Projektin arvon määritys
|
|
- Pia Hänninen
- 8 vuotta sitten
- Katselukertoja:
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 sivut 99-07 Optimointiopin seminaari - Syksy 000 / Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen
LisätiedotLisää 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
LisätiedotOPTIMAALINEN INVESTOINTIPÄÄTÖS
OPTIMAALINEN INESTOINTIPÄÄTÖS Keskiarvoon palautuvalle prosessille ja Poissonin hyppyprosessille Optimointiopin seminaari - Syksy 000 / 1 I. KESKIAROON PALAUTUA PROSESSI Investoinnin kohde-etuuden arvo
LisätiedotInvestointimahdollisuudet ja investoinnin ajoittaminen
Investointimahdollisuudet ja investoinnin ajoittaminen Ajoituksen ratkaisu dynaamisella optimoinnilla Optimointiopin seminaari - Syksy 000 / Esitelmän sisältö Investoinnin ajoitusongelman esittely Ongelman
LisätiedotInvestointimahdollisuudet 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
LisätiedotProjektin 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
LisätiedotJohdannaisanalyysi. 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
LisätiedotEsteet, 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
LisätiedotIto-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
LisätiedotWiener-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
LisätiedotInvestointimahdollisuudet ja investointien ajoittaminen
Investointimahdollisuudet ja investointien ajoittaminen Optimaalisen investointistrategian ominaispiirteitä eli parametrien vaikutus ratkaisuun Optimointiopin seminaari - Syksy 000 / Optimointiopin seminaari
LisätiedotInvestointistrategioista 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
LisätiedotJatkuvan 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
LisätiedotReaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla
Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien
LisätiedotPäätöspuut pitkän aikavälin investointilaskelmissa
Päätöspuut pitkän aikavälin investointilaskelmissa Optimointiopin seminaari, Jaakko Ollila. Parannusehdotus 4. Esimerkki : hystereesis investointipäätöksissä 1 -$ 0 Tavallinen päätöspuu Aika Laskut antavat
LisätiedotDiskreettiaikainen 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, 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
LisätiedotMat-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
LisätiedotOletetaan, 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
LisätiedotMat-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
Lisätiedotr = 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
LisätiedotFuusio 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,
LisätiedotBlack 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
LisätiedotMat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut
Projektien valintapäätöksiä voidaan pyrkiä tekemään esimerkiksi hyöty-kustannus-suhteen (so. tuottojen nykyarvo per kustannusten nykyarvo) tai nettonykyarvon (so. tuottojen nykyarvo - kustannusten nykyarvo)
LisätiedotHintakilpailu 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:
LisätiedotLyhyen 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
LisätiedotRahoitusriskit 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
LisätiedotNyt 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
LisätiedotHaitallinen 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
LisätiedotVoitonmaksimointi 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
LisätiedotProbabilistiset 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
LisätiedotRatkaisu: 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
LisätiedotYhteistyötä 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
LisätiedotStokastinen 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
Lisätiedot2. 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.
LisätiedotMatemaattinen Analyysi
Vaasan yliopisto, kevät 01 / ORMS1010 Matemaattinen Analyysi. harjoitus, viikko 1 R1 ke 1 16 D11 (..) R to 10 1 D11 (..) 1. Määritä funktion y(x) MacLaurinin sarjan kertoimet, kun y(0) = ja y (x) = (x
Lisätiedot3. 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
LisätiedotMat 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
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
LisätiedotLASKENTATOIMEN 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?
LisätiedotAjankohtaista energiatuista
Ajankohtaista energiatuista RAKLI Energiatehokkuuspäivä 29.5.2018 Markku Mäkelä, Business Finland Erkki Väisänen, Business Finland Kaikki energiatukihakemukset jätetään Innovaatiorahoituskeskus Business
LisätiedotSiipikarjatilojen rakenteesta ja taloudesta
Siipikarjatilojen rakenteesta ja taloudesta Timo Karhula Luonnonvarakeskus 25.10.2017 Rakennekehitys vuoteen 2030 Tuotantomäärät, tuottaja- ja kuluttajahinnat Maatalouden kokonaislaskenta Siipikarjatilojen
LisätiedotSiipikarjatilojen kannattavuus
Siipikarjatilojen kannattavuus Timo Karhula Luonnonvarakeskus Suomen Siipikarjaliiton vuosikokous- ja seminaaripäivä Tampereella 31.3.2016 Siipikarjasektori ja hallinnollinen taakka Tuotantomäärät, tuottaja-
Lisätiedotln 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
LisätiedotLuento 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
LisätiedotTehtäväsarja I Tehtävät 1-5 perustuvat monisteen kappaleisiin ja tehtävä 6 kappaleeseen 2.8.
HY, MTO / Matemaattisten tieteiden kandiohjelma Todennäköisyyslaskenta IIa, syksy 8 Harjoitus Ratkaisuehdotuksia Tehtäväsarja I Tehtävät -5 perustuvat monisteen kappaleisiin..7 ja tehtävä 6 kappaleeseen.8..
Lisätiedot[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+
LisätiedotKANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset
KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun
LisätiedotMalliratkaisut 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,
Lisätiedot25.9.2008 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
LisätiedotMATEMATIIKKA 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,
LisätiedotVoitonmaksimointi, 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
LisätiedotPanoskysyntä. 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
Lisätiedot1 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(b) Tunnista a-kohdassa saadusta riippuvuudesta virtausmekaniikassa yleisesti käytössä olevat dimensiottomat parametrit.
Tehtävä 1 Oletetaan, että ruiskutussuuttimen nestepisaroiden halkaisija d riippuu suuttimen halkaisijasta D, suihkun nopeudesta V sekä nesteen tiheydestä ρ, viskositeetista µ ja pintajännityksestä σ. (a)
LisätiedotRahoitusriskit 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
LisätiedotRajatuotto 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
LisätiedotMat 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
Lisätiedot6 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.
LisätiedotNormaaliryhmä. 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
LisätiedotKonsernin 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
LisätiedotMoraalinen uhkapeli: laajennuksia ja sovelluksia
Moraalinen uhkapeli: laajennuksia ja sovelluksia Sisältö Kysymysten asettelu Monen tehtävän malli Sovellusesimerkki: Vakuutus Sovellusesimerkki: Palkkion määrääminen Johtajan palkitseminen Moraalisen uhkapelin
LisätiedotDYNAAMISET 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
LisätiedotBL20A1200 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
LisätiedotMonte 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.
Lisätiedot1 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
LisätiedotRobust 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
LisätiedotLuentorunko 9: Lyhyen aikavälin makrotasapaino, IS-TR-malli
Luentorunko 9: Lyhyen aikavälin makrotasapaino, Niku, Aalto-yliopisto ja Etla Makrotaloustiede 31C00200, Talvi 2018 Luentorunko 9: Lyhyen aikavälin makrotasapaino, Johdanto Kysyntä ja IS-käyrä Lyhyen aikavälin
Lisätiedot1 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
LisätiedotHäiriöteoriaa 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
LisätiedotHarjoitus 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
LisätiedotHarjoitus 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
LisätiedotTalousmatematiikan 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
LisätiedotJatkuvat 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
Lisätiedot1 UUSIUTUMATTOMAT LUONNONVARAT
1 UUSIUTUMATTOMAT LUONNONVARAT 1.1 Johdantoa optimiohjausteoriaan Kaikissa kurssilla esitetyissä malleissa oletetaan, että luonnonvaran tila (tilamuuttuja = state variable) muuttuu ajassa ennalta tiedetyllä
LisätiedotSMG-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
LisätiedotMat-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
LisätiedotYksikkökate 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
LisätiedotProf. 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
Lisätiedoty (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
LisätiedotBlack-Scholes-optiohinnoittelumalli
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Jonne Kuittinen Black-Scholes-optiohinnoittelumalli Informaatiotieteiden yksikkö Matematiikka Elokuu 2012 Tampereen yliopisto Informaatiotieteiden yksikkö KUITTINEN,
LisätiedotOLVI 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.
Lisätiedotb) Jos Ville kaataisikin karkit samaan pussiin ja valitsisi sieltä sattumanvaraisen karkin, niin millä todennäköisyydellä hän saisi merkkarin?
MAA1-harjoituskoe RATKAISUT 1. Villellä on kaksi karkkipussia. Ensimmäisessä pussissa on 3 salmiakkiufoa, 2 merkkaria ja 5 liitulakua. Toisessa pussissa on 5 merkkaria, 3 liitulakua ja 4 hedelmäkarkkia.
Lisätiedot12 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
LisätiedotOptioiden 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
Lisätiedot7. 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,
Lisätiedot1 + 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
LisätiedotMoniulotteisia todennäköisyysjakaumia
Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia TKK (c) Ilkka Mellin (007) 1 Moniulotteisia todennäköisyysjakaumia >> Multinomijakauma Kaksiulotteinen
LisätiedotUusien keksintöjen hyödyntäminen
Uusien keksintöjen hyödyntäminen Otso Ojanen 9.4.2003 Optimointiopin seminaari - Kevät 2003 / 1 Sisältö Käyttöönoton viiveet Ulkoisvaikutukset ja standardointi Teknologiaodotusten koordinointimalli Lisensiointi
LisätiedotRahoitusriskit 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
LisätiedotDifferentiaali- 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,
LisätiedotKorko 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
LisätiedotInsinöörimatematiikka D, laskuharjoituksien esimerkkiratkaisut
Insinöörimatematiikka D, 406 6 laskuharjoituksien esimerkkiratkaisut Ratkaistaan differentiaaliyhtälö y = y () Tässä = d dy eli kyseessä on lineaarinen kertaluvun differentiaaliyhtälö: Yhtälön () homogenisoidulle
LisätiedotTentissä 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
Lisätiedotx 4 e 2x dx Γ(r) = x r 1 e x dx (1)
HY / Matematiikan ja tilastotieteen laitos Todennäköisyyslaskenta IIA, syksy 217 217 Harjoitus 6 Ratkaisuehdotuksia Tehtäväsarja I 1. Laske numeeriset arvot seuraaville integraaleille: x 4 e 2x dx ja 1
LisätiedotJohdatus 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
LisätiedotHarjoitus 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
Lisätiedota) 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)
LisätiedotOsakesalkun 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.
Lisätiedot1 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