ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Continuous Stochastic Calculus with Applications to Finance

دانلود کتاب محاسبات تصادفی پیوسته با برنامه های کاربردی در امور مالی

Continuous Stochastic Calculus with Applications to Finance

مشخصات کتاب

Continuous Stochastic Calculus with Applications to Finance

دسته بندی: احتمال
ویرایش: 1 
نویسندگان:   
سری: Applied mathematics 17 
ISBN (شابک) : 9781584882343, 1584882344 
ناشر: Chapman & Hall/CRC 
سال نشر: 2001 
تعداد صفحات: 337 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 52,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 13


در صورت تبدیل فایل کتاب Continuous Stochastic Calculus with Applications to Finance 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 تصادفی پیوسته با برنامه های کاربردی در امور مالی 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.


توضیحاتی در مورد کتاب محاسبات تصادفی پیوسته با برنامه های کاربردی در امور مالی

زمان صرف شده برای خواندن جزئیات کتاب: چهار هفته کتاب، 295 صفحه، به شرح زیر ترتیب داده شده است: فصل 1 (50 صفحه اول): اینها نظریه مارتینگل زمان گسسته را پوشش می دهند. انتظار/توقع مشروط: پوشش در اینجا غیرعادی است و من آن را آزاردهنده دیدم. نویسنده انتظار شرطی متغیرها را در e(P) تعریف می کند - فضای متغیرهای تصادفی گسترده ای که انتظار برای آنها تعریف شده است - یعنی E(X+) یا E(X-) تعریف شده است - به جای فضای سنتی تر L^1. (R) - فضای متغیرهای تصادفی قابل ادغام. منبع تحریک این است که اولی یک فضای برداری نیست. بنابراین با توجه به یک متغیر X در e(P) و یک متغیر دیگر Y، به طور کلی X+Y تعریف نخواهد شد، برای مثال اگر EX+ = بی نهایت، EY= - بی نهایت. در نتیجه، شخص دائماً باید نگران این باشد که آیا می‌توان متغیرها را اضافه کرد یا نه، یک درد واقعی. شاید یک مثال کمک کند: فرض کنید من دو متغیر X1 و X2 دارم. اگر در فضای L^1 باشم، می‌دانم که هر دو تقریباً در همه جا محدود هستند (a.e) و بنابراین می‌توانم متغیر سوم Y را از طریق جمع با تنظیم بگویم Y = X1+X2 ایجاد کنم. با این حال، در درمان در اینجا، من باید مراقب باشم زیرا پیش از این مشخص نیست که X1+X2 a.e تعریف شده است. چیزی که من به آن نیاز دارم - یکی از شواهد موجود در کتاب - این است که E(X1)+E(X2) تعریف شود (یعنی اینطور نیست که یکی + بی نهایت باشد و دیگری - بی نهایت). اگر هر دو E(X1) و E(X2) متناهی باشند، به حالت L^1 کاهش می یابد. با این حال، از آنجایی که نویسنده کار در e(P) را انتخاب می‌کند، ما هنوز برای نشان دادن این نتیجه اولیه، کار خسته‌کننده‌ای داریم. به طور خاص: اگر E(X1) = + بی نهایت، پس باید تعریف e(P) را به خاطر بیاوریم، که E(X1^+)= +بی نهایت و E(X1-) < -بی نهایت و همچنین، زیرا E(X1 )+E(X2) تعریف می شود E(X2)> -بی نهایت و بنابراین، چون X2 در e(P) است، E(X2^-)< -بی نهایت است. اکنون از آنجایی که (X1+X2)^- <= (X1)^- +(X2)^-، E(X1+X2)- کمتر از بی نهایت داریم که نشان می دهد a)X1+X2 a.e تعریف شده است. و ب) در e(P) است. کمی کار بیشتر نشان می دهد که، E(X1)+E(X2) =E(X1)+E(X2). هنگامی که فرد شرطی سازی را معرفی می کند، تحریک فوق ادامه می یابد. داریم که اگر X در e(P) باشد، انتظار شرطی E(X|L) وجود دارد و در است، نه به عنوان استاندارد در ادبیاتL^1، بلکه در e(P). در نتیجه، دیگر نمی‌توانیم عملیات ساده‌ای را که معمولاً بدون فکر انجام می‌شود، مانند E(X1|L)+ E(X2|L)=E(X1+X2|L) انجام دهیم، بلکه باید مکث کنیم تا بررسی کنیم مثال بالا که E(X1|L)+ E(X2|L) و غیره تعریف شده است، و غیره. Submartingale , Supermartingales ,Martingales: تعاریف در اینجا دوباره کمی غیرعادی هستند. متغیرهای Sub و Super martingale دوباره در e(P) در نظر گرفته می‌شوند. این به نوبه خود این تعریف را وادار می کند: یک زیرمارتینگیل یک فرآیند اقتباس شده X = (Xn,Fn) است به طوری که: 1) E(Xn^+)<�¥ ( استاندارد در ادبیات داشتن E(Xn)<�¥ 2) E(Xn+1|Fn)>=Xnبه همین ترتیب برای یک سوپرمارتینگل دریافت می کنیم: یک سوپرمارتینگل یک فرآیند اقتباس شده است X = (Xn,Fn) به طوری که:1) E(Xn^-)<�¥ ( استاندارد در ادبیات داشتن E(Xn)<�¥ 2) E(Xn+1|Fn)<=Xnاین تعاریف، همراه با این واقعیت که مارتینگل هم سوپرمارتینگل و هم زیر مارتینگیل است، به تعریف استاندارد منتهی می شود - همانطور که در ادبیات آمده است. از یک martingale.Stopping Times، Upcrossing Lemmas، Modes of Convergence: درمان در اینجا بسیار خوب است - مدول کردن e(P) - ناراحتی. شواهد همه با جزئیات ارائه شده است. و سطح در سطح چانگ \"دوره ای در نظریه احتمال\"، فصل 9 است. قضیه نمونه گیری اختیاری، حداکثر نابرابری: یک درمان بسیار دقیق از قضیه نمونه گیری اختیاری (OST) ارائه شده است. برای اینکه OST در کلیت کامل آن اعمال شود، بر نیاز به بسته شدن تاکید شده است. در غیاب بسته شدن - نویسنده بر دلیل آن تاکید می کند - نشان داده می شود که چگونه OST همچنان اعمال می شود اگر زمان های اختیاری محدود شوند. سپس نویسنده از این نتایج استفاده می‌کند تا نشان دهد چگونه مارپیچ‌های هوشمند متوقف شده، تراکنش را با یک عکس فوری منسجم آغاز می‌کنند. /* 1576 = 220b4fc5db4c8600114e11151c0da98e


توضیحاتی درمورد کتاب به خارجی

Time spent to read the book in detail: Four weeksThe book, 295 pages, is ordered as follows:Chapter 1 (First 50 pages):These cover discreet time martingale theory. Expectation/Conditional expectation: The coverage here is unusual and I found it irritating. The author defines conditional expectation of variables in e(P) - the space of extended random variables for which the expectation is defined - i.e. either E(X+) or E(X-) is defined - rather than the more traditional space L^1(R) - the space of integrable random variables. The source of irritation is that the former is not a vector space. Thus given a variable X in e(P) and another variable Y, in general X+Y will not be defined, for example if EX+ = infinity, EY= - infinity. As a result, one is constantly having to worry about whether one can add variables or not, a real pain. Perhaps an example might help: Suppose I have two variables X1 AND X2. If I am in the space L^1 then I know both are finite almost everywhere (a.e) and so I can create a third variable Y through addition by setting say Y = X1+X2. In the treatment here however, I have to be careful since it is not a priori clear that X1+X2 is defined a.e. What I need is - one of the proofs in the book - that E(X1)+E(X2) be defined (i.e. it is not the case that one is + infinity the other -infinity). If both E(X1)and E(X2) are finite this reduces to the L^1 case. However, because the Author chooses to work in e(P), we still have, in order to show even this basic result, quite a bit of boring work to do. Specifically: if E(X1) = +infinity then we must have, recall the definition of e(P), that E(X1^+)= +infinity AND E(X1-) < -infinity and also, because E(X1)+E(X2) is defined E(X2)> -infinity and so , since X2 is in e(P), that E(X2^-)< -infinity. Now since, (X1+X2)^- <= (X1)^- +(X2)^-, we have E(X1+X2)- less than infinity which shows that a)X1+X2 is defined a.e. and b) it is in e(P).A little more work shows that, E(X1)+E(X2) =E(X1)+E(X2).When one introduces conditioning the above irritation continues. We have that if X is in e(P) that the conditional expectation E(X|L) exist and is in , not as is standard in the literatureL^1, but rather, in e(P). Consequently we can no longer carry out simple operations, normally done without thinking, such as E(X1|L)+ E(X2|L)= E(X1+X2|L), but rather have to pause to check if as in the example above that E(X1|L)+ E(X2|L) is defined etc, etc.Submartingale , Supermartingales ,Martingales: The definitions here again are a little unusual. The variables for both Sub and Super martingales are taken to be, yet again, in e(P). This in turn forces the definition:A submartingale is an adapted process X = (Xn,Fn) such that: 1) E(Xn^+)<�¥ ( The Standard in the literature is to have E(Xn)<�¥ 2) E( Xn+1|Fn)>=XnLikewise for a supermartingale we get:A supermartingale is an adapted process X = (Xn,Fn) such that:1) E(Xn^-)<�¥ ( The Standard in the literature is to have E(Xn)<�¥ 2) E( Xn+1|Fn)<=XnThese definitions, along with the fact that a martingale is both a supermartingale and submartingale, lead then to the standard - as appears in the literature - definition of a martingale.Stopping Times, Upcrossing Lemmas, Modes of Convergence: The treatment here is quite nice - modulo the e(P)- inconvenience. The proofs are all given in detail. And the level is at that of Chung's "A Course in Probability Theory", Chapter 9.Optional Sampling Theorem, Maximal Inequalities: A very rigorous treatment of the Optional Sampling Theorem (OST) is given. The need for closure is emphasized in order for OST to be applied in its full generality. In the absence of closure - the author emphasizes why - it is shown how the OST still applies if the optional times are taken to be bounded. The author then uses these results to show how stopped smartingales START TRANSACTION WITH CONSISTENT SNAPSHOT; /* 1576 = 220b4fc5db4c8600114e11151c0da98e



فهرست مطالب

PREFACE......Page 6
TABLE OF CONTENTS......Page 10
SUMMARY OF NOTATION......Page 14
1 Martingale Theory......Page 18
2 Brownian Motion......Page 120
3 Stochastic Integration......Page 148
4 Application to Finance......Page 228
APPENDIX......Page 314
BIBLIOGRAPHY......Page 330
INDEX......Page 332




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی