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 Multi-factor Models and Signal Processing Techniques: Application to Quantitative Finance

دانلود کتاب مدل‌های چند عاملی و تکنیک‌های پردازش سیگنال: کاربرد در امور مالی کمی

Multi-factor Models and Signal Processing Techniques: Application to Quantitative Finance

مشخصات کتاب

Multi-factor Models and Signal Processing Techniques: Application to Quantitative Finance

ویرایش: 1 
نویسندگان: , ,   
سری:  
ISBN (شابک) : 1848214197, 9781848214194 
ناشر: Wiley-ISTE 
سال نشر: 2013 
تعداد صفحات: 188 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 3 مگابایت

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 15


در صورت تبدیل فایل کتاب Multi-factor Models and Signal Processing Techniques: Application to Quantitative 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 مدل‌های چند عاملی و تکنیک‌های پردازش سیگنال: کاربرد در امور مالی کمی 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 مدل‌های چند عاملی و تکنیک‌های پردازش سیگنال: کاربرد در امور مالی کمی



با شیوع اخیر چندین بحران مالی در مقیاس بزرگ، که توسط منابع ریسک به هم پیوسته تقویت شده است، الگوی جدیدی از مدیریت صندوق پدیدار شده است. این پارادایم جدید از فرآیندها و روش‌های کمی «جاسازی‌شده» برای ارائه شیوه‌های «بر اساس ارزیابی ریسک» شفاف‌تر، سازگارتر، قابل اعتمادتر و به راحتی اجرا می‌شود.
این کتاب به بررسی گسترده‌ترین مدل‌های عاملی بکار رفته در حوزه دارایی‌های مالی می‌پردازد. قیمت گذاری از طریق کاربرد مشخص ارزیابی ریسک در صنعت صندوق تامینی، نویسندگان نشان می‌دهند که تکنیک‌های پردازش سیگنال جایگزین جالبی برای انتخاب عوامل (اعم از عوامل اساسی و آماری) هستند و می‌توانند روش‌های تخمین کارآمدتری را بر اساس فیلتر کالمن منظم‌شده ارائه کنند. به عنوان مثال.
این کتاب با مثال‌های توضیحی متعدد از بازارهای سهام، نیازهای متخصصان مالی و دانشجویان تحصیلات تکمیلی در علوم، اقتصاد سنجی و امور مالی را برآورده می‌کند.

مطالب

پیشگفتار. ، ادامه راما
1. مدل های عاملی و تعریف کلی.
2. انتخاب عامل.
3. برآورد حداقل مربعات (LSE) و فیلتر کالمن (KF) برای مدل‌سازی عاملی: یک دیدگاه هندسی.
4. یک فیلتر کالمن منظم (rgKF) برای داده‌های Spiky.
ضمیمه: برخی از تراکم‌های احتمال.

درباره نویسندگان

سرژ دارولز، استاد امور مالی در دانشگاه پاریس-دوفین، نایب رئیس QuantValley، یکی از بنیانگذاران QAMLab SAS و عضو کمیته علمی ابتکار مدیریت کمی (QMI). زمینه های تحقیقاتی او شامل اقتصاد سنجی مالی، نقدینگی و تحلیل صندوق های تامینی است. او مقالات متعددی نوشته است که در مجلات دانشگاهی به چاپ رسیده است.
پاتریک دووو در حال حاضر مدیر تحقیقات Telecom ParisTech فرانسه است. او یکی از بنیانگذاران QAMLab SAS و عضو کمیته علمی ابتکار مدیریت کمی (QMI) است. زمینه های تخصص او شامل پردازش سیگنال آماری، ارتباطات دیجیتال، سیستم های تعبیه شده و مالی QUANT است.
امانوئل جی یکی از بنیانگذاران و رئیس QAMLab SAS است. او از آوریل 2011 در Aequam Capital به عنوان رئیس مشترک تحقیق و توسعه کار کرده است و عضو کمیته علمی ابتکار مدیریت کمی (QMI) است. علایق تحقیقاتی او شامل SP برای امور مالی، مالی کمی و آماری، و تجزیه و تحلیل صندوق های تامینی است.


توضیحاتی درمورد کتاب به خارجی

With recent outbreaks of multiple large-scale financial crises, amplified by interconnected risk sources, a new paradigm of fund management has emerged. This new paradigm leverages “embedded” quantitative processes and methods to provide more transparent, adaptive, reliable and easily implemented “risk assessment-based” practices.
This book surveys the most widely used factor models employed within the field of financial asset pricing. Through the concrete application of evaluating risks in the hedge fund industry, the authors demonstrate that signal processing techniques are an interesting alternative to the selection of factors (both fundamentals and statistical factors) and can provide more efficient estimation procedures, based on lq regularized Kalman filtering for instance.
With numerous illustrative examples from stock markets, this book meets the needs of both finance practitioners and graduate students in science, econometrics and finance.

Contents

Foreword, Rama Cont.
1. Factor Models and General Definition.
2. Factor Selection.
3. Least Squares Estimation (LSE) and Kalman Filtering (KF) for Factor Modeling: A Geometrical Perspective.
4. A Regularized Kalman Filter (rgKF) for Spiky Data.
Appendix: Some Probability Densities.

About the Authors

Serge Darolles is Professor of Finance at Paris-Dauphine University, Vice-President of QuantValley, co-founder of QAMLab SAS, and member of the Quantitative Management Initiative (QMI) scientific committee. His research interests include financial econometrics, liquidity and hedge fund analysis. He has written numerous articles, which have been published in academic journals.
Patrick Duvaut is currently the Research Director of Telecom ParisTech, France. He is co-founder of QAMLab SAS, and member of the Quantitative Management Initiative (QMI) scientific committee. His fields of expertise encompass statistical signal processing, digital communications, embedded systems and QUANT finance.
Emmanuelle Jay is co-founder and President of QAMLab SAS. She has worked at Aequam Capital as co-head of R&D since April 2011 and is member of the Quantitative Management Initiative (QMI) scientific committee. Her research interests include SP for finance, quantitative and statistical finance, and hedge fund analysis.



فهرست مطالب

Cover
......Page 1
Title Page
......Page 5
Contents
......Page 7
Foreword......Page 13
Introduction......Page 17
Notations and Acronyms......Page 23
1.1. Introduction......Page 27
1.2.1. Notations
......Page 28
1.2.2. Factor representation......Page 30
 1.3.1. Style analysis
......Page 33
1.3.2. Optimal portfolio allocation......Page 36
 1.4.1. Factor selection
......Page 37
1.4.2. Parameters estimation......Page 39
1.5.1. CAPM and Sharpe’s market model......Page 40
1.5.2. APT for arbitrage pricing theory......Page 43
1.6. Glossary Volatility......Page 44
2.1. Introduction......Page 49
2.2. Qualitative know-how......Page 50
2.2.1. Fama and French model......Page 51
2.2.2. The Chen et al. model......Page 52
2.2.3. The risk-based factor model of Fung and Hsieh......Page 53
2.3. Quantitative methods based on eigenfactors......Page 57
2.3.1. Notation......Page 58
2.3.2. Subspace methods: the Principal Component Analysis......Page 59
2.4.1. Information criteria......Page 62
2.5. Appendix 1: Covariance matrix estimation......Page 64
2.5.1. Sample mean......Page 65
2.5.2. Sample covariance matrix......Page 66
2.5.3. Robust covariance matrix estimation: M-estimators......Page 69
2.6. Appendix 2: Similarity of the eigenfactor selection with the MUSIC algorithm......Page 72
2.7. Appendix 3: Large panel data......Page 74
2.7.1. Large panel data criteria......Page 75
2.8. Chapter 2 highlights
......Page 82
3.1. Introduction......Page 85
3.2.1. Factor model per return
......Page 86
3.2.2. Alpha and beta estimation per return......Page 87
3.3.2. LSE regression......Page 88
3.4. LSE objective and criterion......Page 89
3.5. How LSE is working (for LSE users and programmers)......Page 90
3.6.1. Bias and variance
......Page 91
3.6.2. Geometrical interpretation of LSE......Page 92
3.7. Derivations of LSE solution......Page 96
3.8.1. LSE method does not provide a recursive estimate
......Page 97
3.8.2. The state space model and its recursive component......Page 98
3.8.3. Parsimony and orthogonality assumptions......Page 99
 3.9.1. Self-aggregation feature
......Page 100
3.9.3. Innovation property......Page 101
3.10. What is the objective of KF?......Page 102
3.11.1. Algorithm summary
......Page 103
3.11.2. Initialization of the KF recursive equations......Page 106
3.12.1. Prediction filtering, equation [3.34]......Page 107
3.12.2. Prediction accuracy processing, equation [3.35]......Page 108
3.12.3. Correction filtering equations [3.36]–[3.37]......Page 109
3.12.4. Correction accuracy processing, equation [3.38]......Page 110
3.13.1. Comparison of the estimation methods on synthetic data
......Page 112
3.13.2. Market risk hedging given a
single-factor model
......Page 118
3.13.3. Hedge fund style analysis using a
multi-factor model
......Page 123
3.14.1. Geometrical interpretation of MSE criterion and the MMSE solution
......Page 130
3.14.3. Derivation of the prediction accuracy update
......Page 132
3.14.4. Derivation of the correction filtering update
......Page 133
3.14.5. Derivation of the correction accuracy update
......Page 137
3.15. Highlights
......Page 138
3.16. Appendix: Matrix inversion lemma......Page 142
4.1. Introduction......Page 143
4.3.1. RKF description 
......Page 145
4.4.1. rgKF description
......Page 147
4.4.2. rgKF performance......Page 151
4.5. Application to detect irregularities in hedge fund returns......Page 154
4.7. Chapter highlights Extended space-state model......Page 156
Appendix: Some Probability Densities......Page 159
Conclusion......Page 167
Bibliography......Page 169
Index......Page 179




نظرات کاربران

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