دانلود کتاب Optimal statistical inference in financial engineering

ترجمه فارسی توضیحات (ترجمه ماشینی)

استنتاج آماری بهینه در مهندسی مالی

تا به حال، مطالعات سیستماتیک معدودی از استنتاج آماری بهینه برای فرآیندهای تصادفی در ادبیات مهندسی مالی وجود داشته است، حتی اگر این ایده برای این زمینه اساسی باشد. استنتاج آماری بهینه در مهندسی مالی با تعادل بین تئوری آماری با تجزیه و تحلیل داده ها، بررسی می کند که چگونه مدل های تصادفی می توانند به طور موثر داده های مالی واقعی را توصیف کنند و چگونگی برآورد صحیح مدل های پیشنهادی را نشان می دهد. کتاب پس از توضیح عناصر احتمال و استنتاج آماری برای مشاهدات مستقل، به بررسی فرضیه آزمون و تجزیه و تحلیل تفکیک برای مشاهدات مستقل می‌پردازد. سپس فرآیندهای تصادفی، بسیاری از مدل‌های سری زمانی معروف، استنتاج بهینه مجانبی آن‌ها و مسئله پیش‌بینی را بررسی می‌کند و به دنبال آن فصلی در مهندسی مالی آماری که به نظریه قیمت‌گذاری گزینه، تخمین آماری ضرایب پرتفوی، و ارزش در معرض خطر می‌پردازد، می‌پردازد. مشکلات (VaR) از طریق فرآیندهای بازگشت تجربی باقیمانده. فصول پایانی برخی مدل‌ها را برای نرخ‌های بهره و اوراق قرضه تنزیل ارائه می‌کند، نظریه قیمت‌گذاری بدون آربیتراژ آنها را مورد بحث قرار می‌دهد، مشکلات رتبه‌بندی اعتباری را بررسی می‌کند، و خوشه‌بندی بازده سهام در هر دو بورس نیویورک و توکیو را نشان می‌دهد. این مرجع بر اساس نتایج یک رویکرد استنتاج بهینه مدرن و یکپارچه برای مدل‌های سری زمانی مختلف، بر اهمیت مدل‌های تصادفی در حوزه مهندسی مالی تأکید می‌کند.

Optimal statistical inference in financial engineering

Until now, few systematic studies of optimal statistical inference for stochastic processes had existed in the financial engineering literature, even though this idea is fundamental to the field. Balancing statistical theory with data analysis, Optimal Statistical Inference in Financial Engineering examines how stochastic models can effectively describe actual financial data and illustrates how to properly estimate the proposed models. After explaining the elements of probability and statistical inference for independent observations, the book discusses the testing hypothesis and discriminant analysis for independent observations. It then explores stochastic processes, many famous time series models, their asymptotically optimal inference, and the problem of prediction, followed by a chapter on statistical financial engineering that addresses option pricing theory, the statistical estimation for portfolio coefficients, and value-at-risk (VaR) problems via residual empirical return processes. The final chapters present some models for interest rates and discount bonds, discuss their no-arbitrage pricing theory, investigate problems of credit rating, and illustrate the clustering of stock returns in both the New York and Tokyo Stock Exchanges. Basing results on a modern, unified optimal inference approach for various time series models, this reference underlines the importance of stochastic models in the area of financial engineering.