Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C.
|
|
- Ari-Pekka Aaltonen
- 9 vuotta sitten
- Katselukertoja:
Transkriptio
1 Luku 1 Johdatteleva esimerkki Herra K. tarjoaa osto-option Aloitamme yksinkertaisella leluesimerkillä. Tarkastelemme yhtä osaketta S. Oletamme että tänään, hetkellä t = 0, osakkeen hinta on S 0 = 100=C. Huomisaamulla, hetkellä t = 1, kohtalon jumalatar Lady Fortuna arpoo satunnaisen alkion joukosta Ω = { alas, ylös } = {0, 1} todennäköisyyksin 90% ja 10%. Hetkellä t = 1 osakkeen S hinta on satunnaismuuttuja ω S 1 (ω). Jos ω = 1, niin osakkeen hinta on 200=C. Jos ω = 0, niin sen hinta on 90=C. Kuvallisesti tilanne on seuraava: S 0 = 100=C S 1 (ω) S 1 (1) = 200=C tn:llä 90% S 1 (0) = 90=C tn:llä 10% Tarkastelemme nyt osakkeeseen S liittyvää osto-optiota (engl. calloption).
2 Luku 1 Johdatteleva esimerkki 3 Herra K. tarjoaa meille sopimusta, joka oikeuttaa meidät ostamaan osakkeen S hetkellä t = 1 tämän päivän hinnalla 100=C. Jos osakkeen hinta on huomenna suurempi kuin tänään, eli S 1 = 200=C, niin voimme käyttää optiomme ja myydä osakkeen välittömästi markkinoilla. Olemme tällöin tehneet voittoa 200=C 100=C = 100=C. Jos taas osakkeen hinta on huomenna 90=C, niin optiomme on arvoton. Yleisesti optiomme arvo hetkellä t = 1 on siis (S 1 100=C) + := max (S 1 100=C, 0=C). Emme siis voi hävitä ottamalla option vastaan. Herra K. sen sijaan voi hävitä. Jos nimittäin S 1 = 200=C, niin herra K:n tappio on 100=C. Siten herra K. ei luonnollisestikaan tarjoa optiosopimusta ilmaiseksi. Kysymys onkin nyt kuinka paljon herra K. voi vaatia sopimuksesta. Tai yhtä hyvin kuinka paljon me olemme valmiita maksamaan tästä ostooptiosta. Uskottavalta tuntuva vastaus tulee niin sanotun odotusarvoperiaatteen nojalla. Koska voitamme 100=C todennäköisyydellä 90% ja 0=C todennäköisyydellä 10%, niin tuntuisi luonnolliselta maksaa sopimuksesta c op = E [ (S 1 100=C) +] = 100=C 90% + 0=C 10% = 90=C. Tarkastelemme nyt tilannetta herra K:n kannalta. Herra K. on myynyt meille osto-option (S 1 100=C) + ja me olemme maksaneet siitä herra K:lle c op = 90=C. Herra K. ottaa nyt pankista lainaa 10=C ja ostaa yhden osakkeen S. Jos hetkellä t = 1 osakkeen hinta on laskenut eli S 1 = 90=C, niin optiomme on arvoton ja herra K. voi myydä osakkeensa hintaan 90=C. Maksettuaan 10=C velkansa pankkiin herra K:lle jää voittoa 90=C 10=C = 80=C. Herra K. on iloinen. Jos taas osakkeen hinta nousee, niin lunastamme optiomme. Herra K. siis luopuu osakkeestaan hinnalla 100=C. Maksettuaan velkansa pankkiin herra K:lle jää voittoa 100=C 10=C = 90=C. Herra K. on iloinen. Tapahtui siis mitä tahansa herra K. on saanut voittoa vähintään 80=C. Herra K. on siis saanut ilman mitään pääomaa täysin riskittömästi voittoa.
3 Luku 1 Johdatteleva esimerkki Huomautus. Tilannetta jossa voi ilman pääomaa saada riskitöntä voittoa kutsutaan arbitraasiksimahdollisuudeksi. Edellisen perusteella on selvää, että odotusarvoperiaatteen antama hinta c op on liian korkea. Erityisesti se ei voi olla osto-option todellinen hinta markkinoilla ainakaan kovin pitkään, sillä lopulta kaikki haluaisivat arbitraasin toivossa myydä osto-optioita eikä kukaan haluasi ostaa niitä. Niinpä kysynnän ja tarjonnan laki laskee osto-option hintaa lopulta. Tarkastelemme nyt tilannetta tasapainoiselta kannalta. Johdamme osto-option (S 1 100=C) + hinnan niin sanotun suojausperiaatteen nojalla. Oletamme, että osto-optiolla on jokin hinta c. Herra K. sijoittaa saamansa pääoman c osakkeeseen S ja jonkin verran hän laittaa pankkiin, tai mahdollisesti ottaa lainaa. Olkoon β pankkitalletuksen lukumäärä ja γ osakkeinen lukumäärä. Koska herra K:n alkupääoma on osto-option myynnistä saatu c, niin c = β=c + γs 0 Hetkellä t = 1 herra K. haluaa suojata (engl. hedge) osto-option. Toisin sanoen hän haluaa, että hänen varallisuutensa hetkellä t = 1 on juuri saman arvoinen kuin osto-optio. Siis (1.2) β=c + γs 1 (ω) = (S 1 (ω) 100=C) +. Koska mahdollisia maailmantiloja on kaksi, 1 ja 0, niin ehto (1.2) redusoituu yhtälöpariksi β=c + γ 200=C = 100=C, β=c + γ 90=C = 0=C. Tämä kahden muuttujan yhtälöpari on helppo ratkaista (ja ratkaisu on tunnetusti yksikäsitteinen). Saamme β = 90 11, γ =
4 Luku 1 Johdatteleva esimerkki 5 Siten siis herra K. pystyy suojaamaan osto-option jos ja vain jos hänen saamansa alkupääoma riittää ostamaan parin (β, γ) eli c c sp := = C =C = 81, 91=C. Edellisen perusteella herra K. suostuu siis myymään osto-option millä tahansa hinnalla c c sp, koska tällöin hänelle ei tule tappiota tulevaisuudessa kävi osakkeen hinnalle mitä tahansa. Toisaalta meidän ei kannata maksaa osto-optiosta enemäpää kuin c sp, koska hinnalla c sp voimme toistaa (engl. replicate) osto-option samalla tavalla kuin herra K. Olemme siis päätyneet siihen, että osto-option (S 1 100=C) + oikea tai tasapuolinen hinta on c sp = 81, 91=C. 1.3 Huomautus. Suojaushinta c sp on täysin riippumaton maailmantilojen 1 = ylös ja 0 = alas, eli tapahtumien {S 1 = 200=C} ja {S 1 = 90=C}, todennäköisyyksistä. 1.4 Huomautus. Tästä eteenpäin emme jaksa kirjoitella =C-merkkejä. Yhden osakkeen ja kahden tilan koroton malli Yleisesti edellä kuvattu kahden tilan ja yhden osakkeen (koroton) malli on seuraava: S 0 > 0 on osakkeen hinta tänään, joka on deterministinen. Huominen hinta S 1 on satunnaismuuttuja todennäköisyysavaruudelta (Ω, F, P), missä Ω = { alas, ylös } = {0, 1}, σ-algebra F sisältää kaikki Ω:n osajoukot ja todennäköisyysmitta P määräytyy luvusta p (0, 1) siten, että P({1}) = p, P({0}) = 1 p.
5 Luku 1 Johdatteleva esimerkki 6 Kuvallisesti osakkeen S kehitys on seuraava S 0 S 1 (ω) S 1 (1) = S 0 (1 + u) tn:llä p S 1 (0) = S 0 (1 + d) tn:llä 1 p, missä d = alas < 0 < u = ylös. Toisin sanoen osakkeen S suhteellinen muutos eli tuotto (engl. return) R 1 := S 1 S 0 := S 1 S 0 S 0 saa arvot d ja u maailmantiloissa alas ja ylös. Seuraava väite antaa yleisen osto-option (S 1 K) +, joka siis antaa oikeuden ostaa osakkeen S huomenna hinnalla K, suojaushinnan tässä mallissa. 1.5 Väite. Olkoon S 0 (1 + d) < K < S 0 (1 + u). Osto-option (S 1 K) + tasapuolinen hinta yhden askeleen ja kahden tilan mallissa on (1.6) c sp = Todistus. Harjoitustehtävä. d ( ) (1 + u)s 0 K. u d 1.7 Huomautus. Mikäli d = u = 0, niin malli on tylsä. Jos taas d > 0 niin malli on hinnoittelun kannalta hassu. Nimittäin tällöin kaavan (1.6) antama hinta on negatiivinen. Syy tähän on se, että nyt mallissa on arbitraasia.
eli optioiden hinnoittelun ja toistamisen taito tai oppi optioiden oikeasta hinnasta Tommi Sottinen
Rahoitust=Coria eli optioiden hinnoittelun ja toistamisen taito tai oppi optioiden oikeasta hinnasta Tommi Sottinen tommi.sottinen@helsinki.fi mathstat.helsinki.fi/ tsottine 18. huhtikuuta 26 Sisältö I
Lisätiedot) + T (r + ) + T (r. ) Ke rt Φ( log( s σ2. (1.1) sφ( log( s σ2 2 E. VALKEILA 2 )
2 E. VALKEILA 1. Johdanto 1.1. Käytännöt. Kurssin kotisivu löytyy osoitteesta http://www.math.hut.fi/teaching/rahoitus/ Kurssi suoritetaan kahdella välikokeella; luennot ja seuraavan viikon harjoitustehtävät
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
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
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 3 Ratkaisuehdotuksia 1. (a) Päätöspuu on matala, jos mitään sattumasolmua ei välittömästi seuraa sattumasolmu eikä mitään päätössolmua
LisätiedotOPTIOT Vipua ja suojausta - mutta mitä se maksaa? Remburssi Investment Group 23.5.2000
OPTIOT Vipua ja suojausta - mutta mitä se maksaa? Remburssi Investment Group 23.5.2000 MARKKINAKATSAUS AGENDA Lyhyt johdanto optioihin Näkemysesimerkki 1: kuinka tehdä voittoa kurssien laskiessa Näkemysesimerkki
LisätiedotRahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola
Rahoitusriskit ja johdannaiset Luentokurssi kevät 2011 Lehtori Matti Estola Itä-Suomen yliopisto, Yhteiskunta- ja Kauppatieteiden tiedekunta, Oikeustieteiden laitos, kansantaloustiede Luennot 22 t, harjoitukset
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta:
RMS22 Päätöksenteko epävarmuuden vallitessa Syksy 28 Harjoitus 8 Ratkaisuehdotuksia Tehtävissä 1, 2, ja 3 tarkastelemme seuraavaa tilannetta: Pankki harkitsee myöntääkö 5. euron lainan asiakkaalle 12%
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008. päätöspuiden avulla tarkastellaan vasta seuraavissa harjoituksissa.
ORMS00 Päätöksenteko epävarmuuden vallitessa Syksy 008 Harjoitus Ratkaisuehdotuksia Nämä harjoitukset liittyvät päätöspuiden rakentamiseen: varsinaista päätöksentekoa päätöspuiden avulla tarkastellaan
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2010 Harjoitus 5 (Koetentti)
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 200 Harjoitus 5 (Koetentti) Ratkaisuehdotuksia. Öljy-Yhtiö Oy on tehnyt herra K.:n maapalasta ostotarjouksen 200kC. Herra K. voi joko myydä maapalan
LisätiedotLuento 9. June 2, Luento 9
June 2, 2016 Otetaan lähtökohdaksi, että sopimuksilla ei voida kattaa kaikkia kontingensseja/maailmantiloja. Yksi kiinnostava tapaus on sellainen, että jotkut kontingenssit ovat havaittavissa sopimusosapuolille,
LisätiedotArvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Päätöksentekijä on riskipakoinen, jos hyötyfunktio on konkaavi. a(x) = U (x) U (x)
Arvo (engl. value) = varmaan attribuutin tulemaan liittyvä arvo. Hyöty (engl. utility) = arvo, jonka koemme riskitilanteessa eli, kun teemme päätöksiä epävarmuuden (todennäköisyyksien) vallitessa. Vrt.
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
LisätiedotValuuttariskit ja johdannaiset
Valuuttariskit ja johdannaiset Matti Estola Itä-Suomen yliopisto, Yhteiskunta- ja Kauppatieteiden tiedekunta, Sosiaali- ja terveysjohtamisen laitos, kansantaloustiede Lähde: Hull, Options, Futures, & Other
LisätiedotReaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla
Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla Optimointiopin seminaari - Syksy 2000 / 1 Esitelmän sisältö Investointien peruuttamattomuuden vaikutus investointipäätökseen Investointimahdollisuuksien
LisätiedotMat-2.3114 Investointiteoria Laskuharjoitus 3/2008, Ratkaisut 05.02.2008
Korko riippuu usein laina-ajan pituudesta ja pitkille talletuksille maksetaan korkeampaa korkoa. Spot-korko s t on se korko, joka kertyy lainatulle pääomalle hetkeen t (=kokonaisluku) mennessä. Spot-korot
LisätiedotInversio-ongelmien laskennallinen peruskurssi Luento 7
Inversio-ongelmien laskennallinen peruskurssi Luento 7 Kevät 2012 1 Tilastolliset inversio-ongelmat Tilastollinen ionversio perustuu seuraaviin periaatteisiin: 1. Kaikki mallissa olevat muuttujat mallinnetaan
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..
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
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 Harjoitus 4 Ratkaisuehdotuksia 1. Olkoon herra K.:n hyötyfunktio u(x) = ln x. (a) Onko herra K. riskinkaihtaja, riskinrakastaja vai riskineutraali?
LisätiedotPääsykoe 2001/Ratkaisut Hallinto
Pääsykoe 2001/Ratkaisut Hallinto 1. Osio 3/Tosi; Organisaatiokenttää ei mainita (s.35). 2. Osiot 1 ja 2/Epätosia; Puppua. Osio 3/Lähellä oikeata kuvion 2.1 mukaan (s.30). Osio 4/Tosi (sivun 30 tekstin
LisätiedotVastaus: Aikuistenlippuja myytiin 61 kappaletta ja lastenlippuja 117 kappaletta.
Seuraava esimerkki on yhtälöparin sovellus tyypillisimmillään Lukion ekaluokat suunnittelevat luokkaretkeä Sitä varten tarvitaan tietysti rahaa ja siksi oppilaat järjestävät koko perheen hipat Hippoihin
LisätiedotSuojaa ja tuottoa laskevilla markkinoilla. Johannes Ankelo Arvopaperi Aamuseminaari
Suojaa ja tuottoa laskevilla markkinoilla Commerzbank AG Saksan toiseksi suurin pankki Euroopan johtavia strukturoitujen tuotteiden liikkeellelaskijoita Yli 50 erilaista tuotetyyppiä listattuna Saksan
Lisätiedot1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 3 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan muun muassa kahden joukon osoittamista samaksi sekä joukon
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
LisätiedotRahoitusriskit ja johdannaiset Matti Estola. luento 2 Termiini- ja futuurihintojen määräytyminen
Rahoitusriskit ja johdannaiset Matti Estola luento 2 ermiini- ja futuurihintojen määräytyminen 1. ermiinien hinnoittelusta Esimerkki 1 Olkoon kullan spot -hinta $ 300 unssilta, riskitön korko 5 % vuodessa
Lisätiedot(b) Tarkista integroimalla, että kyseessä on todella tiheysfunktio.
Todennäköisyyslaskenta I, kesä 7 Harjoitus 4 Ratkaisuehdotuksia. Satunnaismuuttujalla X on ns. kaksipuolinen eksponenttijakauma eli Laplacen jakauma: sen tiheysfunktio on fx = e x. a Piirrä tiheysfunktio.
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 5 2.2.28 Tehtävä a) Tehtävä voidaan sieventää muotoon max 5x + 9x 2 + x 3 s. t. 2x + x 2 + x 3 x 3 x 2 3 x 3 3 x, x 2, x 3 Tämä on tehtävän kanoninen muoto, n = 3 ja m =. b) Otetaan
LisätiedotVihaaja. Itsenäinen ajattelija
Arvometallit 2012 Intoilija Vihaaja Itsenäinen ajattelija Mitä raha oikeastaan on? Käytännössä kaikki raha on VELKAA Keskuspankin tärkein tavoite on määrätä nopeutta, jolla RAHAN ARVO TUHOUTUU Pankki
LisätiedotLuentorunko 4: Intertemporaaliset valinnat
Niku, Aalto-yliopisto ja Etla Makrotaloustiede 31C00200, Talvi 2018 Johdanto Tarkastellaan tarkemmin säästämiseen ja investoimiseen liittyviä intertemporaalisia valintoja ja rajoitteita. Reaalikorko. Yksityisen
LisätiedotBlack Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat
Black Scholes-hinnoittelumallin robustisuus ja tyylitellyt tosiseikat Tommi Sottinen, Helsingin yliopisto Yhteistyössä C. Bender, TU Braunschweig E. Valkeila, Teknillinen korkeakoulu 10. lokakuuta 2006
LisätiedotJoukot. Georg Cantor ( )
Joukot Matematiikassa on pyrkimys määritellä monimutkaiset asiat täsmällisesti yksinkertaisempien asioiden avulla. Tarvitaan jokin lähtökohta, muutama yleisesti hyväksytty ja ymmärretty käsite, joista
LisätiedotJäännösluokat. Alkupala Aiemmin on tullut sana jäännösluokka vastaan. Tarkastellaan
Jäännösluokat LUKUTEORIA JA TODIS- TAMINEN, MAA Alkupala Aiemmin on tullut sana jäännösluokka vastaan. Tarkastellaan lukujoukkoja 3k k Z =, 6, 3, 0, 3, 6, 3k + k Z =,,,,, 7, 3k + k Z =,,,,, 8, Osoita,
LisätiedotTutkimustiedonhallinnan peruskurssi
Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,
LisätiedotJohdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
LisätiedotHarjoitus 7: vastausvihjeet
Taloustieteen matemaattiset menetelmät 31C01100 Kevät 2017 Topi Hokkanen topi.hokkanen@aalto.fi Harjoitus 7: vastausvihjeet 1. (Epäyhtälörajoitteet) Olkoon f (x, y) = 6x + 4y ja g (x, y) = x 2 + y 2 2.
LisätiedotYhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.
2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2
Lisätiedot0. 10. 017 a b c d 1. + +. + +. + + 4. + + + 5. + 6. + P1. Lehtipuiden lukumäärä olkoon aluksi n, jolloin havupuiden määrä on 1,4n. Hakkuiden jälkeen lehtipuiden määrä putoaa lukuun n 0,1n = 0,88n ja havupuiden
LisätiedotTuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta
Tuloperiaate Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta ja 1. vaiheessa valinta voidaan tehdä n 1 tavalla,. vaiheessa valinta voidaan tehdä n tavalla,
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
LisätiedotMuodolliset kieliopit
Muodolliset kieliopit Luonnollisen kielen lauseenmuodostuksessa esiintyy luonnollisia säännönmukaisuuksia. Esimerkiksi, on jokseenkin mielekästä väittää, että luonnollisen kielen lauseet koostuvat nk.
LisätiedotMiten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }?
Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus
Lisätiedot8. Vertailuperiaatteita ja johdannaisia
8. Vertailuperiaatteita ja johdannaisia 1. Hyötyfunktio Nykyarvo ei mittaa riskiasennetta, joka vaikuttaa valintakäyttäytymiseen (minkä investointivaihtoehdon valitset?). Esim. Kumpi seuraavista vaihtoehdoista
LisätiedotVastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.
Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan
LisätiedotTässä keskitymme palveluiden kehittämiseen ja niistä viestimiseen jotta osaaminen olisi nähtävissä tuotteena. Aluksi jako neljään.
28.12.2007 HN Palvelun tuotteistaminen, palvelutuote Miksi on oltava tuote? Jotta olisi jotain myytävää! Voiko osaaminen olla tuote? Tässä keskitymme palveluiden kehittämiseen ja niistä viestimiseen jotta
LisätiedotIlkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Kertymäfunktio. TKK (c) Ilkka Mellin (2007) 1
Ilkka Mellin Todennäköisyyslaskenta Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat Kertymäfunktio TKK (c) Ilkka Mellin (2007) 1 Kertymäfunktio >> Kertymäfunktio: Määritelmä Diskreettien jakaumien
LisätiedotKorkolasku ja diskonttaus, L6
Korkolasku ja diskonttaus, L6 1 Merkinnät Tarkastellaan tilannetta, jossa pääomalle maksetaan korkoa. Tulemme seuraavassa systemaattisesti käyttämään seuraavia merkintöjä K 0 = alkupääoma p = korkoprosentti
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
LisätiedotTodellinen prosentti
Todellinen prosentti Kaksi ajankohtaista esimerkkiä talousmatematiikasta ja todellisuudesta Tommi Sottinen Vaasan yliopisto 9. lokakuuta 2010 MAOL ry:n syyspäivät 8.-10.10.2010, Vantaa 1 / 16 Tiivistelmä
LisätiedotMatematiikan tukikurssi, kurssikerta 1
Matematiikan tukikurssi, kurssikerta 1 1 Joukko-oppia Matematiikassa joukko on mikä tahansa kokoelma objekteja. Esimerkiksi joukkoa A, jonka jäseniä ovat numerot 1, 2 ja 5 merkitään A = {1, 2, 5}. Joukon
LisätiedotHanken Svenska handelshögskolan / Hanken School of Economics www.hanken.fi
Sijoittajan sanastoa Pörssisäätiön sijoituskoulu VERO 2014 Prof. Minna Martikainen Hanken School of Economics, Finland Sijoitusmaailman termistö ja logiikka, omat toimet ja näin luen. SIJOITUSMAAILMAN
LisätiedotKuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion.
Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Vastaavuus puolestaan on erikoistapaus relaatiosta.
Lisätiedot1 Lineaariavaruus eli Vektoriavaruus
1 Lineaariavaruus eli Vektoriavaruus 1.1 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä V epätyhjä joukko. Oletetaan, että joukossa V on määritelty laskutoimitus
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
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
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
LisätiedotLineaariavaruudet. Span. Sisätulo. Normi. Matriisinormit. Matriisinormit. aiheita. Aiheet. Reaalinen lineaariavaruus. Span. Sisätulo.
Lineaariavaruudet aiheita 1 määritelmä Nelikko (L, R, +, ) on reaalinen (eli reaalinen vektoriavaruus), jos yhteenlasku L L L, ( u, v) a + b ja reaaliluvulla kertominen R L L, (λ, u) λ u toteuttavat seuraavat
Lisätiedot802320A LINEAARIALGEBRA OSA I
802320A LINEAARIALGEBRA OSA I Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 72 Määritelmä ja esimerkkejä Olkoon K kunta, jonka nolla-alkio on 0 ja ykkösalkio on 1 sekä
Lisätiedot2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)
Approbatur 3, demo, ratkaisut Sovitaan, että 0 ei ole luonnollinen luku. Tällöin oletusta n 0 ei tarvitse toistaa alla olevissa ratkaisuissa. Se, pidetäänkö nollaa luonnollisena lukuna vai ei, vaihtelee
Lisätiedot7 Vapaus. 7.1 Vapauden määritelmä
7 Vapaus Kuten edellisen luvun lopussa mainittiin, seuraavaksi pyritään ratkaisemaan, onko annetussa aliavaruuden virittäjäjoukossa tarpeettomia vektoreita Jos tällaisia ei ole, virittäjäjoukkoa kutsutaan
LisätiedotSUBSTANTIIVIT 1/6. juttu. joukkue. vaali. kaupunki. syy. alku. kokous. asukas. tapaus. kysymys. lapsi. kauppa. pankki. miljoona. keskiviikko.
SUBSTANTIIVIT 1/6 juttu joukkue vaali kaupunki syy alku kokous asukas tapaus kysymys lapsi kauppa pankki miljoona keskiviikko käsi loppu pelaaja voitto pääministeri päivä tutkimus äiti kirja SUBSTANTIIVIT
LisätiedotMS-A0004/A0006 Matriisilaskenta
4. MS-A4/A6 Matriisilaskenta 4. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto..25 Tarkastellaan neliömatriiseja. Kun matriisilla kerrotaan vektoria, vektorin
LisätiedotP (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)
Harjoitustehtäviä (erä 1) 1 1. Käytetään yksinkertaisesti Bayesin kaavaa: P (A B) = P (A)P (B A). P (B) Tapauksessa B = 1 saadaan P (A = 0 B = 1) = P (A = 1 B = 1) = P (A = 0)P (B = 1 A = 0) P (A = 1)P
LisätiedotMalliratkaisut Demot
Malliratkaisut Demot 3.2.27 Tehtävä. Valmisohjelmistolla voidaan ratkaista tehtävä min c T x s. t. Ax b x, missä x, c ja b R n ja A R m n. Muunnetaan tehtävä max x + 2x 2 + 3x 3 + x s. t. x + 3x 2 + 2x
LisätiedotKorkolasku, L6. Koronkorko. Korko-kaavat. Aiheet. Yksinkertainen korkolasku. Koronkorko. Jatkuva korkolasku. Korko-kaavat
Korkolasku, L6 1 Merkinnät Tarkastellaan tilannetta, jossa pääomalle maksetaan korkoa. Tulemme seuraavassa systemaattisesti käyttämään seuraavia merkintöjä K 0 = alkupääoma p = korkoprosentti i = p 100
LisätiedotRBS Warrantit NOKIA DAX. SIP Nordic AB Alexander Tiainen Maaliskuu 2011
RBS Warrantit DAX NOKIA SIP Nordic AB Alexander Tiainen Maaliskuu 2011 RBS Warrantit Ensimmäiset warrantit Suomen markkinoille Kaksi kohde-etuutta kilpailukykyisillä ehdoilla ; DAX ja NOKIA Hyvät spreadit
LisätiedotNollasummapelit ja bayesilaiset pelit
Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1
LisätiedotSOPIMUSTEN MERKITYS OMISTAJANVAIHDOKSISSA
SOPIMUSTEN MERKITYS OMISTAJANVAIHDOKSISSA Sopimustyypit ja niiden valinta Kaksi päävaihtoehtoa ovat liiketoiminnan myynti (liiketoimintakauppa) ja yrityksen itsensä, eli ns. oikeushenkilön, myynti (osuus
Lisätiedotb) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa.
2.9. Epävarmuus ja odotetun hyödyn teoria Testi. Kumman valitset a) 10 euroa varmasti. b) Arvonnan, jossa 50 % mahdollisuus saada 15 euroa ja 50 % mahdollisuus saada 5 euroa. Odotettu arvo 0,5* 15 + 0,5*5
Lisätiedot802118P Lineaarialgebra I (4 op)
802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu
LisätiedotJohdatus todennäköisyyslaskentaan Kertymäfunktio. TKK (c) Ilkka Mellin (2005) 1
Johdatus todennäköisyyslaskentaan Kertymäfunktio TKK (c) Ilkka Mellin (2005) 1 Kertymäfunktio Kertymäfunktio: Määritelmä Diskreettien jakaumien kertymäfunktiot Jatkuvien jakaumien kertymäfunktiot TKK (c)
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
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
LisätiedotLineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
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
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
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 10 1 Funktion monotonisuus Derivoituva funktio f on aidosti kasvava, jos sen derivaatta on positiivinen eli jos f (x) > 0. Funktio on aidosti vähenevä jos sen derivaatta
Lisätiedot1. Kuinka monella tavalla joukon kaikki alkiot voidaan järjestää jonoksi? Tähän antaa vastauksen: tuloperiaate ja permutaatio
TOD.NÄK JA TILASTOT, MAA10 Kombinatoriikka Todennäköisyyksiä (-laskuja) varten tarvitaan tieto tapahtumille suotuisien alkeistapausten lukumäärästä eli tapahtumaa vastaavan osajoukon alkioiden lukumäärästä.
LisätiedotSanomme, että kuvaus f : X Y on injektio, jos. x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2.
Sanomme, että kuvaus f : X Y on injektio, jos x 1 x 2 f (x 1 ) f (x 2 ) eli f (x 1 ) = f (x 2 ) x 1 = x 2. Siis kuvaus on injektio, jos eri alkiot kuvautuvat eri alkioille eli maalijoukon jokainen alkio
LisätiedotORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008
ORMS2020 Päätöksenteko epävarmuuden vallitessa Syksy 2008 Harjoitus 5 Ratkaisuehdotuksia Näissä harjoituksissa viljellään paljon sanaa paradoksi. Sana tulee ymmärtää laajassa mielessä. Suppeassa mielessähän
Lisätiedot11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17)
11 Oligopoli ja monopolistinen kilpailu (Mankiw & Taylor, Ch 17) Oligopoli on markkinamuoto, jossa markkinoilla on muutamia yrityksiä, jotka uskovat tekemiensä valintojen seurauksien eli voittojen riippuvan
LisätiedotLiittomatriisi. Liittomatriisi. Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä. 1) i+j det A ij.
Liittomatriisi Määritelmä 16 Olkoon A 2 M(n, n). Matriisin A liittomatriisi on cof A 2 M(n, n), missä (cof A) ij =( 1) i+j det A ij kaikilla i, j = 1,...,n. Huomautus 8 Olkoon A 2 M(n, n). Tällöin kaikilla
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
LisätiedotTietoa hyödykeoptioista
Tietoa hyödykeoptioista Tämä esite sisältää tietoa Danske Bankin kautta tehtävistä hyödykeoptiosopimuksista. Hyödykkeet ovat jalostamattomia tuotteita tai puolijalosteita, joita tarvitaan lopputuotteiden
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan
LisätiedotVoidaan laskea siis ensin keskimääräiset kiinteät kustannukset AFC: 100 000 /10000=10
Harjoitukset 3 Taloustieteen perusteet Ratkaisuehdotukset Kesäyliopisto 2014 1. a) Autonrenkaita valmistavalla yhtiöllä on 100 000 :n kiinteät kustannukset vuodessa. Kun yritys tuottaa 10 000 rengasta,
LisätiedotTOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio
1..018 TOD.NÄK JA TILASTOT, MAA10 Kombinaatio, k-kombinaatio Esimerkki 1: Sinulla on 5 erilaista palloa. Kuinka monta erilaista kahden pallon paria voit muodostaa, kun valintajärjestykseen a) kiinnitetään
LisätiedotAvaruuden R n aliavaruus
Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla
LisätiedotKANSANTALOUSTIETEEN PÄÄSYKOE : Mallivastaukset
KANSANTALOUSTIETEEN PÄÄSYKOE.6.016: Mallivastaukset Sivunumerot mallivastauksissa viittaavat pääsykoekirjan [Matti Pohjola, Taloustieteen oppikirja, 014] sivuihin. (1) (a) Julkisten menojen kerroin (suljetun
LisätiedotMatriisit. Määritelmä 1 Reaaliluvuista a ij, missä i = 1,..., k ja j = 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A =
1 / 21 Määritelmä 1 Reaaliluvuista a ij, missä i 1,..., k ja j 1,..., n, muodostettua kaaviota a 11 a 12 a 1n a 21 a 22 a 2n A... a k1 a k2 a kn sanotaan k n matriisiksi. Usein merkitään A [a ij ]. Lukuja
LisätiedotMatematiikan peruskurssi 2
Matematiikan peruskurssi Demonstraatiot III, 4.5..06. Mikä on funktion f suurin mahdollinen määrittelyjoukko, kun f(x) x? Mikä on silloin f:n arvojoukko? Etsi f:n käänteisfunktio f ja tarkista, että löytämäsi
Lisätiedot1 Kannat ja kannanvaihto
1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:
LisätiedotSolvenssi II:n markkinaehtoinen vastuuvelka
Solvenssi II:n markkinaehtoinen vastuuvelka Mikä on riskitön korko ja pääoman tuottovaatimus Suomen Aktuaariyhdistys 13.10.2008 Pasi Laaksonen Yleistä Mikäli vastuuvelka on ei-suojattavissa (non-hedgeable)
LisätiedotKuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion.
Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa havainnollisesti vastaavuutta, joka liittää joukon X jokaiseen alkioon joukon Y tietyn alkion. Kuvaus eli funktio f joukolta X joukkoon Y tarkoittaa
Lisätiedot30A02000 Tilastotieteen perusteet
30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi
LisätiedotKoodausteoria, Kesä 2014
Koodausteoria, Kesä 2014 Topi Törmä Matemaattisten tieteiden laitos 3.5 Reedin-Mullerin koodit Olkoon tässä kappaleessa F = F2 = Z2 ja n = 2 m. Määritellään avaruuteen F n kertolasku koordinaateittain:
LisätiedotTarkastelemme ensin konkreettista esimerkkiä ja johdamme sitten yleisen säännön, joilla voidaan tietyissä tapauksissa todeta kielen ei-säännöllisyys.
Ei-säännöllisiä kieliä [Sipser luku 1.4] Osoitamme, että joitain kieliä ei voi tunnistaa äärellisellä automaatilla. Tulos ei sinänsä ole erityisen yllättävä, koska äärellinen automaatti on äärimmäisen
LisätiedotMääritelmä, alkuluku/yhdistetty luku: Esimerkki . c) Huomautus Määritelmä, alkutekijä: Esimerkki
Alkuluvut LUKUTEORIA JA TODISTAMINEN, MAA11 Jokainen luku 0 on jaollinen ainakin itsellään, vastaluvullaan ja luvuilla ±1. Kun muita eri ole, niin kyseinen luku on alkuluku. Määritelmä, alkuluku/yhdistetty
LisätiedotV ar(m n ) = V ar(x i ).
Mat-.3 Stokastiset prosessit Syksy 007 Laskuharjoitustehtävät 6 Poropudas/Kokkala. Olkoon M n = X +... + X n martingaali ja M 0 = 0. Osoita, että V ar(m n ) = n V ar(x i ). i= Huomattavaa on, että muuttujia
LisätiedotNykyarvo ja investoinnit, L14
Nykyarvo ja investoinnit, L14 netto netto 1 Tarkastellaan tulovirtaa, joka kestää n jakson ajana, ja jossa jakson j lopussa kassaan tulee tulo k j. k 1 k 2 k 3 k 4 k 5 k 6... k n netto 0 1 2 3 4 5 6...
Lisätiedot