Στο πλαίσιο του Π.Μ.Σ. «Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά», και των εργαστηρίων «Στατιστικής και Ανάλυσης Δεδομένων» και «Αναλογιστικών και Χρηματοοικονομικών Μαθηματικών», οργανώνεται σεμιναριακή διάλεξη η οποία θα πραγματοποιηθεί από τον κ. Χαλιδιά Νίκο, Διευθυντή Εργαστηρίου Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, Καθηγητή πρώτης βαθμίδας Τμήμα Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, με τίτλο:
"FINANCIAL ENGINEERING AND OPTION PRICING"
Η σεμιναριακή διάλεξη θα πραγματοποιηθεί την Τρίτη 3 Φεβρουαρίου και ώρα 20:00 και είναι ανοικτή σε οποιονδήποτε ενδιαφερόμενο.
💻 Σένδεσμος Διαδικτυακής Αίθουσας:
https://aegean-gr.zoom.us/j/97072796812?pwd=7tJZHGMSw4Ga92imW9bwknVDWGFYoQ.1
Meeting ID: 970 7279 6812
Passcode: 392102
Παραθέτουμε το abstract της σεμιναριακής διάλεξης:
This presentation develops a model-free framework for option pricing and hedging that relies only on observable market inputs—today’s spot price and a finite set of traded option quotes—rather than committing to a specific distributional model for the underlying. Within a frictionless, no-arbitrage setting, it constructs deterministic arbitrage-free price intervals for European- and American-type contracts with piecewise-linear payoffs by formulating superand sub-replication problems as linear programs from static portfolios of cash, stock, and listed options. The resulting bounds [Ybuyer, Ywriter] provide a robust admissible price range, while the midpoint YD is interpreted as a symmetric reference price that equalizes the two sides’ worst-case (pathwise) loss. The talk then addresses post-trade risk management via (i) worstcase optimal static hedges, (ii) forecast-driven static design under a global loss budget, and (iii) discrete-time self-financing dynamic hedging for path-dependent claims. For dynamic hedging, downside exposure is evaluated through tail-risk criteria (VaR/CVaR) and a CVaR-based “fair” premium is defined by equalizing the parties’ minimal achievable residual downside tail risk. Finally, motivated by the practical limitations of continuous-time replication and model misspecification, the presentation proposes a data-driven, model-agnostic selection of implementable hedging rules by approximating bounded hedge ratios with flexible sigmoidal (neural) families, enriched via stress scenarios and adaptive recalibration.
Στο πλαίσιο του Π.Μ.Σ. «Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά», και των εργαστηρίων «Στατιστικής και Ανάλυσης Δεδομένων» και «Αναλογιστικών και Χρηματοοικονομικών Μαθηματικών», οργανώνεται σεμιναριακή διάλεξη η οποία θα πραγματοποιηθεί από τον κ. Κουντζάκη Χρήστο, Επίκουρο Καθηγητή του Τμήματος Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, με τίτλο:
"VECTOR LATTICE LINEAR REGRESSION ANALYSIS: FITTING AND MODEL UNCERTAINTY"
Η σεμιναριακή διάλεξη θα πραγματοποιηθεί την Τρίτη 13 Ιανουαρίου και ώρα 20:00 και είναι ανοικτή σε οποιονδήποτε ενδιαφερόμενο.
💻 Σένδεσμος Διαδικτυακής Αίθουσας:
https://aegean-gr.zoom.us/j/97072796812?pwd=7tJZHGMSw4Ga92imW9bwknVDWGFYoQ.1
Meeting ID: 970 7279 6812
Passcode: 392102
Παραθέτουμε το abstract της σεμιναριακής διάλεξης:
Functional data analysis (FDA) is a popular research area of data analysis that is well-suited for modeling complex data structures such as time series data and images. In Linear Regression models, the random variables are often described using a finitedimensional vector space, under the assumption that the random variables are represented by a finite set of parameters. The random variables, however, are more complex in many real-world applications and cannot be adequately modeled by a finite set of parameters. In order to more accurately express complex random variables, FDA allows us to model random variables as functions. This can lead to a more flexible and expressive approach to the statistical model. Within FDA, this study investigates the potential of vector lattices to enhance model flexibility and address model uncertainty. The limitations of finite-dimensional vector spaces in capturing the complexities of real-world random variables are discussed. The theoretical framework of vector lattices, which provides a rich structure for modelling and analysis, is provided as a promising approach for functional data. An investigation is conducted into the concept of Vector Lattice Linear Regression Models (VLLM), highlighting their ability to effectively handle model uncertainty, which is an important component that is often ignored in standard regression methods.
Στο πλαίσιο του Π.Μ.Σ. «Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά», και των εργαστηρίων «Στατιστικής και Ανάλυσης Δεδομένων» και «Αναλογιστικών και Χρηματοοικονομικών Μαθηματικών», οργανώνεται σεμιναριακή διάλεξη η οποία θα πραγματοποιηθεί από τον κ. Αλέξιο Ζαβό, Μεταπτυχιακό Φοιτητή του Π.Μ.Σ. «Στατιστική και Αναλογιστικά -Χρηματοοικονομικά Μαθηματικά» του Τμήματος Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, με τίτλο:
"Γενικευμένες Ασθενείς Ροές"
Η σεμιναριακή διάλεξη θα πραγματοποιηθεί την Τρίτη 16 Δεκεμβρίου και ώρα 20:00, διαδικτυακά, και είναι ανοικτή σε οποιονδήποτε ενδιαφερόμενο.
Σύνδεσμος Διαδικτυακής Αίθουσας:
https://aegean-gr.zoom.us/j/97072796812?pwd=7tJZHGMSw4Ga92imW9bwknVDWGFYoQ.1
Meeting ID: 970 7279 6812
Passcode: 392102
Παραθέτουμε το abstract της σεμιναριακής διάλεξης:
Η μελέτη των ροών παρουσιάζει ιδιαίτερο ενδιαφέρον στην ακαδημαϊκή κοινότητα, καθώς οι εφαρμογές τους δύνανται να επηρεάσουν ένα ευρύ φάσμα επιστημονικών τομέων. Η ολοένα αυξανόμενη χρήση τους, σε συνδυασμό με την αύξηση της πολυπλοκότητας των υπό μελέτη πραγματικών προβλημάτων, καθιστά απαραίτητη τη γενίκευση των παραδοσιακών ροών. Λόγω της αναγκαιότητας αυτής, έχουν εισαχθεί και μελετηθεί εκτεταμένα στη βιβλιογραφία δύο γενικεύσεις των ροών, οι σαρώσεις και οι ασθενείς ροές. Στην παρούσα εργασία γενικεύουμε τις ασθενείς ροές, εισάγοντας την έννοια των γενικευμένων ασθενών ροών. Για τη μελέτη των κατανομών των τυχαίων μεταβλητών που σχετίζονται με τις νέες γενικευμένες ασθενείς ροές, χρησιμοποιούμε τη μέθοδο εμφύτευσης σε Μαρκοβιανή Αλυσίδα. Η κατανόηση των νέων θεωρητικών αποτελεσμάτων ενισχύεται με τη χρήση διευκρινιστικών παραδειγμάτων, αριθμητικών αποτελεσμάτων, κατάλληλων γραφημάτων και προσομοιώσεων.
Στο πλαίσιο του Π.Μ.Σ. «Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά», και των εργαστηρίων «Στατιστικής και Ανάλυσης Δεδομένων» και «Αναλογιστικών και Χρηματοοικονομικών Μαθηματικών», οργανώνεται σεμιναριακή διάλεξη η οποία θα πραγματοποιηθεί από τον κ. Δημήτριο Κωνσταντινίδη, Καθηγητή του Τμήματος Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, με τίτλο:
"UNIFORM ASYMPTOTICS FOR A MULTIDIMENSIONAL RENEWAL RISK MODEL WITH MULTIVARIATE SUBEXPONENTIAL CLAIMS"
Η σεμιναριακή διάλεξη θα πραγματοποιηθεί την Τρίτη 02 Δεκεμβρίου και ώρα 20:00 και είναι ανοικτή σε οποιονδήποτε ενδιαφερόμενο.
🏛️ Αίθουσα ΤΗΛΕΔΙΔΑΣΚΑΛΙΑΣ Κωνσταντίνος Σοφούλης|Κτίριο Προβατάρη| Πανεπιστήμιο Αιγαίου | Καρλόβασι | Σάμος
💻 Διαδικτυακά μέσω Zoom:
https://aegean-gr.zoom.us/j/97072796812?pwd=7tJZHGMSw4Ga92imW9bwknVDWGFYoQ.1
Meeting ID: 970 7279 6812
Passcode: 392102
Παραθέτουμε το abstract της σεμιναριακής διάλεξης:
In this paper, we investigate a multidimensional risk model driven by a common renewal process under a constant force of interest. The claim sizes generated by each line of business are independent and identically distributed random vectors with possibly dependent components, and their common distribution belongs to the class of multivariate subexponential distributions. We derive locally uniform asymptotic estimates for the probability that discounted aggregate claims enter certain ‘rare sets’, and extend these to uniform estimates over all time horizons under some extra mild conditions. As a direct application, we obtain uniform estimates for the finite-time ruin probability defined using various ruin sets. Additionally, we provide examples of distributions belonging to these multivariate heavy-tailed classes, which are not limited to the case of multivariate regular variation.
Στο πλαίσιο του Π.Μ.Σ. «Στατιστική και Αναλογιστικά - Χρηματοοικονομικά Μαθηματικά», και των εργαστηρίων «Στατιστικής και Ανάλυσης Δεδομένων» και «Αναλογιστικών και Χρηματοοικονομικών Μαθηματικών», οργανώνεται σεμιναριακή διάλεξη η οποία θα πραγματοποιηθεί από τον κ. Χαράλαμπο Πασσαλίδη, Υποψήφιο Διδάκτορα του Τμήματος Στατιστικής και Αναλογιστικών - Χρηματοοικονομικών Μαθηματικών, με τίτλο:
"Asymptotics for aggregated interdependent multivariate subexponential claims with general investment returns"
Η σεμιναριακή διάλεξη θα πραγματοποιηθεί την Τρίτη 18 Νοεμβρίου και ώρα 20:00 και είναι ανοικτή σε οποιονδήποτε ενδιαφερόμενο.
🏛️ Αίθουσα ΤΗΛΕΔΙΔΑΣΚΑΛΙΑΣ Κωνσταντίνος Σοφούλης|Κτίριο Προβατάρη| Πανεπιστήμιο Αιγαίου | Καρλόβασι | Σάμος
💻 Διαδικτυακά μέσω Zoom:
https://aegean-gr.zoom.us/j/97072796812?pwd=7tJZHGMSw4Ga92imW9bwknVDWGFYoQ.1
Meeting ID: 970 7279 6812
Passcode: 392102
Παραθέτουμε το abstract της σεμιναριακής διάλεξης:
This paper investigates asymptotic estimates for the entrance probability of the discounted aggregate claim vector from a multivariate renewal risk model into some rare set. We provide asymptotic results for the entrance probability on both fiite andinfiite time horizons under various assumptions regarding the stochastic price process of the investment portfolio, the distribution class of claim vectors, and the dependence structure among the claim vectors. We note that the main results extend beyond the class of multivariate regular variation. Furthermore, we introduce two dependence structures to model the dependence among the claim vectors. The immediate consequence of the main results is the asymptotic estimates of the ruin probabilities on fiite and infiite time horizons.