Inwestowanie i ryzyko 7 1.1. Kierunki rozwoju inwestycji 7 1.2 . Ryzyko w teorii i praktyce 15 1.3. Niepewność a ryzyko w procesie inwestycyjnym 19 1.4. Podstawowe miary ryzyka 22 Ryzyko a symulacja Monte Carlo 37 2.1. Wprowadzenie do symulacji Monte Carlo 37 2.2. Wybrane rozkłady prawdopodobieństwa 38 2.3. Symulacja MC, statystyki opisowe, analizy 53 2.4. Symulacja wybranych wskaźników finansowych 58 2.5. Symulacja Monte Carlo a biznesplan 71 2.6. Zastosowanie symulacji Monte Carlo na rynkach kapitałowych 74 Value at Risk - koncepcja wartości zagrożonej 77 3.1. Co to jest wartość zagrożona? 77 3.2. Wartość zagrożona a symulacja Monte Carlo 84 3.3. Kredyt a wartość zagrożona 86 3.4. Pomiar ryzyka portfela inwestycyjnego 88 Prognozowanie w oparciu o modele regresji 97 4.1. Zastosowanie modeli regresji w ocenie ryzyka (bilans, beta) 97 4.2. Szacowanie modelu regresji z jedną zmienną 98 4.3. Szacowanie modelu z wieloma zmiennymi 113 4.4. Weryfikacja formalna 126 4.5. Modele nieliniowe linearyzowane 140 Zastosowanie modeli szeregów czasowych 151 5.1. Modele szeregów czasowych w ocenie ryzyka 151 5.2. Model autoregresji AR 152 5.3. Model średniej ruchomej MA 158 5.4. Model autoregresji ze średnią ruchomą ARMA 163 5.5. Model autoregresji ze średnią ruchomą i różnicowaniem ARIMA 170 5.6. Model autoregresji z heteroskedastycznością warunkową ARCH 174 5.7. Model uogólnionej autoregresji z heteroskedastycznością warunkową GARCH i jego odmiany 179 Ryzyko inwestycji rzeczowych - opcje realne 193 6.1. Co to są opcje realne 193 6.2. Zastosowanie opcji realnych w praktyce w ramach oceny ryzyka 197 6.3. Rodzaje opcji realnych 199 6.4. Modele wyceny opcji: model Blacka-Scholesa i model dwumianowy 201 6.5. Proste i złożone opcje realne 204 6.6. Zastosowanie modeli szeregów czasowych przy wycenie opcji realnych 206 Ryzyko i optymalizacja 213 7.1. Zastosowanie optymalizacji w praktyce 213 7.2. Dyskretna optymalizacja a portfel inwestycyjny 217 7.3. Sprzężenie symulacji Monte Carlo z optymalizacją dyskretną 226