Algorithmic Differentiation in Finance Explained / Henrard, Marc  

Público ISBD Ningún comentario para este registro. Título : Algorithmic Differentiation in Finance Explained Tipo de documento: documento electrónico Autores: Henrard, Marc, 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. Idioma : Inglés (eng) Palabras clave: Ingeniería financiera  Ciencias sociales  Matemáticas en Negocios  Economía y Finanzas Clasificación: 332 Economía financiera Resumen: Este libro proporciona la primera guía práctica sobre la función y la implementación de la diferenciación algorítmica en finanzas. Escrito de una manera muy accesible, Explicación de la diferenciación algorítmica 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 algorítmica (AD) ha sido popular en ingeniería 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 algorítmica 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 guía 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. Tipo de medio : Computadora Summary : This book provides the first practical guide to the function and implementation of algorithmic differentiation in finance. Written in a highly accessible way, Algorithmic Differentiation Explained will take readers through all the major applications of AD in the derivatives setting with a focus on implementation.  Algorithmic Differentiation (AD) has been popular in engineering and computer science, in areas such as fluid dynamics and data assimilation for many years.  Over the last decade, it has been increasingly (and successfully) applied to financial risk management, where it provides an efficient way to obtain financial instrument price derivatives with respect to the data inputs. Calculating derivatives exposure across a portfolio is no simple task.  It requires many complex calculations and a large amount of computer power, which in prohibitively expensive and can be time consuming.  Algorithmic differentiation techniques can be very successfully in computing Greeks and sensitivities of a portfolio with machine precision. Written by a leading practitioner who works and programmes AD, it offers a practical analysis of all the major applications of AD in the derivatives setting and guides the reader towards implementation.  Open source code of the examples is provided with the book, with which readers can experiment and perform their own test scenarios without writing the related code themselves. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Algorithmic Differentiation in Finance Explained [documento electrónico] / Henrard, Marc,  . -  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. Idioma : Inglés (eng) Palabras clave: Ingeniería financiera  Ciencias sociales  Matemáticas en Negocios  Economía y Finanzas Clasificación: 332 Economía financiera Resumen: Este libro proporciona la primera guía práctica sobre la función y la implementación de la diferenciación algorítmica en finanzas. Escrito de una manera muy accesible, Explicación de la diferenciación algorítmica 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 algorítmica (AD) ha sido popular en ingeniería 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 algorítmica 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 guía 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. Tipo de medio : Computadora Summary : This book provides the first practical guide to the function and implementation of algorithmic differentiation in finance. Written in a highly accessible way, Algorithmic Differentiation Explained will take readers through all the major applications of AD in the derivatives setting with a focus on implementation.  Algorithmic Differentiation (AD) has been popular in engineering and computer science, in areas such as fluid dynamics and data assimilation for many years.  Over the last decade, it has been increasingly (and successfully) applied to financial risk management, where it provides an efficient way to obtain financial instrument price derivatives with respect to the data inputs. Calculating derivatives exposure across a portfolio is no simple task.  It requires many complex calculations and a large amount of computer power, which in prohibitively expensive and can be time consuming.  Algorithmic differentiation techniques can be very successfully in computing Greeks and sensitivities of a portfolio with machine precision. Written by a leading practitioner who works and programmes AD, it offers a practical analysis of all the major applications of AD in the derivatives setting and guides the reader towards implementation.  Open source code of the examples is provided with the book, with which readers can experiment and perform their own test scenarios without writing the related code themselves. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200