PROBABILITY AND APPLICATIONS TO FINANCE

Hlafo Alfie Mimun

Instructional goals

Il corso ha l’obiettivo di dare una conoscenza di base della teoria delle probabilità, arrivando a trattare argomenti più avanzati, come i processi stocastici, che sono alla base dei modelli più famosi in finanza, come il modello di Black-Scholes per il prezzo di opzioni europee in assenza di arbitraggio. Inoltre le conoscenze ottenute durante il corso saranno versatili per applicazioni in altri settori.

Prerequisites

Conoscenza e comprensione: Lo scopo del corso è di fornire agli studenti una conoscenza di base della teoria della probabilità arrivando a trattare i processi stocastici di base. Capacità di applicare conoscenza e comprensione: Gli studenti impareranno strumenti avanzati della probabilità, come i processi stocastici, riuscendo ad applicarli a modelli famosi in finanza. Autonomia di giudizio: Alla fine del corso gli studenti avranno una visione più razionale del mondo della probabilità e dunque saranno in grado di fare previsioni in maniera più consapevole. Abilità comunicative: Gli studenti impareranno un linguaggio appropriato per la descrizione dei fenomeni e dei modelli dal punto di vista probabilistico. Capacità di apprendimento: Alla fine del corso gli studenti saranno in possesso di conoscenze nell’ambito della probabilità e dei processi stocastici, che permetteranno di affacciarsi ad argomenti di ricerca più avanzati in diversi settori.

Intended learning outcomes

Calcolo, Algebra lineare

Course Contents

La prima parte del corso tratterà di argomenti di base di probabilità, mentre nella seconda parte si tratteranno i processi stocastici con particolare attenzione alle martingale a tempo discreto, strumenti alla base dei famosi modelli in finanza, come il modello di Black-Scholes. Più precisamente per quanto riguarda la prima parte del corso, partiremo dal calcolo combinatorio analizzando poi i concetti di probabilità e di probabilità condizionata con le relative proprietà. Successivamente verranno introdotte le variabili aleatorie, parlando dunque di valore atteso e varianza, ovvero indici di riferimento che riassumono il comportamento delle variabili. Tale sezione del corso verrà poi generalizzata ne contesto di vettori aleatori. La prima parte del corso si conclude con i più importanti teoremi sulle stime delle probabilità, utilizzati, ad esempio, in statistica quando il numero di campioni da analizzare è grande. Nella seconda parte del corso verrà introdotto il concetto di processo stocastico per poi parlare di valore atteso condizionato. Tali concetti verranno utilizzati per introdurre le martingale e le loro proprietà. Infine verrà mostrata l’applicazione di tali processi ai sistemi di scommesse e al modello binomiale per prezzare le opzioni, che risulta essere (in un certo senso) un’approssimazione a tempo discreto del modello di Black-Scholes.

Reference Books

-Dispense del corso. -Ross, S. M. (2013). Calcolo delle probabilità. Italia: Apogeo. -Ethier, S. N. (2010). The Doctrine of Chances: Probabilistic Aspects of Gambling. Germania: Springer Berlin Heidelberg. -Shreve, S. E. (2004). Stochastic Calculus for Finance I: The Binomial Asset Pricing Model. Germania: Springer.

Teaching Methods

Due lezioni alla settimana saranno frontali, mentre la terza lezione sarà dedicata agli esercizi.

Assessment Method

Il voto verrà stabilito tramite un esame scritto ed un esame orale. Per i frequentanti l’esame scritto può essere anche svolto tramite due midterms distinti: il primo midterm (in data 19/10/2023) riguarda la prima parte di programma (fino ai vettori aleatori esclusi), mentre il secondo midterm (in data 30/11/2023) riguarda la parte restante del programma. Se uno studente non supera o non sostiene uno dei due midterms, può recuperare il midterm mancante durante l’esame scritto. Per i non frequentanti: l'esame è sempre composto da parte scritta e orale; tuttavia nell'esame orale verranno chiesti contenuti aggiuntivi (rispetto a quelli per gli studenti frequentanti) concordati con il docente. Per i frequentanti: ciascuno dei due esoneri ha un peso del 30% sulla valutazione finale. La prova orale ha un peso del 40% sulla valutazione finale. Per in non frequentanti: la prova scritta ha un peso del 60% sul voto finale, mentre la prova orale ha un peso del 40%.

Thesis assignment criteria

Voto minimo 29/30 e partecipazione durante il corso. Un colloquio con il docente infine servirà a concludere se lo studente è idoneo al lavoro di tesi nella materia in questione.

Week 1

-Permutazioni; -Combinazioni; -Esercizi;

Week 2

-Definizione di probabilità; -Proprietà della misura di probabilità; -Esercizi;

Week 3

-Probabilità condizionata; -Formula di Bayes, indipendenza; -Esercizi;

Week 4

-Variabili aleatorie e funzioni di distribuzione; -Variabili aleatorie discrete, funzione di densità di una variabile aleatoria discreta; -Esercizi;

Week 5

-Valore atteso e varianza di variabili aleatorie discrete; -Funzioni indicatrici, probabilità come valore atteso; -Esercizi;

Week 6

-Variabili aleatorie continue e funzioni di densità, valore atteso e varianza di variabili aleatorie continue; -Funzioni di variabili aleatorie, universalità della variabile uniforme; -Esercizi;

Week 7

-Primo midterm; -Vettori aleatori, leggi congiunte, indipendenza di variabili aleatorie; -Esercizi;

Week 8

-Somme di variabili aleatorie indipendenti, covarianza; -Leggi condizionali; -Esercizi;

Week 9

-Disuguaglianza di Markov, disuguaglianza di Chebyshev, disuguaglianza di Jensen; -Probabilità empirica e Legge dei grandi numeri, Teorema del limite centrale; -Esercizi;

Week 10

-Valore atteso condizionale, -Processi stocastici, Martingale, Submartingale, Supermartingale e le loro proprietà; -Esercizi;

Week 11

-Tempi d’arresto, Teorema dell’arresto opzionale, Teorema di convergenza per martingale; -I sistemi di scommesse: sistema martingala e sistema di Kelly. -Esercizi;

Week 12

-Modello binomiale per il prezzo delle opzioni, la misura di probabilità a rischio nullo, i prezzi attualizzati delle opzioni sono martingale; -Esercizi; -Secondo midterm;