Un modello matematico di investimento ottimale
|
|
- Evangelista Ruggero Moretti
- 8 anni fa
- Visualizzazioni
Transcript
1 Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011
2 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza
3 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza
4 Outline 1 Preliminari di calcolo delle probabilità 2 Avversione al rischio 3 Investimento in situazione di incertezza
5 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.
6 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.
7 Spazi campionari Quando si vuole modellizzare un fenomeno aleatorio, di solito si parte con un cosiddetto spazio campionario Ω, che rappresenta l insieme di tutti i possibili risultati. Esempio: lancio di un dado. Spazio campionario Ω = {1, 2, 3, 4, 5, 6}. Esempio: lancio di una moneta. Spazio campionario Ω = {T, C}.
8 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2
9 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2
10 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2
11 Probabilità Ad ogni possibile sottoinsieme A Ω associamo una probabilità P(A) tale che P(Ω) = 1 e P(A B) = P(A) + P(B) se A B =. Se Ω è finito, questo corrisponde a definire p i := P{ω i } ω i Ω tali che p i 0, i p i = 1, e si ha allora P(A) = ω A P{ω} = ω i A p i Esempio: lancio di una moneta. Probabilità p i = P{ω i } = 1 2 per ogni ω i Ω = {T, C}. Esempio: lancio di un dado. Probabilità p i = P{ω i } = 1 6 per ogni ω i Ω = {1, 2, 3, 4, 5, 6}. P{esce un n. pari} = P{2, 4, 6} = = 1 2
12 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4
13 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4
14 Variabili aleatorie Una variabile aleatoria (reale) è semplicemente una funzione X : Ω R, che a seconda del verificarsi dei possibili risultati ω Ω assume valori diversi. Esempio: lancio di una moneta. Supponiamo di vincere 1 Euro se esce testa e 0 se esce croce. Allora la variabile aleatoria che modellizza questo è X (ω) = { 1 se ω = T, 0 se ω = C, Esempio: lancio di un dado. Supponiamo di vincere 10 Euro se esce 6, 2 Euro se esce 5 e 0 altrimenti. Allora la variabile aleatoria che modellizza questo è 10 se ω = 6, X (ω) = 2 se ω = 5, 0 se ω = 1, 2, 3 o 4
15 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3
16 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3
17 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3
18 Distribuzione di una variabile aleatoria Come funzione, la variabile aleatoria X avrà un immagine E = X (Ω) di tutti i valori assunti. Esempio: lancio di un dado. Siccome X può assumere valori 0, 2 e 10, abbiamo E = X (Ω) = {0, 2, 10}. Se Ω è finito, anche E è finito, e per ogni x E, possiamo calcolare la distribuzione di X (notazione compatta) P{X = x} = P{ω X (ω) = x} = P{ω} x E Esempio: lancio di un dado. X (ω)=x P{X = 10} = P{6} = 1 6, P{X = 2} = P{5} = 1 6, P{X = 0} = P{1, 2, 3, 4} = 4 6 = 2 3
19 Speranza (valor medio) di una variabile aleatoria Una volta che conosciamo la distribuzione di X, possiamo calcolarne la media (valor medio, speranza matematica): E[X ] = ( x P{X = x} = ) X (ω)p{ω} x E ω Ω Esempio: o anche lancio di un dado. E[X ] = = 12 6 = 2 E[X ] = 10 P{6} + 2 P{5} + 0 P{1, 2, 3, 4} = 2
20 Speranza (valor medio) di una variabile aleatoria Una volta che conosciamo la distribuzione di X, possiamo calcolarne la media (valor medio, speranza matematica): E[X ] = ( x P{X = x} = ) X (ω)p{ω} x E ω Ω Esempio: o anche lancio di un dado. E[X ] = = 12 6 = 2 E[X ] = 10 P{6} + 2 P{5} + 0 P{1, 2, 3, 4} = 2
21 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).
22 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).
23 Funzione di utilitá Supponiamo che un agente debba scegliere tra due guadagni aleatori X e Y. Un criterio semplice e classico (Bernoulli 1730) consiste nel ridurre la scelta a due numeri, associati alle variabili aleatorie, tramite una cosiddetta funzione di utilitá, considerando E[U(X )] E[U(Y )] dove U : R R. Esempio: se X x e Y y, allora il confronto si riduce a E[U(X )] = U(x) e E[U(Y )] = U(y): preferiamo X = x a Y = y se U(x) > U(y).
24 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?
25 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?
26 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?
27 Proprietá delle funzioni di utilitá Ci sono comportamenti tipici degli agenti che vorremmo riprodurre con questo criterio: preferire piú a meno; essere avversi al rischio. Che proprietá deve avere U per riprodurre questi comportamenti?
28 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.
29 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.
30 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.
31 Preferire piú a meno Supponiamo di avere due possibili guadagni deterministici X x e Y y. Un agente che preferisce avere di piú che avere di meno preferirá il maggiore dei due, cioé preferirá X ogni volta che x > y. Se si deve basare sulle funzioni di utilitá, preferirá X ogni volta che E[U(X )] = U(x) > E[U(Y )] = U(y) Se vogliamo che i due comportamenti coincidano, bisogna avere che U(x) > U(y) ogni volta che x > y U deve essere crescente.
32 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.
33 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.
34 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.
35 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.
36 Avversione al rischio Un agente si dice avverso al rischio se rifiuta tutte le lotterie elementari eque: lotteria: variabile aleatoria L che esprime un guadagno o una perdita; elementare: tale che P{L = a} = p, P{L = b} = 1 p, con a b; equa: tale che E[L] = 0. Esempio: L é il risultato di una partita a testa o croce con una moneta equilibrata (p = 1 2 ) con a = 1, b = 1.
37 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).
38 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).
39 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).
40 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).
41 Concavitá Una funzione U si dice concava se il grafico di U su ogni intervallo [a, b] sta sopra il segmento che congiunge (a, U(a)) e (b, U(b). Come si traduce analiticamente? Per ogni punto x (a, b), possiamo trovare p (0, 1) tale che x = pa + (1 p)b (eq. di primo grado con soluzione p = b x b a ). Il segmento che congiunge (a, U(a)) e (b, U(b)) nel punto di ascissa x = pa + (1 p)b ha ordinata y = pu(a) + (1 p)u(b). Allora U(x) sta sopra (= é maggiore) del punto corrispondente del segmento se U(x) = U(pa + (1 p)b) > pu(a) + (1 p)u(b) per ogni p (0, 1).
42 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.
43 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.
44 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.
45 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.
46 Avversione al rischio e concavitá Teorema. L agente é avverso al rischio se e solo se U é concava. Dimostrazione. Rifiutare ogni lotteria elementare equa L significa preferire il livello di ricchezza attuale (e certo) W 0 alla ricchezza aleatoria W 0 + L: quindi U deve essere tale che E[U(W 0 )] = U(W 0 ) > E[U(W 0 + L)] Ma il fatto che L sia equa significa che 0 = E[L] = pa + (1 p)b e quindi W 0 = p(w 0 + a) + (1 p)(w 0 + b). Abbiamo poi E[U(W 0 + L)] = pu(w 0 + a) + (1 p)u(w 0 + b) Se ora chiamiamo ã = W 0 + a e b = W 0 + b e mettiamo insieme tutto, abbiamo che U(W 0 ) = U(pã + (1 p) b) > pu(ã) + (1 p)u( b) per ogni possibile ã, b e per ogni p (0, 1), quindi U é concava. Il viceversa é analogo.
47 Esempi di funzioni concave Esempio 1: U(x) = ax 2 + bx + c, con a > 0. É concava, ma per x > b 2a non é crescente. Esempio 2: U(x) = x α, con α (0, 1) (ricordiamo che x m/n = n x m )
48 Esempi di funzioni concave Esempio 1: U(x) = ax 2 + bx + c, con a > 0. É concava, ma per x > b 2a non é crescente. Esempio 2: U(x) = x α, con α (0, 1) (ricordiamo che x m/n = n x m )
49 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?
50 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?
51 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?
52 Un esempio Supponiamo che un agente abbia come funzione di utilitá U(x) = x 1/2 = x e debba decidere se tenersi 100 Euro oppure se investirli in una scommessa X che nella metá dei casi restituisce 200 Euro e nell altra metá solo 50 Euro. Innanzitutto E[X ] = = , quindi l investimento é una lotteria elementare ma non é equa (in particolare é favorevole all agente). Usando il criterio della funzione di utilitá abbiamo E[U(X )] = 1 2 U(200) U(50) = = E[U(100)] = U(100) = 100 = 10 < 10.61, e quindi l agente preferirá fare l investimento. Cosa succede se l investimento costa 121 Euro?
53 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.
54 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.
55 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.
56 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.
57 Tipi di titoli Supponiamo di avere 2 date, 0 (presente) e 1 (futuro). A seconda della possibile dinamica del prezzo dei titoli finanziari, possiamo dividerli in titolo senza rischio (bond): B 1 = B 0 (1 + r) al tempo 0 lo compro al prezzo B 0 e per il tempo 1 mi rende un tasso di interesse r > 0 certo e deterministico. titolo rischioso (stock): al tempo 0 lo compro al prezzo S 0, ma il suo valore S 1 al tempo 1 è in generale aleatorio. Esempio: nel caso piú semplice possiamo avere P{S 1 = U} = p, P{S 1 = D} = 1 p con 0 < D < U e p (0, 1). Nel precedente esempio: p = 1 2, S 0 = 100, U = 200, D = 50.
58 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.
59 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.
60 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.
61 Portafogli (finanziari) Un portafoglio è semplicemente una combinazione lineare di titoli. In particolare, supponiamo di avere x titoli senza rischio e y titoli rischiosi. Valore del portafoglio ai tempi n = 0, 1: V n = xb n + ys n V 0 tipicamente è noto, e uguale al capitale iniziale, che alloco in titolo senza rischio e titolo rischioso V 1 è invece una variabile aleatoria.
62 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
63 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
64 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
65 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
66 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
67 Possibili vincoli nei portafogli Si puó supporre che (x, y) R 2 (possiamo investire come che vogliamo), oppure che siano presenti diversi vincoli: niente prestiti: x 0; niente vendite allo scoperto (= vendere un titolo senza possederlo e sperare che perda per incassare la differenza): y 0; comprare/vendere quantitá intere di titolo rischioso: y N o y Z; ricchezza sempre positiva: x e y devono essere tali che V 1 0; altri...
68 Investimento ottimale Supponendo che l agente sia avverso al rischio, il suo problema é di determinare, dato il capitale iniziale V 0, il portafoglio (x, y) che massimizzi la sua utilitá finale E[U(V 1 )] Problema di massimizzazione nelle 2 variabili (x, y) in realtá no! Dato che V 0, S 0 e B 0 sono noti, da possiamo ricavare V 0 = xb 0 + ys 0 x = V 0 ys 0 B 0 e possiamo scegliere liberamente la y che massimizzi E[U(V 1 )].
69 Investimento ottimale Supponendo che l agente sia avverso al rischio, il suo problema é di determinare, dato il capitale iniziale V 0, il portafoglio (x, y) che massimizzi la sua utilitá finale E[U(V 1 )] Problema di massimizzazione nelle 2 variabili (x, y) in realtá no! Dato che V 0, S 0 e B 0 sono noti, da possiamo ricavare V 0 = xb 0 + ys 0 x = V 0 ys 0 B 0 e possiamo scegliere liberamente la y che massimizzi E[U(V 1 )].
70 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.
71 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.
72 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.
73 Parametrizzazione alternativa Che succede se, invece di considerare le quantitá di titolo, consideriamo la proporzione di ricchezza investita? Definiamo h 0 = xb 0, h 1 = ys 0 V 0 V 0 le proporzioni di ricchezza investite, rispettivamente, nel titolo senza rischio e nel titolo rischioso. Abbiamo h 0 + h 1 = xb 0 + ys 0 V 0 = 1 quindi possiamo considerare un agente che investe una proporzione h 1 della sua ricchezza nel titolo rischioso e il rimanente h 0 = 1 h 1 nel titolo senza rischio. Esempio: per h 1 = 1, tutta la ricchezza é investita nel titolo rischioso, per h 1 = 0, tutta la ricchezza é investita nel titolo senza rischio.
74 Parametrizzazione alternativa - II Conoscendo h 0 e h 1 si possono ovviamente ricavare x = h 0V 0 B 0, y = h 1V 0 S 0 Il valore del portafoglio al tempo 1 diventa allora V 1 = xb 1 + ys 1 = V 0h 0 B 1 + V 0h 1 S 1 = B 0 S ( ) 0 S 1 = V 0 h 0 (1 + r) + h 1 = S 0 ( ( )) S1 = V r + h 1 1 r S 0
75 Parametrizzazione alternativa - II Conoscendo h 0 e h 1 si possono ovviamente ricavare x = h 0V 0 B 0, y = h 1V 0 S 0 Il valore del portafoglio al tempo 1 diventa allora V 1 = xb 1 + ys 1 = V 0h 0 B 1 + V 0h 1 S 1 = B 0 S ( ) 0 S 1 = V 0 h 0 (1 + r) + h 1 = S 0 ( ( )) S1 = V r + h 1 1 r S 0
Un modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
DettagliUniversità di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015
Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che
DettagliScelte in condizioni di rischio e incertezza
CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni
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 Indice 1 Mercati finanziari 2 Arbitraggio 3 Conseguenze del non-arbitraggio
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliCapitolo 6 Economia dell informazione e scelta in condizioni di incertezza
Capitolo 6 Economia dell informazione e scelta in condizioni di incertezza ECONOMIA DELL INFORMAZIONE L informazione è un fattore importante nel processo decisionale di consumatori e imprese Nella realtà,
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliESERCITAZIONE 1. 15 novembre 2012
ESERCITAZIONE 1 Economia dell Informazione e dei Mercati Finanziari C.d.L. in Economia degli Intermediari e dei Mercati Finanziari (8 C.F.U.) C.d.L. in Statistica per le decisioni finanziarie ed attuariali
DettagliTEORIA DELL UTILITÀ E DECISION PROCESS
TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliLa teoria dell utilità attesa
La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 14 marzo 2013 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2013.html IL PARI O DISPARI I II S T S (-1, 1) (1, -1)
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliUn investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi.
Scelta di un progetto di investimento Un investimento è un operazione che dà luogo a costi immediati in vista di ricavi attesi. La sua utilità economica è valutata sulla base del confronto tra le risorse
DettagliPaperone e Rockerduck: a cosa serve l antitrust?
Paperone e Rockerduck: a cosa serve l antitrust? Paperone Anna Torre, Rockerduck Ludovico Pernazza 1-14 giugno 01 Università di Pavia, Dipartimento di Matematica Concorrenza Due imprese Pap e Rock operano
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliUtilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia.
Richiami essenziali: Utilità scontata (US) attiene alla scelta/allocazione tra oggi e domani (i.e. risparmio ottimo). Elemento psicologico: propensione alla parsimonia. Tasso di sconto intertemporale soggettivo
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliLe scelte del consumatore in condizione di incertezza (cap.5)
Le scelte del consumatore in condizione di incertezza (cap.5) Che cos è il rischio? Come possiamo indicare le preferenze del consumatore riguardo al rischio? C è chi acquista assicurazione (non ama il
DettagliSeparazione in due fondi Security Market Line CAPM
Separazione in due fondi Security Market Line CAPM Eduardo Rossi Economia dei mercati monetari e finanziari A.A. 2002/2003 1 Separazione in due fondi Un vettore di rendimenti er può essere separato in
DettagliEsercizi di Ricerca Operativa II
Esercizi di Ricerca Operativa II Raffaele Pesenti January 12, 06 Domande su utilità 1. Determinare quale è l utilità che un giocatore di roulette assegna a 100,00 Euro, nel momento che gioca tale cifra
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsercitazione Microeconomia (CLEC L-Z) 24.04.2013 Dr. Rezart Hoxhaj
Esercitazione Microeconomia (CLEC L-Z) 24.04.2013 Dr. Rezart Hoxhaj Esercizi: Utilità attesa (Cap.6) Problema 11 (pagina 203, libro) Supponete di avere 10 000 euro da investire in Junk Bonds oppure titoli
DettagliCapitolo 25: Lo scambio nel mercato delle assicurazioni
Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel
DettagliPROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)
L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello
DettagliSchemi delle Lezioni di Matematica Generale. Pierpaolo Montana
Schemi delle Lezioni di Matematica Generale Pierpaolo Montana A volte i fenomeni economici che ci interessano non variano con continuitá oppure non possono essere osservati con continuitá, ma solo a intervalli
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliEconomia Pubblica Rischio e Incertezza
Economia Pubblica Rischio e Incertezza Giuseppe De Feo Università degli Studi di Pavia email: giuseppe.defeo@unipv.it Secondo Semestre 2011-12 Seconda parte del corso di Economia Pubblica I problemi dell
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliMICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza
MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliValore equo di un derivato. Contingent claim
Contingent claim Ci occuperemo ora di determinare il prezzo equo di un prodotto derivato, come le opzioni, e di come coprire il rischio associato a questi contratti. Assumeremo come dinamica dei prezzi
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliMarco Tolotti - Corso di Esercitazioni di Matematica 12 Cfu - A.A. 2010/2011 1
Marco Tolotti - Corso di Esercitazioni di Matematica 1 Cfu - A.A. 010/011 1 Esercitazione 1: 4/09/010 1. Determinare il dominio delle seguenti funzioni: log a) f() = 5 ( 1). b) g() = log 3 (3 6) log 13.
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliLa scelta in condizioni di incertezza
La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliCapitolo 23: Scelta in condizioni di incertezza
Capitolo 23: Scelta in condizioni di incertezza 23.1: Introduzione In questo capitolo studiamo la scelta ottima del consumatore in condizioni di incertezza, vale a dire in situazioni tali che il consumatore
DettagliVincere a testa o croce
Vincere a testa o croce Liceo Scientifico Pascal Merano (BZ) Classe 2 Liceo Scientifico Tecnologico Insegnante di riferimento: Maria Elena Zecchinato Ricercatrice: Ester Dalvit Partecipanti: Jacopo Bottonelli,
DettagliAspetti probabilistici del gioco d azzardo
Università degli Studi di Genova Scuola di Scienze Sociali Dipartimento di Economia Perché il banco vince sempre? Aspetti probabilistici del gioco d azzardo Enrico di Bella (edibella@economia.unige.it)
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliAspettative, consumo e investimento
Aspettative, consumo e investimento In questa lezione: Studiamo come le aspettative di reddito e ricchezza futuro determinano le decisioni di consumo e investimento degli individui. Studiamo cosa determina
DettagliMaster della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa
Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia
DettagliFallimenti del mercato: Il monopolio
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Fallimenti del mercato: Il monopolio Facoltà di Scienze della Comunicazione Università di Teramo Concorrenza imperfetta La concorrenza
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliTeoria dei Giochi. Anna Torre
Teoria dei Giochi Anna Torre Almo Collegio Borromeo 26 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html COOPERAZIONE Esempio: strategie correlate e problema
DettagliAppunti sul teorema di Modigliani-Miller
Appunti sul teorema di odiliani-iller (di assimo A. De Francesco) In questi appunti provvisori deriviamo le due proposizioni (la Proposizione I e la Proposizione II) che sono state stabilite da odiliani
DettagliIndice. 1 La disoccupazione ---------------------------------------------------------------------------------------- 3. 2 di 6
INEGNAMENO DI EONOMIA OLIIA LEZIONE VIII IL EORE DELL OUAZIONE ROF. ALDO VAOLA Economia olitica Indice 1 La disoccupazione ----------------------------------------------------------------------------------------
DettagliMONOPOLIO, MONOPOLISTA
Barbara Martini OBIETTIVI IL SIGNIFICATO DI MONOPOLIO, IN CUI UN SINGOLO MONOPOLISTA È L UNICO PRODUTTORE DI UN BENE COME UN MONOPOLISTA DETERMINA L OUTPUT ED IL PREZZO CHE MASSIMIZZANO IL PROFITTO LA
DettagliCorso di Politica Economica
Corso di Politica Economica Lezione 18: Informazione incompleta (moral hazard) David Bartolini Università Politecnica delle Marche (Sede di S.Benedetto del Tronto) d.bartolini@univpm.it (email) http://utenti.dea.univpm.it/politica
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliIl modello generale di commercio internazionale
Capitolo 6 Il modello generale di commercio internazionale [a.a. 2013/14] adattamento italiano di Novella Bottini (ulteriore adattamento di Giovanni Anania) 6-1 Struttura della presentazione Domanda e
DettagliLaboratorio di dinamiche socio-economiche
Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 21 febbraio 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti
DettagliCapitolo Terzo Valore attuale e costo opportunità del capitale
Capitolo Terzo Valore attuale e costo opportunità del capitale 1. IL VALORE ATTUALE La logica di investimento aziendale è assolutamente identica a quella adottata per gli strumenti finanziari. Per poter
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliPROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione
1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliCash flow stream ( Successione di Flussi di Cassa)
Cash flow stream ( Successione di Flussi di Cassa) Investimento è definito come un impiego di risorse effettuato allo scopo di ottenere un guadagno più avanti nel tempo. Investimento monetario è l impiego
Dettaglistudi e analisi finanziarie LA PUT-CALL PARITY
LA PUT-CALL PARITY Questa relazione chiarisce se sia possibile effettuare degli arbitraggi e, quindi, guadagnare senza rischi. La put call parity è una relazione che lega tra loro: il prezzo del call,
DettagliCorso di Economia degli Intermediari Finanziari
Corso di Economia degli Intermediari Finanziari Alcuni strumenti finanziari particolari Alcuni strumenti proposti nel panorama internazionale Gli strumenti ai quali faremo riferimento sono: i financial
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliEconomia del Lavoro 2010
Economia del Lavoro 2010 Capitolo 2-3 Applicazioni dell offerta di lavoro - La produzione della famiglia 1 Applicazioni dell offerta di lavoro - la famiglia Nel modello neoclassico lavoro-tempo libero
DettagliLe preferenze e la scelta
Capitolo 3: Teoria del consumo Le preferenze e la scelta 1 Argomenti trattati in questo capitolo Usiamo le preferenze dei consumatori per costruire la funzione di domanda individuale e di mercato Studiamo
DettagliCOMPLEMENTI SULLE LEGGI FINANZIARIE
COMPLEMENI SULLE LEGGI FINANZIARIE asso di rendimento di operazioni finanziarie in valuta estera La normativa vigente consente di effettuare operazioni finanziarie, sia di investimento che di finanziamento,
DettagliAnalisi dei Dati 12/13 Esercizi proposti 3 soluzioni
Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6
DettagliCapitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM
Capitolo V. I mercati dei beni e i mercati finanziari: il modello IS-LM 2 OBIETTIVO: Il modello IS-LM Fornire uno schema concettuale per analizzare la determinazione congiunta della produzione e del tasso
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliCapitolo 26: Il mercato del lavoro
Capitolo 26: Il mercato del lavoro 26.1: Introduzione In questo capitolo applichiamo l analisi della domanda e dell offerta ad un mercato che riveste particolare importanza: il mercato del lavoro. Utilizziamo
DettagliCapitolo 26. Stabilizzare l economia: il ruolo della banca centrale. Principi di economia (seconda edizione) Robert H. Frank, Ben S.
Capitolo 26 Stabilizzare l economia: il ruolo della banca centrale In questa lezione Banca centrale Europea (BCE) e tassi di interesse: M D e sue determinanti; M S ed equilibrio del mercato monetario;
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
DettagliEsercitazioni di economia poltica I
1 Esercitazioni di economia poltica I Prof. Alessandro Sterlacchini - Gruppo (F - O) 23 aprile 2015 1. Carlo, neutrale al rischio, può partecipare ad una scommessa sull'esito di un incontro di calcio.
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliMicroeconomia per la Finanza Esercitazione 1 utilità attesa, attitudine al rischio
Microeconomia per la Finanza Esercitazione 1 utilità attesa, attitudine al rischio pcrosetto@luiss.it 8 Aprile 2010 1. Che faremo? Dove torvare i materiali: queste slides: http://docenti.luiss.it/crosetto/;
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliSCREENING E MERCATI ASSICURATIVI
SCREENING E MERCATI ASSICURATIVI Lo screening è un approccio per studiare i mercati caratterizzati da asimmetrie informative ed affrontare il problema connesso della selezione avversa Un applicazione interessante
DettagliLA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ
LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,
DettagliMatematica Finanziaria Soluzione della prova scritta del 15/05/09
Matematica Finanziaria Soluzione della prova scritta del 15/05/09 ESERCIZIO 1 Il valore in t = 60 semestri dei versamenti effettuati dall individuo è W (m) = R(1 + i 2 ) m + R(1 + i 2 ) m 1 +... R(1 +
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliIncertezza, assicurazioni, deterrenza
Incertezza, assicurazioni, deterrenza (anche questo è adattato da altri pezzi per mancanza di tempo) Scelta sotto incertezza come scelta tra lotterie L esperienza ci insegna che in generale le conseguenze
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi 4 Piani di ammortamento Esercizio 1. Un debito di 1000e viene rimborsato a tasso annuo i = 10%
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 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliTraduzione e adattamento a cura di Gylas per Giochi Rari
Traduzione e adattamento a cura di Gylas per Giochi Rari Versione 1.0 Luglio 2001 NOTA. La presente traduzione non sostituisce in alcun modo il regolamento originale del gioco; il presente documento è
Dettagli