PROBABILITA' E APPLICAZIONI ALLA FINANZA
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.
Prerequisiti
Calcolo, Algebra lineare
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 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.
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 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%.
Criteri per l’assegnazione dell’elaborato finale
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.
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
-Somme di variabili aleatorie indipendenti, covarianza;
-Leggi condizionali;
-Esercizi;
Settimana 9
-Disuguaglianza di Markov, disuguaglianza di Chebyshev, disuguaglianza
di Jensen;
-Probabilità empirica e Legge dei grandi numeri, Teorema del limite
centrale;
-Esercizi;
Settimana 10
-Valore atteso condizionale,
-Processi stocastici, Martingale, Submartingale, Supermartingale e le loro proprietà;
-Esercizi;
Settimana 11
-Tempi d’arresto, Teorema dell’arresto opzionale, Teorema di
convergenza per martingale;
-I sistemi di scommesse: sistema martingala e sistema di Kelly.
-Esercizi;
Settimana 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;