PROBABILITA' E APPLICAZIONI ALLA FINANZA

PROBABILITA' E APPLICAZIONI ALLA FINANZA

Hlafo Alfie Mimun

Obiettivi formativi

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.

Risultati di apprendimento attesi

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.

Contenuti Del Corso

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 al modello binomiale per prezzare le opzioni, che risulta essere (in un certo senso) un’approssimazione a tempo discreto del modello di Black-Scholes.

Testi Di Riferimento

-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.

Metodologie Didattiche

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

Modalità di verifica dell'apprendimento

Il voto verrà stabilito tramite un scritto e orale. L’esame scritto può essere anche svolto tramite due midterms distinti (uno a metà programma e l'altro alla fine del corso). Se uno studente non supera o non sostiene uno dei due midterms, può recuperare il midterm mancante durante l’esame scritto.

Criteri per l’assegnazione dell’elaborato finale

Voto minimo 27/30 e partecipazione durante il corso.

Il syllabus affronta temi collegati alla sostenibilità?

no

Settimana 1

-Permutazioni; -Combinazioni; -Esercizi;

Settimana 2

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

Settimana 3

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

Settimana 4

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

Settimana 5

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

Settimana 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;

Settimana 7

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

Settimana 8

-Trasformazioni di vettori aleatori; -Somme di variabili aleatorie indipendenti, covarianza e correlazione; -Esercizi;

Settimana 9

-Leggi condizionali; -Proprietà del valore atteso condizionato, legge delle aspettazioni iterate; -Esercizi;

Settimana 10

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

Settimana 11

-Metodo Monte Carlo -Processi stocastici, filtrazioni; -Martingale, Submartingale, Supermartingale e le loro proprietà;

Settimana 12

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