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: Bertram K.C. Chan
سری:
ISBN (شابک) : 9781119388081
ناشر: Wiley
سال نشر: 2017
تعداد صفحات: 521
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 14 مگابایت
در صورت تبدیل فایل کتاب Applied Probabilistic Calculus for Financial Engineering. An Introduction using R 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 محاسبات احتمالی کاربردی برای مهندسی مالی. مقدمه ای با استفاده از R 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.
نشان می دهد که چگونه R ممکن است به طور موفقیت آمیزی برای حل مسائل در امور مالی کمی مورد استفاده قرار گیرد. قبل از اینکه به موضوعات مربوط به تخصیص دارایی و بهینهسازی پورتفولیو با کدهای R که برای مثالهای مختلف نشان داده شدهاند، بپردازیم، با معرفی همه پایههای احتمالی و آماری لازم آغاز میشود. این کتاب واضح و مختصر مهندسی مالی را با استفاده از R در تجزیه و تحلیل داده ها و تجزیه و تحلیل داده های تک متغیره، دو متغیره و چند متغیره پوشش می دهد. این محاسبات احتمالی را برای مدلسازی مهندسی مالی بررسی میکند - خواننده را در ساخت یک مدل مالی مؤثر از مدل حرکت براونی هندسی (GBM) از طریق حساب احتمالی، در حالی که حساب Ito را نیز پوشش میدهد. مدلهای ریاضی کلاسیک در مهندسی مالی و نظریه پورتفولیو مدرن مورد بحث قرار میگیرند - همراه با قضیه دو صندوق متقابل و نسبت شارپ. این کتاب همچنین به R به عنوان یک ماشین حساب و استفاده از R در تجزیه و تحلیل داده ها در مهندسی مالی نگاه می کند. علاوه بر این، تخصیص دارایی با استفاده از R، مدلسازی ریسک مالی و بهینهسازی پورتفولیو با استفاده از R، مقادیر بهینه جهانی و محلی، مکانیابی حداکثر و حداقل عملکرد و بهینهسازی پورتفولیو توسط تجزیه و تحلیل عملکرد در CRAN را پوشش میدهد. روشهای بهینهسازی در محاسبات احتمالی برای مهندسی مالی را پوشش میدهد به این سوال پاسخ میدهد: نظریه مالی "تصادفی" چگونه است؟ مدل GBM و مدل پیادهروی تصادفی را پوشش میدهد نظریههای مدرن بهینهسازی پورتفولیو را بررسی میکند، از جمله مدل مارکوویتز نظریه پورتفولیو مدرن (MPT)، مدل بلک-لیترمن، و مدل قیمتگذاری گزینه بلک-اسکولز محاسبات احتمالی کاربردی برای مهندسی مالی: مقدمه استفاده از R یک مرجع ایده آل برای متخصصان و دانشجویان در اقتصاد، اقتصاد سنجی، و امور مالی، و همچنین برای سرمایه گذاری های مالی و مهندسان مالی است.
Illustrates how R may be used successfully to solve problems in quantitative finance Applied Probabilistic Calculus for Financial Engineering: An Introduction Using R provides R recipes for asset allocation and portfolio optimization problems. It begins by introducing all the necessary probabilistic and statistical foundations, before moving on to topics related to asset allocation and portfolio optimization with R codes illustrated for various examples. This clear and concise book covers financial engineering, using R in data analysis, and univariate, bivariate, and multivariate data analysis. It examines probabilistic calculus for modeling financial engineering—walking the reader through building an effective financial model from the Geometric Brownian Motion (GBM) Model via probabilistic calculus, while also covering Ito Calculus. Classical mathematical models in financial engineering and modern portfolio theory are discussed—along with the Two Mutual Fund Theorem and The Sharpe Ratio. The book also looks at R as a calculator and using R in data analysis in financial engineering. Additionally, it covers asset allocation using R, financial risk modeling and portfolio optimization using R, global and local optimal values, locating functional maxima and minima, and portfolio optimization by performance analytics in CRAN. Covers optimization methodologies in probabilistic calculus for financial engineering Answers the question: What does a "Random Walk" Financial Theory look like? Covers the GBM Model and the Random Walk Model Examines modern theories of portfolio optimization, including The Markowitz Model of Modern Portfolio Theory (MPT), The Black-Litterman Model, and The Black-Scholes Option Pricing Model Applied Probabilistic Calculus for Financial Engineering: An Introduction Using R s an ideal reference for professionals and students in economics, econometrics, and finance, as well as for financial investment quants and financial engineers.
Contents......Page 3
Preface......Page 8
Website......Page 10
What Is Financial Engineering?......Page 11
The Meaning of the Title of This Book......Page 12
The Continuing Challenge in Financial Engineering......Page 13
: Modern Portfolio Theory......Page 16
Asset Class Assumptions Modeling......Page 21
Some Typical Examples of Proprietary Investment Funds......Page 24
ation......Page 25
Some Less Commendable Stock Investment Approaches......Page 27
Review Questions......Page 28
Mathematical Modeling in Financial Engineering......Page 29
Building an Effective Financial Model from GBM via Probabilistic Calculus......Page 34
A Continuous Financial Model Using Probabilistic Calculus: Stochastic Calculus, Ito Calculus......Page 36
A Numerical Study of the Geometric Brownian Motion (GBM) Model and the Random Walk Model Using......Page 43
Review Questions and Exercises......Page 62
An Introduction to the Cost of Money in the Financial Market......Page 64
Modern Theories of Portfolio Optimization......Page 66
Litterman Model......Page 132
Scholes Option Pricing Model......Page 134
Litterman Model......Page 137
Litterman Model......Page 189
Scholes Option Pricing Model......Page 203
Some Worked Examples......Page 218
Review Questions and Exercises......Page 230
Scholes Equation......Page 240
Data Analysis......Page 244
Data and Data Processing......Page 245
Beginning......Page 251
as a Calculator......Page 269
in Data Analysis in Financial Engineering......Page 295
Univariate, Bivariate, and Multivariate Data Analysis......Page 334
Risk Aversion and the Assets Allocation Process......Page 378
Classical Assets Allocation Approaches......Page 379
Allocation with Time Varying Risk Aversion......Page 387
Variable Risk Preference Bias......Page 391
ed Approach for Time Varying Risk Aversion......Page 393
Assets Allocation Worked Examples......Page 394
Review Questions and Exercises......Page 403
Introduction to the Optimization Process......Page 409
Optimization Methodologies in Probabilistic Calculus for Financial Engineering......Page 411
Financial Risk Modeling and Portfolio Optimization......Page 413
Portfolio Optimization Using......Page 417
Review Questions and Exercises......Page 473
Refs......Page 504
Index......Page 512