Matemáticas y Finanzas. Lo que hacemos los Quants en los bancos. Teresa Martínez Quantitative Product Group
|
|
- Ángeles Escobar Fidalgo
- hace 8 años
- Vistas:
Transcripción
1 Matemáticas y Finanzas. Lo que hacemos los Quants en los bancos Teresa Martínez Quantitative Product Group
2 jdisclaimer This material is for your private information; it is not an offer to sell or solicitation to buy any securities and neither Banco Santander Central Hispano, S.A. nor any of its affiliates is soliciting any action based upon it. The terms herein are intended for discussion purposes only and are subject to the final expression of the terms of the transaction set forth in the definitive agreement and/or confirmation. Certain transactions, may give rise to substantial risks and are not suitable for all investors. Clients are advised to make an independent review and reach their own conclusions regarding the legal, tax and accounting aspects of a proposed transaction as it relates to their asset, liability, or other risk management objectives and risk tolerance. Although the information set forth herein is reflective of the manner in which Santander Central Hispano believes a transaction might be structured, no assurance can be given that such a transaction could, in fact, be executed as described herein. Santander Central Hispano or its affiliates may from time to time have long or short positions in, and buy or sell, securities, futures, options, or products identical with or related to those mentioned herein.
3 jesquema Quiénes somos y dónde encajamos en el banco Cómo es el día a día Las Matemáticas
4 jquiénes somos y dónde encajamos en el banco Somos el equipo de Quants de Banca Mayorista Actualmente somos 23 personas, solo en Madrid Crédito Tipos y FX Equity y Commodities Madrid Londres 1 3 Sao Paulo 8 Nueva York 2 Trabajamos en el Front Office del Banco
5 jcómo es el día a día 25% Matemática Aplicada: Probabilidad, Cálculo Numérico, Ecuaciones Diferenciales 50% Código: diseño, implementación, depurado de errores, mantenimiento, tests 25% Producción: integración en sistemas, interacción con traders y estructuradores, diseño de nuevos productos, reuniones
6 jcómo es el día a día Competitivo: CitiGroup, Goldman Sachs, Bank of America, Barclays, Deutsche Bank, BNP, Societe Generale, UBS, HSBC, ABN, BBVA... Se habla de dinero: Profit & Loss, márgenes, ventas, clientes flujos, pagos, beneficios, dólares, euros, millones, billones,... Salario: fijo + variable Información: TV, Bloomberg, Reuters, internet, teléfono
7 jvaloración de derivados: qué y para qué La Banca Mayorista se diferencia de la Minorista en el tamaño de los clientes se confeccionan productos a medida, el tipo de productos para compensar los riesgos de la cartera de los clientes. El trabajo de los analistas cuantitativos es desarrollar modelos que permitan poner precio a productos complejos y que permitan gestionar los riesgos que implican. Los modelos deben ser consistentes con el mercado (calibración), y a ser posible, rápidos (velocidad de cálculo).
8 jun ejemplo: evolución de Inditex
9 j Qué necesitamos de un modelo? Qué nos conviene? Comprar ahora, esperar, comprar otras acciones...? Nos interesaría poder predecir el comportamiento del precio de las acciones. Intentemos construir un modelo para: Qué debe cumplir la función S(t)? S(t) = precio de una acción en tiempo t Debe ser continua (no hay saltos bruscos en el precio de la acción). Es extremadamente no suave (tiene muchos picos). Debe reproducir de alguna manera el comportamiento errático del precio de la acción: cada vez que apuntamos el precio de la acción, éste ha subido o ha bajado según la ley de la oferta y la demanda (según una pauta desconocida). Hay una cierta incertidumbre en los valores: si el siguiente punto en la gráfica hubiera estado un poco desplazado, la gráfica no habría cambiado sustancialmente. Hay un rango de valores aceptable. Hay alguna función así?
10 jpaseo aleatorio Pensamos en el resultado de la ley de la oferta y la demanda como en el azar : el precio sube o baja según tiremos una moneda. X = { 1 si sale cara el precio sube un euro 1 si sale cruz el precio baja un euro X 1, X 2, X 3,... sucesivas tiradas de una moneda Llamamos S n = X 1 + X X n y en cada punto, S n sería el precio de la acción después de n unidades de tiempo. Qué pinta tiene una función así?
11 jun poco de historia El nombre de camino aleatorio se debe a Karl Pearson, en una serie de cartas publicadas en Nature (1905): Un hombre empieza desde un punto O y camina l yardas en una línea recta; entonces gira un ángulo cualquiera y camina otras l yardas en una segunda línea recta. Repite este proceso n veces. Pregunto la probabilidad de que, después de esos n desplazamientos, el hombre se encuentre a una distancia entre r y r + dr del punto de partida O. Karl Pearson. The Gables, East Ilsley, Berks. Este problema, propuesto por el Profesor Karl Pearson en el actual número de Nature, es el mismo que el de la composición de n vibraciones iso-periódicas de una unidad de amplitud y de fases distribuidas aleatoriamente [...] Si n es muy grande, la probabilidad pedida es 2 n e r2 /n r dr. Rayleigh. Terling Place, July 29. Lo que la solución de Lord Rayleigh nos enseña es que, en campo abierto, donde es más probable encontrar a un borracho que es capaz de mantenerse en pie, es en algún lugar cerca del punto de origen. Karl Pearson P ( el borracho esté a distancia R del origen) = R 0 2 n e r2 /n r dr = 1 e R2 /n
12 jlas trayectorias del camino aleatorio Las trayectorias del camino aleatorio (cada una de las gráficas que construimos con una tanda de tiradas de la moneda) se parecen a las gráficas de la evolución de las acciones de Inditex y del Ibex. Parece que nos puede valer, no? Debemos hacer algunas modificaciones: Apuntamos el precio de la acción cada t unidades de tiempo. Los saltos no serán siempre de una unidad, sino de x euros. Con estos cambios, consideramos t = N t S(t) xx 1 + xx xx N = xs N Miramos la evolución del precio del activo durante t días, a intervalos de t, t = N t, qué ocurre con su valor final N E(S(t)) xe(x n ) = 0 V ar(s(t)) n=1 N ( x) 2 V ar(x n ) = n=1 N ( x) 2 = N( x) 2 n=1
13 jnos interesa t 0 Medimos el precio de la acción más a menudo (mayor conocimiento del mercado). Pasamos a tiempo continuo (mayor facilidad de cálculo). Funciona bien?
14 jnos interesa t 0 Medimos el precio de la acción más a menudo (mayor conocimiento del mercado). Pasamos a tiempo continuo (mayor facilidad de cálculo). Funciona bien? Escogemos t = N t y x = t E(S(t)) = 0, V ar(s(t)) = N x 2 = t Aplicamos el Teorema Central del Límite N S(t) = xx n = N n=1 t xx n E ( N n=1 xx n) n=1 V ar ( N n=1 xx ) N(0, t), t 0 n N(0, 1)
15 jnos interesa t 0 Medimos el precio de la acción más a menudo (mayor conocimiento del mercado). Pasamos a tiempo continuo (mayor facilidad de cálculo). Funciona bien? Escogemos t = N t y x = t E(S(t)) = 0, V ar(s(t)) = N x 2 = t Aplicamos el Teorema Central del Límite N S(t) = xx n = N n=1 t xx n E ( N n=1 xx n) n=1 V ar ( N n=1 xx ) N(0, t), t 0 n N(0, 1) Igual con cualesquiera otras variables X n, independientes, con media 0 y varianza finita (Teorema de Donsker: convergencia en distribución).
16 jel movimiento browniano o proceso de Wiener El proceso S(t) B(t) que obtenemos en el límite cuando t 0. B(0) = 0 y tiene trayectorias continuas. Incrementos independientes: para todo 0 r s t, B(t) B(s) y B(s) B(r) son independientes. Si 0 s t <, B(t) B(s) N(0, t s) (gaussianos estacionarios): si t = N t, s = M t N B(t) B(s) = lim xx n = N n=m t s xx n t 0 n=m V ar ( N n=1 xx ) N(0, t s) n
17 jalgunas propiedades de los caminos brownianos Paley, Wiener, Zygmund (1933): no diferenciables en casi ningún punto con probabilidad 1. Variación cuadrática finita: en L 2 y en casi todo punto n B(t k ) B(t k 1 ) 2 = t donde π = {0 = t 0 < t 1 < < t n = t}. lim π 0 k=1 Kintchine (1933): ley del logaritmo iterado. Con probabilidad 1 B(t) = 1, 2t log log t lim sup t pero lim t B(t)/t = 0. lim inf t B(t) 2t log log t = 1 Transformaciones equivalentes 1 c B ct reescalamiento Y t = tb 1/t inversión temporal Z t = B T B T t reversión temporal B t simetría B(t + t 0 ) B(t 0 ) autosemejanza Es recurrente: P ({ t > 0; B(t) = 0}) = 1
18 jotro poco de historia 1823, Robert Brown: movimiento de las partículas de polen en el agua. 1900, Bachelier: modelo para las fluctuaciones de los precios de mercado. 1905, Albert Einstein: densidades de transición. 1909, Borel, Lebesgue, Daniell: teoría de integración. 1923, Norbert Wiener: primera prueba rigurosa de existencia. 1933, Paley, Wiener, Zygmund: no diferenciabilidad de las trayectorias, ley del logaritmo iterado , Paul Lèvy: descripción de la estructura de los caminos brownianos (tiempos de paso, measure du voisinage ) 1950 s Lévy, Hunt (propiedad fuerte de Markov), Doob (relación entre el movimiento browniano, la ecuación del calor y el problema de Dirichlet).
19 jun modelo para la evolución
20 S t = Precio de la acción. jun modelo para la evolución Samuelson-Merton = Black-Scholes-Merton En cada tiempo, las ganacias (relativas) de la acción son Gaussianas, su valor esperado es proporcional al lapso de tiempo, S t+ t S t S t Independientes de los valores pasados, continuos, N(µ t, Σ( t)). ds t = µ dt + σ dw t, W t un movimiento Browniano estándar S t (Fórmula de Ito) S t = S 0 e (µ σ2 2 ) t+σw t, µ = r
21 jopciones Opciones: son contratos que dan al que lo compra el derecho (pero no la obligación) a comprar o vender una acción a un precio fijo. Opciones de compra (Call ) dan el derecho a comprar Opciones de venta (Put ) derecho a vender Precio de ejercicio (strike): precio fijado. Fecha de expiry o maturity: la fecha en la que la acción pasará del vendedor al comprador. Fecha de ejercicio: fecha en la que el comprador de la opción debe decidir si la ejerce o no. Opciones europeas solo en la fecha de expiry. Opciones americanas en varias fechas antes de la fecha de expiry Pay-off: ganancia que espera obtener el comprador de la opción.
22 jopciones: un ejemplo sencillo Opciones de compra europeas: contratos que dan el derecho (pero no la obligación) para comprar una acción a un precio fijo. fecha de ejercicio T (en la que se ejerce la opción), precio de ejercicio K (precio fijo), subyacente S t, el precio de mercado de las acciones de Inditex, pago de la opción o ganancia del comprador.
23 El pago de esta opción es (S T K) + jvalor de una opción de compra europea El precio justo al tiempo t < T es C t,k = E t ( e r(t t) (S T K) +) = e r(t t) E t ( (ST K) +)
24 jvalor de una opción de compra europea Usando S T = S t e (r σ2 2 ) (T t)+σ(w T W t ), el precio de la opción de compra puede ser obtenido explícitamente, C t,k = S t N (d 1 ) e r(t t) KN (d 2 ), donde ( 1 d 1 = σ log S t T t K + d 2 = d 1 σ T t. (r + σ2 2 ) ) (T t),
25 jpero en el mundo real...
26 jpero en el mundo real...
27 jpero en el mundo real...
28 jhipótesis sobre el mercado Un espacio de probabilidad (Ω, F, P ) (los posibles estados del mercado), que soporta una filtración {F t } (F t representa la información del mercado hasta t), St 0, St 1,..., St N procesos adaptados (precios de activos que se pueden comprar y vender) con St 0 > 0 que no paga dividendos (numerario). El mercado es libre de arbitrajes (propiedad NFLVR, No free lunch with vanishing risk ) existe una probabilidad equivalente P P (no necesariamente única) tal que los precios descontados son martingalas El precio de un derivado será la esperanza descontada de la ganancia esperada
29 jaspecto general de las volatilidades...
30 j... estocásticas?
31 jmodelos más generales para la volatilidad Volatilidad dependiente del tiempo ds t = (... ) dt + σs t dw t, σ = σ(t) : R R determinista. Volatilidad local (Derman-Kani, Dupire) σ = σ(t, S t ), σ(t, x) : R R R una función determinista Volatilidad incierta σ = σt I es estocástica: I = 1, 2,... con probabilidad p 1, p 2,..., σ = σ 0 constante para t (0, ε), y para t > ε toma algún valor σt i (constante, dependiente del tiempo o local), de tal modo que la difusión ds t = (... ) dt + σt I dwt 1 tiene distintos escenarios. Volatilidad estocástica Hull-White, Lewis) σ = σ t es un proceso estocástico (Hagan et al., Heston, ds t = (... ) dt + σ t dw 1 dσ t = Σ t dw 2 t, t, } dwt 1 dwt 2 = ρ t dt
32 jmodelo Stochastic-αβρ (SABR) Hagan, P., Kumar, D., Lesniewski, A.S., Woodward, D.E., Wilmott, Para t T d ( St σ t ) = σ t ( S β t 0 0 ν dwt 1 dwt 2 ds t = σ t S β t dw 1 dσ t = νσ t dw 2 = ρ dt ) ( 1 0 ρ 1 ρ 2 t, t, ) dz t, = σ t ( S β t 0 νρ ν 1 ρ 2 Z t un movimiento Browniano bidimensional estándar. ( ) St El proceso es una difusión de Itô bidimensional para t T, σ t ( ) s0 con condición inicial v 0 ) dz t,
33 jecuaciones de Kolmogorov X t = ψ + t 0 b(s, X s ) ds + t 0 σ(s, X s ) dw s, b : [0, ) R d R d (vector deriva), σ : [0, ) R d R d r (matriz de dispersión), W t un proceso de Wiener r-dimensional. Denotamos por f la densidad de transición del proceso f(t, x; T, y) dy = P (y i < X i T y i + dy i, i = 1,..., d X t = x)
34 jecuaciones de Kolmogorov Ecuación de Kolmogorov backwards f t = d i=1 b i (t, x) f x i d i,j=1 2 f A i,j (t, x), x i x j t T, f(t, x; T, y) = δ x,y Ecuación de Kolmogorov forward (ecuación de Fokker-Plank) f d T = i=1 b i (t, y)f y i d i,j=1 2 A i,j (t, y)f x i x j, T t, f(t, x; t, y) = δ x,y Matriz de difusión: A = σσ
35 En este caso, la densidad de transición es jmodelo Stochastic-αβρ (SABR) f(t 0, v 0, s 0 ; t, σ, s) dσ ds = P (σ < σ t σ + dσ, s < S t s + ds σ t0 = v 0, S t0 = s 0 ), y la matriz de difusión ( S A = σt 2 β t 0 νρ ν 1 ρ 2 ) ( S β t 0 νρ ν 1 ρ 2 ) = σ 2 t ( S 2β t S β t ρν S β t ρν ν 2 ). Luego la ecuación a resolver es Ecuación de Kolmogorov forward f t = 1 (s 2β f) 2 σ2 2 + ρν 2 (σ 2 s β f) s 2 s σ f = δ s,s0 δ σ,v0, t = t ν2 2 (σ 2 f) σ 2, t > t 0,
36 jmodelo Stochastic-αβρ (SABR) Líneas de la prueba: Escribimos f(t 0, v 0, s 0 ; T, σ, s) = δ s,s0 δ σ,v0 + T t 0 f t (t 0, v 0, s 0 ; t, σ, s) dt y lo usamos en la integral para el precio de una opción de compra. Integramos por partes para obtener una nueva expresión en términos de una modificación de la función de densidad, verificando f(t, v 0, s 0 ; T, K) = f + 1 t 0 2 v2 0s 2β 2 f 0 s ρνv 2 0s β 0 σ 2 f(t, v 0, s 0 ; T, σ, K) dσ, 2 f + 1 s 0 v 0 2 ν2 v0 2 2 f v0 2 = 0, t 0 < t, f = v 2 0δ s,k, t 0 = t
37 jmodelo Stochastic-αβρ (SABR) La ecuación anterior es difícil de resolver: hacemos varias aproximaciones Las cantidades ν y σ son pequeñas típicamente, así que tomamos un ε << 1 y resolvemos, en lugar del problema original La ecuación a resolver es f + 1 t 0 2 ε2 v0s 2 2β 2 f 0 s 2 0 f = v 2 0δ s,k, t 0 = t ds t = εσ t S β t dw 1 dσ t = ενσ t dwt 2, dwt 1 dwt 2 = ρ dt. + ε 2 ρνv 2 0s β 0 t, 2 f + 1 s 0 v 0 2 ε2 ν 2 v0 2 2 f v0 2 = 0, t 0 < t, con ε pequeño. Se obtiene una aproximación mediante diversos cambios de variables en la ecuación, que conducen a una ecuación que se puede resolver hasta orden O(ε 2 )
38 jmodelo Stochastic-αβρ (SABR) Conduce a una expresión analítica de la volatilidad implícita de call-puts: σ B (K, f) = α (fk) (1 β)/2[ 1 + (1 β)2 24 log 2 f K + (1 β) log4 f K +... ] z χ(z) { [ (1 β) 2 α (fk) + 1 ρβνα 2 3ρ2 + ν ]t 2 1 β 4(fK) (1 β)/2 ex } z = ν α (fk)(1 β)/2 log f K χ(z) = log 1 2ρz + z2 + z ρ 1 ρ
39 jproblemas y soluciones Los modelos deben replicar el mercado se calibran los parámetros a las volatilidades de opciones... todos datos a la vez?... eligiendo un grupo de datos significativo? Calibración: Exact fit Minimización En calibración, a ser posible, fórmulas analíticas en general, no las hay para modelos de volatilidad estocástica más generales que el SABR Calibración por MonteCarlo. Aproximaciones semianalíticas
40 jproblemas y soluciones Valoración de productos más complejos: Simulaciones de MonteCarlo Árboles Longstaff-Schwartz (cancelabilidad) Problemas de velocidad de cálculo: Mejoras en la convergencia del MonteCarlo (Control Variate, Importance Sampling) Paralelización Resolución EDP s (à la SABR) para obtener fórmulas (o aproximaciones) analíticas
41 jreferencias John C. Hull, Options, Futures, and Other Derivatives (Prentice Hall) Paul Wilmott, Sam Howison, Jeff Dewynne, The Mathematics of Financial Derivatives: A Student Introduction (Cambridge University Press) Marek Musiela, Marek Rutkowski, Martingale Methods in Financial Modelling (Springer) Justin London, Modeling Derivatives in C++ (Wiley Finance) Mark Joshi, C++ Design Patterns and Derivatives Pricing (Cambridge, Mathematics, Finance and Risk) Thomas Mikosch, Elementary Stochastic Calculus With Finance in View (Advanced Series on Statistical Science & Applied Probability, Vol 6) Bernt Oksendal, Stochastic Differential Equations : An Introduction with Applications (Universitext)
42 Contacto Teresa Martínez
Simulación en seguros y finanzas Mtro. Víctor Hugo Ibarra Mercado
Simulación en seguros y finanzas Mtro. Víctor Hugo Ibarra Mercado La anterior, recuerdas? La normal y el movimiento browniano AHORA! EL MOVIMIENTO BROWNIANO y LAS OPCIONES Si recuerdas la dinámica, denominada
Más detallesValoración de Opciones Financieras. Begoña Vitoriano Villanueva bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid
Begoña Vitoriano Villanueva bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid Valoración de Opciones Financieras Nociones básicas sobre derivados financieros Derivado
Más detallesEN FINANZAS. Ernesto Mordecki. Primer Encuentro Regional de. Probabilidad y Estadística Matemática
MODELOS ESTOCÁSTICOS EN FINANZAS Ernesto Mordecki http://www.cmat.edu.uy/ mordecki mordecki@cmat.edu.uy Facultad de Ciencias Montevideo, Uruguay. Primer Encuentro Regional de Probabilidad y Estadística
Más detallesInvestigación Opciones para ciertos riesgos
Investigación Opciones para ciertos riesgos Eric J. Avila Vales Universidad Autónoma de Yucatán Agosto de 1998 1. Introducción Para proteger a nuestra familia compramos un seguro de vida y/o un seguro
Más detallesInstrumentos Derivados del Mercado Local: Tipologías y Valorización a Mercado. Santiago, 29 de marzo de 2012 ADV
Instrumentos Derivados del Mercado Local: Tipologías y Valorización a Mercado Santiago, 29 de marzo de 2012 1 Contenidos Descripción de los Instrumentos Condiciones de Mercado Valorización de Mercado 2
Más detallesBlack-Scholes. 1 Introducción y objetivos
Matemáticas en Wall Street: la fórmula de Black-Scholes Miguel Ángel Mirás Calvo Me di cuenta definitivamente de la importancia de la fórmula de Black-Scholes al escuchar a esos negociadores de opciones
Más detallesSIMULACION. Formulación de modelos: solución obtenida de manera analítica
SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesx 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.
Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesSIMULACIÓN MCMC. Dr. Holger Capa Santos
SIMULACIÓN MCMC Dr. Holger Capa Santos Septiembre, 2009 CONTENIDO Integración Montecarlo Problema con la Integración Montecarlo Muestreo de Importancia Algoritmos de Metropolis y Metropolis-Hastings Muestreador
Más detallesFINANZAS. Carlos Vázquez Cendón. Departamento de Matemáticas Facultad de Informática Universidade da Coruña carlosv@udc.es
MÉTODOS NUMÉRICOS PARA LAS FINANZAS Carlos Vázquez Cendón Departamento de Matemáticas Facultad de Informática Universidade da Coruña carlosv@udc.es Jornadas de Matemática de los Mercados Financieros Murcia,
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesDEPARTAMENTO ECONOMIA FINANCIERA Y CONTABILIDAD I
1 DEPARTAMENTO ECONOMIA FINANCIERA Y CONTABILIDAD I LICENCIATURA EN CIENCIAS ACTUARIALES Y FINANCIERAS Plan 2001 METODOS Y MODELOS DE LOS SISTEMAS DINAMICOS 4,5 Créditos Código 208 Profesores : Dr. Jose
Más detallesUCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG)
PAEG Junio 0 Propuesta A Matemáticas aplicadas a las CCSS II º Bachillerato UCLM - Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales
Más detallesProfesor: Arturo Cifuentes Auxiliar: Pedro Ramírez, Javier Zapata R. Auxiliar #10
Profesor: Arturo Cifuentes Auxiliar: Pedro Ramírez, Javier Zapata R. Auxiliar #10 Supongan que quieren hacer un contrato forward para comprar un monto Q de activos. En un mundo ideal, podrían encontrar
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
E3 25 JUNIO 2008 PARTE SIN MATERIAL PRIMERA PREGUNTA (2 puntos) Un individuo adquiere un equipo de grabación cuyo precio al contado es de.345, que va a pagar en dos plazos: a los dos meses y a los seis
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesMERCADO DE CAPITALES ERICK J. ESTRADA O. INVESTIGACIÓN EN INTERNET
MERCADO DE CAPITALES ERICK J. ESTRADA O. INVESTIGACIÓN EN INTERNET Una opción es un contrato entre dos partes (una compradora y otra vendedora), en donde el que compra la opción adquiere el derecho a ejercer
Más detallesExamen de Estadística Ingeniería de Telecomunicación
Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las
Más detallesOpciones reales. Dr. Guillermo López Dumrauf. Buenos Aires, 4 de septiembre de 2003. dumrauf@fibertel.com.ar
Opciones reales Buenos Aires, 4 de septiembre de 2003 Dr. Guillermo López Dumrauf dumrauf@fibertel.com.ar (*) La compañía X está estudiando la compra de un ferryboat de alta velocidad para proveer un servicio
Más detallesConsideraciones al precio de un warrant. El precio del warrant: la prima. Factores que afectan al precio de un warrant
Consideraciones al precio de un warrant El precio del warrant: la prima La prima es el precio que se paga por comprar un warrant. El inversor adquiere así el derecho a comprar (warrant Call) o vender (warrant
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesPROGRAMACIÓN LINEAL. 8.1. Introducción. 8.2. Inecuaciones lineales con 2 variables
Capítulo 8 PROGRAMACIÓN LINEAL 8.1. Introducción La programación lineal es una técnica matemática relativamente reciente (siglo XX), que consiste en una serie de métodos y procedimientos que permiten resolver
Más detalles3.1 Opciones reales Opciones Call Opciones Put Compra de Call
3.1 Opciones reales La teoría de opciones tiene un origen puramente financiero, se usa ampliamente como estrategia de cobertura de riesgos para inversiones en valores o acciones e inclusive existen opciones
Más detallesInversión. Inversión. Arbitraje. Descuento. Tema 5
Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro
Más detallesUnidad V: Integración
Unidad V: Integración 5.1 Introducción La integración es un concepto fundamental de las matemáticas avanzadas, especialmente en los campos del cálculo y del análisis matemático. Básicamente, una integral
Más detalleswww.aulamatematica.com
www.aulamatematica.com APLIICACIIÓN DE DERIIVADAS:: PROBLEMAS DE OPTIIMIIZACIIÓN CON 1 VARIIABLE.. 004 Los costes de fabricación C(x) en euros de cierta variedad de galletas dependen de la cantidad elaborada
Más detallesMarialejandra Castillo Torres Carlos Enrique Vecino Arenas, Ph. D
Marialejandra Castillo orres Carlos Enrique Vecino Arenas, Ph. D Las opciones son transadas en los mercados financieros. Una opción call le da a su propietario el derecho más no la obligación de comprar
Más detallesPROCESOS ESTOCÁSTICOS. INTRODUCCIÓN A LOS MODELOS FINANCIEROS
ASIGNATURA DE MÁSTER: PROCESOS ESTOCÁSTICOS. INTRODUCCIÓN A LOS MODELOS FINANCIEROS Curso 2015/2016 (Código:2115228-) 1.PRESENTACIÓN La asignatura "Procesos Estocásticos e Introducción a los Modelos Financieros"
Más detalles1. Derivadas parciales
Análisis Matemático II. Curso 2009/2010. Diplomatura en Estadística/Ing. Téc. en Inf. de Gestión. Universidad de Jaén TEMA 3. ABLES DIFERENCIACIÓN DE FUNCIONES DE VARIAS VARI- 1. Derivadas parciales Para
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesProductos de Divisa Tipos de Cambio Exportador
Productos de Divisa Tipos de Cambio Derivados de Divisa Versión 3.1 Comunicación publicitaria Página 1 Una presencia global: un banco global en los mercados de alto potencial BBVA y Corporate and Investment
Más detallesValoración de opciones sobre acciones: el modelo Black-Scholes. Capítulo 10
Valoración de opciones sobre acciones: el modelo Black-Scholes Capítulo 0 Modelo de valuación de Black-Sholes El supuesto subyacente al modelo BS es que el precio de las acciones sigue un recorrido aleatorio
Más detallesOPCIONES REALES EN LA GENERACIÓN DE ENERGÍA ELÉCTRICA
OPCIONES REALES EN LA GENERACIÓN DE ENERGÍA ELÉCTRICA Dra. ELSA CORTINA Lic. MARTÍN DURO Comunicación efectuada en la sesión privada extraordinaria de la Academia Nacional de Ciencias de Buenos Aires del
Más detallesIntroduccion a la teoria del arbitraje
Introduccion a la teoria del arbitraje Manuel Morales Departmento de Matematicas y Estadistica Universidad de Montreal Febrero 2007 i) Problema y Motivación. ii) Introduccion y Definiciones. iii) Ejemplo
Más detallesADMINISTRACION FINANCIERA. Parte VIII Capítulos 1 y 2. Finanzas internacionales.-
ADMINISTRACION FINANCIERA Parte VIII Capítulos 1 y 2. Finanzas internacionales.- CPN. Juan Pablo Jorge Ciencias Económicas Tel. (02954) 456124/433049 jpjorge@speedy.com.ar 1 Sumario 1. Finanzas internacionales.
Más detallesPuede dar pérdida un Casino?
Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas
Más detallesTEMA 2: MÉTODO MONTE CARLO
TEMA 2: MÉTODO MONTE CARLO Introducción al tema: En esta sección continuaremos estudiando los elementos necesarios que sustentan el método Monte Carlo. Ya en el tema anterior se vio la aplicación de la
Más detallesOpciones. Marcelo A. Delfino
Opciones Concepto de opción! El comprador de una opcion tiene el derecho, no la obligacion, de comprar (call) o vender (put) un contrato a termino a un precio predeterminado (precio de ejercicio)! El derecho
Más detallesFunciones de varias variables
Funciones de varias variables Derivadas parciales. El concepto de función derivable no se puede extender de una forma sencilla para funciones de varias variables. Aquí se emplea el concepto de diferencial
Más detalles13. Técnicas de simulación mediante el método de Montecarlo
13. Técnicas de simulación mediante el método de Montecarlo Qué es la simulación? Proceso de simulación Simulación de eventos discretos Números aleatorios Qué es la simulación? Simulación = técnica que
Más detallesSimulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones. Banco Central de Reserva del Perú
Simulación de Curvas de Rendimiento empleando Componentes Principales: Una aplicación para los Fondos de Pensiones Banco Central de Reserva del Perú - Gonzalo Chávez - Paul Zanabria 1 Introducción La proyección
Más detallesOpciones (Resumen libro Hull)
Dos tipos básicos de opciones: CALL y PUT Opciones (Resumen libro Hull) CALL = opción de compra. Comprador: pagó (prima) para adquirir el derecho a comprar un activo (activo subyacente) a un precio determinado
Más detallesUnidad II: Números pseudoaleatorios
Unidad II: Números pseudoaleatorios 2.1 Métodos de generación de números Pseudoaleatorio Métodos mecánicos La generación de números aleatorios de forma totalmente aleatoria, es muy sencilla con alguno
Más detallesinvirtiendo. Un inversionista siempre desea maximizar su rendimiento utilizando los
CAPÍTULO I. INTRODUCCIÓN I.1 Planteamiento del Problema Hay casos en los que no podemos juzgar, ya que la diferencia entre el bien o el mal es solo un punto de vista. - Franklin Eduardo Araujo Serrano
Más detallesRESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES
RESOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES 1 La ecuación 2x - 3 = 0 se llama ecuación lineal de una variable. Obviamente sólo tiene una solución. La ecuación -3x + 2y = 7 se llama ecuación lineal de
Más detallesMonografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR
Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesPablo Fernández. IESE. Valoración de opciones por simulación 1 VALORACIÓN DE OPCIONES POR SIMULACIÓN Pablo Fernández IESE
Pablo Fernández. IESE. Valoración de opciones por simulación 1 VALORACIÓN DE OPCIONES POR SIMULACIÓN Pablo Fernández IESE 1. Fórmulas utilizadas en la simulación de la evolución del precio de una acción
Más detallesUn problema sobre repetidas apuestas al azar
Un problema sobre repetidas apuestas al azar Eleonora Catsigeras 1 10 de marzo de 2003. Resumen En estas notas se da el enunciado y una demostración de un conocido resultado sobre la probabilidad de éxito
Más detallesObjetivo: Horario: 5:00 pm - 8:00 pm Duración: 30 hrs. (10 clases)
Objetivo: Brindar los conocimientos necesarios para implementar, operar y gestionar una mesa de derivados incluyendo para esto instrumentos lineales y de volatilidad; así como sus coberturas. El curso
Más detallesFísica de los Procesos Biológicos Curso 2005/6
Bibliografía: ísica, Kane, Tema 8 ísica de los Procesos Biológicos Curso 2005/6 Grupo 3 TEMA 2 BIOMECÁNICA 2.1 SÓIDO DEORMABE Parte 1 Introducción Vamos a estudiar como los materiales se deforman debido
Más detallesOpciones parisinas. Definición y valoración
Opciones parisinas. Definición y valoración John Freddy Moreno Trujillo * jhon.moreno@uexternado.edu.co * Docente investigador. Facultad de Finanzas, Goierno y Relaciones Internacionales. Universidad Externado
Más detallesTema 5. Análisis de regresión (segunda parte) Estadística II, 2010/11
Tema 5 Análisis de regresión (segunda parte) Estadística II, 2010/11 Contenidos 5.1: Diagnóstico: Análisis de los residuos 5.2: La descomposición ANOVA (ANalysis Of VAriance) 5.3: Relaciones no lineales
Más detallesESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS
ESTADÍSTICA 2OO7/2OO8 TEMA 10: SIMULACIÓN DE VARIABLES ALEATORIAS DESCRIPCIÓN DEL TEMA: 10.1. Introducción. 10.2. Método de las transformaciones. 10.3. Método de inversión. 10.4. Método de aceptación-rechazo.
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesPronósticos. Pronósticos y gráficos Diapositiva 1
Pronósticos Pronósticos Información de base Media móvil Pronóstico lineal - Tendencia Pronóstico no lineal - Crecimiento Suavización exponencial Regresiones mediante líneas de tendencia en gráficos Gráficos:
Más detallesEstacionalidad. Series de tiempo. Modelos econométricos. Modelos econométricos. Q= T Kα Lβ
Estacionalidad Qué es la estacionalidad? La estacionalidad es una componente que se presenta en series de frecuencia inferior a la anual (mensual, trimestral,...), y supone oscilaciones a corto plazo de
Más detallesLas Funciones Analíticas. f (z 0 + h) f (z 0 ) lim. h=z z 0. = lim
Las Funciones Analíticas 1 Las Funciones Analíticas Definición 12.1 (Derivada de una función compleja). Sea D C un conjunto abierto. Sea z 0 un punto fijo en D y sea f una función compleja, f : D C C.
Más detallesCONTENIDOS NECESARIOS PARA MATEMATICAS, 1.
Elaboración de Materiales para Pruebas Libres de Educación Secundaria CONTENIDOS NECESARIOS PARA MATEMATICAS, 1. Números: suma, resta, multiplicación y división de números; operaciones combinadas de números
Más detallesSelectividad Junio 2008 JUNIO 2008 PRUEBA A
Selectividad Junio 008 JUNIO 008 PRUEBA A 3 a x + a y =.- Sea el sistema: x + a y = 0 a) En función del número de soluciones, clasifica el sistema para los distintos valores del parámetro a. b) Resuélvelo
Más detallesRegresión múltiple. Modelos y Simulación. I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía
Regresión múltiple I. Introducción II. Marco teórico III. Aplicación IV. Conclusiones V. Bibliografía I.- INTRODUCCIÓN Como la Estadística Inferencial nos permite trabajar con una variable a nivel de intervalo
Más detallesTarifa. Gama energypack
Descubre la nueva forma, rápida y cómoda de contratar energía y de ahorrar en tus próximas facturas. Por solo 9,99 disfrutarás de hasta 90 de descuento en tus recibos de Luz y Gas. Adquiere energypack
Más detallesTEMA V TEORÍA DE CUADRIPOLOS LINEALES. 5.1.-Introducción. 5.2.-Parámetros de Impedancia a circuito abierto.
TEMA V TEORÍA DE CUADRIPOLOS LINEALES 5.1.-Introducción. 5.2.-Parámetros de Impedancia a circuito abierto. 5.3.-Parámetros de Admitancia a cortocircuito. 5.4.-Parámetros Híbridos (h, g). 5.5.-Parámetros
Más detallesForo de Opciones. 1. Introducción. 2. Determinación del precio. 3. Acerca de la volatilidad. 4. Estándares de mercado I.
Foro de Opciones El objetivo de esta presentación es acercar a los Ingresarios en un nivel básico a los instrumentos de opciones, esta se dividirá en 4 partes de la siguiente manera: 1. Introducción 2.
Más detallesMáster en Finanzas Cuantitativas
Máster en Finanzas Cuantitativas Código del plan: EF68 CÓDIGO CRÉDITOS NOMBRE DE LA ASIGNATURA DESCRIPCIÓN DE LA ASIGNATURA CURSO ÚNICO 701213 4 PROCESOS Y CALCULO ESTOCÁSTICO 701214 3 FUNDAMENTOS CUANTITATIVOS
Más detallesCARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE ALICANTE
ApunA tes de Ingeniería Financiera TEMA 2: Forwards y Futuros II: Formación de Precios y Aplicaciones Prácticas CARLOS FORNER RODRÍGUEZ Departamento de Economía Financiera y Contabilidad, UNIVERSIDAD DE
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Universidad de Cádiz Departamento de Matemáticas MATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas Tema Representación gráfica de funciones reales de una variable real Elaborado
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesElla es una estadounidense propietaria de la empresa. catering. En el 2003 fue acusada de hacer mal uso de la información privilegiada
CAPÍTULO V. UN EJEMPLO DE INSIDER TRADING Para ejemplificar lo sucedido en el anterior capítulo se tomará en cuenta el caso de Martha Stewart. Ella es una estadounidense propietaria de la empresa Martha
Más detallesUN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS
UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las
Más detallesCÁLCULO PARA LA INGENIERÍA 1
CÁLCULO PARA LA INGENIERÍA 1 PROBLEMAS RESUELTOS Tema 3 Derivación de funciones de varias variables 3.1 Derivadas y diferenciales de funciones de varias variables! 1. Derivadas parciales de primer orden.!
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesUniversidad Autónoma de Yucatán Facultad de Matemáticas
Universidad Autónoma de Yucatán Facultad de Matemáticas Ecuaciones Diferenciales Licenciatura en Ciencias de la Computación Cuarto semestre DESCRIPCIÓN: Durante este curso se presentarán técnicas analíticas,
Más detallesProductos Cotizados de Apalancamiento de BNP Paribas WARRANTS
Productos Cotizados de Apalancamiento de BNP Paribas WARRANTS En los últimos tiempos los Hedge Funds se han hecho muy famosos por sus capacidades de obtener rentabilidad sea cual sea la tendencia de mercado,
Más detallesCAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES
CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES Para la valuación de opciones hay dos modelos ampliamente reconocidos como son el modelo binomial y el modelo de Black
Más detallesUniversidad del País Vasco
Universidad del País Vasco eman ta zabal zazu Euskal Herriko Unibertsitatea INSTRUCCIONES. El examen consta de 50 cuestiones. Hay una única respuesta correcta para cada cuestión. Las cuestiones respondidas
Más detallesSeminario de Economía Financiera. 24 de enero de 2014 Prof. Francisco E. Martínez-Aponte
Seminario de Economía Financiera 24 de enero de 2014 Prof. Francisco E. Martínez-Aponte Conceptos de Interés 24 de enero de 2014 Prof. Francisco E. Martínez-Aponte 2 Principal hoy $100 Principal en un
Más detallesNT8. El Valor en Riesgo (VaR)
NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo
Más detallesCap. 24 La Ley de Gauss
Cap. 24 La Ley de Gauss Una misma ley física enunciada desde diferentes puntos de vista Coulomb Gauss Son equivalentes Pero ambas tienen situaciones para las cuales son superiores que la otra Aquí hay
Más detalles2. SISTEMAS LINEALES DE PRIMER ORDEN (I)
2. SISTEMAS LINEALES DE PRIMER ORDEN (I) 2.1 INTRODUCCIÓN DOMINIO TIEMPO Un sistema lineal de primer orden con una variable de entrada, " x ( ", y una variable salida, " y( " se modela matemáticamente
Más detallesProductos Cotizados de Inversión de BNP Paribas BONUS CAP IBEX-35
Productos Cotizados de Inversión de BNP Paribas BONUS CAP IBEX-35 CÓMO OBTENER UN +10% A 1 AÑO Y 2 MESES SI EL IBEX-35 NO VUELVE A LOS MÍNIMOS DE MARZO/2009 Cree que, por mala que sea la situación actual,
Más detallesUNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS
UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detallesVALORACIÓN DE MERCANCÍAS ALMACENABLES. vs. MERCANCÍAS NO ALMACENABLES
VALORACIÓN DE MERCANCÍAS ALMACENABLES vs. MERCANCÍAS NO ALMACENABLES MERCANCÍAS Y RENDIMIENTO DE CONVENIENCIA El concepto de rendimiento de conveniencia fue analizado por primera vez por Kaldor y Working
Más detalles4 Localización de terremotos
513430 - Sismología 27 4 Localización de terremotos 4.1 Localización de sismos locales Fig 27: Gráfico de la ruptura en la superficie de una falla. La ruptura se propaga desde el punto de la nucleación,
Más detallesInstrumentos financieros emitidos por un intermediario como una alternativa de inversión donde se puede llegar a obtener rendimientos superiores a
Instrumentos financieros emitidos por un intermediario como una alternativa de inversión donde se puede llegar a obtener rendimientos superiores a los del mercado de renta fija. Una opción, al igual que
Más detallesAlvaro J. Riascos Villegas Universidad de los Andes y Quantil. Marzo 14 de 2012
Contenido Motivación Métodos computacionales Integración de Montecarlo Muestreo de Gibbs Rejection Muestreo Importante Metropolis - Hasting Markov Chain Montecarlo Method Complemento ejemplos libro: Bayesian
Más detallesIntegrales y ejemplos de aplicación
Integrales y ejemplos de aplicación I. PROPÓSITO DE ESTOS APUNTES Estas notas tienen como finalidad darle al lector una breve introducción a la noción de integral. De ninguna manera se pretende seguir
Más detallesTEMA 5: PRINCIPALES INSTRUMENTOS PARA LA COBERTURA DEL RIESGO EN LA EMPRESA Parte I
TEMA 5: PRINCIPALES INSTRUMENTOS PARA LA COBERTURA DEL RIESGO EN LA EMPRESA Parte I 5.1.- Introducción. 5.2.- Opciones financieras. 5.3.- Futuros financieros. 5.4.- Operaciones a plazo o forward con divisas.
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesUso de Derivados Financieros como generadores de valor
MERCADOS GLOBALES PERU Uso de Derivados Financieros como generadores de valor Risk Empresa BBVA 21 de abril de 2010 Mercados Globales Contenidos Los Derivados como Oferta de Valor Sección I Comportamiento
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesIESE Universidad de Navarra Barcelona-Madrid
Barcelona-Madrid 2- APLICACIONES DE LOS DERIVADOS PARA CUBRIR LA GESTION DE CARTERAS Y PARA CUBRIR RIESGOS (*) En esta nota se presentan algunas de las aplicaciones más frecuentes de los derivados para
Más detallesDELTA MASTER FORMACIÓN UNIVERSITARIA C/ Gral. Ampudia, 16 Teléf.: 91 533 38 42-91 535 19 32 28003 MADRID
CONVOCATORIA 4 de JULIO de 2009 PRIMERA PREGUNTA Responder a las siguientes cuestiones: 1.1) Se puede calificar al juego de lotería como una operación financiera? Justificarlo razonadamente Se trata de
Más detallesGeneración de números aleatorios
Generación de números aleatorios Marcos García González (h[e]rtz) Verano 2004 Documento facilitado por la realización de la asignatura Métodos informáticos de la física de segundo curso en la universidad
Más detalles