A Workout in Computational Finance (Andreas Binder).

"A Workout in Computational Finance" - это книга, которая представляет собой обширное введение в различные численные методы, используемые в вычислительной финансовой сфере сегодня. Квалификация в области математики и численного анализа является необходимой для работы в финансовой индустрии и для начала карьеры в этой области, а также для риск-менеджеров. Эта книга предлагает подробное введение в каждый метод, раскрывая численные ловушки, в которые часто попадают практики. Каждый метод сопровождается практическими примерами из области оценки, анализа рисков и калибровки конкретных финансовых инструментов и моделей. В книге сильный акцент делается на надежных схемах для численной обработки задач в вычислительной финансовой сфере. Среди методов, рассматриваемых в книге, включены PDE/PIDE с использованием конечных разностей или конечных элементов, быстрые и стабильные решатели для разреженных сеток, методы стабилизации и регуляризации для обратных задач, возникающих при калибровке финансовых моделей к рыночным данным, методы Монте-Карло и квази-Монте-Карло для моделирования высокомерных систем, а также локальные и глобальные инструменты оптимизации для решения задач минимизации.

Эта книга представляет собой всеобъемлющее введение к различным численным методам, широко используемым в современном вычислительном финансировании. Численные навыки являются необходимыми предпосылками для тех, кто работает в финансовой сфере или только начинает карьеру в этой области; а также для риск-менеджеров. Основательное знание численных методов, как и способность полноценно оценивать их качество, преимущества и ограничения, является жизненно важным. В этой книге существует всестороннее введение в каждый из методов, это показывает те цифровые ямы, в которых практики часто застревают. Каждый из методов ссылается на практическое применение, на реальных примерах областей оценки, анализа риска и калибровки специфических инструментов и финансовых моделей. Имеется акцентированное внимание на робастных схемах для численного решения проблем в рамках вычислительного финансирования. Методы включающие в себя PDE / PIDE с использованием конечных разностей или конечных элементов, быстрые и стабильные решатели для разреженных систем сетки, методы стабилизации и регуляризации для решения обратных задач, возникающих при калибровке финансовых моделей для рыночных данных, методы Монте-Карло и КвазиМонтеКарло для моделирования систем с высоким числом переменных, а также инструменты локальной и глобальной оптимизации для того, чтобы решить задачу минимизации.