Autor Henrard, Marc
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsqueda
TÃtulo : Algorithmic Differentiation in Finance Explained Tipo de documento: documento electrónico Autores: Henrard, Marc, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: XIII, 103 p. 7 ilustraciones ISBN/ISSN/DL: 978-3-319-53979-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: IngenierÃa financiera Ciencias sociales Matemáticas en Negocios EconomÃa y Finanzas Ãndice Dewey: 332 Economía financiera Resumen: Este libro proporciona la primera guÃa práctica sobre la función y la implementación de la diferenciación algorÃtmica en finanzas. Escrito de una manera muy accesible, Explicación de la diferenciación algorÃtmica llevará a los lectores a través de las principales aplicaciones de AD en el entorno de derivados con un enfoque en la implementación. La diferenciación algorÃtmica (AD) ha sido popular en ingenierÃa e informática, en áreas como la dinámica de fluidos y la asimilación de datos durante muchos años. Durante la última década, se ha aplicado cada vez más (y con éxito) a la gestión de riesgos financieros, donde proporciona una manera eficiente de obtener derivados de precios de instrumentos financieros con respecto a los datos de entrada. Calcular la exposición a derivados en una cartera no es una tarea sencilla. Requiere muchos cálculos complejos y una gran cantidad de potencia informática, lo que resulta prohibitivamente caro y puede llevar mucho tiempo. Las técnicas de diferenciación algorÃtmica pueden tener mucho éxito a la hora de calcular los griegos y las sensibilidades de una cartera con precisión mecánica. Escrito por un destacado profesional que trabaja y programa AD, ofrece un análisis práctico de todas las principales aplicaciones de AD en el ámbito de los derivados y guÃa al lector hacia su implementación. Con el libro se proporciona el código fuente abierto de los ejemplos, con el que los lectores pueden experimentar y realizar sus propios escenarios de prueba sin escribir el código relacionado ellos mismos. Nota de contenido: Chapter1 Introduction -- Chapter2 The Principles of Algorithmic Differentiation -- Chapter3 Applications to Finance -- Chapter4 Automated Algorithmic differentiation -- Chapter5 Derivatives to Non-inputs and Non-derivatives to Inputs -- Chapter 6 Calibration. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Algorithmic Differentiation in Finance Explained [documento electrónico] / Henrard, Marc, Autor . - 1 ed. . - [s.l.] : Springer, 2017 . - XIII, 103 p. 7 ilustraciones.
ISBN : 978-3-319-53979-9
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: IngenierÃa financiera Ciencias sociales Matemáticas en Negocios EconomÃa y Finanzas Ãndice Dewey: 332 Economía financiera Resumen: Este libro proporciona la primera guÃa práctica sobre la función y la implementación de la diferenciación algorÃtmica en finanzas. Escrito de una manera muy accesible, Explicación de la diferenciación algorÃtmica llevará a los lectores a través de las principales aplicaciones de AD en el entorno de derivados con un enfoque en la implementación. La diferenciación algorÃtmica (AD) ha sido popular en ingenierÃa e informática, en áreas como la dinámica de fluidos y la asimilación de datos durante muchos años. Durante la última década, se ha aplicado cada vez más (y con éxito) a la gestión de riesgos financieros, donde proporciona una manera eficiente de obtener derivados de precios de instrumentos financieros con respecto a los datos de entrada. Calcular la exposición a derivados en una cartera no es una tarea sencilla. Requiere muchos cálculos complejos y una gran cantidad de potencia informática, lo que resulta prohibitivamente caro y puede llevar mucho tiempo. Las técnicas de diferenciación algorÃtmica pueden tener mucho éxito a la hora de calcular los griegos y las sensibilidades de una cartera con precisión mecánica. Escrito por un destacado profesional que trabaja y programa AD, ofrece un análisis práctico de todas las principales aplicaciones de AD en el ámbito de los derivados y guÃa al lector hacia su implementación. Con el libro se proporciona el código fuente abierto de los ejemplos, con el que los lectores pueden experimentar y realizar sus propios escenarios de prueba sin escribir el código relacionado ellos mismos. Nota de contenido: Chapter1 Introduction -- Chapter2 The Principles of Algorithmic Differentiation -- Chapter3 Applications to Finance -- Chapter4 Automated Algorithmic differentiation -- Chapter5 Derivatives to Non-inputs and Non-derivatives to Inputs -- Chapter 6 Calibration. En lÃnea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
