Introduzione generale alla valutazione dei titoli derivati, opzioni. Introduzione pratico operativa all’utilizzo dei processi stocastici piu’ utilizzati nella valutazione dei titoli derivati. Utilizzo dei metodi di martingale pricing e dei modelli di processi stocastici studiati per la real options analysis, come stato dell’arte del capital budgeting.Applicazioni di informatica ed altre abilità quantitative alla modellizzazione finanziaria.
Introduzione ai titoli derivati: le opzioni finanziarie (a) diagrammi di payoff(b) diagrammi di positione(c) parita’ put call(d) posizioni composite: i. spread; ii. combination;iii. hedge.Un’introduzione pratica ai processi stocastici piu’ frequentemente utilizzati nella modellistica per la valutazione dei titoli derivati: (a) modellizzazione delle serie storiche: additive shock additivi, shock moltiplicativi. i. rappresentazioni MA(1), AR(1); ii. Dalle statistiche sufficienti di una distribuzione normale a quelli della corrispondente log normale; (b) il processo di Wiener come caso limite di una passeggiata casuale; (c) il processo di Ito process come una generalizzazione di un processo di Wiener (d) Geometric Brownian Motion: i. GBM univariato; A. applicazione del lemma di Ito: derivazione dei parametri di una log trasformata, Arithmetic Brownian MotionB. simulazione Monte Carlo della soluzione della Pde e della approssimazione di Eulero;C. stima empirica dei parametri;D. approssimazione binomiale per mezzo di condizioni sui momenti: Cox, Ross, Rubinstein 1979E. il Brownian Bridge, concetti e simulazione Monte Carlo; ii. GBM multivariato con processi di Wiener correlati: A. construzione and simulatione di un GBM multivariato con processi di Wiener correlati; B. trasformazione analitica di Cholesky di due shock non correlati in due correlati; C. caso generale di una decomposizione di Cholesky di un correlogramma;D. studio Monte Carlo parametrico delle stime di correlazione tra due serie storiche generate da due GBM correlati. E. un modello binomiale multivariato, Boyle, Evnine, Gibbs 1989, caso bivariato case programmato in Aptech Gauss; (e) processo di Ornstein Uhlenbeck: i. versione originale version con shock aritmetici;ii. Applicazione del lemma di Ito: derivazione del modello di Schwartz 1997 versione a shock moltiplicativi con effetti a molla sulle trasformate logaritmo;iii. Stima dei parametri di un processo di OU;iv. Simulazione Monte Carlo dei processi processes sub i. and ii.v. Approssimazione Binomiale, Sick 1995 dei processi sub i. e ii. (f) stima della volatility per processi univariati:i. inversione di un modello di Black e Scholes 1973 e derivazione di una superficie di volatilita’ a volatility surface (argomento sospeso)ii.stime equiponderate;iii. ARCH(m);iv. EWMA: exponentially weighted moving average;v. GARCH(1,1): A. ricerca del volatility clustering ;B. ricerca del leverage effect;C. plain vanilla GARCH(1,1)D. GARCH(1,1) as a discrete time counterpart of an Ornstein Uhlenbeck process;E. I-GARCHvi. Rassegna di alcui modelli che ricomprendono il c.d. volatility leverage: A. A-GARCH;B. E-GARCH;C. GRJ-GARCH;D. NL-GARCH;E. Smooth Transition GARCH;F. Markov Switching GARCH;vii. Stima dei parametri di un GARCH(1,1): A. il metodo MLE in generale;B. il metodo MLE per un GARCH(1,1). Esempi numerici su Excel: stima a 3 parametri;stima a 2 parametri, variance targeting;stima MLE di un EWMA;test di fitness: Box Pierce, Ljung Box, autocorrelogrammaviii. l’uso di un modello GARCH() per prevedere la volatilità: A. la struttura temporale delle volatilità GARCH;B. la volatilità media GARCH.ix. i modelli GARCH models e la valutazione delle opzioni: A. local risk neutrality, di Duan 1995;B. esempio numerico: simulazione Monte Carlo simulation di un GBM con with volatilità stocastica generata da un GARCH(1,1) (g) stima di una matrice varianze covarianze per un processo multivariato: i. stime equiponderate;ii. EWMA senza cross terms.iii. Rassegna della modellizzazione della matrice varianze covarianze con la specificazione delle rispettive funzioni LL::iv. dirette: VEC GARCH,BEKK GARCH,v. indirette: CCC GARCH,DCC GARCH.il principio del Martingale Pricing per valutare i titoli derivati:(a) la valutazione opzioni americane: la sostituzione del drift e il metodo della backward induction nei seguenti modelli:i. Cox, Ross, Rubinstein 1979ii. Sick 1995iii. Boyle, Evnine, Gibbs 1989(b) la valutazione delle opzioni europee, in aggiunta ai modelli di cui al precedente punto (a): i. derivazione del modello di Black e Scholes 1973 come caso limite del modello di Cox, Ross, Rubinstein 1979;ii. Stultz 1982, Johnson 1987 opzioni arcobaleno;, programmazione del caso bivariato in Aptech Gaussiii. Metodo Monte Carlo per casi univariati and multivariati;Le Optioni Reali: (a) parallelismo con l’analisi dell’albero delle decisioni(b) la possibile applicazione del principio del martingale pricing nel caso di una risoluzione dell’incertezza irregolare, i multiperiod securities markets di Harrison e Kreps 1979(c) differenze and analogie tra opzioni reali e finanziarie(d) le optioni reali piu’ frequenti, esempi giocattolo: i. opzione di attesa;ii. opzione di espansione/contrazioneiii. option di sospensione/riattivazioneiv. option di cambio d’usov. opzione di abbandonovi. Opzione di defaultvii. Default operativoviii. default finanziario:asset substitution moral hazardunderinvestment moral hazardinterpretazione put call parity del confronto tra obbligazionisti e azionisti. Il c.d. wealth transfer(e) una panoramica dei diversi approcci alla valutazione delle opzioni reali;(f) il modello generale di valutazione delle opzioni reali di Kulatilaka-Trigeorgis: i. esempio giocattoloii. Tassonomia del modi operativi di un impianto industriale; analogia con gli stati di una Markov Chain;iii. Esempio giocattolo con un lattice binomiale di Cox, Ross, Rubinstein 1979.il modello Least Squares Monte Carlo, Longstaff, Schwartz 2001 RFS: (a) introduzione generale al modello con confronto con quello di Tsitsiklis e Van Roy;(b) la valutazione di opzioni put americane/bermudiane put option, esempio da Moreno Navas 2003 MF:(c) LSMC per il modello Kulatilaka Trigeorgis, Gamba 2011 JMF
Le abilità di programmazione in Excel e in un linguaggio di programmazione interpretato di alto livello, orientato a matrici e array tipo MatLab, Gauss, Ox, Scilab, Octave. Conoscenze di analisi matematica con studio di funzioni a una e più variabili. Calcolo delle probabilità, conoscenza di funzioni densità di probabilità continue e discrete. Per seguire con profitto il corso, gli studenti debbono aver avuto una precedente esposizione agli argomenti trattati nei seguenti corsi:Modelli ed Algoritmi per la Finanza AziendaleProbabilità e Statistica MatematicaFondamentali di Programmazione con LaboratorioRicerca Operativa e OttimizzazionePrerequisiti formali prima della frequenza sono: Models and Algorithms for Business FinanceProbability And Mathematical Statistics;Foundations Of Programming And LaboratoryOperation Research And OptimizationI prerequisiti sostanziali non sono valutati all’inizio del corso e sono assunti come dati in vista della calibrazione della didattica del corso sui temi di finanza.Una buona capacità di programmazione è richiesta per le seguenti applicazioni:un qualunque foglio elettronico, e.g. Excel, Calc;un qualunque linguaggio di programmazione di alto livello interpretato con matrici ed array, e.g. MatLab, Gauss, Ox, Octave, Scilab.Nelle sessioni laboratoriali verrà utilizzato Aptech Gauss.Analisi matematica per lo studio di funzioni univariate e multivariate è applicata estesamente in molta parte della modellistica trattata nel corso.Un solida preparazione in calcolo delle probabilità è richiesta per la completa comprensione alcuni argomenti del corso.
Lezioni frontali e sessioni laboratoriali nell’aula informatica, compiti a casa settimanali.
Pre Assessment Una valutazione preliminare delle conoscenze propedeutiche non è effettuata nell’ambito di questo corso. Formative Assessment/ Valutazione Formativa La valutazione formativa del processo di insegnamento e apprendimento è effettuata per mezzo della partecipazione attiva in aula dello studente e della sua interazione con il docente: A) gli studenti possono essere interrogati su argomenti trattati nelle precedenti lezioni; gli studenti possono richiedere in sede di ricevimento studenti all’istruttore di approfondire argomenti particolari nei quali sono particolarmente interessati. B) un riassunto delle lezioni precedenti verrà chiesto a uno studente selezionato a caso tra i frequentanti come una virtuale introduzione alla sessione presente; C) seminari brevi: gli studenti debbono preparare delle brevi presentazioni su argomenti di loro particolare interesse come applicazione nel campo della finanza delle loro abilità di Analisi Matematica, di Calcolo Stocastico, di Analisi Numerica, di Statistica Matematica proponendo le loro originali soluzioni. Summative Assessment/Valutazione Complessiva La valutazione complessiva di questo corso avviene per mezzo di: A) Test Scritti:i) nel corso del modulo semestrale verrà somministrato un test scritto dopo metà corso e uno alla fine a beneficio degli studenti che frequentano le lezioni;ii) un test complessivo su ogni argomento del corso verrà somministrato per ogni data di appello ordinario a beneficio degli studenti che non frequentano le lezioni e per quelli che non hanno superato i test scritti nel corso del semestre; B) Compiti a casa e Progetti Take Home: i compiti a casa sono obbligatori come parte integrante della valutazione complessiva e sono assegnati su temi specifici per portare gli studenti ad approfondire tematiche particolari lasciando ognuno confrontarsi con le proprie capacità e ritmi di apprendimento; alcuni progetti take home projects sono suggeriti a studenti particolarmente interessati a applicare metodi quantitativi appresi anche in altri corsi alle tematiche di finanza trattate nel corso. C) Esami Orali: dopo aver conseguito una votazione media almeno sufficiente nei compiti scritti amministrati nel semestre, o, equivalentemente, aver passato la prova scritta complessiva amministrata negli appelli ordinari, gli studenti debbono sostenere una prova orale che consiste in: 1) domande circa i compiti scritti, in special modo gli errori commessi; 2) domanda a piacere. scopi formativi gli studenti sono valutati rispetto a tre diverse dimensioni dell’apprendimento: A) conoscenze di base fornite per mezzo delle lezioni frontali e delle reading list suggerite: verificate per mezzo di domande aperte da rispondere per mezzo di brevi saggi; B) Capacità di risolvere i problemi di Analisi Matematica e di Calcolo Stocastico: verificate per mezzo di domande riguardanti la realizzazione di modelli matematici formali rispetto a problemi simili a quelli trattati a lezione ma con piccole variazioni al margine; C) Capacità di Programmazione: verificata per mezzo dell’assegnazione di problemi algoritmici singoli e/o articolati sia in aula e che a casa in un linguaggio di programmazione interpretato di alto livello, con matrici ed array, e.g. MatLab, Gauss, Ox, Scilab. Criteri di valutazione 1. correttezza risultati numerici finali; 2. stile: 2.1) nel modellizzare le soluzioni – possibilmente nuove – in un’esposizione simbolica di calcolo analitico o stocastico solutions; 2.2) nello scrivere sorgenti per modelli esistenti; 2.3) nella prosa utilizzata per i saggi brevi in risposta alle domande aperte. 3. Ripartizione della valutazione Valutazione Formativa e Complessiva concorrono nel seguente modo alla definizione del voto finale: partecipazione in aula 5%;Riassunto in aula delle lezioni precedenti 10%;Seminari Brevi (se effettivamente effettuati, altrimenti questo peso è aggiunto alla partecipazione in aula) 5%;test scritti in aula 50%;Compiti a casa (settimanali e progetti take home) 25%;Esame orale 5%.
Thomas E. Copeland, J. Fred Weston, and Kuldeep Shastri,, Financial Theory and Corporate Policy , Addison-Wesley. 2005. Fourth Edition Luenberger, D, Investment Science, Oxford University Press. 1998. Edwin J. Elton, Martin J. Gruber, Stephen J. Brown, William N. Goetzmann, Modern Portfolio Theory and Investment Analysis , Wiley. 2014. Ninth Edition