Projektin arvon määritys

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Projektin arvon määritys"

Transkriptio

1 Projektin arvon määritys Luku 6, s Optimointiopin seminaari - Syksy 2000 / 1

2 Tehtävä Johdetaan menetelmä projektiin oikeuttavan option määrittämiseksi kohde-etuuden hinnan P perusteella projektin arvon V sijaan. Laajennus luo pohjan myöhemmin Luvussa 6 tehtävillä lisäyksille Kiinteä tuotantokustannus Vaihtuva tuotantokustannus Investoinnin arvon poisto Investointikustannuksen stokastisuus Optimointiopin seminaari - Syksy 2000 / 2

3 Eteneminen 1 Johdetaan kohde-etuuden hinnan ja projektin arvon välinen riippuvuus 2 Johdetaan kohde-etuuden hinnan ja projektiin oikeuttavan option arvon välinen riippuvuus Menetelmät Brownin liike Iton Lemma CAPM Johdannaisanalyysi/dynaaminen optimointi Optimointiopin seminaari - Syksy 2000 / 3

4 Mallin laajennus Oletetaan hinnan P ja kysynnän D(Q) olevan kääntäen verrannollisia toisiinsa seuraavasti P = YD( Q), missä Y = Brownin liikettä noudattava satunnaismuuttuja D(Q) = kysyntä Q = tuotantomäärä Tuotantomäärän Q ollessa kiinteä (1), voidaan tarkastelussa olettaa hinnan noudattavan Brownin liikettä dp = αpdt + σpdz Optimointiopin seminaari - Syksy 2000 / 4

5 A. Koron määritys Kuten aiemmin kappaleessa 5, valitaan diskonttokorko johdannaisanalyysissä CAPM-mallia käyttäen µ = r + φσρ pm Jotta projektin arvo olisi äärellinen, oletetaan µ > α Merkitään osinkoa δ = µ α Optimointiopin seminaari - Syksy 2000 / 5

6 B. Projektin arvon määritys (1) Muodostetaan riskitön portfolio: projekti + n kpl kohde-etuutta lyhyeksi ostettuna, jolloin pääoman kasvuksi aikavälillä dt saadaan Iton Lemmaa käyttäen dv ndp = P[ V n] + P V dt P[ V n] dz α ' 1 σ '' + ' σ Eliminoidaan termin dz kerroin valitsemalla n = V (P) Kun huomioidaan pääoman tuotosta maksettava osinko, saadaan aikavälin dt kokonaistuotoksi P δ PV ' + σ P V '' dt 2 Optimointiopin seminaari - Syksy 2000 / 6

7 B. Projektin arvon määritys (2) Tämän täytyy vastata riskitöntä tuottoa, jolloin projektin arvon V(P) tulee toteuttaa σ P V '' + ( r δ ) PV ' rv + P = 0 2 β Yritettä V ( P) = AP vastaavien ratkaisujen ehdoksi saadaan 1 2 Q σ β( β 1) + ( r δ ) β r = 0 2 Differentiaaliyhtälön yleinen ratkaisu on muotoa β P 1 β2 V ( P) = B1 P + B2 P + β 1 > 0 > β { δ 3 Optimointiopin seminaari - Syksy 2000 / 7

8 C. Spekulatiivisten termien eliminointi β1 1 Termi B 1 P on hinnan mahdolliseen nousuun liittyvä spekulatiivinen kupla, joka jätetään jatkotarkastelussa huomiotta => B 1 = 0 2 V(0) = 0 => B 2 = 0 3 Differentiaaliyhtälön erikoisratkaisu vastaa projektin arvon odotusarvoa E[V(P)] [ ( )] { E V P α t µ t P P = Pe e = = E( P) µ α δ 0 Optimointiopin seminaari - Syksy 2000 / 8

9 Tulkintoja β1 Termi B 1 P sisältää hinnan stokastiikan projektille tuoman mahdollisuuden odotusarvoa parempaan tuottoon ja sen eliminointi palauttaa yhtälön takaisin odotusarvoon P V ( P) δ Toimenpide ei kuitenkaan eliminoi stokastiikkaan perustuvaa option arvoa vaan palauttaa tehtävän aiemmin Luvussa 5 esitettyyn malliin, jossa stokastiikka kytkettiin projektin arvoon Optimointiopin seminaari - Syksy 2000 / 9

10 D. Option arvon määritys (1) Muodostetaan riskitön portfolio: Optio investoida + n = F (P) kpl tuotetta, jolloin option arvon F(P) tulee toteuttaa σ P F'' + ( r δ ) PF' rf = 0 2 Yhtälön ratkaisuksi saadaan β F( P) = A P + A P 1 2 β 1 2 Optimointiopin seminaari - Syksy 2000 / 10

11 D. Option arvon määritys (2) Option arvon F(P) ratkaisun tulee täyttää reuna-ehdot F( 0) = 0 A2 = 0 β P * 1 F( P*) = V ( P*) I A1 ( P*) = δ β F'( P*) = V '( P*) 1 A1 ( P*) = β δ I Optimointiopin seminaari - Syksy 2000 / 11

12 D. Option arvon määritys (3) Ratkaisuksi saadaan β1 F( P) = A1 P 2 1 r δ r δ 1 r β = σ σ 2 σ β1 1 ( β1 1) A1 = β1 1 β1 I ( δβ1) 2 Optimointiopin seminaari - Syksy 2000 / 12

13 Tulkintoja Projektin kriittinen arvo V* on kohde-etuuden hintaa käyttäen sama kuin projektin arvosta laskien β 1 V * = I β 1 1 Edellä kohde-etuuden hinnan ja projektin arvon välinen riippuvuus oli lineaarinen. Option arvo voidaan kuitenkin johtaa hinnan funktiona myös tilanteissa, joissa kohde-etuuden hinnan ja projektin arvon riippuvuus tästä poikkeava. Optimointiopin seminaari - Syksy 2000 / 13

14 Case: Panimoinvestointi Oluen tuotanto ja kulutus 500,0 450,0 Suomessa 100,0 95,0 90,0 85,0 400,0 350,0 300,0 80,0 75,0 70,0 65,0 60,0 55,0 Tuotanto (milj. litraa) Kulutus (milj. litraa) Kulutus/henki (litraa) 250, Lähde: CBMC The Brewers of Europe ,0 Optimointiopin seminaari - Syksy 2000 / 14

15 Case: Panimoinvestointi Oletetaan, että oluen tuotanto Q riippuu käänteisesti hinnasta P dq = YD( P) missä Y on stokastinen muuttuja Oletetaan myyntihinta vakioksi 1 Euro/litra ja mallinnetaan tuotannon vaihtelua Wiener-prosessilla dq = σqdz Oletetaan, että investoinnin arvon ja tuotannon saadaan diskonttaamalla tuotannon arvo Q V ( Q) = µ Optimointiopin seminaari - Syksy 2000 / 15

16 Case: Panimoinvestointi Wiener-prosessi sovitettuna kysyntään 500,0 450,0 400,0 350,0 Kulutus (milj. litraa) Q(t) 300,0 250, Optimointiopin seminaari - Syksy 2000 / 16

17 Kotitehtävä 15 A Mikä on investointiin oikeuttavan option arvo ilmaistuna tuotannon funktiona F(Q)? oluen tuotannon keskihajonta σ = 0, 20 investointikustannus I = 10 miljoonaa Euroa investoinnista kaksi kolmannesta rahoitetaan omalla pääomalla, jonka tuottotavoite on 15% ja yksi kolmannes vieraalla pääomalla, jonka korkokustannus on 6% B Kannattaako investointi vai option pito tuotannon ollessa 1,5 miljoonaa litraa? Optimointiopin seminaari - Syksy 2000 / 17

Projektin arvon aleneminen

Projektin arvon aleneminen Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen

Lisätiedot

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti isää satunnaisuutta ja mahdollisuus keskeyttää projekti Esitelmä 7 - Mika lmoniemi Optimointiopin seminaari - Syksy isää satunnaisuutta Tähän mennessä on käytetty vain yhtä satunnaismuuttujaa tuotteen

Lisätiedot

OPTIMAALINEN INVESTOINTIPÄÄTÖS

OPTIMAALINEN INVESTOINTIPÄÄTÖS OPTIMAALINEN INESTOINTIPÄÄTÖS Keskiarvoon palautuvalle prosessille ja Poissonin hyppyprosessille Optimointiopin seminaari - Syksy 000 / 1 I. KESKIAROON PALAUTUA PROSESSI Investoinnin kohde-etuuden arvo

Lisätiedot

Investointimahdollisuudet ja investoinnin ajoittaminen

Investointimahdollisuudet ja investoinnin ajoittaminen Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman

Lisätiedot

Investointimahdollisuudet ja niiden ajoitus

Investointimahdollisuudet ja niiden ajoitus Investointimahdollisuudet ja niiden ajoitus Ratkaisu optiohinnoitteluteorian avulla Esitelmä - Eeva Nyberg Optimointiopin seminaari - Syksy 000 / Tähän asti opittua NP:n rajoitteet vaikka NP negatiivinen

Lisätiedot

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen Optimointiopin seminaari - Syksy 000 / 1 Mallin laajennus Toiminta voidaan väliaikaisesti keskeyttää ja käynnistää uudelleen Keskeyttämisestä

Lisätiedot

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio Johdannaisanalyysi Contingent Claims Analysis Juha Leino 11.10.2000 Optimointiopin seminaari - Syksy 2000 / 1 Oletukset Yritys tuottaa tuotetta, jonka hinta on x x noudattaa geometrista Brownin liikettä

Lisätiedot

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Esteet, hyppyprosessit ja dynaaminen ohjelmointi Esteet, hyppyprosessit ja dynaaminen ohjelmointi Juha Martikainen 4.10.2000 Oppikirjan sivut 83-87 ja 93-98 Optimointiopin seminaari - Syksy 2000 / 1 Esteet (määritelmät) Muistellaan menneitä: Ajelehtiva

Lisätiedot

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio

Ito-prosessit. Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma. S ysteemianalyysin. Laboratorio Ito-prosessit Määritelmä Geometrinen Brownin liike Keskiarvoon palautuvat prosessit Iton lemma Optimointiopin seminaari - Syksy 2000 / 1 Ito-prosessit Brownin liikkeen yleistys (Ito prosessi) x(t) : dx

Lisätiedot

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia { z(t k+1 ) = z(t k ) + ɛ(t k ) t t k+1 = t k + t, k = 0,..., N, missä ɛ(t i ), ɛ(t j ), i j ovat toisistaan riippumattomia siten, että

Lisätiedot

Investointimahdollisuudet ja investointien ajoittaminen

Investointimahdollisuudet ja investointien ajoittaminen Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari

Lisätiedot

Investointistrategioista kilpailluilla markkinoilla

Investointistrategioista kilpailluilla markkinoilla Investointistrategioista kilpailluilla markkinoilla Tuomas Pyykkönen 29.11.2000 (esitys kirjasta: Investment under Uncertainty; Dixit, Pindyck (1994); ss. 247-260) Optimointiopin seminaari - Syksy 2000

Lisätiedot

Jatkuvan ajan dynaaminen optimointi

Jatkuvan ajan dynaaminen optimointi Jatkuvan ajan dynaaminen optimointi Diskreetistä ajasta jatkuvaan Ito prosessit Optimaalinen pysäytys Poisson prosessit Optimointiopin seminaari - Syksy 2000 / 1 Jatkuvan ajan dynaaminen π(x,u,t) tuottovirta

Lisätiedot

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien

Lisätiedot

Päätöspuut pitkän aikavälin investointilaskelmissa

Päätöspuut pitkän aikavälin investointilaskelmissa Päätöspuut pitkän aikavälin investointilaskelmissa Optimointiopin seminaari, Jaakko Ollila. Parannusehdotus 4. Esimerkki : hystereesis investointipäätöksissä 1 -$ 0 Tavallinen päätöspuu Aika Laskut antavat

Lisätiedot

Diskreettiaikainen dynaaminen optimointi

Diskreettiaikainen dynaaminen optimointi Diskreettiaikainen dynaaminen optimointi Usean kauden tapaus 2 kauden yleistys Ääretön loppuaika Optimaalinen pysäytys Optimointiopin seminaari - Syksy 2000 / Ongelma t 0 x 0 t- t T x t- + x t + x T u

Lisätiedot

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5

Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 Mat-2.148 Dynaaminen optimointi, mallivastaukset, kierros 5 1. Kotitehtävä. 2. Lasketaan aluksi korkoa korolle. Jos korkoprosentti on r, ja korko maksetaan n kertaa vuodessa t vuoden ajan, niin kokonaisvuosikorko

Lisätiedot

, tuottoprosentti r = X 1 X 0

, tuottoprosentti r = X 1 X 0 Ostat osakkeen hintaan ja myyt sen vuoden myöhemmin hintaan X 1. Kokonaistuotto on tällöin R = X 1, tuottoprosentti r = X 1 ja pätee R = 1 + r. Lyhyeksimyymisellä tarkoitetaan, että voit myydä osakkeen

Lisätiedot

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä

Lisätiedot

Mat-2.11 4 Investointiteoria. Tentti 6.9.2005. Mitd

Mat-2.11 4 Investointiteoria. Tentti 6.9.2005. Mitd .* Mat-2.11 4 Investointiteoria Tentti 6.9.2005 Ki{oita jokaiseen koepapcriin selveisti: o Mat-2.114 Investointiteoria o opintoki{'an numero sekii sukunimi ja viralliset etunimet tekstaten o koulutusohjelma

Lisätiedot

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P

r = r f + r M r f (Todistus kirjassa sivulla 177 tai luennon 6 kalvoissa sivulla 6.) yhtälöön saadaan ns. CAPM:n hinnoittelun peruskaava Q P Markkinaportfolio on koostuu kaikista markkinoilla olevista riskipitoisista sijoituskohteista siten, että sijoituskohteiden osuudet (so. painot) markkinaportfoliossa vastaavat kohteiden markkina-arvojen

Lisätiedot

Fuusio vai konkurssi? Hintakilpailun satoa

Fuusio vai konkurssi? Hintakilpailun satoa Fuusio vai konkurssi? Hintakilpailun satoa Pia Kemppainen-Kajola 02.04.2003 Optimointiopin seminaari - Syksy 2000 / 1 Johdanto Yrityskaupat ilmoitetaan kaupparekisteriin. Kauppa kiinnostaa kilpailuviranomaisia,

Lisätiedot

Black ja Scholes ilman Gaussia

Black ja Scholes ilman Gaussia Black ja Scholes ilman Gaussia Tommi Sottinen Vaasan yliopisto SMY:n vuosikokousesitelmä 19.3.2012 1 / 21 Johdanto Tarkastelemme johdannaisten, eli kansankielellä optioiden, hinnoittelua. Kuuluisin hinnoittelumalli

Lisätiedot

Hintakilpailu lyhyellä aikavälillä

Hintakilpailu lyhyellä aikavälillä Hintakilpailu lyhyellä aikavälillä Virpi Turkulainen 5.3.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Johdanto Bertrandin ristiriita ja sen lähestyminen Bertrandin ristiriita Lähestymistavat:

Lisätiedot

Lyhyen aikavälin hintakilpailu 2/2

Lyhyen aikavälin hintakilpailu 2/2 Lyhyen aikavälin hintakilpailu 2/2 Ilkka Männistö Esitelmä 10 - Ilkka Männistö Optimointiopin seminaari - Kevät 2003 / 1 Kilpailun aste Markkinahinta ei kerro mitään kilpailun asteesta jos kustannusrakennetta

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta

Rahoitusriskit ja johdannaiset Matti Estola. luento 8 Optioiden hinnoittelusta Rahoitusriskit ja johdannaiset Matti Estola luento 8 Optioiden hinnoittelusta 1. Optioiden erilaiset kohde-etuudet 1.1. Osakeoptiot Yksi optio antaa yleensä oikeuden ostaa/myydä 1 kpl kohdeetuutena olevia

Lisätiedot

Nyt ensimmäisenä periodina (ei makseta kuponkia) odotettu arvo on: 1 (qv (1, 1) + (1 q)v (0, 1)) V (s, T ) = C + F

Nyt ensimmäisenä periodina (ei makseta kuponkia) odotettu arvo on: 1 (qv (1, 1) + (1 q)v (0, 1)) V (s, T ) = C + F Mat-2.34 Investointiteoria Laskuharjoitus 2/2008, Ratkaisut 29.04.2008 Binomihilan avulla voidaan laskea T vuoden ja tietyn kupongin sisältävän joukkovelkakirjan arvo eli hinta rekursiivisesti vaihtelevan

Lisätiedot

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä

Lisätiedot

Ratkaisu: a) Koroton takaisinmaksuaika on 9000 = 7,5 vuotta. 1200 b) Kun vuosituotot pysyvät vakiona, korollinen takaisinmaksuaika määräytyy

Ratkaisu: a) Koroton takaisinmaksuaika on 9000 = 7,5 vuotta. 1200 b) Kun vuosituotot pysyvät vakiona, korollinen takaisinmaksuaika määräytyy Kotitehtävät 7. Aihepiirinä Investointi Ratkaisuehdotuksia 1. Investoinnin hankintameno on 9000 euroa ja siitä saadaan seuraavina vuosina vuosittain 1200 euron tulot. Määritä a) koroton takaisinmaksuaika

Lisätiedot

Voitonmaksimointi esimerkkejä, L9

Voitonmaksimointi esimerkkejä, L9 Voitonmaksimointi esimerkkejä, L9 (1) Yritys Valmistaa kuukaudessa q tuotetta. Kysyntäfunktio on p = 15 0, 05q ja kustannusfunktio on C(q) = 350 + 2q + 0, 05q 2. a) Yritys valmistaa nyt tuotteita kuukaudessa

Lisätiedot

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto

Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Probabilistiset mallit (osa 2) Matemaattisen mallinnuksen kurssi Kevät 2002, luento 10, osa 2 Jorma Merikoski Tampereen yliopisto Esimerkki Tarkastelemme ilmiötä I, joka on a) tiettyyn kauppaan tulee asiakkaita

Lisätiedot

Yhteistyötä sisältämätön peliteoria jatkuu

Yhteistyötä sisältämätön peliteoria jatkuu Yhteistyötä sisältämätön peliteoria jatkuu Tommi Lehtonen Optimointiopin seminaari - Syksy 2000 / 1 Bayesilainen tasapaino Täysi informaatio Vajaa informaatio Staattinen Nash Bayes Dynaaminen Täydellinen

Lisätiedot

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely)

Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely) Stokastinen optimointi taktisessa toimitusketjujen riskienhallinnassa (valmiin työn esittely) Esitelmöijä Olli Rentola päivämäärä 21.1.2013 Ohjaaja: TkL Anssi Käki Valvoja: Prof. Ahti Salo Työn saa tallentaa

Lisätiedot

2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre.

2. Viikko. CDH: luvut (s ). Matematiikka on fysiikan kieli ja differentiaaliyhtälöt sen yleisin murre. 2. Viikko Keskeiset asiat ja tavoitteet: 1. Peruskäsitteet: kertaluku, lineaarisuus, homogeenisuus. 2. Separoituvan diff. yhtälön ratkaisu, 3. Lineaarisen 1. kl yhtälön ratkaisu, CDH: luvut 19.1.-19.4.

Lisätiedot

3. Teoriaharjoitukset

3. Teoriaharjoitukset 3. Teoriaharjoitukset Demotehtävät 3.1 a Olkoot u ja v satunnaumuuttujia, joilla on seuraavat ominaisuudet: E(u = E(v = 0 Var(u = Var(v = σ 2 Cov(u, v = E(uv = 0 Näytä että deterministinen prosessi. x

Lisätiedot

Mat Investointiteoria Laskuharjoitus 1/2008, Ratkaisu Yleistä: Laskarit tiistaisin klo luokassa U352.

Mat Investointiteoria Laskuharjoitus 1/2008, Ratkaisu Yleistä: Laskarit tiistaisin klo luokassa U352. Yleistä: Laskarit tiistaisin klo 14-16 luokassa U352. Kysyttävää laskareista yms. jussi.kangaspunta@tkk. tai huone U230. Aluksi hieman teoriaa: Kassavirran x = (x 0, x 1,..., x n ) nykyarvo P x (r), kun

Lisätiedot

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja

= X s + IE[X t X s ] = 0, s ja sitä, että ehdollinen odotusarvo on tavallinen odotusarvo silloin, kun satunnaismuuttuja 44 E. VALKEILA 6. Geometrinen Brownin liike 6.1. Brownin liike ja Iton kaava. Tavoitteena on mallintaa osakkeen tuottoa jatkuvassa ajassa. Jos (S t ) t T on osakkeen hintaprosessi, niin tuotolla tarkoitetaan

Lisätiedot

LASKENTATOIMEN JA RAHOITUKSEN LUENTOJEN TEHTÄVÄT

LASKENTATOIMEN JA RAHOITUKSEN LUENTOJEN TEHTÄVÄT LASKENTATOIMEN JA RAHOITUKSEN LUENTOJEN TEHTÄVÄT 1. Yrityksen sidosryhmät 1. Mitä tarkoittaa yrityksen sidosryhmä? Luettele niin monta sidosryhmää kuin muistat. 2. Ketkä käyttävät ylintä päätösvaltaa osakeyhtiössä?

Lisätiedot

ln S(k) = ln S(0) + w(i) E[ln S(k)] = ln S(0) + vk V ar[ln S(k)] = kσ 2

ln S(k) = ln S(0) + w(i) E[ln S(k)] = ln S(0) + vk V ar[ln S(k)] = kσ 2 Moniperiodisten investointitehtäviä tarkasteltaessa sijoituskohteiden hintojen kehitystä mallinnetaan diskeetteinä (binomihilat) tai jatkuvina (Itô-prosessit) prosesseina. Sijoituskohteen hinta hetkellä

Lisätiedot

Siipikarjatilojen rakenteesta ja taloudesta

Siipikarjatilojen rakenteesta ja taloudesta Siipikarjatilojen rakenteesta ja taloudesta Timo Karhula Luonnonvarakeskus 25.10.2017 Rakennekehitys vuoteen 2030 Tuotantomäärät, tuottaja- ja kuluttajahinnat Maatalouden kokonaislaskenta Siipikarjatilojen

Lisätiedot

Siipikarjatilojen kannattavuus

Siipikarjatilojen kannattavuus Siipikarjatilojen kannattavuus Timo Karhula Luonnonvarakeskus Suomen Siipikarjaliiton vuosikokous- ja seminaaripäivä Tampereella 31.3.2016 Siipikarjasektori ja hallinnollinen taakka Tuotantomäärät, tuottaja-

Lisätiedot

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu

Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Luento 1: Optimointimallin muodostaminen; optimointitehtävien luokittelu Merkintöjä := vasen puoli määritellään oikean puolen lausekkeella s.e. ehdolla; siten että (engl. subject to, s.t.) on voimassa

Lisätiedot

Malliratkaisut Demo 1

Malliratkaisut Demo 1 Malliratkaisut Demo 1 1. Merkitään x = kuinka monta viikkoa odotetaan ennen kuin perunat nostetaan. Nyt maksimoitavaksi kohdefunktioksi tulee f(x) = (60 5x)(300 + 50x). Funktio f on alaspäin aukeava paraaeli,

Lisätiedot

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset

KANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun

Lisätiedot

[xk r k ] T Q[x k r k ] + u T k Ru k. }.

[xk r k ] T Q[x k r k ] + u T k Ru k. }. Mat-2.48 Dynaaminen optimointi Mitri Kitti/Ilkka Leppänen Mallivastaukset, kierros 3. Johdetaan lineaarisen aikainvariantin seurantatehtävän yleinen ratkaisu neliöllisellä kustannuksella. Systeemi: x k+

Lisätiedot

25.9.2008 klo 9-15. 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen.

25.9.2008 klo 9-15. 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen. SHV-tutkinto Vakavaraisuus 25.9.28 klo 9-15 1(5) 1. Selvitä vakuutustekniseen vastuuvelkaan liittyvät riskit ja niiltä suojautuminen. (1p) 2. Henkivakuutusyhtiö Huolekas harjoittaa vapaaehtoista henkivakuutustoimintaa

Lisätiedot

MATEMATIIKKA 5 VIIKKOTUNTIA

MATEMATIIKKA 5 VIIKKOTUNTIA EB-TUTKINTO 2008 MATEMATIIKKA 5 VIIKKOTUNTIA PÄIVÄMÄÄRÄ: 5. kesäkuuta 2008 (aamupäivä) KOKEEN KESTO: 4 tuntia (240 minuuttia) SALLITUT APUVÄLINEET: Europpa-koulun antama taulukkovihkonen Funktiolaskin,

Lisätiedot

Voitonmaksimointi, L5

Voitonmaksimointi, L5 , L5 Seuraavassa tullaan systemaattisesti käyttämään seuraavia merkintöjä q = tuotannon määrä (quantity) (kpl/kk) p = tuotteen hinta (price) (e/kpl) R(q) = tuotto (revenue) R(q) = pq MR(q) = rajatuotto

Lisätiedot

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa

Talousmatematiikan perusteet: Luento 17. Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Talousmatematiikan perusteet: Luento 17 Integraalin sovelluksia kassavirta-analyysissa Integraalin sovelluksia todennäköisyyslaskennassa Motivointi Kahdella edellisellä luennolla olemme oppineet integrointisääntöjä

Lisätiedot

Panoskysyntä. Luku 26. Marita Laukkanen. November 15, Marita Laukkanen Panoskysyntä November 15, / 18

Panoskysyntä. Luku 26. Marita Laukkanen. November 15, Marita Laukkanen Panoskysyntä November 15, / 18 Panoskysyntä Luku 26 Marita Laukkanen November 15, 2016 Marita Laukkanen Panoskysyntä November 15, 2016 1 / 18 Monopolin panoskysyntä Kun yritys määrittää voitot maksimoivia panosten määriä, se haluaa

Lisätiedot

1 MATEMAATTISIA VÄLINEITÄ TALOUSELÄMÄN ONGELMIIN Algebran perusteita 8 Potenssit Juuret 15 Tuntematon ja muuttuja 20 Lausekkeen käsittely 24

1 MATEMAATTISIA VÄLINEITÄ TALOUSELÄMÄN ONGELMIIN Algebran perusteita 8 Potenssit Juuret 15 Tuntematon ja muuttuja 20 Lausekkeen käsittely 24 SISÄLTÖ 1 MATEMAATTISIA VÄLINEITÄ TALOUSELÄMÄN ONGELMIIN 7 1.1 Algebran perusteita 8 Potenssit Juuret 15 Tuntematon ja muuttuja 20 Lausekkeen käsittely 24 1.2 Yhtälöitä 29 Epäyhtälö 30 Yhtälöpari 32 Toisen

Lisätiedot

Rajatuotto ja -kustannus, L7

Rajatuotto ja -kustannus, L7 ja -kustannus, L7 1 Kun yritys valmistaa tuotetta jaksossa määrän q (kpl/jakso), niin kassaan kertyvä tuotto on R(q) = p q = p(q) q. Esimerkki. Jos kysyntäfunktio on p = 20 0.1q, niin tuotto funktio on

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu

Rahoitusriskit ja johdannaiset Matti Estola. luento 10 Binomipuut ja optioiden hinnoittelu Rahoitsriskit ja johdannaiset Matti Estola lento 1 Binomipt ja optioiden hinnoittel 1. Optiohintojen mallintaminen Esimerkki. Oletetaan, että osakkeen spot -krssi on $ ja spot -krssilla 3 kk:n kltta on

Lisätiedot

Mat Dynaaminen optimointi, mallivastaukset, kierros 11

Mat Dynaaminen optimointi, mallivastaukset, kierros 11 Mat-.148 Dynaaminen optimointi, mallivastaukset, kierros 11 1. Olkoon tehtaan tuotanto x(t) ajan hetkellä t ja investoitava osuus tuotannosta u(t). Tehdasta kuvaa systeemiyhtälö ẋ(t) = u(t)x(t) x() = c

Lisätiedot

6 Variaatiolaskennan perusteet

6 Variaatiolaskennan perusteet 6 Variaatiolaskennan perusteet Sivut ss. 22 26 pääosin lähteen [Kirk, Ch. 4, ss. 107 127] pohjalta Variaatiolaskenta keskittyy lokaaliin analyysiin eli funktion lokaalin minimin vastineisiin funktionaaleilla.

Lisätiedot

Normaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa

Normaaliryhmä. Toisen kertaluvun normaaliryhmä on yleistä muotoa Normaaliryhmä Toisen kertaluvun normaaliryhmä on yleistä muotoa x = u(t,x,y), y t I, = v(t,x,y), Funktiot u = u(t,x,y), t I ja v = v(t,x,y), t I ovat tunnettuja Toisen kertaluvun normaaliryhmän ratkaisu

Lisätiedot

Konsernin laaja tuloslaskelma, IFRS

Konsernin laaja tuloslaskelma, IFRS Konsernin laaja tuloslaskelma, IFRS tuhatta euroa 1.1.-31.12.2010 1.1.-31.12.2009 Liikevaihto 9 862 6 920 Liiketoiminnan muut tuotot 4 3 Aineiden ja tarvikkeiden käyttö ( ) -557-508 Työsuhde-etuuksista

Lisätiedot

Moraalinen uhkapeli: laajennuksia ja sovelluksia

Moraalinen uhkapeli: laajennuksia ja sovelluksia Moraalinen uhkapeli: laajennuksia ja sovelluksia Sisältö Kysymysten asettelu Monen tehtävän malli Sovellusesimerkki: Vakuutus Sovellusesimerkki: Palkkion määrääminen Johtajan palkitseminen Moraalisen uhkapelin

Lisätiedot

BL20A1200 Tuuli- ja aurinkoenergiateknologia ja liiketoiminta

BL20A1200 Tuuli- ja aurinkoenergiateknologia ja liiketoiminta BL20A1200 Tuuli- ja aurinkoenergiateknologia ja liiketoiminta Tuulipuiston investointi ja rahoitus Tuulipuistoinvestoinnin tavoitteet ja perusteet Pitoajalta lasketun kassavirran pitää antaa sijoittajalle

Lisätiedot

DYNAAMISET SYSTEEMIT 1998

DYNAAMISET SYSTEEMIT 1998 1. harjoitus, viikko 3 1. Määritä seuraavien differentiaaliyhtälöiden tyyppi (kertaluku, lineaarinen eilineaarinen, jos lineaarinen, niin vakiokertoiminen ei-vakiokertoiminen): a) y + y - x 2 = 0 b) y

Lisätiedot

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely)

Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) Monte Carlo -menetelmä optioiden hinnoittelussa (valmiin työn esittely) 17.09.2015 Ohjaaja: TkT Eeva Vilkkumaa Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla verkkosivuilla.

Lisätiedot

1 Komparatiivinen statiikka ja implisiittifunktiolause

1 Komparatiivinen statiikka ja implisiittifunktiolause Taloustieteen matemaattiset menetelmät 27 materiaali 4 Komparatiivinen statiikka ja implisiittifunktiolause. Johdanto Jo opiskeltu antaa nyt valmiu tutkia taloudellisia malleja Kiinnostava malli voi olla

Lisätiedot

Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla

Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla Robust portfolio modeling (RPM) epätäydellisellä hintainformaatiolla ja projektiriippuvuuksilla Mat-2.4142 Optimointiopin seminaari kevät 2011 Lähde: Liesiö, J., Mild, P., Salo, A., 2008. Robust portfolio

Lisätiedot

1 Kertaus. Lineaarinen optimointitehtävä on muotoa:

1 Kertaus. Lineaarinen optimointitehtävä on muotoa: 1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n

Lisätiedot

Harjoitus 6: Symbolinen laskenta II (Mathematica)

Harjoitus 6: Symbolinen laskenta II (Mathematica) Harjoitus 6: Symbolinen laskenta II (Mathematica) SCI-C0200 Fysiikan ja matematiikan menetelmien studio SCI-C0200 Fysiikan ja matematiikan menetelmien studio 1 Harjoituksen aiheita Differentiaaliyhtälöiden

Lisätiedot

Harjoitus 6: Symbolinen laskenta II (Mathematica)

Harjoitus 6: Symbolinen laskenta II (Mathematica) Harjoitus 6: Symbolinen laskenta II (Mathematica) MS-C2107 Sovelletun matematiikan tietokonetyöt MS-C2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Differentiaaliyhtälöiden ja differentiaaliyhtälösysteemien

Lisätiedot

Häiriöteoriaa ja herkkyysanalyysiä. malleissa on usein pieniä/suuria parametreja. miten yksinkertaistetaan mallia kun parametri menee rajalle

Häiriöteoriaa ja herkkyysanalyysiä. malleissa on usein pieniä/suuria parametreja. miten yksinkertaistetaan mallia kun parametri menee rajalle Häiriöteoriaa ja herkkyysanalyysiä malleissa on usein pieniä/suuria parametreja miten yksinkertaistetaan mallia kun parametri menee rajalle jatkuvuus ja rajayhtälöt säännölliset ja epäsäännölliset häiriöt

Lisätiedot

SMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas Tampereen teknillinen yliopisto Elektroniikan laitos

SMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas Tampereen teknillinen yliopisto Elektroniikan laitos SMG-5250 Sähkömagneettinen yhteensopivuus (EMC) Jari Kangas jari.kangas@tut.fi Tampereen teknillinen yliopisto Elektroniikan laitos Sähkömagnetiikka 2009 1 1 Maxwellin & Kirchhoffin laeista Piirimallin

Lisätiedot

Jatkuvat satunnaismuuttujat

Jatkuvat satunnaismuuttujat Jatkuvat satunnaismuuttujat Satunnaismuuttuja on jatkuva jos se voi ainakin periaatteessa saada kaikkia mahdollisia reaalilukuarvoja ainakin tietyltä väliltä. Täytyy ymmärtää, että tällä ei ole mitään

Lisätiedot

1 UUSIUTUMATTOMAT LUONNONVARAT

1 UUSIUTUMATTOMAT LUONNONVARAT 1 UUSIUTUMATTOMAT LUONNONVARAT 1.1 Johdantoa optimiohjausteoriaan Kaikissa kurssilla esitetyissä malleissa oletetaan, että luonnonvaran tila (tilamuuttuja = state variable) muuttuu ajassa ennalta tiedetyllä

Lisätiedot

Mat-2.3114 Investointiteoria - Kotitehtävät

Mat-2.3114 Investointiteoria - Kotitehtävät Mat-2.3114 Investointiteoria - Kotitehtävät Kotitehtäviä on yhteensä kahdeksan ja ne ratkeavat tavallisilla taulukkolaskentaohjelmistoilla. Jokaisesta kotitehtävistä saa maksimissaan 5 pistettä: 4p/oikea

Lisätiedot

Yksikkökate tarkoittaa katetuottoa yhden tuotteen kohdalla. Tämä voidaan määrittää vain jos myytäviä tuotteita on vain yksi.

Yksikkökate tarkoittaa katetuottoa yhden tuotteen kohdalla. Tämä voidaan määrittää vain jos myytäviä tuotteita on vain yksi. KATETUOTTOLASKENTA laskennassa selvitetään onko liiketoiminta kannattavaa. Laskelmat tehdään liiketoiminnasta syntyvien kustannuksien ja tuottojen perusteella erilaisissa tilanteissa. laskennassa käytetään

Lisätiedot

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x

y (0) = 0 y h (x) = C 1 e 2x +C 2 e x e10x e 3 e8x dx + e x 1 3 e9x dx = e 2x 1 3 e8x 1 8 = 1 24 e10x 1 27 e10x = e 10x e10x BM0A5830 Differentiaaliyhtälöiden peruskurssi Harjoitus 4, Kevät 017 Päivityksiä: 1. Ratkaise differentiaaliyhtälöt 3y + 4y = 0 ja 3y + 4y = e x.. Ratkaise DY (a) 3y 9y + 6y = e 10x (b) Mikä on edellisen

Lisätiedot

Black-Scholes-optiohinnoittelumalli

Black-Scholes-optiohinnoittelumalli TAMPEREEN YLIOPISTO Pro gradu -tutkielma Jonne Kuittinen Black-Scholes-optiohinnoittelumalli Informaatiotieteiden yksikkö Matematiikka Elokuu 2012 Tampereen yliopisto Informaatiotieteiden yksikkö KUITTINEN,

Lisätiedot

OLVI OYJ PÖRSSITIEDOTE 4.11.2004 klo 09.00 1(4)

OLVI OYJ PÖRSSITIEDOTE 4.11.2004 klo 09.00 1(4) OLVI OYJ PÖRSSITIEDOTE 4.11.2004 klo 09.00 1(4) OLVI-KONSERNIN OSAVUOSIKATSAUS 1.1.- 30.9.2004 (9 KK) Konsernin liikevaihto kasvoi 16,0 % 99,90 (86,09) milj. euroon ja liikevoitto oli 7,83 (7,65) milj.

Lisätiedot

Prof. Marko Terviö Assist. Jan Jääskeläinen

Prof. Marko Terviö Assist. Jan Jääskeläinen Harjoitukset 3. 1. (a) Dismalandissa eri puolueiden arvostukset katusiivoukselle ovat Q A (P ) = 60 6P P A (Q) = 10 Q/6 Q B (P ) = 80 5P P B (Q) = 16 Q/5 Q C (P ) = 50 2P P C (Q) = 25 Q/2 Katusiivous on

Lisätiedot

Optioiden hinnoittelu binomihilassa

Optioiden hinnoittelu binomihilassa Mat-2.3114 Investointiteoria Optioien hinnoittel binomihilassa 26.3.2015 Yksiperioiset optiot 1/3 Olkoon S kohe-eten arvo perioin alssa siten, että perioin päättyessä sen arvo on S toennäköisyyellä p tai

Lisätiedot

12 Oligopoli ja monopolistinen kilpailu

12 Oligopoli ja monopolistinen kilpailu 12 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, 2nd ed., chs 16-17; Taloustieteen oppikirja, s. 87-90) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä

Lisätiedot

7. laskuharjoituskierros, vko 10, ratkaisut

7. laskuharjoituskierros, vko 10, ratkaisut 7. laskuharjoituskierros, vko 10, ratkaisut D1. a) Oletetaan, että satunnaismuuttujat X ja Y noudattavat kaksiulotteista normaalijakaumaa parametrein E(X) = 0, E(Y ) = 1, Var(X) = 1, Var(Y ) = 4 ja Cov(X,

Lisätiedot

Moniulotteisia todennäköisyysjakaumia

Moniulotteisia todennäköisyysjakaumia Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen

Lisätiedot

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen

Rahoitusriskit ja johdannaiset Matti Estola Luento 5. Termiinihinnan määräytyminen Rahoitusriskit ja johdannaist Matti Estola Lunto 5 rmiinihinnan määräytyminn 1. rmiinin ylinn hinnoittlukaava Mrkitään trmiinisopimuksn kohd-tuudn spot hintaa sopimuksn tkopäivänä S :lla, kohd-tuudn trmiinihintaa

Lisätiedot

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi. Algoritmien DP ja MF vertaileminen tapahtuu suoraviivaisesti kirjoittamalla kummankin leskimääräinen kustannus eksplisiittisesti todennäköisyyksien avulla. Lause T MF ave = 1 + 2 1 i

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle / MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,

Lisätiedot

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut

Insinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut Insinöörimatematiikka D, 406 6 laskuharjoituksien esimerkkiratkaisut Ratkaistaan differentiaaliyhtälö y = y () Tässä = d dy eli kyseessä on lineaarinen kertaluvun differentiaaliyhtälö: Yhtälön () homogenisoidulle

Lisätiedot

Uusien keksintöjen hyödyntäminen

Uusien keksintöjen hyödyntäminen Uusien keksintöjen hyödyntäminen Otso Ojanen 9.4.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Käyttöönoton viiveet Ulkoisvaikutukset ja standardointi Teknologiaodotusten koordinointimalli Lisensiointi

Lisätiedot

Tentissä saa olla mukana vain muistiinpanovälineet ja laskin. Laskut erilliselle konseptille, vastaus selkeästi näkyviin!!! Palauta tenttipaperi!!

Tentissä saa olla mukana vain muistiinpanovälineet ja laskin. Laskut erilliselle konseptille, vastaus selkeästi näkyviin!!! Palauta tenttipaperi!! 1 School of Business and Management Yliopisto-opettaja, Tiina Sinkkonen Opiskelijanumero ja nimi: CS31A0101 KUSTANNUSJOHTAMISEN PERUSKURSSI Tentti 01.02.2016 Tentissä saa olla mukana vain muistiinpanovälineet

Lisätiedot

Korko ja inflaatio. Makrotaloustiede 31C00200 Kevät 2016

Korko ja inflaatio. Makrotaloustiede 31C00200 Kevät 2016 Korko ja inflaatio Makrotaloustiede 31C00200 Kevät 2016 Sisältö Nimellis ja reaalikorot, Fisher yhtälö Lyhyt ja pitkä korko Rahapolitiikka ja korot Korko ja inflaatio Nimellinen korko i: 1 tänä vuonna

Lisätiedot

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1

Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio. TKK (c) Ilkka Mellin (2005) 1 Johdatus todennäköisyyslaskentaan Momenttiemäfunktio ja karakteristinen funktio TKK (c) Ilkka Mellin (5) 1 Momenttiemäfunktio ja karakteristinen funktio Momenttiemäfunktio Diskreettien jakaumien momenttiemäfunktioita

Lisätiedot

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on

a) 3500000 (1, 0735) 8 6172831, 68. b) Korkojaksoa vastaava nettokorkokanta on Kotitehtävät 4 Ratkaisuehdotukset. 1. Kuinka suureksi 3500000 euroa kasvaa 8 vuodessa, kun lähdevero on 30% ja vuotuinen korkokanta on 10, 5%, kun korko lisätään a) kerran vuodessa b) kuukausittain c)

Lisätiedot

Harjoitus 4: Matlab - Optimization Toolbox

Harjoitus 4: Matlab - Optimization Toolbox Harjoitus 4: Matlab - Optimization Toolbox Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Optimointimallin muodostaminen

Lisätiedot

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016

Osakesalkun optimointi. Anni Halkola Turun yliopisto 2016 Osakesalkun optimointi Anni Halkola Turun yliopisto 2016 Artikkeli Gleb Beliakov & Adil Bagirov (2006) Non-smooth optimization methods for computation of the Conditional Value-at-risk and portfolio optimization.

Lisätiedot

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina

1 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina Taloustieteen mat.menetelmät syksy27 materiaali II-2 Rajoitettu optimointi II - kustannusfunktio, Lagrangen kertoimet varjohintoina. Tuotanto Yritys valmistaa yhtä tuotetta n:stä tuotannontekijästä/panoksesta

Lisätiedot

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C =

4. Lasketaan transienttivirrat ja -jännitteet kuvan piiristä. Piirielimien arvot ovat C = BMA58 Funktiot, lineaarialgebra ja vektorit Harjoitus 6, Syksy 5. Olkoon [ 6 6 A =, B = 4 [ 3 4, C = 4 3 [ 5 Määritä matriisien A ja C ominaisarvot ja ominaisvektorit. Näytä lisäksi että matriisilla B

Lisätiedot

Viime kerralta Luento 9 Myyjän tulo ja kysynnän hintajousto

Viime kerralta Luento 9 Myyjän tulo ja kysynnän hintajousto Viime kerralta Luento 9 Markkinatasapaino Markkinakysyntä kysyntöjen aggregointi Horisontaalinen summaaminen Eri kuluttajien kysynnät eri hintatasoilla Huom! Kysyntöjen summaaminen käänteiskysyntänä Jousto

Lisätiedot

1 Sovelluksia. Sovelluksia 1

1 Sovelluksia. Sovelluksia 1 Sovelluksia 1 1 Sovelluksia 1.1 Tausta ja tärkeimpiä määritelmiä Kalvo 1 Aloitetaan tutustumaan luennolla tarkasteltaviin prosesseihin. Tarkempia selityksiä, esimerkiksi Brownin liikkestä, löytyy kertauksesta,

Lisätiedot

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2

min x x2 2 x 1 + x 2 1 = 0 (1) 2x1 1, h = f = 4x 2 2x1 + v = 0 4x 2 + v = 0 min x x3 2 x1 = ± v/3 = ±a x 2 = ± v/3 = ±a, a > 0 0 6x 2 TEKNILLINEN KORKEAKOULU Systeemianalyysin laboratorio Mat-39 Optimointioppi Kimmo Berg 6 harjoitus - ratkaisut min x + x x + x = () x f = 4x, h = x 4x + v = { { x + v = 4x + v = x = v/ x = v/4 () v/ v/4

Lisätiedot

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2,

MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy Millä reaaliluvun x arvoilla. 3 4 x 2, MATEMATIIKAN PERUSKURSSI I Harjoitustehtäviä syksy 6. Millä reaaliluvun arvoilla a) 9 =, b) + + + 4, e) 5?. Kirjoita Σ-merkkiä käyttäen summat 4, a) + 4 + 6 + +, b) 8 + 4 6 + + n n, c) + + +

Lisätiedot

1. Kuntosalilla on 8000 asiakasta, joilla kaikilla on sama salikäyntien kysyntä: q(p)= P, missä

1. Kuntosalilla on 8000 asiakasta, joilla kaikilla on sama salikäyntien kysyntä: q(p)= P, missä A31C00100 Mikrotaloustiede Kevät 2017 1. Kuntosalilla on 8000 asiakasta, joilla kaikilla on sama salikäyntien kysyntä: q(p)= 18 1.5P, missä q on käyntejä kuukaudessa keskimäärin. Yhden käyntikerran rajakustannus

Lisätiedot

12. Korkojohdannaiset

12. Korkojohdannaiset 2. Korkojohdannaiset. Lähtökohtia Korkojohdannaiset ovat arvopapereita, joiden tuotto riippuu korkojen kehityksestä. korot liittyvät lähes kaikkiin liiketoimiin korkojohdannaiset ovat tärkeitä. korkojohdannaisilla

Lisätiedot

PK-YRITYKSEN RAHOITUSINSTRUMENTTIEN SUUNNITTELU. KTT, DI TOIVO KOSKI elearning Community Ltd

PK-YRITYKSEN RAHOITUSINSTRUMENTTIEN SUUNNITTELU. KTT, DI TOIVO KOSKI elearning Community Ltd PK-YRITYKSEN RAHOITUSINSTRUMENTTIEN SUUNNITTELU KTT, DI TOIVO KOSKI elearning Community Ltd Yrityksen rahoituslähteet 1. Oman pääomanehtoinen rahoitus Tulorahoitus Osakepääoman korotukset 2. Vieraan pääomanehtoinen

Lisätiedot