Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Nicola Borri
LUISS
Nota linguistica
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
Rendimenti
I
$ payoff
.
$ investment
Pt +1 + Dt +1
$ payoff at t + 1
=
.
Pt
$ investment at t
Il rendimento percentuale e:
100 rt +1 .
Rendimenti
Goods back at t + 1
.
Goods paid at t
Rendimenti
t +1
CPIt +1
.
CPIt
$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
Rendimenti
Rendimenti
I
E payoff at t + 1
.
E investment at t
$t
,
Et
allora:
Rt$+1 =
e $/E
$ t +1
Et +1 $t +1 /Et +1
+1
=
= RtE+1 t$/E
.
$t
Et
$t /Et
et
Rendimenti composti
= R T V0 .
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 .
R nominal
ln(R real ) = ln R nominal ln .
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 +
r N
) .
N
lim (1 +
1
r N
) = 1 + r + r 2 + . . . = er .
N
2
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
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
Random variables
I
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
(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
Momenti
I
i Ri ,
possible values i
i [Ri E (R )]2 ,
i
Momenti
I La covarianza e definita come:
cov (R a , R b ) = E [(R a E (R a ))(R b E (R b ))] =
rendimenti).
I Il correlation coefficient risolve questo problema:
Corr (R a , R b ) = =
cov (R a , R b )
.
(R a ) (R b )
Momenti
Rf (R )dR.
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 ).
Distribuzioni normali
Distribuzioni log-normali
I
2 (r )
Distribuzioni log-normali
Allora:
2 (R ) = e 2E (r )+
2 (r )
[e
2 (r )
1].
Distribuzioni log-normali
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
Rt ,
t =1
T
1
[Rt R ]2 .
T 1 t
=1
E (R ) =
I
1
T
1
T
Rt
t =1
T
E (Rt ) = E (R ).
t =1
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
buona.
(confidence interval).
Intervallo di confidenza
P-value
P-value
2.5
distribution of
sample mean
1.5
0.5
0
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
T-test
R E (R )
T
Regressioni
I
Regressioni
cov (y , x )
;
var (x )
Quindi:
2 ( ) = (X 0 X )1 s 2 .
R-square
= 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
Definisci = E (ee0 ).
Allora:
2 ( ) = (X 0 X )1 X 0 X (X 0 X )1 .
(1)
Regressioni GLS
Regressioni GLS
( 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)
Serie storiche
White noise
White noise
I
Processo MA
Il processo MA(1) e:
xt = et + et 1 .
Processo MA
Processo MA
Processo MA
Processo MA
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
Modelli 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
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
= x + xx xt 1 + xy yt 1 + etx
= y + yx xt 1 + yy yt 1 + ety
= + Azt 1 + et
xt
=
; = x ; A = xx
yt
y
yx
x
e
xy
; et = ty ,
yy
et
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
xt +1 = + xt + xt et +1 .
I In questo modello, quando il livello di x e elevato, anche la
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
Massimizzazione vincolata
{X ,Y }
I
s.t.
PX X + PY Y = W .
{X ,Y }
s.t.
PX X + PY Y = W .
{X ,Y }
W PX X
)].
PY
= 0
= 0
=
aPX
W PX X
aXPX
=
= (a + 1)PX X
W
=
(1 + a)PX
Y =
a W
W PX X
=
.
PY
1 + a PY
Lagrangiano.
I Ecco come funziona:
max U (X , Y ) (PX X + PY Y W )
{X ,Y ,}
U
= PX
X
U
= PY
Y
PX X + PY Y = W
1
X
a
Y
PX X + PY Y
1
PX
a
PY Y =
PY
W
= PX X =
=
=
PX (
1
a
) + PY (
)
PX
PY
a
1
( )+( )
= W
= W
=
1+a
W
trovare X e Y :
X
W 1
1
=
PX
1 + a PX
a
aW 1
=
PY
1 + a PY
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
a
d
A=
g
j
b
e
h
k
c
f
i
l
elementi corrispondenti.
Algebra lineare
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
tra matrici.
I Per esempio:
(A + B )C = AC + BC .
6= BA.
= IA = A per ogni A.
Matlab e matrici
matrix laboratory).
I In Matlab e comunque possibile effettuare la moltiplicazione
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
df + be = y 0 .
Algebra lineare
= A1 b.
AA1 = A1 A = I .
I Perche una matrice sia invertibile, deve essere quadrata e deve
semplice:
A1 =
a
c
b
d
1
1
d
ad bc c
b
.
a
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
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
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)
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
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 )
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
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
Valore atteso
P=
CFj
R0 R1 . . . Rj 1 ,
j =1
Valore atteso
I
I
1
.
R0 R1 . . . RN 1
P=
P (j ) CFj .
j =1
Valore atteso
P=
P (j ) CFj ,
j =1
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
[ Y (N ) ] N
Quindi:
Y (N ) =
[P (N ) ]1/N
; ln Y (N ) =
1
ln P (N ) .
N
Yield
P=
CFj
.
j
j =1 Y
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
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
Forward rate
Today 0
Time N
Time N+1
Forward rate
I
P (N )
.
P (N +1)
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
(N )
HPRt +1 =
e:
(N )
Pt + 1
(N 1)
ln HPRt +1 = ln Pt +1
I
(N )
Pt
(N )
ln Pt
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.
P0
I
=(
1
1
1 1
1
1
...
) = ( (1) (1) . . . (1) ) .
R0 R1
RN 1
Y0 Y1
YN 1
Quindi:
(N )
Y0
(1)
[ Y (N ) ] N
(1)
(1)
= (Y0 Y1 . . . YN 1 ) N ,
ln Y0
1
(1)
(1)
(1)
(ln Y0 + ln Y1 + . . . + ln YN 1 ),
N
Definition
Il N-period yield e la media degli yield periodali futuri attesi, con
laggiunta possibile di un risk-premium.
Y0
(1)
(1)
(1)
o:
(N )
ln Y0
1
(1)
(1)
(1)
E0 (ln Y0 + ln Y1 + . . . + ln YN 1 ) + risk premium.
N
P (1)
= R1,2 .
P (2)
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,
(M )
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
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
P (N )
Y dP
P dY
1
YN
Y
1
= N.
N
P Y N +1
Duration
= N
j =1
CFj
.
Yj
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
Duration =
cash flows
Duration
Duration
% in P
1 dP
1
Y dP
1
=
= (
) = duration.
in Y
P dY
Y
P dY
Y
Immunizzazione