Riskienhallinnan peruskäsitteitä

Samankaltaiset tiedostot
Mat Sovelletun matematiikan erikoistyö. ARCH -mallit Atso Suopajärvi 57512W

Valmistaminen tai ostaminen varastoon tasainen kysyntä

Taustaa KOMPLEKSILUVUT, VÄRÄHTELIJÄT JA RADIOSIGNAALIT. Jukka Talvitie, Toni Levanen & Mikko Valkama TTY / Tietoliikennetekniikka

Dynaaminen optimointi ja ehdollisten vaateiden menetelmä

01/2013. Köyhyyden dynamiikka Suomessa Eläketurvakeskus. Ilpo Suoniemi

3.5 Generoivat funktiot ja momentit

Menetelmäseloste MAATALOUDEN TUOTANTOVÄLINEIDEN OSTOHINTAINDEKSI 2010=100

MUODONMUUTOKSET. Lähtöotaksumat:

Cointegration between Fama-French Factors

6. Stokastiset prosessit (2)

ABTEKNILLINEN KORKEAKOULU

DEE Sähkömagneettisten järjestelmien lämmönsiirto

Luento 6 Luotettavuus Koherentit järjestelmät

Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite. Vaihtovirta ja vaihtojännite

( ) ( ) x t. 2. Esitä kuvassa annetun signaalin x(t) yhtälö aikaalueessa. Laske signaalin Fourier-muunnos ja hahmottele amplitudispektri.

Täydennetään teoriaa seuraavilla tuloksilla tapauksista, joissa moninkertaisen ominaisarvon geometrinen kertaluku on yksi:

ABTEKNILLINEN KORKEAKOULU

YRITYSKOHTAISEN TEHOSTAMISTAVOITTEEN MÄÄRITTELY 1 YRITYSKOHTAISEN TEHOSTAMISPOTENTIAALIN MITTAAMINEN

KVANTISOINTIKOHINA JA KANAVAN AWGN- KOHINA PULSSIKOODIMODULAATIOSSA

EUROOPAN YHTEISÖJEN KOMISSIO. Ehdotus EUROOPAN PARLAMENTIN JA NEUVOSTON ASETUS. työvoimakustannusindeksistä. (komission esittämä)

Rahoitusriskit ja johdannaiset Matti Estola. luento 12 Stokastisista prosesseista

5. Vakiokertoiminen lineaarinen normaaliryhmä

Käyttövarmuuden ja kunnossapidon perusteet, KSU-4310: Tentti ma

Tchebycheff-menetelmä ja STEM

LIGNIININ RAKENNE JA OMINAISUUDET

Systeemimallit: sisältö

4. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

Epälineaaristen pienimmän neliösumman tehtävien ratkaiseminen numeerisilla optimointimenetelmillä (valmiin työn esittely)

5. Datan käsittely lyhyt katsaus. Havaitsevan tähtitieteen peruskurssi I, luento Thomas Hackman

3. Datan käsittely lyhyt katsaus

8 USEAN VAPAUSASTEEN SYSTEEMIN VAIMENEMATON PAKKOVÄRÄHTELY

W dt dt t J.

Ohjelmiston testaus ja laatu. Ohjelmistotekniikka dokumentointi

Aamukatsaus

Valmistuksen hieno-ohjaus

Liikenne- ja viestintävaliokunta Lainsäädäntöjohtaja Hanna Nordström

Epävarmuus diskonttokoroissa ja mittakaavaetu vs. joustavuus

Mat Lineaarinen ohjelmointi

Muutama uusi näkökulma hinta-aggregoinnista ja hedonisista indeksimenetelmistä:

DEE Lineaariset järjestelmät Harjoitus 4, ratkaisuehdotukset

( ) ( ) 2. Esitä oheisen RC-ylipäästösuotimesta, RC-alipäästösuotimesta ja erotuspiiristä koostuvan lineaarisen järjestelmän:

1 Excel-sovelluksen ohje

Jäkäläbiomassa Lapissa?

MUUTTOLIIKKEEN ENNUSTAMISESTA

ETERAN TyEL:n MUKAISEN VAKUUTUKSEN ERITYISPERUSTEET

8. Jonotusjärjestelmät

8. Jonotusjärjestelmät

JYVÄSKYLÄN YLIOPISTO Taloustieteiden tiedekunta

2. Taloudessa käytettyjä yksinkertaisia ennustemalleja. ja tarkasteltavaa muuttujan arvoa hetkellä t kirjaimella y t

Moderni portfolioteoria

x v1 y v2, missä x ja y ovat kokonaislukuja.

12. ARKISIA SOVELLUKSIA

MENETELMÄSELOSTE MAATALOUDEN TUOTTAJAHINTAINDEKSI 2010=100

Sähkömarkkinoiden ennusteita

Uuden eläkelaitoslain vaikutus allokaatiovalintaan

1. Todista/Prove (b) Lause 2.4. käyttäen Lausetta 2.3./by using Theorem b 1 ; 1 b + 1 ; 1 b 1 1

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

Öljyn hinnan ja Yhdysvaltojen dollarin riippuvuussuhde

Johda jakauman momenttiemäfunktio ja sen avulla jakauman odotusarvo ja varianssi.

PPSS. Roolikäyttäytymisanalyysi Tämän raportin on tuottanut: MLP Modular Learning Processes Oy Äyritie 8 A FIN Vantaa info@mlp.

ELÄKEKASSAN LASKUPERUSTEET TYÖNTEKIJÄN ELÄKELAIN MUKAISTA ELÄKETURVAA VARTEN

Eduskunnan vastaus - HE 203/2017 vp laiksi sotilastiedustelusta ja eräiksi siihen liittyviksi laeiksi

Markov-prosessit (Jatkuva-aikaiset Markov-ketjut)

Flow shop, työnvaiheketju, joustava linja, läpivirtauspaja. Kahden koneen flow shop Johnsonin algoritmi

Tiedonhakumenetelmät Tiedonhakumenetelmät Helsingin yliopisto / TKTL. H.Laine 1. Todennäköisyyspohjainen rankkaus

Painokerroin-, epsilon-rajoitusehtoja hybridimenetelmät

12. Luento. Modulaatio

SOTEMAKU esiselvitysraportti

Reaaliarvoinen funktio f : on differentioituva pisteessä x, jos f:lle on siinä voimassa kehitelmä. h h. eli. Silloin

VATT-KESKUSTELUALOITTEITA VATT DISCUSSION PAPERS YRITYSVEROTUKSEN KOORDINOINTI JA VEROKILPAILU EUROOPAN UNIONISSA

Jaksolliset ja toistuvat suoritukset

2. Systeemi- ja signaalimallit

5 VALON ETENEMINEN. Säteille voidaan antaa tarvittaessa myös polarisaatio-ominaisuuksia.

OH CHOOH (2) 5. H2O. OH säiliö. reaktori 2 erotus HCOOCH 3 11.

Juuri 13 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Kertaus. K1. A: III, B: I, C: II ja IV.

Atomistiset simulaatiot

Termiinikurssi tulevan spot-kurssin ennusteena

Laskelmia verotuksen painopisteen muuttamisen vaikutuksista dynaamisessa yleisen tasapainon mallissa

Rahoitusriskit ja johdannaiset Matti Estola. luento 13 Black-Scholes malli optioiden hinnoille

11. Vektorifunktion derivaatta. Ketjusääntö

OPECIN VAIKUTUS ÖLJYN HINTAAN

VÄRÄHTELYMEKANIIKKA SESSIO 18: Yhden vapausasteen pakkovärähtely, transienttikuormituksia

Finanssipolitiikan tehokkuudesta Yleisen tasapainon tarkasteluja Aino-mallilla

Tilastollisen fysiikan luennot

Yrityksen teoria ja sopimukset

muiden ollessa ART-2 ja ART Arkkitehtuuri ja toiminta

Optioiden hinnoittelu Pohjoisella sähkömarkkinalla. Minna Kauria-Kojo Pro gradu-tutkielma Matematiikan ja tilastotieteen laitos Helsingin yliopisto

Kuluttajahintojen muutokset

b) Ei ole. Todistus samaan tyyliin kuin edellinen. Olkoon C > 0 ja valitaan x = 2C sekä y = 0. Tällöin pätee f(x) f(y)

2. Suoraviivainen liike

Luento 6 Luotettavuus ja vikaantumisprosessit

Robusti tilastollinen päättely ensimmäisen ja toisen ehdollisen momentin mallintamisessa

Soorrea. OUTC'KUMPU Oy.' Malminetsintä. O. POhjamies/pAL ,4 1 (3) VLF -MI'ITAUS. Periaate. Lähetysase.mat

Tietojen laskentahetki λ α per ,15 0,18 per ,15 0,18 per tai myöhempi 0,20 0,18

Ilmari Juva. Jalkapallo-ottelun lopputuloksen stokastinen mallintaminen

Mittaustekniikan perusteet, piirianalyysin kertausta

11. Takaisinkytketyt vahvistimet

XII RADIOAKTIIVISUUSMITTAUSTEN TILASTOMATEMATIIKKAA

KOMISSION KERTOMUS. Suomi. Perussopimuksen 126 artiklan 3 kohdan nojalla laadittu kertomus

TIES592 Monitavoiteoptimointi ja teollisten prosessien hallinta. Yliassistentti Jussi Hakanen syksy 2010

Transkriptio:

Rskenhallnnan peruskäseä Juss Kangaspuna 7. Syyskuua 2011 Työn saa allenaa ja julksaa Aalo-ylopson avomlla verkkosvulla. Mula osn kakk okeude pdäeään.

Esyksen ssälö Todennäkösyyspohjanen vekehys aloudellsen rsken mallnamseen Sjousporfoloden arvoon lyvä rskekjä ja kuvaukse Usea lähesymsapoja rskn maamseen Käyöarkous vahelee Hekkoude, vahvuude ja käyännöllsyys Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 2

Sjousporfolosa aheuuva appo Rskenhallnnan näkökulmasa erysen knnosavaa on suuren appoden mahdollsuus Mahdollse uoo evä ole ässä yheydessä melenknnon koheena Porfolosa aheuuva mahdollse appo akavälllä [s,s+] suheessa porfolon arvon V(s) muuoksn s, : V s V s L s Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 3

Tappoden odennäkösyysjakauma 0.25 0.2 0.15 0.1 0.05 0-0.05 Tappo 18 16 14 12 10 8 6 Tappoden jakauma -0.1-0.15-0.2 1 2 3 4 5 6 7 8 9 10 4 2 0-0.2-0.15-0.1-0.05 0 0.05 0.1 0.15 0.2 0.25 Osakkeen hna 1.6 1.5 1.4 1.3 1.2 1.1 1 0.9 0.8 0.7 1 2 3 4 5 6 7 8 9 10 0.5 0.4 0.3 0.2 0.1 0-0.1-0.2-0.3 Porfolon arvo 1 2 3 4 5 6 7 8 9 10 Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 4

Rskn kuvaamnen akasarjona Jos akaa maaan :n ykskkönä, nn porfolon appo vodaan esää akasarjana L L V V 1 :, 1 1 Päväkohasen arkaselun yheydessä =1/365 a 1/250 (kaupankäynpävä vuodessa) Porfolon arvoa mallnneaan ajan ja erlasen (d kpl) rskekjöden Z (fakoreden) suheen V f d, Z f : R R R Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 5

Tappoden arkaselu suheessa rskekjöden muuoksn Rskekjä (esm. osakkeen hnnan logarm) oleeaan havaavks ja Z unneuks ajanhekellä Tarkaselu yleensä rskekjöden muuosen suheen L 1 f X : 1, Z X f, Z Operaaor l kuvaa rskekjöden muuokse nsä aheuuvks appoks l Z Z 1 1 d x : f 1, Zx f, Z, xr Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 6

Tappoden lneaarnen approksmon Ensmmäsen keraluvun approksmaao appolle Approksmaao on hyvä, jos arkaseluväl on lyhy ja sllon, kun porfolon arvo käyäyyy (lähes) lneaarses rskekjöden suheen d z X f f L 1 1, 1,, : Z Z d z x f f l 1,, : Z Z x 7 Eselmä 2, Juss Kangaspuna 7. syyskuua 2011

Ehdollnen appojakauma 1/2 Oleeaan rskekjöden muuosen muodosavan saonaarsen akasarjan jakaumalla F X Muuosen jakauma on ss rppumaon ajanhekesä Olkoon F käyeävssä olevaa nformaaoa vasaava sgma-algebra ajanhekellä Ssälää rskekjöden muuosen hsoran F X : s s Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 8

Ehdollnen appojakauma 2/2 Tappoden ehdollnen jakauma seuraavalle perodlle ämänheksen nformaaon F peruseella F lfpl lf l PlX L1 F 1 1 Rppumaomlle ja denses jakauunelle (d) akasarjolle päee F l F L L1 F 1 l Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 9

Esmerkk: Osakesalkku 1/2 Osakesalkku (porfolo) muodosuu osakkesa (d kpl) s.e. on osakkeen lukumäärä porfolossa hekellä Osakkeen hnakehysä kuvaava akasarja on S, Rskekjönä käyeään hnojen logarmeja X L 1, 1 Z 1, Z, ln d V 1V S, exp X 1, 1 S 1, ln S, V 1 d 1 exp Z, Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 10

Esmerkk: Osakesalkku 2/2 Tehdään lneaarnen approksmaao L d d 1 S, X 1, V w, X 1, w, : 1 1 Vasaavas lnearsou appo-operaaor on l x Vwx: V Jos rskekjöden muuosen odousarvo ja kovaranssmars unneaan, nn saadaan E d 1 w, l X V wvar lx x, V ww 2 S V, Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 11

Rsken arvon rskmojen avulla Rskmolla usea erlasa käyöarkouksa Rskpääoman määrys ja vakuuuspreemo Johdon yövälne ulosykskköjen rsknoon rajoamseen Rskmojen pää olla käyännöllsä Lähesymsava rsken maamseen vodaan ryhmellä neljään kaegoraan Nmellsarvoperusanen lähesymsapa Rskekjöden herkkyysma Todennäkösyysjakaumn perusuva rskma Skenaaropohjase rskma Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 12

Nmellsarvoperusanen lähesymsapa Porfolon rsk laskeaan yksäsen sjouskoheden nmellsarvosen rsken summana Yksäsä arvoja vodaan panoaa er sjousyypelle arvoujen rsken suheen Vahvuuena yksnkerasuus E ee eroa pken ja lyhyden posoden välllä E huomo hajauamsesa saaava hyöyjä Johdannasporfoloden arkaselu ongelmallsa Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 13

Rskekjöden herkkyysma Porfolon arvon muuosa vodaan maa suheessa rskekjöden muuoksn Laskennallses yleensä dervaaa er rskekjöden suheen Esm. joukkovelkakrjan duraao Hyödyllsä nformaaoa porfolon robussuudesa Hyödyllsä aseeaessa esm. posorajouksa E voda maa posoden kokonasrskä Ongelma rsken yhdsämsssä Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 14

Todennäkösyysjakaumn perusuva rskma 1/2 Laskeaan lasollsa kvanleja, joka kuvasava appojakauma anneulla akavälllä Esmerkks varanss ja Value-a-Rsk Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 15

Todennäkösyysjakaumn perusuva rskma 2/2 Luonnollsa perusaa rskma appoden jakaumaan Jakaumen yhdsely mahdollsa Veralavuus porfoloden välllä Hajauamsen hyödy huomoavssa Ongelmallsa ukeuua van yheen lukuarvoon jakauman ssälämän rskn esämsessä Käyännössä appojakaumaa on hankala a jopa mahdoona esmoda arkas Jakaumen esmonn perusuva hsoradaaan Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 16

Skenaaropohjase rskma 1/2 Usea mahdollsa rskekjöden muuoksa Esm. 20% markknandeksn lasku a samanakanen korkojen vomakas kasvu Porfolon rskä maaan suurmpana mahdollsena appona kakken skenaaroden suheen Äärskenaaroden vakuusa loppuulokseen vodaan penenää arkouksenmukasella panouksella, w : max w1l x1,, wnl xn Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 17

Skenaaropohjase rskma 2/2 Erän käyännöllsä rskenhallnnan yökaluja, kun rskekjöden lukumäärä on verraan pen Tuoava hyödyllsä nformaaoa lasollsn appojakaumn perusuvn rskmohn Keskesenä ongelmana on arkouksenmukasen skenaaroden ja panouksen valna Er rskekjölle alden porfoloden veralu hankalaa Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 18

Yheenveo Rskenhallnnassa arkasellaan eryses suuren appoden mahdollsuuksa Mallnneaan akasarjona rskekjöden muuosen suheen Rsken maamseen usea erlasa lähesymsapoja ja käyöarkouksa Rskma äydenävä osaan ja valna on lannekohasa Malln kokonasuuden rakenamnen haaseellsa Esm. skenaaroden määrämnen Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 19

Koehävä Johda aemmn esey (s.11) yhälö osakesalkun appojakauman odousarvolle ja varansslle E l X V wvar lx V ww 2 Smulo osakkeen hnnan kehysä jollan akavälllä käyäen rskekjänä osakkeen hnnan logarma ja oleaen muuoksen noudaavan joan eyä jakaumaa. Esm. Osakkeen hna aluks 1, arkaselava akaväl 1kk, akaperodn puus 1pv ja muuokse noudaava normaaljakaumaa N(-0.1,0.1). Eselmä 2, Juss Kangaspuna 7. syyskuua 2011 20