Main menu
Прикладная математика

Прикладная математика (445)

Численные методы и вычислительная математика

  1. Численные методы — Ричард Бёрден, Дж. Дуглас Фэйрс
  2. Численные методы для инженеров — Стивен Чапра
  3. Численные методы линейной алгебры — Ллойд Трефетен, Дэвид Бау
  4. Матричные вычисления — Джин Голуб, Чарльз Ван Лоан
  5. Вычислительная математика — А. А. Самарский
  6. Численные методы — Н. С. Бахвалов

Оптимизация и исследование операций

  1. Введение в исследование операций — Хиллер, Либерман
  2. Выпуклая оптимизация — Стивен Бойд, Ливен Ванденберг
  3. Нелинейное программирование — Дмитрий Бертсекас
  4. Методы оптимизации — Дэвид Люнбергер
  5. Линейное программирование — Вацлав Хватал

Математическое моделирование

  1. Математическое моделирование — Марк Меершарт
  2. Моделирование систем — А. А. Самарский, А. П. Михайлов
  3. Математические модели в биологии — Эллнер, Гукенхаймер
  4. Математическое моделирование в механике — А. К. Фаулер

Дифференциальные уравнения

  1. Уравнения математической физики — В. С. Владимиров
  2. Дифференциальные уравнения — В. И. Арнольд
  3. Обыкновенные дифференциальные уравнения — Э. Камке
  4. Дифференциальные уравнения и их приложения — Мартин Браун

Теория вероятностей и стохастика

  1. Теория вероятностей — А. Н. Колмогоров
  2. Вероятность и статистика — Моррис Дегрут, Марк Шервиш
  3. Стохастические процессы — Шелдон Росс
  4. Стохастический анализ для финансов — Стивен Шрив

Data Science и машинное обучение

  1. Элементы статистического обучения — Хасти, Тибширани, Фридман
  2. Распознавание образов и машинное обучение — Кристофер Бишоп
  3. Машинное обучение: вероятностный подход — Кевин Мёрфи
  4. Data Science с нуля — Джоэл Грус

Прикладная математика в физике и инженерии

  1. Математические методы для физиков — Арфкен, Вебер
  2. Высшая математика для инженеров — Эрвин Крейсиг
  3. Прикладная математика — Дж. Дэвид Логан

Математика управления рисками: показатель Expected Shortfall (ES)

Expected Shortfall (ES), часто называемый CVaR (Conditional Value-at-Risk), является современной мерой риска, которая превосходит классический VaR, так как учитывает тяжесть потерь в случае превышения порога, а не только сам факт превышения.

Подробнее

Моделирование процентных ставок: процесс Орнштейна-Уленбека

Процесс Орнштейна-Уленбека (Ornstein-Uhlenbeck) является фундаментальным стохастическим процессом, который описывает динамику с возвратом к среднему. В финансовой математике он широко используется для моделирования краткосрочных процентных ставок, так как в отличие от броуновского движения, здесь присутствует "сила", возвращающая ставку к её исторически среднему значению.

Подробнее

Уравнение Блэка-Шоулза как диффузионный процесс

Уравнение Блэка-Шоулза-Мертона не просто дает формулу для опциона — оно описывает фундаментальный процесс диффузии стоимости в рыночной среде, где риск может быть полностью нейтрализован с помощью динамического хеджирования.

Подробнее

Модель Хестона: ценообразование опционов со стохастической волатильностью

Модель Хестона (Heston Model) — это одна из наиболее влиятельных моделей в финансовой математике, которая впервые позволила преодолеть ограничение модели Блэка-Шоулза о постоянной волатильности. Разработанная Стивеном Хестоном в 1993 году, эта модель математически описывает динамику волатильности как случайный процесс, что позволяет воспроизводить рыночную "улыбку волатильности".

Подробнее

Копулы и их применение в моделировании портфельных рисков

Копулы (Copulas) — это математический инструмент, позволяющий моделировать структуру зависимости между финансовыми переменными, сохраняя гибкость при выборе индивидуальных распределений для каждого актива.

Подробнее

Математика управления рисками: показатель Expected Shortfall (ES)

Expected Shortfall (ES), часто называемый CVaR (Conditional Value-at-Risk), является современной мерой риска, которая превосходит классический VaR, так как учитывает тяжесть потерь в случае превышения порога, а не только сам факт превышения.

Подробнее

Моделирование процентных ставок: процесс Орнштейна-Уленбека

Процесс Орнштейна-Уленбека (Ornstein-Uhlenbeck) является фундаментальным стохастическим процессом, который описывает динамику с возвратом к среднему. В финансовой математике он широко используется для моделирования краткосрочных процентных ставок, так как в отличие от броуновского движения, здесь присутствует "сила", возвращающая ставку к её исторически среднему значению.

Подробнее

Уравнение Блэка-Шоулза как диффузионный процесс

Уравнение Блэка-Шоулза-Мертона не просто дает формулу для опциона — оно описывает фундаментальный процесс диффузии стоимости в рыночной среде, где риск может быть полностью нейтрализован с помощью динамического хеджирования.

Подробнее

Модель Хестона: ценообразование опционов со стохастической волатильностью

Модель Хестона (Heston Model) — это одна из наиболее влиятельных моделей в финансовой математике, которая впервые позволила преодолеть ограничение модели Блэка-Шоулза о постоянной волатильности. Разработанная Стивеном Хестоном в 1993 году, эта модель математически описывает динамику волатильности как случайный процесс, что позволяет воспроизводить рыночную "улыбку волатильности".

Подробнее

Оптимальное исполнение ордеров: стохастическое управление и модель Алмгрена-Хрисса

В микроструктуре финансовых рынков реализация крупного пакета акций неминуемо сдвигает котировки не в пользу инвестора (Market Impact). Задача поиска оптимальной стратегии распродажи, минимизирующей транзакционные издержки с учетом ценового риска (риска падения актива в процессе распродажи), была строго формализована Робертом Алмгреном и Нилом Хриссом в 2000 году. Их математическая модель стала фундаментом современных алгоритмических торговых стратегий, таких как Volume Weighted Average Price (VWAP) и Time Weighted Average Price (TWAP).

Подробнее
Subscribe to this RSS feed

Соц. сети