14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

Méret: px
Mutatás kezdődik a ... oldaltól:

Download "14 A Black-Scholes-Merton modell. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull"

Átírás

1 14 A Black-choles-Merton modell Copyright John C. Hull 01 1

2

3 Részvényárak viselkedése (feltevés!) Részvényár: μ: elvárt hozam : volatilitás Egy rövid Δt idő alatt a hozam normális eloszlású véletlen változó: ( ) μδt Δt Δ φ, Copyright John C. Hull 01 3

4 Lognormális áreloszlás: Minthogy G = ln általánosított Wiener folyamat: Copyright John C. Hull 01 4 azaz 0 0, ln ln, ln ln μ φ μ φ

5 Lognormális áreloszlás: E( ) = e μ μ var ( ) = e ( e 1) 0 0 Copyright John C. Hull 01 5

6 Folytonosan jóváírt hozam Copyright John C. Hull = 0 0 μ φ = x x e x, ln

7 Folytonosan jóváírt hozam A részvényár várható értéke: 0 e μ Ezzel szemben a hozam várható értéke: μ / Magyarázat: ln[ E( / 0)] E[ln( / 0)] [ E ( )] = ln( ) μ > E[ ln( )] ln 0 Copyright John C. Hull 01 7

8 μ és μ / μ a hozam várható értéke egy nagyon rövid Δt időtartam alatt (jóváírás Δt után) μ / isa várható hozam egy hosszú időtartamra folytonos (illetve Δt gyakoriságú) jóváírással Copyright John C. Hull 01 8

9 Befektetési alapok hozama: Éves hozamok: 15%, 0%, 30%, 0%, 5% (1 éves jóváírás) zámtani átlag: 14% 100 x 1.15 x 1. x 1.3 x 0.8 x 1.5 = x = 19.5 (!!!) 100 x = zámtani átlag (14%) felel meg μ-nek Geometriai átlag (1.4%) felel meg μ /-nek Copyright John C. Hull 01 9

10 Volatilitás Folytonos jóváírással meghatározott 1 éves hozam standard szórása Egy rövid Δt időtartamra ez közelítőleg Δt Ha az ár $50 és a volatilitás 5% évente: 1nap 1keresk.na p = Δt = Δt 1 30 = 1.57% = % Copyright John C. Hull 01 10

11 Volatilitás becslés historikus adatokból 1. Ár adatsorok: 0, 1,..., n (τ gyakoriság, pl. τ = 1/5 heti záró árakra). Hozam minden egyes lépésre: i ui = ln i1 3. tadard szórás s az összesített u i adatokra s 1 n 1 4. Wiener tulajdonság miatt: = ( u ) n i = i u 1 Copyright John C. Hull 01 ˆ = s τ 11

12 Black-choles-Merton alapfeltevések A részvény és a részvényopció bizonytalansága ugyanazon tényezőkön alapul (μ és konstans). udunk rizikómentes portfóliót alkotni részvényből és részvény opcióból. A portfólió hozama rövid távon a rizikómentes befektetés hozamával egyezik meg. Folytonos kereskedés, nincs osztalék, a kamatláb lejárattól független. Nincs adó és tranzakciós költség. Copyright John C. Hull 01 1

13 Black-choles differenciálegyenlet Copyright John C. Hull részvény : opció 1 : ½ ƒ z ƒ t ƒ t ƒ ƒ ƒ z t μ μ Δ Δ = Δ Δ Δ = Δ f a call opció ára, -től függ z = ε t mindkét egyenletben azonos!!

14 Black-choles differenciálegyenlet A portfólió értéke, Π Π = ƒ ƒ Változás Δt alatt ΔΠ = Δƒ ƒ Δ Copyright John C. Hull 01 14

15 Copyright John C. Hull 01 : és Helyettesítés, - hozam kockázatmentes Alapfeltevés : a rƒ ƒ ½ ƒ r t ƒ ƒ t f f r f f t r = Δ Δ Δ = Δ Δ ΠΔ ΔΠ = Black-choles differenciálegyenlet

16 Black-choles differenciálegyenlet Bármilyen származtatott termék ára a B egyenlet megoldása. Egy adott termék: peremfeltételek Pl.: határidős szerződés ára ƒ = K a lejárati időben (t =) Behelyettesítés után a megoldás: ƒ= Ke r ( t ) Copyright John C. Hull 01 16

17 Black-choles-Merton árazás Copyright John C. Hull d r K d r K d d N d N K e p d N K e d N c r r = = = = = ) / ( ) / ln( ) / ( ) / ln( ) ( ) ( ) ( ) (

18 N(x) függvény N(x) annak a valószínűsége, hogy a véletlen változó kisebb x-nél (kumulatív valószínűség eloszlás) Copyright John C. Hull 01 18

19 Black-choles-Merton árazás Ha 0 extrém nagy értékű, c tart 0 Ke -r árhoz, és p nullához Fordítva: 0 alacsony értékénél c nullához tart, p határértéke Ke -r 0 Copyright John C. Hull 01 19

20 Kockázatmentes értékelés Az elvárt hozam, μ, nincsen benne a Black- choles-merton egyenletben! Kockázat-preferenciától teljesen független. Copyright John C. Hull 01 0

21 Kockázatmentes értékelés 1. Alapfeltevés: a részvények hozama megegyezik a kockázatmentes kamat-hozammal.. zámoljuk az opció hozamát. 3. Diszkontálás: kockázatmentes kamatláb. Copyright John C. Hull 01 1

22 Példa: határidős ügylet Elszámolásnál: K Kockázatmentes esetben: 0 e r K Jelenérték: e -r [ 0 e r K]= 0 Ke -r Copyright John C. Hull 01

23 VIX &P500 volatilitás index Copyright John C. Hull 01 3

24

8-9 Opciós piacok. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1

8-9 Opciós piacok. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1 8-9 Opciós piacok 1 Opció típusok Call: vételi jog Put: eladási jog Európai opció: csak lejáratkor érvényesíthető Amerikai opció: lejáratig bármikor érvényesíthető Pozíciók: long call, long put (vételi

Részletesebben

Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537

Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537 Opcióértékelés/Opcióelmélet kurzusok Neptun kód: KTA60220, KTA60850, TMME0408, KT30725, KT30320, T M3537 2013-14, I. félév tagozat: nappali Oktatók: Gáll József (előadás), jozsef.gall kukac econ.unideb.hu,

Részletesebben

6_1_részvényértékelés A B C D E F G H

6_1_részvényértékelés A B C D E F G H részvényértékelés C D E F G H 0 0 0 0 vállalatunk a Kóceráj Rt. vállalat nettó eszközértéke (mérlegfőösszeg-rövid lejáratú kötelezettség) 00 millió forint. vállalat hosszú lejáratú kötelezettsége 00 millió

Részletesebben

5 Forward és Futures Árazás. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1

5 Forward és Futures Árazás. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1 5 Forward és Futures Árazás 1 Fogyasztási vs beruházási javak Beruházási célú javak (pl. arany, ezüst, ingatlan, műkincsek, stb.) Fogyasztási javak (pl. ércek, nyersfémek, olaj, kőszén, fél sertés, stb.)

Részletesebben

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma:

e (t µ) 2 f (t) = 1 F (t) = 1 Normális eloszlás negyedik centrális momentuma: Normális eloszlás ξ valószínűségi változó normális eloszlású. ξ N ( µ, σ 2) Paraméterei: µ: várható érték, σ 2 : szórásnégyzet (µ tetszőleges, σ 2 tetszőleges pozitív valós szám) Normális eloszlás sűrűségfüggvénye:

Részletesebben

Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához

Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához Tájékoztató hirdetmény az OTP Bank Nyrt. Regionális Treasury Igazgatóságának Értékesítési Üzletszabályzatához Az egyes tőzsdén kívüli származtatott Egyedi Ügyletek változó letét igény mértékének számításáról

Részletesebben

4 Kamatlábak. Options, Futures, and Other Derivatives 8th Edition, Copyright John C. Hull

4 Kamatlábak. Options, Futures, and Other Derivatives 8th Edition, Copyright John C. Hull 4 Kamatlábak 1 Típusok Jegybanki alapkamat LIBOR (London Interbank Offered Rate, naponta, AA minősítésű partnereknek kölcsön) BUBOR (Budapest Interbank Offered Rate) Repo kamatláb (repurchase, értékpapír

Részletesebben

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt!

Pénzügyi matematika. Vizsgadolgozat I. RÉSZ. 1. Deniálja pontosan, mit értünk amerikai vételi opció alatt! NÉV: NEPTUN KÓD: Pénzügyi matematika Vizsgadolgozat I. RÉSZ Az ebben a részben feltett 4 kérdés közül legalább 3-ra kell hibátlan választ adni ahhoz, hogy a vizsga sikeres lehessen. Kett vagy kevesebb

Részletesebben

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1 Statisztika - bevezetés 00.04.05. Méréselmélet PE MIK MI_BSc VI_BSc Bevezetés Véletlen jelenség fogalma jelenséget okok bizonyos rendszere hozza létre ha mindegyik figyelembe vehető egyértelmű leírás általában

Részletesebben

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet

Diverzifikáció Markowitz-modell MAD modell CAPM modell 2017/ Szegedi Tudományegyetem Informatikai Intézet Operációkutatás I. 2017/2018-2. Szegedi Tudományegyetem Informatikai Intézet Számítógépes Optimalizálás Tanszék 11. Előadás Portfólió probléma Portfólió probléma Portfólió probléma Adott részvények (kötvények,tevékenységek,

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 8 VIII. REGREssZIÓ 1. A REGREssZIÓs EGYENEs Két valószínűségi változó kapcsolatának leírására az eddigiek alapján vagy egy numerikus

Részletesebben

OPCIÓS PIACOK VIZSGA MINTASOR

OPCIÓS PIACOK VIZSGA MINTASOR OPCIÓS PIACOK VIZSGA MINTASOR ELMÉLET ÉS SZÁMOLÁS ELMÉLETI ÉS SZÁMOLÁSI KÉRDÉSEK 1. A devizára szóló európai call opciók a) belsőértéke mindig negatív. b) időértéke pozitív és negatív is lehet. c) időértéke

Részletesebben

A portfólió elmélet általánosításai és következményei

A portfólió elmélet általánosításai és következményei A portfólió elmélet általánosításai és következményei Általánosan: n kockázatos eszköz allokációja HOZAM: KOCKÁZAT: variancia-kovariancia mátrix segítségével! ) ( ) ( ) / ( ) ( 1 1 1 n s s s p t t t s

Részletesebben

Valószínűségszámítás összefoglaló

Valószínűségszámítás összefoglaló Statisztikai módszerek BMEGEVGAT Készítette: Halász Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel:

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Kísérlettervezés Cél: a modell paraméterezése a valóság alapján

Részletesebben

13 Wiener folyamat és az Itô lemma. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull

13 Wiener folyamat és az Itô lemma. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 13 Wiener folyama és az Iô lemma Opions, Fuures, and Oher Derivaives, 8h Ediion, Copyrigh John C. Hull 01 1 Markov folyamaok Memória nélküli szochaszikus folyamaok, a kövekező lépés csak a pillananyi helyzeől

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28

Részletesebben

A maximum likelihood becslésről

A maximum likelihood becslésről A maximum likelihood becslésről Definíció Parametrikus becsléssel foglalkozunk. Adott egy modell, mellyel elképzeléseink szerint jól leírható a meghatározni kívánt rendszer. (A modell típusának és rendszámának

Részletesebben

Abszolút folytonos valószín ségi változó (4. el adás)

Abszolút folytonos valószín ségi változó (4. el adás) Abszolút folytonos valószín ségi változó (4. el adás) Deníció (Abszolút folytonosság és s r ségfüggvény) Az X valószín ségi változó abszolút folytonos, ha van olyan f : R R függvény, melyre P(X t) = t

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 47 55 pont jeles 38 46 pont jó 29 37 pont közepes 20 28

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 9 IX. ROBUsZTUs statisztika 1. ROBUsZTUssÁG Az eddig kidolgozott módszerek főleg olyanok voltak, amelyek valamilyen értelemben optimálisak,

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.29. A statisztika típusai Leíró jellegű statisztika: összegzi egy adathalmaz jellemzőit. A középértéket jelemzi (medián, módus, átlag) Az adatok változékonyságát

Részletesebben

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév 1. A várható érték és a szórás transzformációja 1. Ha egy valószínűségi változóhoz hozzáadunk ötöt, mínusz ötöt, egy b konstanst,

Részletesebben

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk

egyenletesen, és c olyan színű golyót teszünk az urnába, amilyen színűt húztunk. Bizonyítsuk Valószínűségszámítás 8. feladatsor 2015. november 26. 1. Bizonyítsuk be, hogy az alábbi folyamatok mindegyike martingál. a S n, Sn 2 n, Y n = t n 1+ 1 t 2 Sn, t Fn = σ S 1,..., S n, 0 < t < 1 rögzített,

Részletesebben

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ

Megoldások. ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4; 2, 3) normális eloszlású P (ξ Megoldások Harmadik fejezet gyakorlatai 3.. gyakorlat megoldása ξ jelölje az első meghibásodásig eltelt időt. Akkor ξ N(6, 4;, 3 normális eloszlású P (ξ 8 ξ 5 feltételes valószínűségét (.3. alapján számoljuk.

Részletesebben

MISKOLCI EGYETEM GAZDASÁGTUDOMÁNYI KAR PÉNZÜGYI TANSZÉK. Tőzsdei ismeretek. feladatgyűjtemény

MISKOLCI EGYETEM GAZDASÁGTUDOMÁNYI KAR PÉNZÜGYI TANSZÉK. Tőzsdei ismeretek. feladatgyűjtemény MISKOLCI EGYETEM GAZDASÁGTUDOMÁNYI KAR PÉNZÜGYI TANSZÉK Tőzsdei ismeretek feladatgyűjtemény Miskolc, 005 MISKOLCI EGYETEM GAZDASÁGTUDOMÁNYI KAR PÉNZÜGYI TANSZÉK Összeállította: Galbács Péter demonstrátor

Részletesebben

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus. Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza

Részletesebben

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem

Nagy számok törvényei Statisztikai mintavétel Várható érték becslése. Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem agy számok törvényei Statisztikai mintavétel Várható érték becslése Dr. Berta Miklós Fizika és Kémia Tanszék Széchenyi István Egyetem A mérés mint statisztikai mintavétel A méréssel az eloszlásfüggvénnyel

Részletesebben

Kísérlettervezés alapfogalmak

Kísérlettervezés alapfogalmak Kísérlettervezés alapfogalmak Rendszermodellezés Budapest University of Technology and Economics Fault Tolerant Systems Research Group Budapest University of Technology and Economics Department of Measurement

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdaságtudományok tanszék Vállalkozási finanszírozás kollokvium E Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes 19 26

Részletesebben

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( )

Alap-ötlet: Karl Friedrich Gauss ( ) valószínűségszámítási háttér: Andrej Markov ( ) Budapesti Műszaki és Gazdaságtudományi Egyetem Gépészmérnöki Kar Hidrodinamikai Rendszerek Tanszék, Budapest, Műegyetem rkp. 3. D ép. 334. Tel: 463-6-80 Fa: 463-30-9 http://www.vizgep.bme.hu Alap-ötlet:

Részletesebben

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt

Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Modern műszeres analitika szeminárium Néhány egyszerű statisztikai teszt Galbács Gábor KIUGRÓ ADATOK KISZŰRÉSE STATISZTIKAI TESZTEKKEL Dixon Q-tesztje Gyakori feladat az analitikai kémiában, hogy kiugrónak

Részletesebben

MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak!

MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak! OPCIÓS PIACOK VIZSGA MINTASOR (Figyelem az I. rész - Szabályzatok és Elszámolás tesztkérdéseiben megadott válaszok a hatályos szabályzatok szerint változhatnak!) NÉV:. SZÜLETÉSI DÁTUM: PONTSZÁM: / 30 Tisztelt

Részletesebben

Vállalatértékelés példák

Vállalatértékelés példák Vállalatértékelés példák Részvényértékelés reálopcióval Egy vállalat eszközeinek várható értéke jelenleg 1000 mft. Ennek a relatív szóródása 40%. Rövid lejáratú hitel összege 10 mft, kamata 10%, lejárata

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,

Részletesebben

A vállalati pénzügyi döntések fajtái

A vállalati pénzügyi döntések fajtái A vállalati pénzügyi döntések fajtái Hosszú távú finanszírozási döntések Befektetett eszközök Forgóeszközök Törzsrészvények Elsőbbségi részvények Hosszú lejáratú kötelezettségek Rövid lejáratú kötelezettségek

Részletesebben

Osztályozóvizsga követelményei

Osztályozóvizsga követelményei Osztályozóvizsga követelményei Képzés típusa: Tantárgy: Nyolcosztályos gimnázium Matematika Évfolyam: 12 Emelt óraszámú csoport Emelt szintű csoport Vizsga típusa: Írásbeli Követelmények, témakörök: Emelt

Részletesebben

Buda-Cash Brókerház. Határidős piacok. Határidős üzletkötő

Buda-Cash Brókerház. Határidős piacok. Határidős üzletkötő Buda-Cash Brókerház Határidős piacok Sőre Balázs Határidős üzletkötő Elmélet A határidős ügylet célja, egy mögöttes termékben, adott időszak alatt bekövetkező, kedvezőtlen irányú árfolyamváltozás kockázatának

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Nyugat-magyarországi Egyetem Geoinformatikai Kara Dr. Bácsatyai László Matematikai geodéziai számítások 6. MGS6 modul Lineáris regresszió számítás elektronikus távmérőkre SZÉKESFEHÉRVÁR 2010 Jelen szellemi

Részletesebben

Statisztika elméleti összefoglaló

Statisztika elméleti összefoglaló 1 Statisztika elméleti összefoglaló Tel.: 0/453-91-78 1. Tartalomjegyzék 1. Tartalomjegyzék.... Becsléselmélet... 3 3. Intervallumbecslések... 5 4. Hipotézisvizsgálat... 8 5. Regresszió-számítás... 11

Részletesebben

Továbblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás,

Továbblépés. Általános, lineáris modell. Példák. Jellemzık. Matematikai statisztika 12. elıadás, Matematikai statisztika. elıadás, 9.5.. Továbblépés Ha nem fogadható el a reziduálisok korrelálatlansága: Lehetnek fel nem tárt periódusok De más kapcsolat is fennmaradhat az egymáshoz közeli megfigyelések

Részletesebben

A Markowitz modell: kvadratikus programozás

A Markowitz modell: kvadratikus programozás A Markowitz modell: kvadratikus programozás Losonczi László Debreceni Egyetem, Közgazdaság- és Gazdaságtudományi Kar Debrecen, 2011/12 tanév, II. félév Losonczi László (DE) A Markowitz modell 2011/12 tanév,

Részletesebben

Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet. Beadandó feladat. Modern vállalati pénzügyek tárgyból

Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet. Beadandó feladat. Modern vállalati pénzügyek tárgyból Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet Beadandó feladat Modern vállalati pénzügyek tárgyból az alap levelező képzés Gazdasági agrármérnök V. évf. Pénzügy-számvitel

Részletesebben

Száz János. Computer finance. Oktatás, válság, martingálok

Száz János. Computer finance. Oktatás, válság, martingálok Száz János Computer finance Oktatás, válság, martingálok Bologna, SPM, BPM 90-es évek: az angol atomfizikus phd-sok több mint fele befektetési bankba ment dolgozni Bologna a Közgázon: 50 év után nincs

Részletesebben

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet

GVMST22GNC Statisztika II. Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet GVMST22GNC Statisztika II. 3. előadás: 8. Hipotézisvizsgálat Kóczy Á. László Keleti Károly Gazdasági Kar Vállalkozásmenedzsment Intézet Hipotézisvizsgálat v becslés Becslés Ismeretlen paraméter Közeĺıtő

Részletesebben

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim.

Függvények július 13. Határozza meg a következ határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. x 7 x 15 x ) = (2 + 0) = lim. Függvények 205. július 3. Határozza meg a következ határértékeket!. Feladat: 2. Feladat: 3. Feladat: 4. Feladat: (2 + 7 5 ) (2 + 7 5 ) (2 + 0 ) (2 + 7 5 ) (2 + 7 5 ) (2 + 0) (2 + 0 7 5 ) (2 + 0 7 5 ) (2

Részletesebben

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek

Anyagvizsgálati módszerek Mérési adatok feldolgozása. Anyagvizsgálati módszerek Anyagvizsgálati módszerek Mérési adatok feldolgozása Anyagvizsgálati módszerek Pannon Egyetem Mérnöki Kar Anyagvizsgálati módszerek Statisztika 1/ 22 Mérési eredmények felhasználása Tulajdonságok hierarchikus

Részletesebben

Gazdasági matematika II. vizsgadolgozat megoldása, június 10

Gazdasági matematika II. vizsgadolgozat megoldása, június 10 Gazdasági matematika II. vizsgadolgozat megoldása, 204. június 0 A dolgozatírásnál íróeszközön kívül más segédeszköz nem használható. A dolgozat időtartama: 90 perc. Ha a dolgozat első részéből szerzett

Részletesebben

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 4 IV. MINTA, ALAPsTATIsZTIKÁK 1. MATEMATIKAI statisztika A matematikai statisztika alapfeladatát nagy általánosságban a következőképpen

Részletesebben

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis

4/24/12. Regresszióanalízis. Legkisebb négyzetek elve. Regresszióanalízis 1. feladat Regresszióanalízis. Legkisebb négyzetek elve 2. feladat Az iskola egy évfolyamába tartozó diákok átlagéletkora 15,8 év, standard deviációja 0,6 év. A 625 fős évfolyamból hány diák fiatalabb

Részletesebben

Bevezető ismeretek a pénzügyi termékekről Intézményekről, tranzakciókról 1.

Bevezető ismeretek a pénzügyi termékekről Intézményekről, tranzakciókról 1. Bevezető ismeretek a pénzügyi termékekről Intézményekről, tranzakciókról 1. Jánosi Imre Kármán Környezeti Áramlások Hallgatói Laboratórium, Komplex Rendszerek Fizikája Tanszék Eötvös Loránd Tudományegyetem,

Részletesebben

1. Példa. A gamma függvény és a Fubini-tétel.

1. Példa. A gamma függvény és a Fubini-tétel. . Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +

Részletesebben

Vállalati pénzügyi döntések Finanszírozási döntések

Vállalati pénzügyi döntések Finanszírozási döntések BME Pénzügyek Tanszék Vállalati pénzügyi döntések Finanszírozási döntések Előadó: Deliné Pálinkó Éva Beruházásgazdaságossági számítások alkalmazásának elemei Tőkeköltségvetés - a pénzáramok meghatározása

Részletesebben

Buda-Cash Brókerház. Határidős piacok. Határidős üzletkötő

Buda-Cash Brókerház. Határidős piacok. Határidős üzletkötő Buda-Cash Brókerház Határidős piacok Sőre Balázs Határidős üzletkötő Elmélet A határidős ügylet célja, egy mögöttes termékben, adott időszak alatt bekövetkező, kedvezőtlen irányú árfolyamváltozás kockázatának

Részletesebben

Matematikai geodéziai számítások 6.

Matematikai geodéziai számítások 6. Matematikai geodéziai számítások 6. Lineáris regresszió számítás elektronikus távmérőkre Dr. Bácsatyai, László Matematikai geodéziai számítások 6.: Lineáris regresszió számítás elektronikus távmérőkre

Részletesebben

Vállalati pénzügyek alapjai. 2.DCF alapú döntések

Vállalati pénzügyek alapjai. 2.DCF alapú döntések Vállalati pénzügyek alapjai 2.DCF alapú döntések Deliné Palinkó Éva Pénzügyek Tanszék (palinko@finance.bme.hu) A vállalati pénzügyi döntések alapjai 1) Bevezetés. Vállalati pénzügyi döntések köre.. 2)

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek tesztelése I.

Többváltozós lineáris regressziós modell feltételeinek tesztelése I. Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Kvantitatív statisztikai módszerek Petrovics Petra Többváltozós lineáris regressziós

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 9. Előadás Binomiális eloszlás Egyenletes eloszlás Háromszög eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell 2/62 Matematikai statisztika

Részletesebben

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás Kísérlettervezés - biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás A matematikai-statisztika feladata tapasztalati adatok feldolgozásával segítséget nyújtani

Részletesebben

Vállalkozási finanszírozás kollokvium

Vállalkozási finanszírozás kollokvium Harsányi János Főiskola Gazdálkodási és Menedzsment Intézet Vállalkozási finanszírozás kollokvium G Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 43 50 pont jeles 35 42 pont jó 27 34 pont közepes

Részletesebben

Többváltozós lineáris regressziós modell feltételeinek

Többváltozós lineáris regressziós modell feltételeinek Többváltozós lineáris regressziós modell feltételeinek tesztelése I. - A hibatagra vonatkozó feltételek tesztelése - Petrovics Petra Doktorandusz Többváltozós lineáris regressziós modell x 1, x 2,, x p

Részletesebben

[Biomatematika 2] Orvosi biometria

[Biomatematika 2] Orvosi biometria [Biomatematika 2] Orvosi biometria 2016.02.22. Valószínűségi változó Véletlentől függő számértékeket (értékek sokasága) felvevő változókat valószínűségi változóknak nevezzük(jelölés: ξ, η, x). (pl. x =

Részletesebben

Társaságok pénzügyei kollokvium

Társaságok pénzügyei kollokvium udapesti Gazdasági Főiskola Pénzügyi és Számviteli Főiskolai Kar udapesti Intézet Továbbképzési Osztály Társaságok pénzügyei kollokvium Név: soport: Tagozat: Elért pont: Érdemjegy: Javította: 55 60 pont

Részletesebben

Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet. Beadandó feladat

Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet. Beadandó feladat Szent István Egyetem Gazdasági és Társadalomtudományi Kar Pénzügyi és Számviteli Intézet Beadandó feladat Vállalati pénzügyek tantárgyból BA alapszak levelező tagozat számára Emberi erőforrások Gazdálkodás

Részletesebben

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta

Közlemény. Biostatisztika és informatika alapjai. Alapsokaság és minta Közlemény Biostatisztika és informatika alajai. előadás: Az orvostudományban előforduló nevezetes eloszlások 6. szetember 9. Veres Dániel Statisztika és Informatika tankönyv (Herényi Levente) már kaható

Részletesebben

1 Határidős szerződések és opciók. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1

1 Határidős szerződések és opciók. Options, Futures, and Other Derivatives, 8th Edition, Copyright John C. Hull 2012 1 1 Határidős szerződések és opciók 1 Mi egy származékos pénzügyi termék (derivative)? Értéke egy másik eszköz, vagyontárgy (asset) feltételezett jövőbeli értékétől függ. Pl.: határidős szerződés, opciók,

Részletesebben

Markov-láncok stacionárius eloszlása

Markov-láncok stacionárius eloszlása Markov-láncok stacionárius eloszlása Adatbányászat és Keresés Csoport, MTA SZTAKI dms.sztaki.hu Kiss Tamás 2013. április 11. Tartalom Markov láncok definíciója, jellemzése Visszatérési idők Stacionárius

Részletesebben

Opciók árazása. Szakdolgozat. Írta: Kiss Valéria. Matematika BSc, Matematikai elemz szakirány. Témavezet :

Opciók árazása. Szakdolgozat. Írta: Kiss Valéria. Matematika BSc, Matematikai elemz szakirány. Témavezet : Opciók árazása Szakdolgozat Írta: Kiss Valéria Matematika BSc, Matematikai elemz szakirány Témavezet : Sikolya Eszter, adjunktus Alkalmazott Analízis és Számításmatematikai Tanszék Eötvös Loránd Tudományegyetem,

Részletesebben

4_1_Döntési fa_aqua_k1 A B C D E F G H I J K L M

4_1_Döntési fa_aqua_k1 A B C D E F G H I J K L M _1_Döntési fa_aqua_k1 1 1 1 1 1 1 1 1 1 A B C D E F G H I J K L M Az Swimm Bt. egy új vizipark megnyitását tervezi, melynek beruházási költsége millió EUR lenne. Mivel a projekt nagyon kockázatos, ezért

Részletesebben

Kockázatos pénzügyi eszközök

Kockázatos pénzügyi eszközök Kockázatos pénzügyi eszközök Tulassay Zsolt zsolt.tulassay@uni-corvinus.hu Tőkepiaci és vállalati pénzügyek 2006. tavasz Budapesti Corvinus Egyetem 2006. március 1. Motiváció Mi a fő különbség (pénzügyi

Részletesebben

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim.

Függvények december 6. Határozza meg a következő határértékeket! 1. Feladat: x 0 7x 15 x ) = lim. Megoldás: lim. 2. Feladat: lim. Függvények 05. december 6. Határozza meg a következő határértékeket!. Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0 ). Feladat: ( + 7 5 ) ( + 7 5 ) ( + 0) 3. Feladat: ( + 0 7 5 ) 4. Feladat: ( + 0 7 5 ) ( + 7 0 5

Részletesebben

y ij = µ + α i + e ij

y ij = µ + α i + e ij Elmélet STATISZTIKA 3. Előadás Variancia-analízis Lineáris modellek A magyarázat a függő változó teljes heterogenitásának két részre bontását jelenti. A teljes heterogenitás egyik része az, amelynek okai

Részletesebben

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg LMeasurement.tex, March, 00 Mérés Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg a mérendő mennyiségben egy másik, a mérendővel egynemű, önkényesen egységnek választott

Részletesebben

3. Lineáris differenciálegyenletek

3. Lineáris differenciálegyenletek 3. Lineáris differenciálegyenletek A közönséges differenciálegyenletek két nagy csoportba oszthatók lineáris és nemlineáris egyenletek csoportjába. Ez a felbontás kicsit önkényesnek tűnhet, a megoldásra

Részletesebben

Számítógépes döntéstámogatás. Statisztikai elemzés

Számítógépes döntéstámogatás. Statisztikai elemzés SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre

Részletesebben

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel:

x, x R, x rögzített esetén esemény. : ( ) x Valószínűségi Változó: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Feltételes valószínűség: Teljes valószínűség Tétele: Bayes Tétel: Valószínűségi változó általános fogalma: A : R leképezést valószínűségi változónak nevezzük, ha : ( ) x, x R, x rögzített esetén esemény.

Részletesebben

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1.

Statisztika I. 4. előadás Mintavétel. Kóczy Á. László KGK-VMI. Minta Mintavétel Feladatok. http://uni-obuda.hu/users/koczyl/statisztika1. Statisztika I. 4. előadás Mintavétel http://uni-obuda.hu/users/koczyl/statisztika1.htm Kóczy Á. László KGK-VMI koczy.laszlo@kgk.uni-obuda.hu Sokaság és minta Alap- és mintasokaság A mintasokaság az a részsokaság,

Részletesebben

Bitó Bálint István O PCIÓS T O ZSDEI KERESKEDELEM E ÖTVÖS L ORÁND T UDOMÁNYEGYETEM T ERMÉSZETTUDOMÁNYI K AR. Témavezeto : Mádi - Nagy Gergely

Bitó Bálint István O PCIÓS T O ZSDEI KERESKEDELEM E ÖTVÖS L ORÁND T UDOMÁNYEGYETEM T ERMÉSZETTUDOMÁNYI K AR. Témavezeto : Mádi - Nagy Gergely E ÖTVÖS L ORÁND T UDOMÁNYEGYETEM T ERMÉSZETTUDOMÁNYI K AR Bitó Bálint István O PCIÓS T O ZSDEI KERESKEDELEM BSc Elemzo Matematikus Szakdolgozat Témavezeto : Mádi - Nagy Gergely Operációkutatás tanszék

Részletesebben

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a

Kabos: Statisztika II. t-próba 9.1. Ha ismert a doboz szórása de nem ismerjük a Kabos: Statisztika II. t-próba 9.1 Egymintás z-próba Ha ismert a doboz szórása de nem ismerjük a doboz várhatóértékét, akkor a H 0 : a doboz várhatóértéke = egy rögzített érték hipotézisről úgy döntünk,

Részletesebben

Összeállította: dr. Leitold Adrien egyetemi docens

Összeállította: dr. Leitold Adrien egyetemi docens Az R n vektortér Összeállította: dr. Leitold Adrien egyetemi docens 2008.09.08. R n vektortér/1 Vektorok Rendezett szám n-esek: a = (a 1, a 2,, a n ) sorvektor a1 a = a2 oszlopvektor... a n a 1, a 2,,

Részletesebben

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat

biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert Hipotézisvizsgálat Kísérlettervezés - biometria III. foglalkozás előadó: Prof. Dr. Rajkó Róbert u-próba Feltétel: egy ormális eloszlású sokaság σ variaciájáak számszerű értéke ismert. Hipotézis: a sokaság µ várható értéke

Részletesebben

Pénzügytan szigorlat

Pénzügytan szigorlat GF KVIFK Gazdaságtudományi Intézet Pénzügy szakcsoport Pénzügytan szigorlat 8 32 36 pont jeles 27,5 31,5 pont jó 23 27 pont közepes 18,5 22,5 pont elégséges 18 pont elégtelen Név:. Elért pont:. soport:.

Részletesebben

8. feladatsor: Többváltozós függvények határértéke (megoldás)

8. feladatsor: Többváltozós függvények határértéke (megoldás) Matematika Ac gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 07/8 ősz 8. feladatsor: Többváltozós függvények határértéke (megoldás). Számoljuk ki a következő határértékeket: y + 3 a) y

Részletesebben

HÁZI FELADATOK. 2. félév. 1. konferencia Komplex számok

HÁZI FELADATOK. 2. félév. 1. konferencia Komplex számok Figyelem! A feladatok megoldása legyen áttekinthet és részletes, de férjen el az arra szánt helyen! Ha valamelyik HÁZI FELADATOK. félév. konferencia Komple számok Értékelés:. egység: önálló feladatmegoldás

Részletesebben

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell

y ij = µ + α i + e ij STATISZTIKA Sir Ronald Aylmer Fisher Példa Elmélet A variancia-analízis alkalmazásának feltételei Lineáris modell Példa STATISZTIKA Egy gazdálkodó k kukorica hibrid termesztése között választhat. Jelöljük a fajtákat A, B, C, D-vel. Döntsük el, hogy a hibridek termesztése esetén azonos terméseredményre számíthatunk-e.

Részletesebben

KÖVETKEZTETŐ STATISZTIKA

KÖVETKEZTETŐ STATISZTIKA ÁVF GM szak 2010 ősz KÖVETKEZTETŐ STATISZTIKA A MINTAVÉTEL BECSLÉS A sokasági átlag becslése 2010 ősz Utoljára módosítva: 2010-09-07 ÁVF Oktató: Lipécz György 1 A becslés alapfeladata Pl. Hányan láttak

Részletesebben

Vállalati pénzügyek alapjai

Vállalati pénzügyek alapjai BME Pénzügyek Tanszék Vállalati pénzügyek alapjai Befektetési döntések - Kötvények értékelése Előadó: Deliné Pálinkó Éva Pénzügyi piacok, pénzügyi eszközök 1. Vállalat a közvetlen pénzügyi piacokon szerez

Részletesebben

A ország B ország A ország B ország A ország B ország Külföldi fizetőeszköz hazai fizetőeszközben kifejezett ára. Mi befolyásolja a külföldi fizetőeszköz hazai fizetőeszközben kifejezett árát? Mit befolyásol

Részletesebben

Gazdasági Információs Rendszerek

Gazdasági Információs Rendszerek Gazdasági Információs Rendszerek 7. előadás Bánhelyi Balázs Alkalmazott Informatika Tanszék, Szegedi Tudományegyetem 2009 Opció fogalma Az opció jövőbeni döntési lehetőséget jelent valami megtételére,

Részletesebben

KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ

KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ KÖTVÉNYFORRÁS MENEDZSMENT GYOMAENDRŐD VÁROS ÖNKORMÁNYZATA TÁJÉKOZTATÓ 2010.01.01 2010.03.31 1. ELŐZMÉNYEK KIBOCSÁTÁS Gyomaendrőd Város Önkormányzata 2008. február 27-én összesen 6.316.000,- CHF értékben,

Részletesebben

Energiatételek - Példák

Energiatételek - Példák 9. Előadás Húzott rúd potenciális energiája: Hooke-modell: σ = Eε Geom. hetséges Geometriai egyenlet: + geom. peremfeltételek: u εx = ε = x u(0) = 0 ul () = 0 du dx Energiatételek Példák = k l 0 pudx l

Részletesebben

Társasági adóalap növelő megállapítás kapcsolt vállalkozással folytatott devizaügyletekkel összefüggésben

Társasági adóalap növelő megállapítás kapcsolt vállalkozással folytatott devizaügyletekkel összefüggésben Társasági adóalap növelő megállapítás kapcsolt vállalkozással folytatott devizaügyletekkel összefüggésben Nemzeti Adó- és Vámhivatal Kiemelt Adózók Adóigazgatósága Ellenőrzési Osztály 5. 1 Jövedelem transzfer

Részletesebben

Opciók és stratégiák

Opciók és stratégiák Opciók és stratégiák Bevezetés az opciók világába Opciós fogalmak Az opció árát meghatározó tényezők Az opciók görög betűi Delta hedging Opciós arbitrázs Opciós stratégiák osztályzása Stratégia példatár

Részletesebben

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás ELŐADÁS ÁTTEKINTÉSE STATISZTIKA 7. Előadás Egyenletes eloszlás Binomiális eloszlás Normális eloszlás Standard normális eloszlás Normális eloszlás mint modell /56 Matematikai statisztika Reprezentatív mintavétel

Részletesebben

Mik is pontosan az ETC-k? Physical ETC Classic ETC Forward ETC Short ETC Leveraged ETC

Mik is pontosan az ETC-k? Physical ETC Classic ETC Forward ETC Short ETC Leveraged ETC 1 Exchange Traded Funds (ETF): tőzsdén kereskedett befektetési alap, amely leginkább a részvényekhez hasonlatos. A legnépszerűbbek az indexkövető és szektor ETF-ek, melyek az irányadó tőzsdeindexek árfolyamát

Részletesebben

Pénzügyi számítások A sor megoldókulcs

Pénzügyi számítások A sor megoldókulcs Pénzügyi számítások A sor megoldókulcs Zárthelyi vizsga 2009.05.19. NÉV:. Kód:.. Szemináriumvezető. 110 perc Pontszám:... Max 70 pont A *-al jelölt kérdések 5 pontot érnek, a többiek 3 pontot. Adóktól,

Részletesebben