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: 1 نویسندگان: S. Uryasev (auth.), Stanislav P. Uryasev (eds.) سری: Nonconvex Optimization and Its Applications 49 ISBN (شابک) : 9781441948403, 9781475731507 ناشر: Springer US سال نشر: 2000 تعداد صفحات: 318 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 11 مگابایت
کلمات کلیدی مربوط به کتاب بهینهسازی محدود احتمالی: روششناسی و کاربردها: حساب تغییرات و کنترل بهینه، بهینه سازی، تحقیق در عملیات/نظریه تصمیم گیری، مالی/سرمایه گذاری/بانکداری، مدل سازی ریاضی و ریاضیات صنعتی، محاسبات عددی
در صورت تبدیل فایل کتاب Probabilistic Constrained Optimization: Methodology and Applications 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 بهینهسازی محدود احتمالی: روششناسی و کاربردها 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.
توابع احتمالی و صدک/چندک نقش مهمی در چندین کاربرد، مانند امور
مالی (ارزش در معرض خطر)، ایمنی هسته ای و محیط زیست دارند.
اخیراً پیشرفتهای قابل توجهی در تحلیل حساسیت و بهینهسازی
توابع احتمالی صورت گرفته است که مبنای ساخت رویکردهای کارآمد
جدید است. این کتاب وضعیت هنر را در تئوری بهینهسازی توابع
احتمالی و چندین کاربرد مهندسی و مالی، از جمله سیستمهای جریان
مواد، برنامهریزی تولید، ارزش در معرض خطر، مدیریت دارایی و
بدهی، و استراتژیهای معاملاتی بهینه برای مشتقات مالی ارائه
میکند. گزینه ها).
مخاطبان: این کتاب منبع اطلاعاتی ارزشمندی برای
اساتید، دانشجویان، محققان و دست اندرکاران در مهندسی مالی،
تحقیقات عملیات، بهینه سازی، علوم کامپیوتر و حوزه های مرتبط
است.
Probabilistic and percentile/quantile functions play an
important role in several applications, such as finance
(Value-at-Risk), nuclear safety, and the environment.
Recently, significant advances have been made in sensitivity
analysis and optimization of probabilistic functions, which
is the basis for construction of new efficient approaches.
This book presents the state of the art in the theory of
optimization of probabilistic functions and several
engineering and finance applications, including material flow
systems, production planning, Value-at-Risk, asset and
liability management, and optimal trading strategies for
financial derivatives (options).
Audience: The book is a valuable source of
information for faculty, students, researchers, and
practitioners in financial engineering, operation research,
optimization, computer science, and related areas.
Front Matter....Pages i-xii
Introduction to the Theory of Probabilistic Functions and Percentiles (Value-at-Risk)....Pages 1-25
Pricing American Options by Simulation Using a Stochastic Mesh with Optimized Weights....Pages 26-44
On Optimization of Unreliable Material Flow Systems....Pages 45-66
Stochastic Optimization in Asset & Liability Management: A Model for Non-Maturing Accounts....Pages 67-101
Optimization in the Space of Distribution Functions and Applications in the Bayes Analysis....Pages 102-131
Sensitivity Analysis of Worst-Case Distribution for Probability Optimization Problems....Pages 132-147
On Maximum Reliability Problem in Parallel-Series Systems with Two Failure Modes....Pages 148-159
Robust Monte Carlo Simulation for Approximate Covariance Matrices and VaR Analyses....Pages 160-172
Structure of Optimal Stopping Strategies for American Type Options....Pages 173-185
Approximation of Value-at-Risk Problems with Decision Rules....Pages 186-197
Managing Risk with Expected Shortfall....Pages 198-219
On the Numerical Solution of Jointly Chance Constrained Problems....Pages 220-235
Management of Quality of Service through Chance-constraints in Multimedia Networks....Pages 236-251
Solution of a Product Substitution Problem Using Stochastic Programming....Pages 252-271
Some Remarks on the Value-at-Risk and the Conditional Value-at-Risk....Pages 272-281
Statistical Inference of Stochastic Optimization Problems....Pages 282-307