Markovprozesse und stochastische Differentialgleichungen: Vom Zufallsspaziergang zur Black-Scholes-Formel

· Springer-Verlag
Электрон ном
146
Хуудас
Үнэлгээ болон шүүмжийг баталгаажуулаагүй  Нэмэлт мэдээлэл авах

Энэ электрон номын тухай

In diesem Lehrbuch werden einige Themen aus der Stochastik behandelt, die auf dem Begriff des Markovprozesses aufbauen. Dabei sind Markovprozesse stochastische Prozesse, für welche die Prognose für das zufällige Verhalten in der Zukunft nur von der gegenwärtigen Position abhängt. Die zentralen Begriffe der Markovprozesse werden anschaulich erklärt und mit Beispielen motiviert. Der Text beschäftigt sich danach mit der Brownschen Bewegung, stochastischen Integralen und stochastischen Differentialgleichungen und beschreibt ausführlich die fundamentale Ito-Formel. Eine der klassischen Anwendungen von stochastischen Differentialgleichungen sind Monte-Carlo-Verfahren zur Lösung von partiellen Differentialgleichungen. In den beiden letzten Kapiteln werden einige der grundlegenden Begriffe der Finanzmathematik eingeführt und es wird gezeigt, wie man Methoden der stochastischen Differentialgleichungen erfolgreich einsetzen kann, um Optionen korrekt zu bewerten (Black-Scholes-Formel).

Зохиогчийн тухай

Prof. Dr. Ehrhard Behrends ist Professor für Mathematik an der Freien Universität Berlin. Er ist Autor und Herausgeber zahlreicher Lehrbücher und populärer Bücher.

Энэ электрон номыг үнэлэх

Санал бодлоо хэлнэ үү.

Унших мэдээлэл

Ухаалаг утас болон таблет
Андройд болон iPad/iPhoneGoogle Ном Унших аппыг суулгана уу. Үүнийг таны бүртгэлд автоматаар синк хийх бөгөөд та хүссэн газраасаа онлайн эсвэл офлайнаар унших боломжтой.
Зөөврийн болон ердийн компьютер
Та компьютерийн веб хөтчөөр Google Play-с авсан аудио номыг сонсох боломжтой.
eReaders болон бусад төхөөрөмжүүд
Kobo Цахим ном уншигч гэх мэт e-ink төхөөрөмжүүд дээр уншихын тулд та файлыг татаад төхөөрөмж рүүгээ дамжуулах шаардлагатай болно. Файлуудаа дэмжигддэг Цахим ном уншигч руу шилжүүлэхийн тулд Тусламжийн төвийн дэлгэрэнгүй зааварчилгааг дагана уу.