Ambiente modellistico per il risk manager dell\’energia

1. Energy Risk Management By Everardo Belloni All rights reserved

3. Qualche parola sul Modello stocastico

5. Analisi di sintesi

6. Gestione Multi-Commodity

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

8. Studiati in collaborazione con l’Università di Lugano

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

10. Possibilità di modellizzare trends

11. Sensitività

12. Importare scenari esterni

13. Logiche di scenario basate su curve forward

14. Semplicità di fruizione dei modelli

15. configurazione parametri utente

16. Report in Excel

18. Providing risk and return metrics

19. Setting asset valuation framework

20. Detailing sensitivity and scenario analyses

21. Establishing a roadmap for stress testingCambi

23. Curve forward

24. Frequenze e valori attesi

25. Scenari di prezzo

26. Profit At Risk non parametrico

27. Value At Risk parametrico

28. Value at Risk non parametrico

29. Cash Flow At Risk

30. Profit & Loss

31. Creazione curve forward orarie

32. Risk Identification

34. Distribuzione di Frequenza

35. VaR + Conditional VaR

36. Matrice di varianza-covarianza

37. Value at Risk parametrico

39. Value at Risk

40. Conditional VaR

41. Andamentale del cash flow

42. Distribuzione di frequenza

44. M2M con curve forward utente

46. Curve peak / off peak

48. Esposizione al cambio

49. Quantità equivalenti

50. Fair Value

51. Metriche di hedging

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

54. Proiezioneserie “forward”

55. Curvaoraria di prezzo (PUN)

56. Sensitivity + stress test

57. Margine di contribuzioneatteso

58. Profit at risk

59. Cash flow at risk

60. Distribuzioni di frequenza del margine

61. Fair Value deals (M2Market M2Model)

62. Value at Risk non parametrico per valutazioneportafoglioindustriale

63. Cash flow at risk

64. P&L portafoglio trading

65. Value at Risk parametricoportafoglio di trading

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

67. Misure di sensitivitàaiprezzi commodity / fuels

68. Esposizionequantità a punti forward per portafoglio trading

69. Simulazionecontratti di swap/opzione

70. Matricevarianza / covarianza

72. Qualche parola sul Modello stocastico

75. Consente la ricostruzione euristica delle distribuzioni di frequenza

78. Fitting

79. Equation selection

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

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

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

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

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

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

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

93. Qualche parola sul Modello stocastico

95. Possibilità di aggiornamento real time di Book e Deal

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

97. Storicizzazione delle analisi effettuate dal Risk manager

99. Curve Forward

100. Import scenari

102. Schedulare

104. Esportare risultati

106. Curve Forward

107. Import scenari

109. Schedulare

111. Esportare risultati

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

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

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

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

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

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

120. 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.)

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

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

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

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