoff h = F (S N ) nel modello CRR. Uso pratico del modello CRR: suddivisione dell intervallo [0, T ] in N sottointervalli, scelta del tasso (r N = RT/N) e dei salti (1+a N = (1+r N )e σ T/N e 1+b N = (1+r N )e σ T/N ) in modo da costruire un mercato completo. La volatilità σ > 0. Comportamento asintotico, per N, della funzione caratteristica di log S N N /S 0 sotto la misura di rischio neutro. [cfr. Appunti, Par. 4.6.2, 4.6.3] 04/12/2018 - Lezioni 35, 36, 37 Convergenza in legge, per N, di log S N N /S 0 ad una normale di media σ 2 T/2 e varianza σ 2 T. Le formule di Black e Scholes per il prezzo della call e della put come limite, per N, del valore della call e della put nel modello CRR. Prezzo Black e Scholes di call/put come funzione crescente del parametro volatilità - interpretazione finanziaria. Esercizio al calcolatore: studio empirico (in scala logaritmica) della convergenza. Opzioni americane nel modello generale, in ipotesi di completezza del mercato. Il processo-payoff. La formulazione all indietro del prezzo dell opzione americana. Payoff e prezzo scontati: formulazione all indietro del prezzo scontato dell opzione americana in termini del processo di payoff scontato. Il prezzo scontato dell opzione americana come l inviluppo di Snell del processo di payoff scontato. Il tempo ν 0 = inf{n 0 : Ũn = Z n }: proprietà di martingala per (Ũ ν 0 n ) 0 n N. [cfr. Appunti, Par. 4.6.3, 4.6.4, 5.1, 5.2] 05/12/2018 - Lezioni 38, 39 Dimostrazione della proprietà U 0 = sup ν T0,N E ( Z ν ) e ottimalità di ν 0 (U 0 = E ( Z ν0 )). Definizione formale di istante di esercizio ottimale e caratterizzazione matematica. Uso della decomposizione di Doob per determinare una strategia ammissibile φ tale che V τ (φ) = Z τ per ogni tempo ottimale di esercizio τ (copertura esatta delle opzioni americane). Il tempo di esercizio ottimale ν = inf{n 0 : Ã n+1 > 0}. Caratterizzazione degli istanti di esercizio ottimale come i tempi d arresto compresi tra ν 0 e ν in cui prezzo e payoff coincidono. Riscrittura di tutte le proprietà su un generico orizzonte temporale [n, N], n = 0, 1,..., N. Opzione europea associata e verifica del fatto che il prezzo dell opzione americana è sempre maggiore od uguale al prezzo dell europea associata. [cfr. Appunti, Par. 5.2, 5.3] 11/12/2018 - Lezioni 40, 41, 42 Opzione call: uguaglianza tra prezzo americano ed europeo. La formula della funzione prezzo della put americana nel modello CRR: versione backward (dal principio di programmazione dinamica) e formulazione variazionale. Le proprietà (continuità, monotonia e convessità) e discussione qualitativa. Esercizio al calcolatore: implementazione del principio di programmazione dinamica e disegno della funzione x P am (0, x). Metodi Monte Carlo: generalità. L intervallo di fiducia come output standard. Applicazione: calcolo del prezzo di opzioni. Breve discussione sulla generazione al calcolatore di numeri a caso nell intervallo (0, 1). L algoritmo KNUTH. [cfr. Appunti, Par. 5.3, 5.4, 6.1] 12/12/2018 - Lezioni 43, 44 Simulazione del modello CRR. Stima del prezzo di call/put standard con il metodo Monte Carlo e studio empirico della velocità di convergenza al valore esatto quando il numero di simulazioni tende a +. Opzioni asiatiche: prezzo di call/put asiatiche con la tecnica Monte Carlo. Formule di parità per il prezzo dell opzione call/put asiatica ed uso per la validazione del programma. Opzioni con barriere 4

(up,down)&(in,out): calcolo del prezzo con metodi Monte Carlo. Formule di parità per la validazione del programma. [cfr. Appunti, Par. 6.3.2, 6.3.3] 18/12/2018 - Lezioni 45, 46 Copertura dinamica per opzioni europee. Discussione ed approfondimenti sugli algoritmi numerici. [cfr. Appunti, Par. 6.4] 5