Származtatott ügyletek elemzése Pythonnal: Adatelemzés, modellek, szimuláció, kalibrálás és fedezeti ügyletek

Olvasói vélemények

A könyv vegyes értékeléseket kapott a felhasználóktól, egyesek dicsérték a fejlett tudást és az elméleti betekintést, míg mások a hibás kódot és az eredeti tartalom hiányát kritizálták. Elegánsnak és stilizáltnak tartják, de nem könnyű megemészteni erős matematikai és Python-háttér nélkül.

Haladó szintű ismereteket és jó elméleti alapokat kínál. Néhány felhasználó nagyszerű forrásnak találta az árképzési és piaci modellekhez. Elegáns megjelenítés.

A rendelkezésre bocsátott kód hibás és nem naprakész, közel 10 éve hiányoznak a javítások. Néhány felhasználó úgy érezte, hogy a tartalom a meglévő anyag felújítása, semmi újdonsággal. A szerző állítólag nem volt segítőkész, amikor a felhasználók segítséget kértek, és a könyvet túlárazottnak ítélték.

(8 olvasói vélemény alapján)

Eredeti címe:

Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging

Könyv tartalma:

Az opciós elemzések és fedezeti ügyletek feltöltése a Python erejével

A Derivatives Analytics with Python megmutatja, hogyan valósíthat meg piackonzisztens értékelési és fedezeti megközelítéseket fejlett pénzügyi modellek, hatékony numerikus technikák és a Python programozási nyelv erőteljes képességei segítségével. Ez az egyedülálló útmutató részletes magyarázatot nyújt minden elméletről, módszerről és folyamatról, így megadja a hátteret és a szükséges eszközöket ahhoz, hogy szilárd alapokon nyugvó részvényindex-opciókat értékelhessen. Önálló Python szkripteket és modulokat talál és használhat, és megtanulhatja, hogyan alkalmazza a Pythont a fejlett adat- és származtatott elemzésekhez, miközben hasznát veheti az 5000) sornyi kódnak, amelyek segítségével reprodukálhatja a bemutatott eredményeket és grafikonokat. A lefedettség magában foglalja a piaci adatelemzést, a kockázatsemleges értékelést, a Monte Carlo-szimulációt, a modellkalibrációt, az értékelést és a dinamikus fedezeti ügyleteket, olyan modellekkel, amelyek sztochasztikus volatilitást, ugráskomponenseket, sztochasztikus rövid árfolyamokat és egyebeket mutatnak. A kísérő weboldalon megtalálható az összes kód és IPython Notebooks az azonnali végrehajtás és automatizálás érdekében.

A Python egyre nagyobb teret nyer a származtatott ügyletek elemzési területén, lehetővé téve az intézmények számára, hogy gyorsan és hatékonyan szolgáltassanak portfólió-, kereskedési és kockázatkezelési eredményeket. Ez a könyv a pénzügyi szakemberek útmutatója a Python képességeinek kiaknázásához a hatékony és eredményes származtatott elemzésekhez.

⬤ A részvény- és opciós piacok főbb stilizált tényeinek saját maga általi bemutatása.

⬤  Alkalmazza a Fourier-transzformációs technikákat és a fejlett Monte Carlo-árazást.

⬤ Kalibrálja a fejlett opciós árazási modelleket a piaci adatokhoz.

⬤ Edményes modellek és numerikus módszerek integrálása az opciók dinamikus fedezéséhez.

A Python ökoszisztéma legújabb fejlesztései lehetővé teszik az elemzők számára, hogy az analitikai feladatokat ugyanolyan teljesítményesen hajtsák végre, mint a C vagy C++ nyelvvel, de a kódnak csak a tizedét vagy még kevesebbet használva. A Derivatives Analytics with Python -- Data Analysis, Models, Simulation, Calibration and Hedging című könyv megmutatja, mit kell tudnia ahhoz, hogy felturbózza a derivatívák és a kockázatelemzéssel kapcsolatos erőfeszítéseit.