Lectures en finance mathématiques
Bonjour,
Je vous propose de discuter et de commenter vos lectures, cours en ligne et livres, en finance mathématiques.
Calcul stochastique pour la finance permet d'avoir une première lecture
Cours de M1 en calcul stochastique Le polycopié traite aussi de contrôle stochastique.
Processus à sauts : Ensta C'est une bonne approche avant de se lancer dans un manuel.
Je vous propose de discuter et de commenter vos lectures, cours en ligne et livres, en finance mathématiques.
Calcul stochastique pour la finance permet d'avoir une première lecture
Cours de M1 en calcul stochastique Le polycopié traite aussi de contrôle stochastique.
Processus à sauts : Ensta C'est une bonne approche avant de se lancer dans un manuel.
Connectez-vous ou Inscrivez-vous pour répondre.
Réponses
A savoir si le sujet est la finance en particulier ou le calcul stochastique. Je n'y connais pas grand chose dans le premier domaine mais dispose d'une ou deux références pour l'autre.
Il y a des cours formateurs parmi les différents master de finance :
dans la liste des cours du master de finance de Paris 7 M2MO :
- un cours sur les produits dérivés
- cours sur le trading algorithmique
cours sur le contrôle stochastique
cours sur les produits de taux
- cours sur les copules
Dans le master de Paris 6 :
- programamtion en GPU
Econophysique
Je lis des livres en éconophysique : une approche des mathématiques financières par la physique statistique
Econophysics and Financial Economics : un livre historique sans contenu mathématique
Essential of Econophysics modelling a déjà plus de contenu.
An introduction to econophysics apporte peu par rapport aux autres livres. Il a le mérite d'être concis.
Séries temporelles
Non linear time series, Tsay a des chapitres consacrés aux modèles à espace d'état.
Nonlinear Time Series Models in Empirical Finance comporte un chapitre sur les réseaux de neurone.
Je lis en ce moment les cours de ce master en finance mathématiques à Oxford. Pour les collègues qui souhaiteraient le faire, je donne mon impression sur les différents cours. A $42000$ euros l'année, en sus du coût de la vie, son intérêt mathématique est discutable. Il a surtout un intérêt pour sa visibilité.
Je compléterai mon avis au fur et à mesure de mon avancée.
Core courses
Stochastic Calculus : cours standard sans grand intérêt
Financial Derivatives : cours standard sans grand intérêt
Numerical Methods
Statistics and Financial Data Analysis : faible
Computing course
Financial computing with C++ I : c'est trop classique le C++
Core courses
Deep Learning non disponible
Quantitative Risk Management : peu d'intérêt
Stochastic Control
Fixed Income
Elective courses
Stochastic Volatility
Advanced Monte Carlo Methods
Advanced Numerical Methods
Asset Pricing
Market Microstructure and Algorithmic Trading
Optimisation
Computing course
Financial computing with C++ II
Problems and solutions in mathematical finance : stochastic calculus est simple d'accès, et permet d'acquérir les bases.
Le livre est écrit par des praticiens, qui prennent le temps de détailler les étapes de calcul.
Financial derivatives
Problems and Solutions in mathematical finance : financial derivatives . Le second tome est très progressif. J'en commence tout juste la lecture.
Le livre explique des arbitrages qui sont souvent admis dans les autres manuels.
Il y a beaucoup d'exercices, c'est plus une encyclopédie.
- celui de la New York University
- Cornell-Citi Financial Data Science Webinar
- Quantitative Finance Seminar à Toronto
- Bloomberg Quantitative Seminar Series
- des cours en ligne qui me paraissent très formateurs, et que je compte lire
- des livres que j'ai parcouru, et que j'ai trouvé peu formateurs. Ils sont redondants.
et des cours que j'ai travaillé davantage :
je pense notamment au cours de l'Ensta sur les processus à sauts que j'ai travaillé :
- question en juillet
- maths stack exchange
Toute de suite, je travaille sur l'analyse fonctionnelle, et en finance mathématique, je vais reprendre les cours des deux masters de finance mathématique d'Oxford, qui forment un parcours cohérent.
Ça m'énerve, on dirait que tu n'assumes pas alors qu'il n'y a rien de grave à vouloir faire de l'argent, c'est même plutôt sain quand on est jeune sans boulot, et aucunement nocif quand ça ne vire pas à l'obsession et au malheur.
A quels cours de M2 ou à quels cours doctoraux est-ce que tu penses ?
J'imagine que tu connais le Monte-Carlo mais avoir des résultats sur la simulation de variables aléatoires et les méthodes de diminution de variance est une base.
En stats le peu que je connais est tellement tentaculaire que je ne sais même pas vers où t'orienter.
Le bootstrap, l'algorithme EM et toutes ses variantes très raffinées porteuses de recherches très actives et sources de modèles très prolifiques, les stats bayésiennes...
Dans les gros masters que tu sembles admirer les listes de choix de cours sont énormes. Ça donne une idée du gigantisme des possibles.
Essaie de regarder les cours qui ont l'air le plus fondamentaux.
Ne pas avoir de bases en edp me semble assez impensable par contre.