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:
نویسندگان: David Ruppert. David S. Matteson
سری:
ISBN (شابک) : 9781493926145
ناشر: Springer
سال نشر: 2015
تعداد صفحات: 729
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 مگابایت
در صورت تبدیل فایل کتاب Statistics and Data Analysis for Financial Engineering with R examples [2nd ed.] 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 آمار و تجزیه و تحلیل داده ها برای مهندسی مالی با مثال های R [ویرایش دوم] 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.
نسخه جدید این کتاب درسی تأثیرگذار که برای دانشجویان کارشناسی ارشد یا پیشرفته طراحی شده است، آمارهای لازم برای مهندسی مالی را آموزش می دهد. در انجام این کار، مفاهیمی را با استفاده از بازارهای مالی و دادههای اقتصادی، آزمایشگاههای R با تمرینهای داده واقعی، و روشهای گرافیکی و تحلیلی برای مدلسازی و تشخیص خطاهای مدلسازی نشان میدهد. این روشها بسیار مهم هستند، زیرا مهندسان مالی اکنون به مقادیر عظیمی از دادهها دسترسی دارند. برای استفاده از این داده ها، روش های قدرتمند موجود در این کتاب برای کار با اطلاعات کمی، به ویژه در مورد نوسانات و خطرات، ضروری است. نقاط قوت این نسخه کاملاً اصلاحشده شامل افزودنهای عمده به کد R و موضوعات پیشرفته تحت پوشش است. فصل های جداگانه، در میان موضوعات دیگر، توزیع های چند متغیره، کوپول ها، محاسبات بیزی، مدیریت ریسک، و ادغام همزمان را پوشش می دهند. پیش نیازهای پیشنهادی دانش پایه آمار و احتمال، ماتریس و جبر خطی و حساب دیفرانسیل و انتگرال است. یک پیوست در مورد احتمال، آمار و جبر خطی وجود دارد. مهندسان مالی شاغل نیز این کتاب مورد علاقه را پیدا خواهند کرد.
The new edition of this influential textbook, geared towards graduate or advanced undergraduate students, teaches the statistics necessary for financial engineering. In doing so, it illustrates concepts using financial markets and economic data, R Labs with real-data exercises, and graphical and analytic methods for modeling and diagnosing modeling errors. These methods are critical because financial engineers now have access to enormous quantities of data. To make use of this data, the powerful methods in this book for working with quantitative information, particularly about volatility and risks, are essential. Strengths of this fully-revised edition include major additions to the R code and the advanced topics covered. Individual chapters cover, among other topics, multivariate distributions, copulas, Bayesian computations, risk management, and cointegration. Suggested prerequisites are basic knowledge of statistics and probability, matrices and linear algebra, and calculus. There is an appendix on probability, statistics and linear algebra. Practicing financial engineers will also find this book of interest.
Front Matter....Pages i-xxvi
Introduction....Pages 1-4
Returns....Pages 5-18
Fixed Income Securities....Pages 19-43
Exploratory Data Analysis....Pages 45-83
Modeling Univariate Distributions....Pages 85-135
Resampling....Pages 137-156
Multivariate Statistical Models....Pages 157-182
Copulas....Pages 183-215
Regression: Basics....Pages 217-248
Regression: Troubleshooting....Pages 249-268
Regression: Advanced Topics....Pages 269-306
Time Series Models: Basics....Pages 307-360
Time Series Models: Further Topics....Pages 361-404
GARCH Models....Pages 405-452
Cointegration....Pages 453-463
Portfolio Selection....Pages 465-493
The Capital Asset Pricing Model....Pages 495-515
Factor Models and Principal Components....Pages 517-552
Risk Management....Pages 553-579
Bayesian Data Analysis and MCMC....Pages 581-644
Nonparametric Regression and Splines....Pages 645-667
Back Matter....Pages 669-719