Ragioniamo ancora un po sulla hazard con un esempio Supponiamo che i contratti siano stai stipulati tutti in un mese e che ogni mese ne vengano rescissi.

Slides:



Advertisements
Presentazioni simili
- le Medie la Moda la Mediana
Advertisements

Concetti base della finanza
La matematica e l’economia
Si occupa di operazioni finanziarie cioè che danno origine allo scambio tra somme di denaro riferite ad epoche diverse. Implica linterazione tra due parti.
2. Introduzione alla probabilità
I modelli di valutazione delle opzioni su tassi
____________________
Integrazione Corso: Analisi Numerica Anno Accademico:
Mercati finanziari e aspettative
Lezione 14 La curva di Phillips.
Metodologie di tipo finanziario per la valutazione di convenienza
DIFFERENZA TRA TASSI DI INTERESSE E RENDIMENTI
MATEMATICA FINANZIARIA
3. Processi Stocastici Un processo stocastico è una funzione del tempo i cui valori x(t) ad ogni istante di tempo t sono v.a. Notazione: X : insieme di.
INTERESSE COMPOSTO Rendite costanti
Funzioni esponenziali e logaritmiche
Elementi di Matematica
La distribuzione del reddito
Distribuzioni troncate: esempio
8. Reti di Code Nella maggior parte dei processi produttivi risulta troppo restrittivo considerare una sola risorsa. Esempio: linea tandem arrivi 1 v.
Velocità media Abbiamo definito la velocità vettoriale media.
ESERCITAZIONE 2.
Economia politica II – Modulo di Macroeconomia
Modelli macroeconomici in economia aperta
Proposte per un rapporto congiunturale Davide Vannoni Corso di Economia Applicata.
Modello di regressione lineare semplice
ESPONENZIALI E LOGARITMI
IL MODELLO DI MALTHUS NEL CASO CONTINUO
IL TASSO NATURALE DI DISOC-CUPAZIONE E LA CURVA DI PHILLIPS
STATISTICA PER LE DECISIONI DI MARKETING
CdLM in Economia e Management A.a. 2012/2013 Docente: Domenico Sarno
Regressione Logistica
Fenomeni di crescita e decrescita
POPOLAZIONE E STRUTTURA
La ricerca delle relazioni tra fenomeni
Corso di Economia degli Intermediari Finanziari
Statistica economica (6 CFU)
Scelta distribuzioni di input
COLLEGIO GEOMETRI E GEOMETRI LAUREATI DELLA PROVINCIA DI MILANO
Modelli di Illuminazione
RELAZIONE Siano X e Y due insiemi non vuoti si chiama relazione tra X e Y un qualunque sottoinsieme del prodotto cartesiano: R X x Y = (x,y): xX, yY
Stabilità per E.D.O. (II): IL METODO DIRETTO DI LYAPUNOV
Lezioni di Matematica Corso SIRIO I tassi equivalenti
Carisi Matteo ITIS C.Zuccante Classe 5ISA 12/12/12 N o Slide = 10.
Indici temporali di un flusso di pagamenti
Lezione B.10 Regressione e inferenza: il modello lineare
Distribuzioni troncate: esempio
Affidabilità e diagnostica di componenti elettronici
Calcolo delle probabilità a cura di Maurizio Brizzi
Analisi Multivariata dei Dati
Principi di macroeconomia Robert H. Frank, Ben S. Bernanke Copyright © The McGraw-Hill Companies, srl Capitolo 3 Misurare il livello dei prezzi.
Riassumendo: ipotesi per OLS 1.Modello lineare 2.X e Y sono frutto di osservazioni indipendenti 3.X è di rango pieno 4.I residui hanno media = 0 5.I residui.
Capitolo 13 Principi di Microeconomia N. Gregory Mankiw
APPROSSIMAZIONE DI FUNZIONI
Metodi Quantitativi per Economia, Finanza e Management Lezione n°13.
Costi Curva della domanda Curva della domanda Curva della domanda Curva della domanda Elasticità della domanda Elasticità della domanda Elasticità della.
STATISTICHE DESCRITTIVE
Correlazione e regressione lineare
TEST STATISTICI PER SCALE NOMINALI, TASSI E PROPORZIONI Non sempre la variabile aleatoria (risultato sperimentale) è un numero ma è spesso un esito dicotomico.
APPUNTI DI GEOMETRIA ANALITICA DELLA RETTA
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
John Napier ( ), matematico scozzese inventò i LOGARITMI ed essi costituirono lo strumento di calcolo fondamentale fino all'avvento delle moderne.
La derivata Docente Grazia Cotroni classi V A e V B.
Le Riforme Fiscali 1 A Cura della CISL Lazio 1 Fisco, Lavoro, Previdenza.
I “FERRI DEL MESTIERE”: ALCUNI STRUMENTI ANALITICI PER LA STORIA ECONOMICA LM 84, Corso di Storia Economica 2015/16.
L’effetto delle asimmetrie informative sul mercato del credito Fausto Panunzi.
In alcuni casi gli esiti di un esperimento possono essere considerati numeri naturali in modo naturale. Esempio: lancio di un dado In atri casi si definisce.
San Valentino giugno 2016 Esercitazione n. 04. As, Ad Supponiamo che l’economia di Papignopoli sia stabile in corrispondenza del proprio livello naturale.
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
Transcript della presentazione:

Ragioniamo ancora un po sulla hazard con un esempio Supponiamo che i contratti siano stai stipulati tutti in un mese e che ogni mese ne vengano rescissi il 5/10/15/20% (tasso di mortalità), senza nuovi contratti. Quanti contratti sopravvivono ogni mese con il passare dei mesi? mediana

La Hazard si comporta come un tasso di interesse composto Se deposito 1000 euro e il tasso annuo che la banca mi paga è del 3% Supponendo che linteresse venga capitalizzato ogni giorno, cioè ogni giorno la banca v mi accredita il (3/365)% di quanto avevo in conto il giorno prima Alla fine dellanno avrò 1.030,39 NON come sarebbe se linteresse fosse capitalizzato tutto a fine anno, perché nel corso dellanno percepisco interessi sugli interessi. Se fosse mensile avrei 1.030,42 trimestrale 1.030,34 Come si vede è lhazard (il tasso di interesse) e la scansione temporale (discreta) che guidano il processo

La Hazard si comporta come un tasso di interesse composto Nellesempio dei contratti la hazard è lievemente superiore del tasso di mortalità: Quando il tasso è costante la relazione è Log[S(t)]= - t Poiché è costante si può calcolare in un punto, ad es la mediana Questi sono i valori (approssimati): Naturalmente lipotesi di costanza dellhazard (o del tm) è piuttosto restrittiva Più spesso varieranno col tempo t.m.5%10%15%20% hazard56%11%16%22%

Data la funzione di densità di T f(t) Ripartizione: Sopravvivenza Hazard Hazard integrata Relazioni:

Modelliamo la hazard: modello semplice = rischio costante Distribuzione esponenziale, caso piuttosto semplice infatti per la distribuzione esponenziale è:

In generale, la hazard dipende da 2 parametri ( e p) E la dipendenza della hazard dal tempo (positiva o negativa) è governata dal parametro p e dalla distribuzione scelta: Esponenziale hazard costante Weibull hazard Crescente/decrescente (dip.da p) Log-logistica Hazard prima cresce poi cala Lognormale Hazard prima cresce poi cala

NB la hazard è altamente non lineare:

Altre distribuzioni stima MLE tenendo conto dei dati censurati

Esempio: durata in giorni di un insieme di scioperi (Green) pmediana Esponenziale s.e Weibull s.e Log-logistica s.e Lognormale s.e

Introduciamo delle determinanti X. Le determinanti vengono introdotte nel termine, naturalmente alesponente Si modifica la logL che ora viene minimizzata in p, e Nellesempio degli scioperi, introducendo un indice della produzione industriale si ottiene, per la Weibull: -ln( ) = – x ; p= =exp( x) Attenzione alla lettura dei coefficienti ! Occorre ricordarsi che, nella weibull

Hazard quasi piatta infatti p quasi =1….come esponenziale

Ma nellesempio dei contratti: -ln( ) = età ; p=

Attenzione alla lettura dei coefficienti ! In generale la Hazard adesso dipende da t, p, e X Il segno del coefficiente della X indica la direzione delleffetto sulla hazard SOLO SE la hazard è MONOTONA ! (es. nelle loglog non vale!) In ogni caso leffetto è NON LINEARE La interpretazione va fatta Per valori tipici delle X (es.medie) Disegnando la funzione (hazard e/o Survival) Per strati di popolazione Per tipologie

Analisi di specificazione: Usuali test per stime MLE (LR, LM, WALD) Diversi test di adattamento sono stati proposti, ma i risultati sono, in generale, condizionati alla scelta della distribuzione di partenza. Il problema della errata specificazione del modello, cioè della eterogeneità non osservata è particolarmente rilevante nellapproccio parametrico e, in generale, non ha una soluzione semplice.