Projektin arvon aleneminen

Samankaltaiset tiedostot
OPTIMAALINEN INVESTOINTIPÄÄTÖS

Projektin arvon määritys

Investointimahdollisuudet ja investoinnin ajoittaminen

Johdannaisanalyysi. Contingent Claims Analysis Juha Leino S ysteemianalyysin. Laboratorio

Investointimahdollisuudet ja investointien ajoittaminen

Diskreettiaikainen dynaaminen optimointi

Lisää satunnaisuutta ja mahdollisuus keskeyttää projekti

Projektin keskeyttäminen, uudelleen käynnistäminen ja hylkääminen

Investointistrategioista kilpailluilla markkinoilla

Esteet, hyppyprosessit ja dynaaminen ohjelmointi

Investointimahdollisuudet ja niiden ajoitus

Jatkuvan ajan dynaaminen optimointi

Wiener-prosessi: Tarkastellaan seuraavanlaista stokastista prosessia

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

, tuottoprosentti r = X 1 X 0

Kohdassa on käytetty eksponentiaalijakauman kertymäfunktiota (P(t > T τ ) = 1 P(t T τ ). λe λτ e λ(t τ) e 3λT dτ.

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

Reaalioptioden käsitteen esittely yksinkertaisen esimerkin avulla

Päätöspuut pitkän aikavälin investointilaskelmissa

3. Teoriaharjoitukset

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

5. laskuharjoituskierros, vko 8, ratkaisut

Todennäköisyyden ominaisuuksia

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

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

Ilkka Mellin Todennäköisyyslaskenta. Osa 2: Satunnaismuuttujat ja todennäköisyysjakaumat. Momenttiemäfunktio ja karakteristinen funktio

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

Harha mallin arvioinnissa

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Insinöörimatematiikka D

MS-A0107 Differentiaali- ja integraalilaskenta 1 (CHEM)

MS-A0502 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Generoivat funktiot, Poisson- ja eksponenttijakaumat

Johdatus todennäköisyyslaskentaan Satunnaismuuttujien muunnokset ja niiden jakaumat. TKK (c) Ilkka Mellin (2004) 1

Satunnaismuuttujien muunnokset ja niiden jakaumat

(0 desimaalia, 2 merkitsevää numeroa).

Numeeriset menetelmät TIEA381. Luento 12. Kirsi Valjus. Jyväskylän yliopisto. Luento 12 () Numeeriset menetelmät / 33

MS-A0503 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

4. Todennäköisyyslaskennan kertausta

Sovellettu todennäköisyyslaskenta B

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

Lineaariset luokittelumallit: regressio ja erotteluanalyysi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

JATKUVAT JAKAUMAT Laplace-muunnos (Laplace-Stieltjes-muunnos)

Odotusarvoparien vertailu. Vilkkumaa / Kuusinen 1

ELEC C4140 Kenttäteoria (syksy 2015)

x 4 e 2x dx Γ(r) = x r 1 e x dx (1)

Yksisuuntainen varianssianalyysi (jatkoa) Heliövaara 1

(a) Järjestellään yhtälöitä siten, että vasemmalle puolelle jää vain y i ja oikealle puolelle muut

Todennäköisyyslaskun kertaus. Heliövaara 1

Moniulotteisia todennäköisyysjakaumia

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Moniulotteisia todennäköisyysjakaumia

Dynaamiset regressiomallit

Mat Dynaaminen optimointi, mallivastaukset, kierros 11

4. Ensimmäisen ja toisen kertaluvun differentiaaliyhtälöistä

Yksisuuntainen varianssianalyysi (jatkoa) Kuusinen/Heliövaara 1

Moraalinen uhkapeli: laajennuksia ja sovelluksia

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

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

Sallitut apuvälineet: MAOL-taulukot, kirjoitusvälineet, laskin sekä itse laadittu, A4-kokoinen lunttilappu. f(x, y) = k x y, kun 0 < y < x < 1,

Harjoitus Etsi seuraavien autonomisten yhtälöiden kriittiset pisteet ja tutki niiden stabiliteettia:

ELEC C4140 Kenttäteoria (syksy 2016)

4.0.2 Kuinka hyvä ennuste on?

Johdatus todennäköisyyslaskentaan Moniulotteisia todennäköisyysjakaumia. TKK (c) Ilkka Mellin (2005) 1

Lause 4.2. Lineearinen pienimmän keskineliövirheen estimaattoi on lineaarinen projektio.

5 Differentiaaliyhtälöryhmät

Ilkka Mellin Todennäköisyyslaskenta Osa 3: Todennäköisyysjakaumia Jatkuvia jakaumia

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

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

Lyhyen aikavälin hintakilpailu 2/2

Talousmatematiikan perusteet, L2 Kertaus Aiheet

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

Olkoot X ja Y riippumattomia satunnaismuuttujia, joiden odotusarvot, varianssit ja kovarianssi ovat

lnx x 1 = = lim x = = lim lim 10 = x x0

Luento 8 Vikaantumisprosessit ja käytettävyys

10. Toisen kertaluvun lineaariset differentiaaliyhtälöt

Sovellettu todennäköisyyslaskenta B

Todennäköisyyslaskun kertaus. Vilkkumaa / Kuusinen 1

Sovellettu todennäköisyyslaskenta B

Esimerkki 19. Esimerkissä 16 miniminormiratkaisu on (ˆx 1, ˆx 2 ) = (1, 0).

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

Insinöörimatematiikka D

Mat Investointiteoria Laskuharjoitus 4/2008, Ratkaisut

ELEC C4140 Kenttäteoria (syksy 2015)

Insinöörimatematiikka D

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia. Moniulotteisia todennäköisyysjakaumia: Mitä opimme?

Harjoitus 7: vastausvihjeet

Talousmatematiikan perusteet, L2 Kertaus Aiheet

Tilastomatematiikka Kevät 2008

MATEMATIIKAN KOE PITKÄ OPPIMÄÄRÄ

763306A JOHDATUS SUHTEELLISUUSTEORIAAN 2 Ratkaisut 1 Kevät y' P. α φ

Harjoitus Tarkastellaan luentojen Esimerkin mukaista työttömyysmallinnusta. Merkitään. p(t) = hintaindeksi, π(t) = odotettu inflaatio,

Esimerkki 1 Ratkaise differentiaaliyhtälö

Insinöörimatematiikka D

Suhteellisuusteorian perusteet, harjoitus 6

2 exp( 2u), kun u > 0 f U (u) = v = 3 + u 3v + uv = u. f V (v) dv = f U (u) du du f V (v) = f U (u) dv = f U (h(v)) h (v) = f U 1 v (1 v) 2

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

Transkriptio:

Projektin arvon aleneminen sivut 99-07 Optimointiopin seminaari - Syksy 000 /

Arvon aleneminen Jatketaan projektin arvon tutkimista. Nyt huomioidaan arvon aleneminen. Syitä esimerkiksi: kaluston vanheneminen ja kuluminen käytössä kilpailevien tekniikoiden kehitys Tarkastellaan arvon alenemisen vaikutusta reaalioption arvoon. Optimointiopin seminaari - Syksy 000 /

. Malli arvon alenemiselle: Eksponentiaalinen heikkeneminen Elinikä Poisson-prosessi Projekti loppuu ajanjaksolla dt tdn:llä λdt. Lopetus ennen hetkeä T tdn:llä -e -lt T:n tiheysfunktio f(t) = λe -lt Kohde-etuuden hinta alkuhetkellä P P t seuraa geometrista Brownin liikettä. Optimointiopin seminaari - Syksy 000 / 3

Projektin arvon odotusarvo () Jos projekti kestää T vuotta, tuottovirran nykyarvon odotusarvo on Ε missä δ= µ-α. ( δ T e ), T T µ t αt µ t P e Pt dt = Pe e dt = δ 0 0 Optimointiopin seminaari - Syksy 000 / 4

Projektin arvon odotusarvo () Projektin tuoton odotusarvo V ( P) = λe 0 λt P e δ δ T dt = P λ + δ Tulkintoja: Elinikä ääretön, mutta toimivuus huononee ja ulostulo pienenee kertoimella e -lt tai huoltokulujen takia tuotto = Pe -lt Optimointiopin seminaari - Syksy 000 / 5

Option arvon tarkastelu (). tapaus: investointia ei voi uudistaa Tehdään tuttu portfolio F(P) - F (P)P. F(P) = A P β ehdot F(P * ) = V(P * ) - I ja F (P * ) = V (P * ) * β P = ( δ + λ )I β Arvon aleneminen ei vaikuta kertoimeen β eikä vähennä option arvon merkitystä. Optimointiopin seminaari - Syksy 000 / 6

Option arvon tarkastelu (). tapaus: investointi voidaan uudistaa Käytetään dynaamista ohjelmointia. diskonttauskerroin ρ Kun optiota ei käytetä: F(P) = A P β α α β = + + σ σ ρ σ Optimointiopin seminaari - Syksy 000 / 7

Option arvon tarkastelu (3) Merk. J(P) = käynnistetyn projektin ja myöhempien optioiden arvo Alueella P < P * J Tdn:llä λdt projekti loppuu, jolloin option arvo palautuu F(P):hen. ( ) ( ) ρ dt P = Pdt + λdt e Ε[ J ( P + dp )] + λdte ρ dt Ε [ F ( P + dp )] Optimointiopin seminaari - Syksy 000 / 8

Option arvon tarkastelu (4) Ratkaisu missä β = β J ( P = B P + + ) α σ + α σ ρ + P λ + α A P β ( ρ + λ) σ Optimointiopin seminaari - Syksy 000 / 9

Option arvon tarkastelu (5) Alueella P > P * J Jos projekti päättyy, aloitetaan heti uusi. ρ dt P = Pdt + λdt e Ε J P + ( ) ( ) [ ( dp )] + λdte ρ dt Ratkaisu missä Ε [ J ( P + dp ) I ] J β ( P) = B P + P ρ α α α β = + σ σ λi ρ ρ σ Optimointiopin seminaari - Syksy 000 / 0,

Option arvon tarkastelu (6) Ehdot: J (P * ) = J (P * ) J (P * ) = J (P * ) F(P * ) = J(P * ) - I F (P * ) = J (P * ) Ratkaisu: missä δ= ρ - α * β P = λ I β ( δ + ), Nyt arvon aleneminen pienentää option arvon kerrointa. Optimointiopin seminaari - Syksy 000 /

Parametrien vaikutus Kertoimen β /(β - ) arvoja, kun ρ = 0.04 ja α = 0 l s 0. 0. 0.3 0.4 0.00.4.00.76 3.73 0.0.37.86.50 3.30 0.05.7.60.00.49 0.0..46.75.09 0.5.8.38.6.89 Optimointiopin seminaari - Syksy 000 /

. Malli arvon alenemiselle: Äkkikuolema Projekti loppuu T:n vuoden kuluttua. Projektin arvo V T = ( ) µ t P Ε e P dt = P, missä δ= µ - α Option arvon tarkastelu voidaan tehdä kuten edellä. t δ 0 e δ T Optimointiopin seminaari - Syksy 000 / 3

Yleinen malli Tuottovirta π(p,t) Projektin arvo V(P,t) Tehdään portfolio: projekti + n kpl lyhyeksi π P, t dt nδ Pdt ajanjaksolla dt tuotto missä δ= µ - α portfolion pääoman kasvu dv ndp = ( ), ( ) V n dp+ P V + V dt P σ PP Optimointiopin seminaari - Syksy 000 / 4 t

Yleinen malli () Tehdään portfoliosta riskitön valitsemalla n = V P (P,t) ja merkitään odotettu kokonaistuotto yhtäsuureksi riskittömän tuoton kanssa, jolloin saadaan osittaisdifferentiaaliyhtälö ( ) = 0, δ P VPP + r δ PVP + Vt rv + π joka voidaan ratkaista numeerisesti. Optimointiopin seminaari - Syksy 000 / 5

Yleinen malli (3) Jos tiedetään suurin mahdollinen loppuaika T, saadaan ehto V(P,T) = 0 ja voidaan ratkaista lopusta alkuun päin. Termi V t (P,t) kuvaa arvon alenemista ajan myötä. Optimointiopin seminaari - Syksy 000 / 6

Kotitehtävä Johda kaava optimaaliselle investointirajalle P * äkkikuolemamallissa tapauksessa, jossa investointia ei voi uudistaa. Ratkaise sitten tehtävä: Projektin hinta noudattaa Brownin liikettä parametrein α = 0.05, σ = 0.30. Projektin investointikustannus on 00 miljoonaa euroa ja diskonttokorko 0 %. Paljonko P * muuttuu, jos äkkikuolemamallissa elinikä T muuttuu 5 vuodesta 6 vuoteen, eikä investointia voi uudistaa? Optimointiopin seminaari - Syksy 000 / 7