Financial Modeling Under Non-Gaussian Distributions

متخصصان و محققانی که داده‌های بازار مالی را مدیریت کرده‌اند، می‌دانند که بازده دارایی‌ها مطابق منحنی زنگ‌شکل، مرتبط با توزیع گاوسی یا عادی رفتار نمی‌کنند. در واقع، استفاده از مدل‌های گاوسی زمانی که توزیع بازده دارایی نرمال نیست، می‌تواند منجر به انتخاب اشتباه پرتفوی، دست کم‌گرفتن زیان‌های شدید یا قیمت‌های نادرست محصولات مشتق شود. در نتیجه، مدل‌ها و مدل‌های غیرگاوسی مبتنی بر فرآیندهای دارای جهش در بین متخصصان بازار مالی محبوبیت پیدا می‌کنند.

توزیع‌های غیرگاوسی موضوع اصلی این کتاب است که به علل آن می‌پردازد. و پیامدهای غیر عادی بودن و وابستگی زمانی در بازده دارایی و قیمت اختیار معامله. یکی از اهداف اصلی پر کردن شکاف بین پیشرفت‌های نظری و پیاده‌سازی‌های عملی آنچه بسیاری از کاربران و محققان به عنوان مدل‌های «پیچیده» یا جعبه‌های سیاه می‌دانند، است. این کتاب برای غیرریاضی‌دانانی نوشته شده است که می‌خواهند قیمت‌های بازار مالی را مدل‌سازی کنند، بنابراین تاکید در سراسر آن روی عمل است. تصاویر تجربی فراوانی از مدل‌ها و تکنیک‌های توصیف‌شده وجود دارد، که بسیاری از آن‌ها می‌توانند به طور مساوی برای سایر سری‌های زمانی مالی، مانند مبادله و نرخ بهره، اعمال شوند. نویسندگان دقت کرده‌اند که مطالب را برای هر کسی که دانش اولیه از آمار، حساب دیفرانسیل و انتگرال و احتمالات دارد در دسترس قرار دهند و در عین حال دقت و پیچیدگی ریاضی مدل‌های اصلی را حفظ کنند.

این کتاب یک مرجع ضروری برای پزشکان در صنعت مالی، به ویژه کسانی که مسئول مدیریت پورتفولیو و نظارت بر ریسک مالی هستند، خواهد بود، اما برای ریاضیدانانی که می خواهند در مورد نحوه استفاده از ابزارهای ریاضی آنها در امور مالی و به عنوان متنی برای دوره های پیشرفته در امور مالی تجربی بیشتر بدانید. اقتصاد سنجی مالی و مشتقات مالی

Practitioners and researchers who have handled financial market data know that asset returns do not behave according to the bell-shaped curve, associated with the Gaussian or normal distribution. Indeed, the use of Gaussian models when the asset return distributions are not normal could lead to a wrong choice of portfolio, the underestimation of extreme losses or mispriced derivative products. Consequently, non-Gaussian models and models based on processes with jumps are gaining popularity among financial market practitioners.

Non-Gaussian distributions are the key theme of this book which addresses the causes and consequences of non-normality and time dependency in both asset returns and option prices. One of the main aims is to bridge the gap between the theoretical developments and the practical implementations of what many users and researchers perceive as "sophisticated" models or black boxes. The book is written for non-mathematicians who want to model financial market prices so the emphasis throughout is on practice. There are abundant empirical illustrations of the models and techniques described, many of which could be equally applied to other financial time series, such as exchange and interest rates. The authors have taken care to make the material accessible to anyone with a basic knowledge of statistics, calculus and probability, while at the same time preserving the mathematical rigor and complexity of the original models.

This book will be an essential reference for practitioners in the finance industry, especially those responsible for managing portfolios and monitoring financial risk, but it will also be useful for mathematicians who want to know more about how their mathematical tools are applied in finance, and as a text for advanced courses in empirical finance; financial econometrics and financial derivatives