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
دسته بندی: حسابداری ویرایش: نویسندگان: Donatien Hainaut سری: Bocconi & Springer Series: Mathematics, Statistics, Finance and Economics, 12 ISBN (شابک) : 9783031063602, 9783031063619 ناشر: Springer سال نشر: 2022 تعداد صفحات: 359 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 مگابایت
در صورت تبدیل فایل کتاب Continuous Time Processes for Finance: Switching, Self-exciting, Fractional and other Recent Dynamics 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 فرآیندهای زمانی پیوسته برای امور مالی: تغییر، هیجان انگیز، کسری و سایر پویایی های اخیر 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 به بررسی موضوعات اخیر در امور مالی کمی با تاکید بر کاربردها و کالیبراسیون به سری های زمانی می پردازد. این جنبه آخر اغلب در ادبیات مالی ریاضی موجود نادیده گرفته می شود در حالی که برای مدیریت ریسک بسیار مهم است. بخش اول این کتاب بر روی تغییر فرآیندهای رژیم تمرکز دارد که امکان مدل سازی چرخه های اقتصادی در بازارهای مالی را فراهم می کند. پس از ارائه ویژگیها و کاربردهای ریاضی آنها برای سهام و نرخهای بهره، تخمین با فیلتر همیلتون و الگوریتم زنجیره مارکوف مونت کارلو (MCMC) به تفصیل ارائه میشود. بخش دوم بر فرآیندهای خود برانگیخته برای مدلسازی خوشهبندی شوکها در بازارهای مالی تمرکز دارد. این فرآیندها اخیراً مورد توجه بسیاری از محققان قرار گرفته است و ما در اینجا بر برآورد اقتصاد سنجی و شبیه سازی آن تمرکز می کنیم. فصلی به تخمین مدلهای نوسانات تصادفی اختصاص دارد. دو فصل به حرکت براونی کسری و میدان های گاوسی اختصاص دارد. پس از خلاصه ای از ویژگی های آنها، ما برنامه هایی را برای مدل سازی سهام و نرخ بهره ارائه می دهیم. دو فصل بر روی انتشارات فرعی تمرکز دارد که امکان تکرار عدم نقدینگی در بازارهای مالی را فراهم می کند. این کتاب دانشجویان کارشناسی را که اولین دوره مالی تصادفی را دنبال کردهاند، به عنوان تحلیلگر کمی یا اکچوئرهایی که در مدیریت ریسک کار میکنند، هدف قرار میدهد.
This book explores recent topics in quantitative finance with an emphasis on applications and calibration to time-series. This last aspect is often neglected in the existing mathematical finance literature while it is crucial for risk management. The first part of this book focuses on switching regime processes that allow to model economic cycles in financial markets. After a presentation of their mathematical features and applications to stocks and interest rates, the estimation with the Hamilton filter and Markov Chain Monte-Carlo algorithm (MCMC) is detailed. A second part focuses on self-excited processes for modeling the clustering of shocks in financial markets. These processes recently receive a lot of attention from researchers and we focus here on its econometric estimation and its simulation. A chapter is dedicated to estimation of stochastic volatility models. Two chapters are dedicated to the fractional Brownian motion and Gaussian fields. After a summary of their features, we present applications for stock and interest rate modeling. Two chapters focuses on sub-diffusions that allows to replicate illiquidity in financial markets. This book targets undergraduate students who have followed a first course of stochastic finance and practitioners as quantitative analyst or actuaries working in risk management.
Preface Structure of the Book Reading Guide Acknowledgments Contents About the Author Notation 1 Switching Models: Properties and Estimation 1.1 A Hidden Markov Chain 1.2 A Modulated Asset Model 1.3 A Modified Hamilton Filter for Estimation 1.4 Numerical Illustration 1.5 Change of Measure 1.6 European Options Pricing 1.7 The Markov Switching Multifractal (MSM) Model 1.8 Numerical Illustrations 1.9 Hitting Time of a Regime Switching Model 1.10 Further Reading References 2 Estimation of Continuous Time Processes by Markov Chain Monte Carlo 2.1 Markov Chains 2.2 MCMC 2.3 Bayesian Inference 2.4 Estimation of a Multivariate Switching Regime 2.5 Further Reading References 3 Particle Filtering and Estimation 3.1 The Heston Model 3.2 Filtering of Stochastic Volatility 3.3 Estimation with a Rolling Window 3.4 Bayesian Estimation 3.5 Further Reading References 4 Modeling of Spillover Effects in Stock Markets 4.1 The Self-exciting Jump-Diffusion (SEJD) 4.2 Likelihood of Inter-Arrival Times 4.3 Jump Detection with the ``Peak Over Threshold'' Method 4.4 Sampling of Self-excited Processes 4.5 Particle Filtering of the Hawkes Intensity and MCMC Estimation 4.6 Properties of Jump Intensity and Log-Return in the SEJD 4.7 Change of Measure 4.8 Further Reading References 5 Non-Markov Models for Contagion and Spillover 5.1 The Multivariate Processes 5.2 Infinite-Dimensional Reformulation 5.3 Finite-Dimensional Approximation 5.4 Moment Generating Function 5.5 Cauchy Memory Kernels 5.6 Estimation 5.7 Probability Density Functions by Fast Fourier Transform 5.8 Further Reading References 6 Fractional Brownian Motion 6.1 Definition and Properties 6.2 Estimation of H by Rescaled Range Analysis 6.3 Integrals of Deterministic Functions and the Wick Product 6.4 Fractional Integrals and Itô's Lemma 6.5 Options Pricing in a Fractional Setting 6.6 A Fractional Interest Rate Model 6.7 Further Reading References 7 Gaussian Fields for Asset Prices 7.1 Conditional Gaussian Fields 7.2 Market Model 7.3 Choice of Autocovariance Functions 7.4 Simulation of a Conditional Field by Spectral Decomposition 7.5 Calendar Spread Exchange Options Pricing 7.6 Asian Calendar Spread Exchange Options, with Geometric Average 7.7 Numerical Illustration 7.8 Further Reading References 8 Lévy Interest Rate Models with a Long Memory 8.1 A Lévy Model with an Exponential Memory Kernel 8.2 A Lévy Model with a Mittag-Leffler Kernel 8.3 Empirical Motivation 8.4 Alternative Formulation 8.5 Bond Prices and Forward Rates 8.6 Discretization Scheme 8.7 Pricing of Bond Options 8.8 Further Reading Appendix References 9 Affine Volterra Processes and Rough Models 9.1 Introduction 9.2 Convolution and Resolvent 9.3 Moments and the Moment Generating Function 9.4 The Volterra and Rough Heston Model 9.5 Filtering 9.6 Further Reading References 10 Sub-diffusion for Illiquid Markets 10.1 The Stochastic Clock of Sub-diffusions 10.2 The Non-fractional Market 10.3 The Fractional Market 10.4 A Fractional Fokker–Planck Equation 10.5 Option Pricing in the Fractional Setting 10.6 A Particle Filter 10.7 Estimation of Parameters 10.8 Further Reading References 11 A Fractional Dupire Equation for Jump-Diffusions 11.1 Non-fractional Jump-Diffusion Model 11.2 Subordinators 11.3 The Dzerbayshan–Caputo Derivatives 11.4 Fractional Financial Market 11.5 Numerical Framework 11.6 Numerical Illustration 11.7 Further Reading References