Ripasso di finanza di base

Nicola Borri
LUISS

Questa versione: October 2, 2014

Le slides che seguono sono basate su J. Cochrane, Investment

Notes, November 2006, disponibile sulla pagina web del corso
o direttamente sulla sua pagina personale.

Dovreste avere studiato la maggior parte dei concetti

contenuti nelle slides che seguono - o almeno una gran parte nei corsi di finanza e/o matematica finanziaria e econometria
dei corsi triennali.

Qualora questi concetti risultino del tutto nuovi, fate

riferimento a Cochrane (2006) o a qualsiasi altro testo
introduttivo di finanza per una analisi piu dettagliata di
quella che potro fare in classe.

Nota linguistica

Come potete ben immaginare, in finanza linglese e la lingua piu

utilizzata, sia nella teoria che nella pratica. Per questa ragione,
manterro in inglese molti termini la cui traduzione, pur possibile,
suonerebbe artificiale.

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Notazione temporale

Utilizzeremo pedici per descrivere quando una cosa avviene:

e.g., P2014 e il prezzo alla fine dellanno 2014.

Indicheremo il prezzo al tempo t con Pt , il tasso di interesse

al tempo t con Rt , etc.

Talvolta, quando il timing e particolarmente importante,

utilizzeremo una notazione piu precisa: e.g., Rt,t +1 denota il
tasso di rendimento dal tempo t al tempo t + 1.

Oggi e in genere indicato come tempo t = 0.

Rendimenti
I

Con R indichiamo il rendimento lordo (o piu comunemente in

ingelse gross return): e.g.,
R=

$ payoff
.
$ investment

Per unazione che paga un dividendo pari a Dt :

Rt +1 =

Pt +1 + Dt +1
$ payoff at t + 1
=
.
Pt
$ investment at t

Un gross return e un numero come 1.1 per un rendimento del

10%.
Il rendimento netto (o piu comunemente in inglese net
return) e pari a:
rt +1 = Rt +1 1.

Il rendimento percentuale e:

100 rt +1 .

Rendimenti

Il rendimento log o continuously compounded e pari a:

rt = ln Rt ,
per esempio, ln(1.10) = 0.09531 or 9.531%.

Il real return corregge per il tasso di inflazione:

Rtreal
+1 =

Goods back at t + 1
.
Goods paid at t

Rendimenti

Lindice dei prezzi al consumo e definito come:

CPIt

t +1

CPIt +1
.
CPIt

Possiamo utilizzare i dati su CPI per trovare i rendimenti reali:

Rtreal
+1

$t
;
Goodst

t +1
$t +1 Goods
$ t +1
t
$t Goods
$t

$t +1 CPI1t +1
1
$t CPI
t

= Rtnominal
+1

R nominal
CPIt
= t +1 .
CPIt +1
t +1

Quindi, per trovare i rendimenti reali dobbiamo semplicemente

dividere i gross returns per il gross inflation rate.

Rendimenti

E lequazione di Fisher? Nota che questa equazione vale per i

log returns:
nominal
ln Rtreal
ln t +1 .
+1 = ln Rt +1

E quindi vero solo dopo una approssimazione che possiamo

fare la stessa cosa per i net returns:
Rtnominal
1 + r nominal
+1
=
r nominal ,
t +1
1+
lapprossimazione e innocua per tassi di inflazione bassi.

Rendimenti
I

Utilizzando la stessa idea utilizzata per trovare i rendimenti

reali, possiamo trovare i rendimenti in dollari di strumenti
finanziari denominati in valuta diversa dal dollaro.

Supponi di avere un titolo italiano che paga un rendimento

lordo in Euro (E):
RtIT+1 =

E payoff at t + 1
.
E investment at t

Definisci il tasso di cambio come:

et$/E =

$t
,
Et

allora:
Rt$+1 =

e $/E
$ t +1
Et +1 $t +1 /Et +1
+1
=
= RtE+1 t$/E
.
$t
Et
$t /Et
et

Rendimenti capitalizzati (compound returns)

Supponi di detenere uno strumento che paga il 10% per anno

per 10 anni.

Cosa ottieni con un investimento di $1?

La risposta corretta non e certo $2 ($1 + 10 0.1), dal

momento che accumuli interessi sugli interessi

La risposta corretta e data dal rendimento capitalizzato o

compounded (compound return).

Rendimenti composti

Denota con Vt il valore al tempo t. Allora:

V1 = RV0 = (1 + r )V0
V2 = R (RV0 ) = R 2 V0
VT

= R T V0 .

Quindi, R T e il compound return.

Rendimenti capitalizzati (compound returns)

I

Calcolare esponenziali con carta e penna non e sempre facile.

Per questa ragione, i log returns sono molto utili.

Ricorda che:
ln(ab ) = ln a + ln b;

ln(a2 ) = 2 ln a.

Quindi:
ln V1 = ln R + ln V0
ln VT

= T ln R + ln V0 .

In altre parole, il compound log return e pari a T volte il log

return periodale.

Rendimenti capitalizzati (compound returns)

I

Considera ora un problema multi-periodale. Il T -period return

e pari a:
R1 R2 . . . RT ,
mentre il T -period log return e pari a:
ln R1 + ln R2 + . . . ln RT .

Con i log returns, possiamo anche sottrarre al posto di

dividere per ottenere i rendimenti reali esatti, o per fare
conversioni di valuta:
R real =

R nominal
ln(R real ) = ln R nominal ln .

Rendimento capitalizzato intra-periodale

I Considera un bond che paga il 10% capitalizzato semi-annualmente:

i.e., due pagamenti del 5% sono fatti con un intervallo di sei mesi.
I In questo caso, il rendimento complessivo annuale (lordo) e pari a:

(1.05)(1.05) = 1.1025 = 10.25% > 10%.

I E se il rendimento fosse capitalizzato trimestralmente?

(1.025)4 = 1.1038 = 10.38% > 10.25%.

I Capitalizzato N volte:

(1 +

r N
) .
N

I Se capitalizziamo in maniera continua o istantanea:

lim (1 +

1
r N
) = 1 + r + r 2 + . . . = er .
N
2

Rendimento capitalizzato intra-periodale

I

Se il rendimento capitalizzato lordo e pari a R = e r quando

capitalizziamo nel continuo, allora possiamo trovare il
continuously compouneded o log return come r = ln R.

Per esempio: un rendimento dichiarato del 10% capitalizzato

nel continuo e in realta un rendimento lordo pari a
e 10% = 1.1057 = 10.517%.

Quale il rendimento su tre anni di un titolo che paga un

rendimento dichiarato pari a R, capitalizzato
semi-annualmente?

Deve essere pari a:

r
(1 + )23 .
2
In maniera simile, il rendimento capitalizzato nel continuo su
T anni e pari a: e rT .

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Variabili aleatorie (random variables)

I

Modelliamo i rendimenti azionari come random variables.

Una random variable puo assumere uno tra diversi valori, con
una probabilita associata.

Per esempio:

R=

Value
1.1
1.05
1.00
0.00

Probability
1/5
1/5
2/5
1/5

Ogni valore e una delle possibili realizzazioni della random

variable.

Nota come le probabilita sommino a 1.

Random variables
I

La distribuzione (o density) di una random variable e una lista

dei valori che puo assumere insieme alle associate probabilita.

Per esempio, la distribuzione dellesempio precedente puo

essere illustrata graficamente come segue:

0.4
0.35
0.3

probability

0.25
0.2
0.15
0.1
0.05
0
0.2

0.2

0.4
0.6
gross return

0.8

1.2

Random variables
I

Spesso pensiamo a random variables continue, ovvero che

possano assumere un qualsiasi numero reale.

In maniera simile al caso appena visto di distribuzione

discreta, ora parleremo di distribuzione di probabilita
continua f (R ) (continuos density).

La density ci dice la probabilita per unita di R: f (R0 )R ci

dice la probabilita che la random variable R sia tra Ro e
R0 + R.

Unipotesi molto comune e che i returns (o i log returns)

siano distribuiti come una normale (normally distributed). In
questo caso la density e data da una funzione specifica:
f (R ) =

(R )2
1
].
exp[
22
2

Distribuzione normale

2.5

= 8%, = 16%

1.5

0.5

0
0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

Distribuzione normale

Circa il 30% della probabilita di una distribuzione normale si

trova piu di una standard deviation () dalla media ().

E circa il 5% si trova piu di due standard deviations dalla

media (per la precisione, la linea del 5% si trova 1.96 standard
deviation dalla media).

Interpretazione: vi e solo una probabilita pari a 1/20 = 5%

di osservare un valore piu di due standard deviations dalla
media di una distribuzione normale.

I rendimenti azionari hanno fat tails, nel senso che e un po

piu facile osservare valori estremi rispetto al caso di una
distribuzione normale.

Momenti
I

Spesso riassumiamo il comportamento di una variabile

aleatoria attraverso alcuni momenti (moments), come la
media e la varianza.

Con Ri denotiamo il valore generico che una random variable

R assume con probabilita i .

La media e definita come:

E (R ) =

i Ri ,

possible values i

e ci dice dove si trova R in media.

I

La varianza e definita come:

2 (R ) = E [(R E (R ))2 ] =

i [Ri E (R )]2 ,
i

e ci dice quanto lontano R sia in genere dalla media.

Momenti
I La covarianza e definita come:
cov (R a , R b ) = E [(R a E (R a ))(R b E (R b ))] =

i [Ria E (R a )][Rib E (R b )],

i

e misura la tendenza di due rendimenti a muoversi insieme.

I Quando la covarianza e positiva (negativa) i rendimenti si muovono

nella stessa (opposta) direzione. Se la covarianza e zero, non vi e

nessuna tendenza per un rendimento ad essere elevato quando il
secondo e basso.
I La dimensione della covarianza dipende dallunita di misura (dei

rendimenti).
I Il correlation coefficient risolve questo problema:

Corr (R a , R b ) = =

cov (R a , R b )
.
(R a ) (R b )

I Il correlation coefficient e per definizione tra -1 e 1.

Momenti

Per random variables nel continuo, le somme diventano

integrali.

Per esempio, la media diventa:

E (R ) =

Rf (R )dR.

Nel caso di distribuzione normale, la media e pari al

parametro e la varianza al parametro 2 .

Momenti di combinazioni di random variables

Le costanti escono dai valori attesi, e il valore atteso di una

somma e pari alla somma dei valori attesi.

Se c e d sono numeri:
E (cR a ) = cE (R a ),
E (R a + R b ) = E (R a ) + E (R b ).

Piu in generale:
E [cR a + dR b ] = cE (R a ) + dE (R b ).

Momenti di combinazioni di random variables

La varianza di somme funziona come per calcolare un

quadrato:
var (cR a + dR b ) = c 2 var (R a ) + d 2 var (R b ) + 2cd cov (R a , R b ).

Le covarianza funzionano in maniera lineare:

cov (cR a , dR b ) = cd cov (R a , R b ).

Distribuzioni normali

Le distribuzioni normali hanno unaltra proprieta

particolarmente utile.

Combinazioni lineari di random variables distribuite come una

normale sono a loro volta distribuite come una normale.

Se R a e R b sono distribuite come normale, allora:

R p = cR a + dR b
e anche distribuito come una normale, con media e varianza
che seguono le formule viste nelle slides precedenti.

Nota che possiamo pensare a R p come il rendimento di un

portafoglio composto dai titoli a e b, con pensi c e d.

Distribuzioni log-normali
I

Una variabile R e lognormally distributed se r ln(R ) e

normally distributed.

Questa e una distribuzione particolarmente utile per azioni e

obbligazioni in quanto i (gross) returns sono tali per cui non si
possa perdere piu di quanto si e investito (R > 0).

Al contrario, se R e distribuito come una normale stiamo

implicitamente assumendo che possa assumere valori negativi.

Dal momento che R = e ln R = e r per definizione, e per caso

anche vero che E (R ) = e E (r ) ?

Certamente no, dal momento che E [f (x )] 6= f [E (x )] ... ma

qualcosa di non troppo diverso e vero:
E (R ) = e E (r )+1/2

2 (r )

Distribuzioni log-normali

Per la varianza le cose sono leggermente piu complicate.

Nota come R 2 = e 2r e quindi e lognormally distributed.

Allora:
2 (R ) = e 2E (r )+

2 (r )

[e

2 (r )

1].

Distribuzioni log-normali

Dal momento che combinazioni lineari di normali sono

normali, il prodotto di log-normali e distribuito come una
log-normale.

Per esempio:
R1 R2 = e r1 +r2 ,
dal momento che r1 e r2 sono normali, allora lo e anche
r1 + r2 , e quindi R1 R2 si distribuisce come una log-normale.

Statistica

Supponi di non conoscere le probabilita.

In questo caso devi stimarle in un campione.

In maniera simile, se non conosci media, varianze, etc. allora

dovrai stimarle.

Media campionaria (sample mean)

La media o media campionaria e pari a:

1
R =
T

Rt ,

t =1

dove {R1 , R2 , . . . , RT } e un campione di dati sui rendimenti

azionari.
I

Tieni a mente la distinzione tra sample mean e la media vera

o population mean.

Quando il campione diviene sempre piu grande, la sample

mean si avvicina alla population mean. Questa proprieta e
chiamata consistency.

Varianza campionaria (sample variance)

La varianza campionaria e pari a:

s 2 = 2 =

T
1
[Rt R ]2 .
T 1 t
=1

Variazione dei momenti campionari

Nota come la sample mean, la standard deviation, e altre

statistiche, variano da campione a campione e quindi sono
random variables.

Al contrario, la population mean e variance sono solo numeri.

Variazione dei momenti campionari

Iniziamo con la variazione della sample mean.

Supponiamo che tutti gli Rt siano estratti dalla stessa

distribuzione, allora:
R

E (R ) =
I

1
T
1
T

Rt

t =1
T

E (Rt ) = E (R ).

t =1

Questo risultato dimostra come la sample mean sia unbiased:

in media, su diversi campioni, la sample mean rivela la vera
media.

Variazione dei momenti campionari

I La varianza della sample mean e pari a:

1 T
1 T
2 (R ) = 2 ( Rt ) = 2 2 (Rt ) + covariance terms.
T t =1
T t =1
I Se ipotizziamo che i rendimenti siano i.i.d. (independent and

identically distributed) otteniamo una formula che probabilmente

ricorderai:
2 (R )
2 (R ) =
,
T
or
(R )
(R ) = .
T
I Per i rendimenti azionari, lipotesi che cov (Rt , Rt +1 ) e abbastanza

buona.

Variazione dei momenti campionari

I Supponi ora di non conoscere .

I Puoi stimare la variazione campionaria della sample mean

utilizzando la tua stima per , ovvero la standard deviation:

(R )
(R ) = .
T
I Questa formula e in genere utilizzata per misurare lincertezza della

media campionaria, e per testare che la media campionaria sia

uguale a qualche valore, tipicamente zero (ti ricorda niente
lespressione t-test?).
I Questo test e in genere basato su un intervallo di confidenza

(confidence interval).

Intervallo di confidenza

I Supponi ora di assumere distribuzioni normali.

I Lintervallo di confidenza per la media e dato dalla sample mean

piu o meno 2 standard errors (per essere precisi: 1.96).

I Interpretazione: se la vera media fosse al di fuori dellintervallo,

allora ci sarebbe una probabilita inferiore al 5% di osservare una

media campionaria grande (o piccola) quanto quella che osserviamo.
I Con la potenza di calcolo dei computer abbiamo ora a disposizione

un metodo piu semplice: il p-value o probability value.

P-value

I Possiamo calcolare la probabilita che la sample mean risulti essere

almeno grande come il valore osservato () data lipotesi nulla.

I Questa operazione e equivalente a calcolare larea al di sotto della

distribuzione della media campionaria passato il valore della media

campionaria che osserviamo, data una ipotesi (null hypothesis)
relativa al vero valore della media.

P-value

2.5

distribution of
sample mean

hypothesis: the true sample

mean is here

1.5

sample mean this

time
1

pvalue = area to the right

of vetical bar

0.5

0
0.8

0.6

0.4

0.2

0.2

0.4

0.6

0.8

T-test

I In genere, i test sono fatti utilizzando la t-distribution.

I Infatti e possibile dimostrare che il rapporto:

R E (R )
T

si distribuisce come una t-distribution.

Regressioni
I

In finanza in genere utilizziamo regressioni del tipo: un

rendimento sul rendimento di mercato:
Rt = + Rm,t + et ; t = 1, 2, . . . , T ,
o regressioni multiple di rendimenti sul rendimento di una
serie di portafogli:
Rt = + Rm,t + Rp,t + et ; t = 1, 2, . . . , T .

Utilizzeremo pacchetti software che utilizzano formule

standard per fare regressioni (per esempio Excel, o Matlab).

Queste formule sono basate su una serie di ipotesi (che sono

in genere sbagliate per una data regressione!) che e bene
avere a mente.

Regressioni

Ecco una lista di alcuni risultati importanti che riguardano le

regressioni:
1. il valore in una popolazione di un singolo coefficiente e:
=

cov (y , x )
;
var (x )

2. la regressione restituisce il vero (o meglio: e unbiased)

solo se il termine di errore non e correlato con le variabili a
destra delluguale;
3. in una regressione multipla, 1 cattura leffetto su y
esclusivamente di movimenti di x1 che non sono correlati con
movimenti di x2 .

Regressioni: formule con matrici

Il modello di regressione lineare e: Y = X + e, dove Y e

un vettore (T,1), X e una matrice (T,k), e un vettore
(k,1) e e e un vettore (T,1).

La stima nel modello OLS e pari a:

= (X 0 X )1 X 0 Y .

Regressioni: formule con matrici

Gli standard errors misurano la variabilita di rispetto a

diversi campioni:
2 ( ) = (X 0 X )1 e2 .

Questa formula e valida solo se gli errori hanno la stessa

varianza e non sono correlati luno con laltro.

Per stimare questa quantita iniziamo dal trovare gli errori:

e = Y X per poi formare la varianza degli errori
s 2 = var (e ).

Quindi:
2 ( ) = (X 0 X )1 s 2 .

R-square

Una volta ottenuti gli errori, possiamo anche calcolare il

R-square:
var (e )
var (X )
= 1
.
R2 =
var (Y )
var (Y )

Cosa accade se gli errori hanno diversa varianza, o sono

correlati? (1/2)

Ricorda come si calcola la varianza di :

2 ( ) = 2 [(X 0 X )1 X 0 Y ]

= 2 [(X 0 X )1 X 0 (X + e)]
= 2 [(X 0 X )1 X 0 e]
= E [X 0 X )1 X 0 ee0 XX 0 X )1 ]
I

Nellultima riga abbiamo utilizzato lipotesi che E (e) = 0 e la

formula var (Ax ) = Acov (x, x 0 )A0 .

Cosa accade se gli errori hanno diversa varianza, o sono

correlati? (2/2)

Definisci = E (ee0 ).

Allora:
2 ( ) = (X 0 X )1 X 0 X (X 0 X )1 .

Se i 2 (et ) sono tutti identici (per ogni t) e (et es ) = 0 (non

correlati) allora e diagonale:
E (ee0 ) = = e2 I ,
e la formula e quella standard.

(1)

Altrimenti dobbiamo utilizzare la formula (1) con .

Regressioni GLS

Se 6= 2 I , allora la stima GLS e piu efficiente:

GLS = (X 0 1 X )1 X 0 1 Y .

In practica, la procedura GLS funziona come segue:

1.
2.
3.
4.

fai una OLS;

trova e;
usa e per stimare ;
fai una GLS.

Regressioni GLS

I Gli standard errors di una stima GLS sono:

( GLS ) = (X 0 1 X )1 .
I Dimostrazione:

( GLS )

=
=
=
=

2 [(X 0 1 X )1 X 0 1 Y ]
2 [(X 0 1 X )1 X 0 1 (X + e)]
2 [(X 0 1 X )1 X 0 1 e]
E [(X 0 1 X )1 X 0 1 ee0 1 X (X 0 1 X )1 ]

(2)

OLS vs. GLS

Quando gli errori non soddisfano lipotesi OLS ( 6= e2 I ),

allora GLS e piu efficiente.

Questo significa che per un T grande, abbiamo che

( GLS ) < ( OLS ).
Tuttavia, e abbastanza comune in finanza utilizzare
comunque le stime OLS:
1. OLS e comunque unbiased (non distorto): E ( OLS ) = .

2. OLS e potenzialmente inefficiente, ma questa caratteristica

non e sempre vitale.
3. Perch utilizziamo comunque OLS? Perche talvolta invertire
una matrice 1 puo creare problemi.

OLS vs. GLS

Nota che sebbene in finanza sia comune luso di OLS, questo

non significa che si utilizzi la standard error formula.

Se 6= e2 I , allora la standard formula OLS e distorta e

troppo ottimistica.

Per questa ragione, se usiamo stime OLS, allora e importante

utilizzare la formula generale (1) o qualche procedura
equivalente (cf. Fama-MacBeth).

Serie storiche

Una serie storica (time series) e un insieme di osservazioni

ripetute di una random variable: per esempio, il rendimento di
un titolo azionario i ogni mese per un dato intervallo
temporale.

Denotiamo una time series come: x1 , x2 , . . . , xt , . . ..

Time series hanno medie e varianze: E (xt ) e 2 (xt ).

Momenti condizionali vs. non-condizionali

A volte le time series si muovono lentamente nel tempo

(temperatura, price-earning ratios, etc.); altre volte sono meno
prevedibili (stock returns, una serie di lanci di una monetina).

Queste proprieta sono catturate dalle conditional mean e

variances.

Per esempio, utilizzando tutta linformazione disponibile a t,

quale e la media di xt +1 ? Possiamo scrivere la stessa
domanda come Et (xt +1 ), o E (xt +1 |It ), dove con It si indica il
information set.

Al contrario, le mean e variances regolari sono chiamate

unconditional.

White noise

Il blocco di partenza di un modello time series e il cosiddetto

processo white noise, in genere indicato con e.

Un white noise e come il lancio di una moneta, ovvero

completamente imprevedibile nel tempo.

White noise
I

Iniziamo con un white noise a media zero:

Et ( e t + 1 ) = E ( e t + 1 ) ,
e conditional variance costante:
t2 (et +1 ) = 2 (et +1 ) = e2 .

Chiaramente, la autocorrelation del white noise e pari a zero:

corr (et , et +j ) = corr (et , et j ) = 0.

Dal momento che abbiamo ipotizzato un processo a media

zero, possiamo anche scrivere:
E (et et +j ) = E (et et j ) = 0.

Processo MA

Utilizzando come punto di partenza il white noise, possiamo

ora costruire un processo moving average o processo MA.

Il processo MA(1) e:
xt = et + et 1 .

In maniera simile, il processo MA(2) e:

xt = et + 1 et 1 + 2 et 2 .

Processo MA

Il processo MA(1) introduce persistenza, e serve a catturare il

fatto che la conditional mean possa essere diversa dalla
unconditional mean:
Et (xt +1 ) = Et (et +1 + et ) = et
Et (xt +2 ) = Et (et +2 + et +1 ) = 0

Il processo MA(2) ricorda shocks per 2 periodi.

Processo MA

Trucco per lavorare con processi MA: elementi con indice

minore o uguale a t sono noti al tempo t e quindi sono solo
numeri, non random variables: rimangono nella formula per la
conditional mean. Elementi con indice maggiore di t sono
invece random variables con conditional mean pari a zero.

Processo MA

Le conditional mean per un processo MA(1) sono:

t2 (xt +1 ) = t2 (et +1 + et ) = e2
t2 (xt +2 ) = t2 (et +2 + et +1 ) = (1 + 2 )e2
t2 (xt +3 ) = t2 (et +3 + et +3 ) = (1 + 2 )e2
t2 (xt +j ) = t2 (et +j + et +j 1 ) = (1 + 2 )e2 ; j 3

Nota che abbiamo utilizzato il fatto che gli et non sono

correlati nel tempo e hanno la stessa conditional variance ad
ogni orizzonte.

Processo MA

Il processo MA(k) ha un memoria di k periodi: dopo k periodi

dimentica da dove viene.

Nella slide che segue, rappresento graficamente la conditional

mean e variance di un processo MA(2), ipotizzando
1 = 2 = 1 e et = et 1 = et 2 = 1.

Processo MA
Conditional mean and standard deviation of MA(2)
3
Et (xt+j)
t (xt+j)

2.5

1.5

0.5

0.5

1.5

2
j periods ahead

2.5

3.5

Medie e trends

Molte time series non si muovono attorno a un trend a media

zero.

Per tenerne in conto, possiamo semplicemente aggiungere una

costante:
xt = + e t + 1 e t 1 ,
in modo che tutto si sposti parallelamente verso lalto di .

Alcune time series (per esempio, il PIL) hanno un trend

positivo nel tempo t:
xt = a + b t + et + 1 et 1 .

Modelli AR

Una diversa strada per complicare il modello white noise e

invece quella del processo autoregressivo o processo AR.

Il processo AR(1) e:
xt = xt 1 + et .

Il processo AR(2) e:
xt = 1 xt 1 + 2 xt 2 + et .

Modelli AR

Conditional mean and standard deviation of AR(1)

1.5
E (x )
t

t+j

t (xt+j)

0.5

4
5
j periods ahead

Modelli AR
Simulations of AR(1)
6

6
rho = 0.1
rho=0.9

10

15

20

25

30

35

40

Modelli AR

Nota come:
1. la conditional mean decade geometricamente verso la
unconditional mean;
2. la conditional standard deviation aumenta lentamente e tende
alla unconditional standard deviation;
3. valori maggiori di inducono una maggiore persistenza nella
time series.

Fittare un modello

Per iniziare, cosa significa fittare un modello? Per esempio,

capire quale processo AR o MA meglio descrive una
time-series (stock returns, etc.).

I processi AR sono particolarmente convenienti perche

possono essere fittati con una semplice regressione
(aggiungendo una constante).

Modelli piu complessi (1/2)

I Il valore futuro di una variabile, xt , potrebbe essere legato ai valori

passati di unaltra variabile yt .

I Per esempio: sembra sia possibile prevedere i rendimenti azionari

attraverso il D/P ratio oltre che utilizzando rendimenti passati.

Possiamo modellizzare questo risultato attraverso un multi-variable
AR(1):
xt
yt

= x + xx xt 1 + xy yt 1 + etx
= y + yx xt 1 + yy yt 1 + ety

I Possiamo scrivere la stessa cosa in forma compatta attraverso una

vector autoregression (VAR):

zt
zt

= + Azt 1 + et
 
 

xt

=
; = x ; A = xx
yt
y
yx


 x
e
xy
; et = ty ,
yy
et

che possiamo fittare attraverso due regressioni OLS separate.

Modelli piu complessi (2/2)

I Supponi invece di volere modellare una time series che mostri

persistenza nella volatilita come nella media.

I I modelli visti fino ad ora non sono adatti, in quanto t (xt +1 ) e

constante.
I ARCH e GARCH sono modelli adatti a questo scopo.
I Per esempio, i tassi di interesse sono piu volatili quando i tassi di

interesse sono elevati. Possiamo rappresentare questa

ipotesi/evidenza in un modello di term structure come segue:

xt +1 = + xt + xt et +1 .
I In questo modello, quando il livello di x e elevato, anche la

conditional variance e elevata (questo modello e chiamato square

root ).

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Massimizzazione

Tipico problema in finanza:

I
I

Quanto un investitore deve consumare vs. risparmiare?

Quale asset deve comprare?

Questi problemi sono risolti attraverso la massimizzazione di

una funzione obiettivo (utilita) soggetta a un vincolo di
bilancio (i.e., linvestitore ha una certa quantita di risorse).

Massimizzazione vincolata

Considera questo semplice esempio: un consumatore vuole

massimizzare lutilita che deriva da due beni, mele X e
pesche Y dato un vincolo di bilancio:
max U (X , Y )

{X ,Y }
I

s.t.

PX X + PY Y = W .

Per potere risolvere numericamente questo problema, supponi

che la funzione di utilita sia log e separabile nei due beni:
max [log(X ) + a log(Y )]

{X ,Y }

s.t.

PX X + PY Y = W .

Soluzione per sostituzione (1/3)

I Quando il problema e cosi semplice, possiamo utilizzare il vincolo e

sostituire per uno dei due beni:

max [log(X ) + a log(

{X ,Y }

W PX X
)].
PY

I Troviamo quindi il massimo ponendo la derivata della funzione

obiettivo rispetto alla variabile di scelta pari a zero (in genere,

questa derivata e definita come first order condition o FOC):
W PX X
d
{log(X ) + a log(
)}
dX
PY
P
PY
1
a X
X
PY W PX X
1
X
W PX X
W
X

= 0
= 0
=

aPX
W PX X
aXPX

=
= (a + 1)PX X
W
=
(1 + a)PX

Soluzione per sostituzione (2/3)

La soluzione X = (1+Wa)P e una curva di domanda: quanto

X
un investitore domanda del bene X data la sua ricchezza, il
prezzo del bene, e potenzialmente i prezzi degli altri beni
disponibili.

Nota come la domanda abbia una pendenza negativa: se

PX , allora X .

Il fatto che PY non entri nella curva di domanda e un

risultato che dipende dalla scelta della funzione di utilita log.

In generale, infatti, la domanda di un bene dipende dal prezzo

relativo PX /PY .

Soluzione per sostituzione (3/3)

I Per trovare Y , utilizza il vincolo e la soluzione per X :

Y =

a W
W PX X
=
.
PY
1 + a PY

Soluzione per Lagrangiano (1/4)

I La soluzione per sostituzione funziona bene quando il numero di

beni tra cui scegliere e limitato.

I Ovviamente, quando abbiamo molti beni (pensa per esempio a titoli

azionari!) tra cui scegliere, il metodo per sostituzione e poco

adatto.
I In questo caso, e meglio risolvere il problema utilizzando il

Lagrangiano.
I Ecco come funziona:

1. aggiungi (o sottrai) volte il vincolo del problema;

2. differenzia rispetto a X , Y e il associato al vincolo;
3. risolvi il sistema di tre equazioni che ne risulta.

Soluzione per Lagrangiano (2/4)

I Applicando il metodo al nostro esempio:

max U (X , Y ) (PX X + PY Y W )

{X ,Y ,}

U
= PX
X
U
= PY
Y
PX X + PY Y = W

I Combinando le prime due equazioni otteniamo una relazione

classica: saggio marginale di sostituzione uguale al rapporto tra i

prezzi:
U/X
P
= X.
U/Y
PY

Soluzione per Lagrangiano (3/4)

I Con log utility:

1
X
a
Y
PX X + PY Y

1
PX
a
PY Y =
PY
W

= PX X =
=
=

I Sostituisci X e Y nel vincolo e risolvi per :

PX (

1
a
) + PY (
)
PX
PY
a
1
( )+( )

= W
= W
=

1+a
W

Soluzione per Lagrangiano (4/4)

I E ora utilizza (anche chiamato shadow price del vincolo) per

trovare X e Y :
X

W 1
1
=
PX
1 + a PX
a
aW 1
=
PY
1 + a PY

I Commento: il risultato e chiaramente lo stesso ottenuto con il

metodo di sostituzione, ma utilizzare il Lagrangiano e piu elegante,

consente di trattare X e Y in maniera simmetrica ed e il metodo
da utilizzare in problemi di portafoglio in cui il numero delle variabili
di scelta e elevato.

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Algebra lineare
I Supponi di dovere considerare 25 portfolios, 3 risk factors, 600 mesi

di dati, etc.
I Se non vuoi impazzire, dovrai fare affidamento allalgebra lineare e

organizzare i dati in matrici.

I Una matrice e semplicemente un insieme rettangolare di dati (come

un range di celle in Excel):

a
d
A=
g
j

b
e
h
k

c
f

i
l

I La dimensione di una matrice e data dal numero di righe e colonne.

Per esempio, la matrice A e di dimensione (4, 3).

I Un vettore e un caso speciale di matrice con una sola colonna.
I Per sommare matrici (della stessa dimensione) basta sommare gli

elementi corrispondenti.

Algebra lineare

I La moltiplicazione tra matrici e piu complicata.

I Date due matrici A, di dimensione (mA , nA ), e B, di dimensione

(mB , nB ), la regola e che la moltiplicazione AB e possibile quando

il numero di colonne della prima matrice e lo stesso del numero di
righe della seconda matrice (nA = mB ).
I Se la moltiplicazione e possibile, allora si procede moltiplicando

ogni riga della prima matrice per le colonne della seconda matrice e
sommando quindi gli elementi.

Algebra lineare

I Esempio:

a
A=
d

b
e


g
c
;B = i
f
k

h
j.
l

I Allora AB e pari a:


AB =

a
d

b
e

 g
c
i
f
k


h
ag + bi + ck
j =
dg + ei + fk
l


ah + bj + cl
.
dh + ej + fl

Algebra lineare

I Molte regole della moltiplicazione standard valgono anche per quella

tra matrici.
I Per esempio:

(A + B )C = AC + BC .

I Una grande differenza e che AB

6= BA.

I La matrice identita I e la matrice equivalente al numero 1 per gli

scalari, ed e una matrice quadrata con tutti 1 sulla diagonale

principale e 0 nelle altre posizioni.
I Considera una matrice identita I
I Nota che: AI

= I3 , con tre righe e tre colonne.

= IA = A per ogni A.

Matlab e matrici

I Matlab e un software basato sullalgebra lineare (Matlab sta per

matrix laboratory).
I In Matlab e comunque possibile effettuare la moltiplicazione

elemento per elemento per matrici con la stessa dimensione.

I Questa operazione e chiamata dot product e il comando e .
I In maniera simile, puoi effettuare una divisione elemento per

elemento con il comando ./

I Per fare la trasposta di una matrice, utilizziamo il comando prime 0 :

a
A=
c



b
a
0
A =
d
b


c
.
d

Algebra lineare
I Una matrice si dice simmetrica quando gli elementi non sulla

diagonale sono gli stessi, in modo che la matrice sia uguale alla sua
trasposta.
I Il trasposto di un vettore colonna e uguale a un vettore riga.
I Quando moltiplichiamo una matrice quadrata per un vettore

otteniamo un altro vettore:


  

a b e
bf + ae
Ax =
=
= y.
c d f
df + ce
I Quando moltiplichiamo un vettore riga per una matrice quadrata

otteniamo un altro vettore riga:



  a b

0
x A = ef
= cf + ae
c d


df + be = y 0 .

Algebra lineare

I Il prodotto di un vettore riga per un vettore colonna e uguale a uno

scalare. Questa operazione e in genere chiamata inner product.

I Loperazione inversa, il prodotto di un vettore colonna per un

vettore riga produce una matrice. Questa operazione e in genere

chiamata outer product.
I Un oggetto molto utile e la forma quadratica. Anche questa

operazione produce un numero, e in genere e fatta con una matrice

simmetrica al centro:
 


 a b e
0
x Ax = e f
= [ae 2 + df 2 + 2bef ].
b d f

Inversione di una matrice

I Supponi di avere Ax

= b, con A una matrice e x e b vettori.

I Sarebbe comodo potere fare qualcosa del tipo: x

= A1 b.

I La matrice inversa ha la proprieta che:

AA1 = A1 A = I .
I Perche una matrice sia invertibile, deve essere quadrata e deve

essere full rank (ricorda: il suo determinante deve essere diverso da

0, o le sue colonne devono essere linearmente indipendenti), il che
equivale a dire che non si puo dividere per zero nel caso degli
scalari.
I Per il caso di matrici di dimensioni 2 2 esiste una formula

semplice:
A1 =

a
c

b
d

 1


1
d
ad bc c


b
.
a

bc: questa e la ragione per cui

abbiamo bisogno della condizione di full rank!

I Nota: il determinante di A e ad

Esempio 1
I Supponi di volere formare un portfolio R p a partire da un insieme di
assets R 1 , R 2 , . . . , R N , con pesi w1 , w2 , . . . , wN .
I Possiamo scrivere:

R p = w1 R 1 + w2 R 2 + . . . + wN R N =

wi R i .

i =1

I O possiamo usare una notazione compatta:

R p = w 0 R,
dove:

1
R
w1
w2
R2


.. ; R = .. .
.
.
wN
RN

Esempio 2 (1/2)
I In finanza e molto comune lavorare con varianze.
I Possiamo conservare linformazione sulle varianze di x and y e sulla

loro covarianza in una covariance matrix:


 2
cov (x, y )
(x )
.
cov (x, y )
2 (y )
I Supponi che x e y siano elementi del vettore z:

 
x
,
y
allora possiamo pensare alla varianza di z come:
 


x
E (x 2 ) E (xy )
E (zz 0 ) = E (
[xy ]) =
.
y
E (xy ) E (y 2 )
I Se x e y hanno media zero, allora questa e la covariance matrix.

Esempio 2 (2/2)

I Se z non e a media zero, allora la formula standard

2 (z ) = E (z 2 ) E (z )2 funziona e

cov (z, z 0 ) = E (zz 0 ) E (z )E (z 0 ).

I Utilizziamo forme quadratiche per trovare la varianza di un

portafoglio data la varianza dei rendimenti sottostanti.

I Con R a media zero:

var (w 0 R ) = E ((w 0 R )(R 0 w )) = w 0 E (RR 0 )w .

I Nota: i w sono numeri, gli R sono random, cosi che i numeri

possono uscire dalloperatore valore atteso.

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

La fallacia della time-diversification

I E molto comune sentire dire che un investitore dovrebbe mantenere

linvestimento in azioni for the long run, in quanto i loro rendimenti

sono piu stabili su un orizzonte temporale lungo (per esempio,
Jeremy Siegel e un fautore di questa tesi).
I Ma e vero?
I Iniziamo dalla definizione di 2-period gross return:

R0,2 = R0,1 R1,2 .

Quindi, in logs:
ln R0,2 = ln R0,1 + ln R1,2 .

La fallacia della time-diversification

I Quali sono la media e la standard deviation del 2-period return,

assumendo che i rendimenti medi siano gli stessi ogni anno e che i
rendimenti siano indipendenti nel tempo?
E (ln R0,2 )
2

(ln R0,2 )

= E (ln R0,1 ) + E (ln R1,2 ) = 2E (ln R )

= 2 (ln R0,1 ) + 2 (ln R1,2 ) = 22 (ln R )

I Nota: il rapporto tra rendimento medio e varianza dei rendimenti e

independente rispetto allorizzonte temporale (i.e., il 2 si cancella).

Da dove proviene questa fallacia?

I Considera ora il rendimento annualizzato (periodale):
ann
= (R0,1 R1,2 )1/2 ,
R0,2

quindi:
ann
=
ln R0,2

1
(ln R0,1 + ln R1,2 ).
2

I In questo caso:
ann
E (ln R0,2
)

ann
2 (ln R0,2
)

1
[E (ln R0,1 ) + E (ln R1,2 )] = E (ln R )
2
1
1
1
2 [ (ln R0,1 + ln R1,2 )] = [22 (ln R )] = 2 (ln R ).
2
4
2

I Quindi, la media del rendimento annualizzato non varia al variare

dellorizzonte, ma la varianza del rendimento annualizzato

diminuisce quando lorizzonte aumenta.
I Ma ... che importa che la varianza del rendimento annualizzato

diminuisca? Come investitore dovresti essere interessato al

rendimento totale!

Outline
Notazione e definizione di rendimenti
Probabilita e statistica
Probabilita
Statistica
Regressioni
Serie storiche
Massimizzazione
Algebra lineare
Stocks
Fixed income (bonds)
Notazione
Valore atteso
Yield
Forward rates
Holding period returns
Yield curve
Duration
Immunizzazione

Notazione

Dobbiamo distinguere bond con diverse scadenze (maturity).

Denotero la maturity con un indice tra parentesi: per

esempio, P (4) e il prezzo di un 4-year zero-coupon bond.

Nota: uno zero coupon e un bond che non paga coupons, ma

solo il valore facciale a scadenza.

Tutti i log sono log naturali (i.e., base e).

Valore atteso

Iniziamo ignorando lincertezza: tutti i flussi di cassa futuri

sono noti (no default risk) e tutti i tassi di interesse futuri
sono noti.

Un qualsiasi bond rappresenta un diritto su una sequenza di

flussi di monetari: {CF1 , CF2 , . . . , CFN }.

Possiamo scrivere il suo valore come:

N

P=

CFj

R0 R1 . . . Rj 1 ,

j =1

dove R0 e il tasso di interesse da 0 a 1, etc.

Valore atteso
I
I

Problemi con questa formula: dove prendiamo il tasso di

interesse Rj ?
Supponi di conoscere i tassi di interesse che le banche
applicheranno e che i tassi per prendere e dare a prestito siano
gli stessi, allora questi sono i tassi da utilizzare (per
arbitraggio). Tuttavia, questa situazione accade purtroppo
solo nei libri di testo!
Piu comunemente, potrai utilizzare il prezzo di mercato di
zero-coupon bonds. Questi dovrebbero essere uguali a:
P (N ) =

1
.
R0 R1 . . . RN 1

In questo caso, possiamo applicare questi prezzi alla formula

per un bond generico con flusso di cassa CFj :
N

P=

P (j ) CFj .

j =1

Valore atteso

Nota che la formula

N

P=

P (j ) CFj ,

j =1

afferma che ogni bond puo essere replicato attraverso una

combinazione (o portfolio) di zero-coupon bonds.
I

Nota anche che possiamo fare inferenza sui prezzi degli zero a
partire dai prezzi dei coupon bonds (se, per esempio, non
abbiamo il prezzo di mercato degli zero), e quindi possiamo
utilizzare il prezzo di questi zero per prezzare altri coupon
bonds.

Yield

Definition
Lo yield (to maturity, or YTM) e definito come il tasso di interesse
costante, e fittizio, annuale che giustifica il prezzo di mercato di un
bond, sotto lipotesi che il bond non possa andare in default.

Yield
I

Nota che la definizione di yield della slide precedente e

leggermente diversa - ma sostanzialmente uguale - rispetto a
quella che forse ricordi (per esempio, la YTM e il tasso
costante che eguaglia il prezzo di un bond al valore presente
scontato dei suoi flussi di cassa).

In maniera piu formale, lo yield di uno zero coupon bond e il

numero Y (N ) che soddisfa:
P (N ) =

[ Y (N ) ] N

Quindi:
Y (N ) =

[P (N ) ]1/N

; ln Y (N ) =

1
ln P (N ) .
N

Yield

In generale, lo yield di un qualsiasi flusso di pagamenti e quel

valore costante Y che soddisfa:
N

P=

CFj
.
j
j =1 Y

In pratica, dovrai cercare numericamente quel valore Y che

risolve lequazione dati i flussi di cassa e il prezzo.

Fino a che tutti i flussi di cassa sono positivi, questa

operazione e abbastanza semplice utilizzando un computer.

Per riepilogare, lo yield e una maniera conveniente per

quotare il prezzo di un bond.

Forward rate

Definition
Il forward rate e il tasso di interesse che puoi fissare oggi per
prendere o dare a prestito denaro a partire dal periodo N, da
restituire al periodo N + 1.

Forward rate

A partire dal prezzo di zero-coupon bonds, possiamo trovare il

prezzo implicito dei tassi futuri, o tassi forward.

Ricorda che:
P (N ) =

1
.
R0 R1 . . . RN 1

Allora:

P (N )
.
P (N +1)
Per quale ragione questo e un tasso forward? La maniera piu
semplice per capirlo e iniziare con il sintetizzare un contratto
forward utilizzando un insieme di zero coupon bonds (vedi
slide successiva).
RN =

Forward rate

Supponi di avere comprato 1 N-period zero e contestualmente

di avere venduto una quantita x di N + 1-period zero coupon
bonds.

Quali sono i flussi di cassa per ogni periodo?

Forward rate

Today 0
Time N
Time N+1

Buy N-period zero

P (N )
1

Sell x N+1-period zeros

+xP (N +1)

Net cash flow

xP (N +1) P (N )
1
x

Forward rate
I

Ora non devi che scegliere la quantita x in modo che il flusso

netto iniziale sia pari a 0:
x=

P (N )
.
P (N +1)

Quindi, non paghi o ricevi niente oggi, ricevi 1 al tempo N e

paghi P (N ) /P (N +1) al tempo N+1. Hai appena sintetizzato
un contratto firmato oggi per un prestito da N a N+1, ovvero
un forward contract!

Per riepilogare:
FN = Forward rate N N + 1 =

P (N )
,
P (N +1)

e:
ln FN = ln P (N ) ln P (N +1) .

Forward rate

I
I

Quando sono utili i forward rates?

Esempi:
1. Stai pianificando un investimento che richiede di prendere a
prestito nel futuro e vuoi fissare oggi il tasso di interesse.
2. Pensi di sapere in che direzione andranno i tassi di interesse e
vuoi speculare.

Holding period returns

Supponi ora di comprare al tempo t un N-period bond per poi

venderlo dopo un periodo, quando la maturity sara N-1.

Il tuo rendimento e pari a:

(N 1)

(N )

HPRt +1 =
e:

(N )

Pt + 1

(N 1)

ln HPRt +1 = ln Pt +1
I

(N )

Pt

(N )

ln Pt

Attenzione alla notazione: utilizziamo lindice t + 1 per

questo rendimento (da t a t + 1) in quanto e realizzato al
tempo t + 1.

Yield curve

Definition
La yield curve (o curva dei tassi a termine) e un grafico degli
yields di zero coupon bonds come funzione della loro maturity.

Yield curve senza incertezza

I

Supponi ora di sapere in che direzione stanno andando i tassi

di interesse (o gli yields futuri su 1-period bonds). Allora la
formula del valore attuale e:
(N )

P0
I

=(

1
1
1 1
1
1
...
) = ( (1) (1) . . . (1) ) .
R0 R1
RN 1
Y0 Y1
YN 1

Ricorda la definizione di yield:

P (N ) =

Quindi:

(N )

Y0

(1)

[ Y (N ) ] N
(1)

(1)

= (Y0 Y1 . . . YN 1 ) N ,

che e equivalente al dire che lo yield su un N-period zero e

pari alla media geometrica dei tassi di interesse futuri.

Yield curve senza incertezza

I

Se non ti piace la media geometrica, e preferisci qualcosa di

piu compatto, prendi i logs dellultima equazione della slide
precedente:
(N )

ln Y0

1
(1)
(1)
(1)
(ln Y0 + ln Y1 + . . . + ln YN 1 ),
N

o, il log yield su un N-period zero e pari alla media aritmetica

dei tassi di interesse futuri.
Interpretazione:
I

La parte a destra delluguale della formula rappresenta una

maniera di portare un dollaro da oggi a N periodi da oggi,
facendo roll-over di 1-period bonds.
La parte a sinistra delluguale esprime una maniera alternativa
di portare un dollaro da oggi a N periodi da oggi, ma
comprando un N-period zero coupon bond (a lungo termine).
Senza incertezza, per arbitraggio, queste due strategie devono
restituire lo stesso rendimento.

Yield curve con incertezza

Come cambiano le cose se non conosciamo i tassi futuri?

Se gli investitori sono abbastanza neutrali rispetto al rischio,

allora acquisteranno N-period zeros o faranno roll-over di
1-period bonds a seconda di quale delle due strategie
promette una migliore performance in media.

Nota che laffermazione di cui sopra non si basa una

condizione di arbitraggio pura, dal momento che non ci sono
profitti sicuri da potere fare.

Possiamo poi aggiungere un fattore che catturi il risk premium

(premio al rischio) in modo da assorbire eventuali errori.

Yield curve con incertezza

Definition
Il N-period yield e la media degli yield periodali futuri attesi, con
laggiunta possibile di un risk-premium.

Yield curve con incertezza

I

In maniera piu formale:

(N )

Y0

(1)

(1)

(1)

= E0 [(Y0 Y1 . . . YN 1 ) N ] + risk premium,

o:
(N )

ln Y0

1
(1)
(1)
(1)
E0 (ln Y0 + ln Y1 + . . . + ln YN 1 ) + risk premium.
N

Nota che le espressioni di cui sopra sono tautologie a meno

che non caratterizziamo il risk-premium.

Prova a ricordare la expectation hypothesis: il risk-premium

non e in genere presente quindi e una buona
approssimazione quando il premio al rischio e piccolo e non
varia molto nel tempo.

Modelli piu avanzati della term-structure cercano proprio di

quantificare la dimensione e i movimenti del termine che
cattura il premio al rischio.

Forward yield curve

Supponi ora che avevamo ragione e conoscevamo

correttamente i tassi di interesse futuri.

In questo caso, per arbitraggio deve essere vero che:

F (N ) = RN,N +1 ,
o che il forward rate e pari al tasso spot futuro.

Forward yield curve

I Nota come il fatto che il forward rate sia pari al tasso spot futuro

implica la yield curve.

I Inizia con il prendere in esame il forward rate nel periodo
immediatamente successivo a quello odierno: F (1) = R1,2 .
I Sostituisci il forward rate nella formula per il forward rate:

P (1)
= R1,2 .
P (2)

I Utilizza R0,1 = 1/P (1) e Y (2) = 1/ P (2) :

[Y (2) ]2 = R0,1 R1,2 Y (2) = [R0 R1 ]1/2 .

I Con incertezza, aggiungi il risk premium: forward rate = expected

future spot rate + risk premium.

Holding period return yield curve

I Considera ora due strategie per portare del denaro da oggi a

domani:
1. mantieni un N-period zero coupon bond per un periodo,
vendilo come N-1-period zero coupon bond.
2. mantieni un 1-period zero coupon bond per un periodo.
I Se gli investitori (o i bond traders) sono neutrali rispetto al rischio,

ci attendiamo che il rendimento di queste due strategie sia lo stesso,

eccetto per un piccolo premio al rischio.
I In maniera formale:
(N )

(M )

E0 (HPRt +1 ) = E0 (HPRt +1 ) + risk premium.

Holding period return yield curve

I Anche il risultato che gli HPR attesi per bond con diverse scadenze

sono gli stessi implica la yield curve.

I Per comprendere questa affermazione, considera il caso senza

incertezza:
(2)

HPR1

(1)

= HPR1

(1)

P1

(2)
P0
(2)
[Y0 ]2
(1)
Y1
(2)
Y0

1
(1)

Pt

(1)

= Y0

(1)

(1)

= [Y0 Y1 ]1/2 .

Duration

Ora sappiamo come trovare il valore di un bond.

Come varia questo valore quando il tasso di interesse varia?

La duration e la risposta a questa domanda: e la misura

principale di sensibilit del prezzo di un bond a movimenti nel
tasso di interesse.

Duration
I La duration misura la sensitivita dei prezzi (P) agli yields (Y). In

maniera formale:
D=

Y dP
d ln P
% Change in P
=
=
.
% Change in Y
P dY
d ln Y

I A partire dalla definizione di cui sopra, e molto facile trovare la

duration per uno zero-coupon bond:

P (N )

Y dP
P dY

1
YN
Y
1
= N.
N
P Y N +1

I Quindi, per gli zeros: duration = maturity.

Duration

I Per coupon bonds, ricorda che P

= N
j =1

CFj
.
Yj

I Applica la formula per la duration:

N
CFj /Y j
Y N CFj
1 N CFj
Y dP
=
j j +1 =
j j = j N
.

j
P dY
P j =1 Y
P j =1 Y
j =1 j =1 CFj /Y

I Questo e lo stesso che dire:

Duration =

cash flows

duration of cash flows

value of cash flow

.
total value

Duration

La duration per ogni bond = media ponderata delle durations dei

flussi di cassa individuali.

Duration

I Nota come la duration di un coupon bond e inferiore alla maturity.

I La modified duration e la variazione percentuale per un punto

percentuale di variazione nello yield, al posto che una variazione pari

a un percento nello yield:
M-duration

% in P
1 dP
1
Y dP
1
=
= (
) = duration.
in Y
P dY
Y
P dY
Y

Immunizzazione

I Come possiamo costruire un portafoglio in modo che non sia

sensibile a variazione dei tassi di interesse?

1. Dedicated portfolio: per ogni flusso di cassa di attivita o
passivita compra o vendi uno zero-coupon bond
corrispondente. Nota come questa strategia sia in genere
costosa in quanto richiede molti acquisti e vendite.
2. Duration matching: modifica due attivit o passivit in modo
che 1) il valore attuale degli attivi = valore attuale delle
passivita e 2) la duration degli attivi = la duration delle
passivita. In questo caso la posizione totale sara insensibile
(immunizzata) rispetto a variazioni nel tasso di interesse.