Economics 434: The Theory of Financial Markets

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Ειδικότερα ζητήματα Πρόσβασης τρίτου
Advertisements

ΜΑΚΙΓΙΑΖ.
ΨΥΧΟΠΑΙΔΑΓΩΓΙΚΟ ΥΛΙΚΟ ΒΡΕΦΟΝΗΠΙΑΚΟΥ ΣΤΑΘΜΟΥ
Nacionalno računovodstvo
KVANTITATIVNE METODE U GRAĐEVINSKOM MENADŽMENTU
«Ο ΔΗΜΟΤΙΚΟΣ ΚΗΠΟΣ ΤΟΥ ΤΑΞΙΜΙΟΥ»
2. VAJA – sile ob dotiku in na daljavo
RADAR ZA PLOVILO ESMO Laboratorij za Sevanje in Optiko
תנועה הרמונית מטוטלת – חלק ב'.
Pasiruošimas “Elektros” skyriaus laboratoriniams darbams
הסקה על פרופורציה באוכלוסייה
ΧΡΗΣΤΟΓΛΟΥ ΙΩΑΝΝΗΣ ΓΕΝ
Κοινωνία, παραβατικές συμπεριφορές, πολιτική καταστολή
ΚΟΙΝΩΝΙΚΗ ΚΑΙ ΑΛΛΗΛΕΓΓΥΑ ΟΙΚΟΝΟΜΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΤΩΝ ΦΟΡΕΩΝ ΤΗΣ
ΔΙΑΤΑΡΑΧΕΣ ΟΞΕΟΒΑΣΙΚΗΣ ΙΣΟΡΡΟΠΙΑΣ
Επανάληψη.
ΑΝΑΛΥΤΙΚΗ ΧΗΜΕΙΑ Εισαγωγή.
ΑΡΙΘΜΟΔΕΙΚΤΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΑΣ
Διαχείριση Κινδύνου* *Η σειρά παρουσιάσεων για το μάθημα «Διαχείριση Κινδύνου» βασίζεται στο σύγγραμμα των Σχοινιωτάκη, Ν., και Συλλιγάρδου Γ., «Διαχείριση.
ΣΑΕ ΙΙ – ΥΔΡΑΥΛΙΚΑ & ΠΝΕΥΜΑΤΙΚΑ ΣΥΣΤΗΜΑΤΑ
Εργασία στο μάθημα της Βιολογίας της Ά λυκείου του μαθητή Γεώργιου Μ.
Κεφάλαιο 6 οι φίλοι μας, οι φίλες μας
ΜΑΘΗΜΑΤΙΚΑ ΓΙΑ ΟΙΚΟΝΟΜΟΛΟΓΟΥΣ (Κ105)
Επαγγέλματα στο Βυζάντιο
Μορφές & Διαδικασίες Αξιολόγησης
ΗΛΕΚΤΡΟΜΥΟΓΡΑΦΗΜΑ.
Εισαγωγή στη Ρομποτική
Λέκτορας Κώστας Κορδάς Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης
Κάνε κλικ σε κάθε λέξη για να δεις τη σημασία
Μεσαιωνικό Κάστρο Λεμεσού
ΕΠΑΝΑΛΗΨΗ ΓΕΩΜΕΤΡΙΑ 5Ο ΚΕΦ.
ΑΣΚΗΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΤΗΣ ΓΛΩΣΣΑΣ
Δρ. ΚΥΡΙΑΖΟΠΟΥΛΟΣ ΓΕΩΡΓΙΟΣ
Καδράκι ‘‘Ο Χριστός σώζει τον Πέτρο από τον καταποντισμό στα κύματα’’
Πυρηνική Φυσική και Φυσική Στοιχειωδών Σωματιδίων (5ου εξαμήνου, χειμερινό ) Τμήμα T3: Κ. Κορδάς & Χ. Πετρίδου Μάθημα 4 Mέγεθος πυρήνα Κώστας.
Η προβληματική των γενικών σκοπών και των ειδικών στόχων:
Σχεδιασμός και Οργάνωση του μαθήματος
Διαφορές και Ομοιότητες Κερδοσκοπικών και Μη Κερδοσκοπικών Οργανισμών
Put Options.
Χονδρός Παναγιώτης Σοφού Ειρήνη Μυρογιάννη Χρύσα Καλαϊτζή Κατερίνα
Εισηγητής: Ιωάννης Χρήστογλου Γεν. Διευθυντής Δ.Ε.Υ.Α. Κατερίνης
Καλαματα Η ιστορία της.
Ψηφιακές Επικοινωνίες Ι
Ψηφιακές Τηλεπικοινωνιές
Αθανάσιος Κ. Ρισβάς.
Η Γαλλική Επανάσταση.
ΠΥΡΟΣΒΕΣΤΙΚΟ ΣΩΜΑ.
Η ΤΕΧΝΗ ΣΤΗΝ ΑΡΧΑΪΚΗ ΕΠΟΧΗ
Απέκκριση Οι δυο κύριες οδοί απομάκρυνσης των φαρμάκων από τον οργανισμό, είναι αφ ενός ο μεταβολισμός τους στο ήπαρ, που μόλις εξετάσαμε, και αφ ετέρου.
ΜΥΕ003-ΠΛΕ70: Ανάκτηση Πληροφορίας
Τα πολιτικά κόμματα Ορισμός: α) η κατάκτηση της πολιτικής εξουσίας, β) μόνιμη οργάνωση σε όλη την επικράτεια, γ) λαϊκή στήριξη Λειτουργίες: -α) ενοποίηση-εναρμονισμός.
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Μύκητας Κεφίρ και Σπόροι Κεφίρ είναι το ίδιο πράγμα.
ΗΜΕΡΟΛΟΓΙΟ.
Το παιδί που πεθαίνει.
ΤΟ ΜΑΓΝΗΤΙΚΟ ΠΕΔΙΟ ΜΕΣΑ ΣΤΗΝ ΥΛΗ
Οργανική Χημεία Ενότητα 1: Χημεία του Άνθρακα Χριστίνα Φούντζουλα
Πεντηκονταετία π.Χ..
Ψηφιακές Τηλεπικοινωνιές
Σύντομη Παρουσίαση Τόμος 2. Κεφάλαιο 2 «Στοιχεία Επικοινωνίας»
Αρχαία Ολυμπία Μυρσίνη Μαλίογκα Ε΄
3.
Τ.Ε.Ι. Κρήτης Σχολή Τεχνολογικών Εφαρμογών Τμ. Μηχανικών Πληροφορικής
ΕΛΕΥΘΕΡΟΣ ΧΡΟΝΟΣ.
Μερκ. Παναγιωτόπουλος - Φυσικός
ΑΘΛΗΤΙΣΜΟΣ ΚΑΙ ΜΥΙΚΟ ΣΥΣΤΗΜΑ
ΤΟ ΦΩΣ ΩΣ ΑΥΤΟΝΟΜΗ ΦΥΣΙΚΗ ΟΝΤΟΤΗΤΑ
Μάθημα: ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΙΣΤΗΜΗ ΤΗΣ ΕΙΔΙΚΗΣ ΑΓΩΓΗΣ
Εισαγωγή στη Διοικητική Λογιστική
Μεταγράφημα παρουσίασης:

Economics 434: The Theory of Financial Markets Professor Burton Fall 2016 Oct 6, 2016

Prof Burton Talk in Winchester Wednesday Shenandoah Valley Museum: Business Advisory Luncheon Talk is about “Economic Growth: Where Has it Gone” Oct 6, 2016

The Capital Asset Pricing Model Markowitz – mean, variance analysis Tobin – the role of the risk free rate Sharpe (and others) – beta and the market basket September 15, 17, 2015

Today: Markowitz on Mean-Variance Theory Oct 6, 2016

Need Mathematical Concepts Mean Variance Covariance Correlation Coefficient September 15, 17, 2015

Correlation coefficient ≡ ρx,y Symbols Mean [x] ≡ µ(x) ≡ µx Variance [x] ≡ σ2(x) ≡ σx2 Covariance [x,y] ≡ σx,y If x and y are the same variable, then σy,y ≡ σx,x ≡ σx2 ≡ σy2 Correlation coefficient ≡ ρx,y September 15, 17, 2015

 = √ 2 1,2 1,2  12 Some Definitions (Xi1- µi ) 1,2  12 September 9, 2014

Harry Markowitz September 9, 2014

Mean-Variance (Harry Markowitz, 1955) Each asset defined as: Probability distribution of returns Mean and Variance of the distribution known Assume no riskless asset (all variances > 0) Portfolio is A collection of assets with a mean and a variance that can be calculated Also an asset (no difference between portfolio and an asset) September 15, 17, 2015

Consider the Case of Only Two Assets Use the mean/standard deviation diagram Identify an asset as a point in the diagram Given any two assets Where are all the portfolios that can be created from just two assets? Oct 6, 2016

Diagram with 2 Assets Asset 2 (μ2, σ2) Asset 1 (μ1, σ1) Mean Standard Deviation = √(Variance) September 15, 17, 2015

Now combine asset 1 and 2 into portolios consisting only of assets 1 and 2 Mean Asset 2 (μ2, σ2) Asset 2 (μ2, σ2) Portfolio (μP, σP) Portfolio (μP, σP) Asset 1 (μ1, σ1) Asset 1 (μ1, σ1) σ σ Where should the portfolio be in the diagram? September 15, 17, 2015

First, where will the mean of a portfolio that has half of one asset and half of another? Portfolio (μP, σP) Portfolio (μP, σP) Where is the portfolio that Is half Asset 1, half Asset 2? Asset 1 (μ1, σ1) Asset 1 (μ1, σ1) σ σ Oct 6, 2016

Mean of a portfolio of two assets: 𝑛 𝑡=1 λ𝑋 1 + 1−λ( 𝑋 2 ) 𝑛 Where 0 ≤ λ ≤ 1 “n” is the number of time periods, beginning with t = 1 And X1 is the return of asset one and X2 the return of asset two (should be indexed by time) Thus Mean of Portfolio = λ times Mean of Asset 1 + (1 – λ) times Mean of Asset 2 Or µP = Portfolio Mean of Two Assets = λµ1 + (1-λ)µ2 Oct 6, 2016

Mean of ½ Asset 1 and ½ Asset 2 μ2 Asset 2 (μ2, σ2) Mean of half/half Asset 1 (μ1, σ1) μ1 Standard Deviation = √(Variance) September 15, 17, 2015

But where with the standard deviation of the half/half portfolio be? Mean Asset 2 (μ2, σ2) ? ? ? Asset 1 (μ1, σ1) Oct 6, 2016

Now, some mathematics: Oct 6, 2016

Variance of a Portfolio with two assets  P2 =  (P - P)2 n = {λ(X1- 1) + (1-λ)(X2 - 2)}2 n October 4, 2016

After some mild heavy lifting: σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ Cov(1,2) Note that Cov(1,2) ≡ σ1,2 So: σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ σ 1,2 Oct 6, 2016

Make use of correlation coefficient: σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ σ 1,2 ρ 1,2 ≡ σ 1,2 σ 1 σ 2 σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ ρ 1,2 σ 1 σ 2 Oct 6, 2016

σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ ρ 1,2 σ 1 σ 2 What happens when ρ1,2 = 0 ? σ 𝑃 2 = λ σ 1 + 1−λ σ 2 2 Now, take square roots of both sides: σ 𝑃 = λ σ 1 + 1−λ σ 2 If λ= ½, then σ 𝑃 = 1 2 σ 1 + 1 2 σ 2 Oct 6, 2016

So, the half/half case is: σ 𝑃 = 1 2 σ 1 + 1 2 σ 2 Mean μ2 Asset 2 (μ2, σ2) Asset 1 (μ1, σ1) μ1 σ1 ½ σ1 + ½ σ2 σ2 Oct 6, 2016

If ρ < 1 σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ σ 1,2 σ 𝑃 2 = λ 2 σ 1 2 + 1−λ 2 σ 2 2 +2λ 1−λ σ 1,2 The right hand side will be smaller than before This implies a smaller variance of P And a smaller standard deviation Oct 6, 2016

So, if σ < 1 σ1 ½ σ1 + ½ σ2 σ2 Asset 2 (μ2, σ2) Asset 1 (μ1, σ1) P will lie to the left of the Line joining the Assets Mean μ2 Asset 2 (μ2, σ2) Asset 1 (μ1, σ1) μ1 σ1 ½ σ1 + ½ σ2 σ2 Oct 6, 2016

Portfolio Choice Mean More risk Less risk σ σ September 15, 17, 2015

Oct 6, 2016