دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Svetlozar T. Rachev, Stoyan V. Stoyanov, Frank J. Fabozzi سری: Frank J. Fabozzi Series ISBN (شابک) : 047005316X, 9780470053164 ناشر: Wiley سال نشر: 2008 تعداد صفحات: 403 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 Mb
در صورت تبدیل فایل کتاب Advanced Stochastic Models, Risk Assessment, and Portfolio Optimization: The Ideal Risk, Uncertainty, and Performance Measures به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدلهای تصادفی پیشرفته، ارزیابی ریسک و بهینهسازی پورتفولیو: ریسک ایدهآل، عدم قطعیت و معیارهای عملکرد نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب پیشگامانه رویکردهای سنتی اندازهگیری ریسک و بهینهسازی پورتفولیو را با ترکیب مدلهای توزیعی با معیارهای ریسک یا عملکرد در یک چارچوب گسترش میدهد. در سراسر این صفحات، نویسندگان خبره اصول معیارهای احتمال را توضیح میدهند، روشهای جدید برای بهینهسازی پورتفولیو را تشریح میکنند، و در مورد انواع معیارهای ریسک ضروری بحث میکنند. با استفاده از مثالهای متعدد، آنها طیف وسیعی از کاربردها را برای انتخاب بهینه سبد و تئوری ریسک، و همچنین کاربردهایی در حوزه مالی محاسباتی که ممکن است برای مهندسان مالی مفید باشد، نشان میدهند.
This groundbreaking book extends traditional approaches of risk measurement and portfolio optimization by combining distributional models with risk or performance measures into one framework. Throughout these pages, the expert authors explain the fundamentals of probability metrics, outline new approaches to portfolio optimization, and discuss a variety of essential risk measures. Using numerous examples, they illustrate a range of applications to optimal portfolio choice and risk theory, as well as applications to the area of computational finance that may be useful to financial engineers.