1. Energy Risk Management By Everardo Belloni ObjectWay Algorithm Allrightsreserved

3. Qualche parola sul Modello stocastico

5. Serie storiche integrate (prezzi, temperature, volumi)

6. Completa integrazione con il modulo Portfolio Manager

7. Modelli di analisi per commodity

8. Analisi di sintesi

9. Gestione Multi-Commodity

10. Modellazione pricing complessi (Asset, Deal e Contratti di copertura)

11. Studiati in collaborazione con l’Università di Lugano

12. Logiche di simulazione Monte-Carlo specifiche per l’energy

13. Possibilità di modellizzare trends

14. Sensitività

15. Importare scenari esterni

16. Logiche di scenario basate su curve forward

17. Semplicità di fruizione dei modelli

18. configurazione parametri utente

19. Report in Excel

21. Providing risk and return metrics

22. Setting asset valuation framework

23. Detailing sensitivity and scenario analyses

24. Establishing a roadmap for stress testingCambi

26. Curve forward

27. Frequenze e valori attesi

28. Scenari di prezzo

29. Profit At Risk non parametrico

30. Value At Risk parametrico

31. Value at Risk non parametrico

32. Cash Flow At Risk

33. Profit & Loss

34. Creazione curve forward orarie

35. Risk Identification

37. Distribuzione di Frequenza

38. VaR + Conditional VaR

39. Matrice di varianza-covarianza

40. Value at Risk parametrico

42. Value at Risk

43. Conditional VaR

44. Andamentale del cash flow

45. Distribuzione di frequenza

47. M2M con curve forward utente

49. Curve peak / off peak

51. Esposizione al cambio

52. Quantità equivalenti

53. Fair Value

54. Metriche di hedging

55. Design differenti tipi di opzioniValutazione di strumenti a copertura dei rischi di portafoglio (hedging)

57. Proiezioneserie “forward”

58. Curvaoraria di prezzo (PUN)

59. Sensitivity + stress test

60. Margine di contribuzioneatteso

61. Profit at risk

62. Cash flow at risk

63. Distribuzioni di frequenza del margine

64. Fair Value deals (M2Market M2Model)

65. Value at Risk non parametrico per valutazioneportafoglioindustriale

66. Cash flow at risk

67. P&L portafoglio trading

68. Value at Risk parametricoportafoglio di trading

69. Break down portafoglioindustrialerispettofattori di rischio (quantità / valore)

70. Misure di sensitivitàaiprezzi commodity / fuels

71. Esposizionequantità a punti forward per portafoglio trading

72. Simulazionecontratti di swap/opzione

73. Matricevarianza / covarianza

75. Qualche parola sul Modello stocastico

78. Consente la ricostruzione euristica delle distribuzioni di frequenza

81. Fitting

82. Equation selection

84. Nel processo di eliminazione progressiva le diverse equazioni sono messe vicendevolmente in «competizione»

87. I residui stocastici vengono stimati a partire dai log-returns dei prezzi e vengono utilizzati come “novazioni stocastiche”

88. I residui vengono «filtrati» e trasformati in inpulsi neuraliFiltering

90. Il prezzo atteso in funzione delle curve forward di mercato

92. Monte Carlo option pricing (es. Weather derivatives)

93. Margine di contribuzione portafoglio industriale delle società energetiche (contratti indicizzati)

94. Value at Risk non parametrico (portafogli non lineari)(*) Glli algoritmi illustrati in precedenza possono anche recepire scenari esterni importati dall’utente

96. Qualche parola sul Modello stocastico

98. Book e Deal aggiornati in real time

99. Serie storiche di prezzo (giornaliere / orarie) utilizzate dai motori in modo automatico

100. Storicizzazione delle analisi effettuate dal Risk manager

102. Curve Forward

103. Import scenari

105. Schedulare

107. Esportare risultati

109. Curve Forward

110. Import scenari

112. Schedulare

114. Esportare risultati

117. j ; s= 1... n è rappresenta il j-esimo / s-simo indice fra gli n indici oggetto di simulazione

118. PT(t) è il prezzo spot al tempo t

119. PT(t-1) è il prezzo spot al tempo t-1

120. FNj è la forma funzionale del regressore condizionale neurale per il j strumento sinanziario simulato

121. hS = collezione dei “log-returns coordinati” (intensità di rendimento) con filtering delle s security diverse dalla j-esima

122. T(t) è una funzione trasformata del tempo che intercetta la “stagionalità” dell’indice proiettato (se necessario)

123. k rappresenta il k-esimo fondamentale di mercato MF a rapresentare “condizioni di struttura attesa di mercato” come valutate al tempo t (es. Prezzi Forward: currency, prezzi dei fattori dell’energia, ecc.)

124. fk rappresenta la collezione dei log-returns (intensità di rendimento) con filtering dei k fondamentali di mercato

125. MFk rappresenta la collezione dei trend dei fondamentali di mercato utilizzati durante le proiezioni

126. SNj rappresenta lo “specific risk on investment” (idiosyncratic error) del’indice j come stimato dal j-esimo regressore neurale (come residuo non spiegato)

127. N(0;1) inversa della distribuzione normale con media nulla e varianza unitaria