A Workout in Computational Finance

مهارت‌های کمی برای هر فردی که در امور مالی کار می‌کند یا شغلی را در این زمینه شروع می‌کند، و همچنین مدیران ریسک، پیش‌نیاز است. زمینه سازی کامل در روش های عددی و همچنین توانایی ارزیابی کیفیت، مزایا و محدودیت های آنها ضروری است. این کتاب مقدمه‌ای کامل برای هر روش ارائه می‌کند و تله‌های عددی را که پزشکان اغلب در آن می‌افتند، آشکار می‌کند. هر روش با مثال‌های عملی و واقعی در حوزه‌های ارزش‌گذاری، تحلیل ریسک و کالیبراسیون ابزارها و مدل‌های مالی خاص ارجاع می‌شود. این ویژگی تاکید زیادی بر طرح‌های قوی برای درمان عددی مشکلات در امور مالی محاسباتی دارد. روش‌های تحت پوشش عبارتند از PDE/PIDE با استفاده از تفاوت‌های محدود یا عناصر محدود، حل‌کننده‌های سریع و پایدار برای سیستم‌های شبکه پراکنده، تکنیک‌های تثبیت و منظم‌سازی برای مشکلات معکوس ناشی از کالیبراسیون مدل‌های مالی به داده‌های بازار، تکنیک‌های مونت کارلو و شبه مونت کارلو برای شبیه‌سازی بالا. سیستم های ابعادی و ابزارهای بهینه سازی محلی و جهانی برای حل مشکل کمینه سازی.

Quantitative skills are a prerequisite for anyone working in finance or beginning a career in the field, as well as risk managers. A thorough grounding in numerical methods is necessary, as is the ability to assess their quality, advantages, and limitations. This book offers a thorough introduction to each method, revealing the numerical traps that practitioners frequently fall into. Each method is referenced with practical, real-world examples in the areas of valuation, risk analysis, and calibration of specific financial instruments and models. It features a strong emphasis on robust schemes for the numerical treatment of problems within computational finance. Methods covered include PDE/PIDE using finite differences or finite elements, fast and stable solvers for sparse grid systems, stabilization and regularization techniques for inverse problems resulting from the calibration of financial models to market data, Monte Carlo and Quasi Monte Carlo techniques for simulating high dimensional systems, and local and global optimization tools to solve the minimization problem.