Quantitative Finanzwirtschaft mit Fallstudien in Python: Ein praktischer Leitfaden für Investmentmanagement, Handel und Finanzengineering schließt die Lücke zwischen der Theorie der mathematischen Finanzwirtschaft und den praktischen Anwendungen dieser Konzepte bei Derivatpreisbildung und Portfoliomanagement. Das Buch bietet Studierenden eine äußerst praxisnahe, fundierte Einführung in grundlegende Themen der quantitativen Finanzwirtschaft, wie Optionspreisbildung, Portfoliooptimierung und maschinelles Lernen. Gleichzeitig profitieren die Leser von einem starken Fokus auf die praktischen Anwendungen dieser Konzepte für institutionelle Anleger.

Diese neue Ausgabe enthält völlig neues Material zu Datenwissenschaft und KI-Konzepten, einschließlich großer Sprachmodelle, sowie aktualisierte Inhalte, um den Übergang von Libor zu SOFR widerzuspiegeln und den Text auf den neuesten Stand zu bringen. Zudem enthält sie erweitertes Material zu Inflation und hypothekenbesicherten Wertpapieren, mehr Handelsempfehlungen in jedem Kapitel sowie ein dediziertes Kapitel, das eine Reihe von Derivatetrades analysiert. Überall gibt es zusätzliche Beispiele, die auf aktuelle Marktdynamiken eingehen, einschließlich des Inflationsschocks nach Covid-19 und seiner Auswirkungen auf Risikoparitätsstrategien.

Insgesamt ist die neue Ausgabe so gestaltet, dass sie noch praxisorientierter ist als die erste Ausgabe und stärker in realen Daten, Anwendungen und Beispielen verwurzelt ist.

Merkmale:

• Nützlich sowohl als Lehrmaterial als auch als praktisches Werkzeug für professionelle Investoren
• Ideal für Erstsemester im Masterstudium in quantitativer Finanzwirtschaft, z.B. in Masterprogrammen für Mathematische Finanzwirtschaft, Quant-Finance oder Financial Engineering
• Enthält eine Perspektive auf die Zukunft quantitativer Finanztechniken, insbesondere zu Konzepten des maschinellen Lernens und der künstlichen Intelligenz

Kostenfreier Zugang zu einem Repository mit Python-Code, verfügbar bei Routledge und auf GitHub.

Δimensionen: 17,8x17,8cm