金融中的数值方法和优化

　　《金融中的数值方法和优化(英文)》旨在为读者介绍金融计算工具—基本数值分析和计算技巧，如期权定价、并突出了模拟和优化的重要性，用许多章讲述投资组合保险和风险估计问题。特别地，有几章用于讲述优化探索和如何将他们应用于投资组合的选择、估值的校准和期权定价模型。这些具体的例子让读者学习了解决问题的具体步骤，以及将这些步骤举一反三。同时，这些应用使得《金融中的数值方法和优化(英文)》的参考价值大大提高。

List of Algorithms

Acknowledgements

1.Introduction

1.1 About this book

1.2 Principles

1.3 on software

1.4 on approximations andaccuracy

1.5 Summary: the theme of the book

Part One Fundamentals

2. Numerical analysisin a nutshell

2.1 Computer arithmetic

Representation of real numbers

Machine precision

Example of limitations of floating point arithmetic

2.2 Measuringerrors

2.3 Approximating derivatives with finite differences

Approximating first-order derivatives

Approximating second-order derivatives

Partial derivatives

How to choose h

Truncation error for forward difference

2.4 Numerical instability and ill-conditioning

Example of a numerically unstable algorithm

Example of an ill-conditioned problem

2.5Condition number of a matrix

Comments and examples

2.6 A primer on algorithmic and computational complexity

2.6.1 Criteria for comparison

Order of complexity and classification

2.A Operation count for basiclinear algebra operations

3. Linear equations and Least Squares problems

Choice of method

3.1 Direct methods

3.1.1 Triangular systems

3.1.2 LU factorization

3.1.3 Cholesky factorization

3.1.4 QRdecomposition

3.1.5 Singular value decomposition

3.2 Iterative methods

3.2.1 Jacobi, Gauss-Seidel, and SOR

Successive overrelaxation

3.2.2 Convergence of niterative methods

3.2.3 General structure of algorithms for iterative methods

3.2.4 Block iterative methods

3.3 Sparse linear systems

3.3.1 Tridiagonal systems

3.3.2 Irregular sparse matrices

3.3.3 Structural properties of sparse matrices

3.4 The Least Squares problem

3.4.1 Method of normal equations

3.4.2 Least Squares via QR factorization

3.4.3 Least Squares via SVD decomposition

3.4.4 Final remarks

The backslash operator in Matlab

4. Finite difference methods

4.1 An example of a numerical solution

A first numerical approximation

A second numerical approximation

4.2 Classification of differential equations

4.3 The Black-Scholes equation

4.3.1 Explicit, implicit, and θ-methods

4.3.2 Initial and boundary conditions and definition of the
grid

4.3.3 Implementation of the θ-method with Matlab

4.3.4 Stability

4.3.5 Coordinate transformation of space variables

4.4 American options

4.A A note on Matlab's function spdiags

5.Binomialtrees

5.1 Motivation

Matching moments

5.2 Growing the tree

5.2.1 Implementing a tree

5.2.2 Vectorization

5.2.3 Binomial expansion

5.3 Early exerase

5.4 Dividends

5.5 The Greeks

Greeks from the tree

Part Two Simulation

6. Generatmg random numbers

6.1 Monte Carlo methods and sampling

6.1.1 How it allbegan

6.1.2 Financialapplications

6.2 Uniform random number generators

6.2.1 Congruential generators

6.2.2 Mersenne Twister

6.3 Nonuniform distributions

6.3.1 The inversion method

6.3.2 Acceptance-rejection method

6.4 Specialized methods for selected distributions

6.4.1 Normal distribution

6.4.2 Higher order moments and the Cornish-Fisher expansion

6.4.3 Further distributions

6.5 Sampling from a discrete set

6.5.1 Discrete uniform selection

6.5.2 Roulette wheel selection

6.5.3 Random permutations and shuffling

6.6 Sampling errors-and how to reduce them

6.6.1 The basic problem

6.6.2 Quasi-Monte Carlo

6.6.3 Stratified sampling

6.6.4 Variance reduction

6.7Drawing from empirical distributions

6.7.1 Data randomization

6.7.2 Bootstrap

6.8 Controlled experiments and experimental design

6.8.1 Replicability and ceteris paribus analysis

6.8.2 Available random number generators in Matlab

6.8.3 Uniform random numbers from Matlab's rand function

6.8.4 Gaussian random numbers from Matlab's randn function

6.8.5 Remedies

7.Modelingdependenaes

7.1 Transformation methods

7.1.1 Linear correlation

7.1.2 Rank correlation

7.2 Markov chains

7.2.1 Concepts

7.2.2 The Metropolis algorithm

7.3 Copula models

7.3.1 Concepts

7.3.2 Simulation using copulas

8. A gentle introduction to financial simulation

8.1 Setting the stage

8.2 Single-period simulations

8.2.1 Terminal asset prices

8.2.2 l-over-N portfolios

8.2.3 European options

8.2.4 VaR of a covered put portfolio

8.3 Simple price processes

8.4 Processes with memoryin thelevels of returns

8.4.1 Efficient versus adaptive markets

8.4.2 Moving averages

8.4.3 Autoregressive models

8.4.4 Autoregressive moving average （ARMA） models

8.4.5 Simulating ARMA models

8.4.6 Models withlong-term memory

8.5 Time-varying volatility

8.5.1 Theconcepts

8.5.2 Autocorrelated time-varying volatility

8.5.3 Simulating GARCH processes

8.5.4 Selected further autoregressive volatility models

8.6 Adaptive expectations and patternsin price processes

8.6.1 Price-earningsmodels

8.6.2 Models with learning

8.7Historical simulation

8.7.1 Backtesting

8.7.2 Bootstrap

8.8 Agent-based models and complexity

9. Financial simulation at work: some case studies

9.1Constant proportion portfolio insurance （CPPI）

9.1.1 Basicconcepts

9.1.2 Bootstrap

9.2 VaR estimation with Extreme Value Theory

9.2.1 Basicconcepts

9.2.2 Scaling the data

9.2.3 Using Extreme Value Theory

9.3 Option pricing

9.3.1 Modeling prices

9.3.2 Pricingmodels

9.3.3 Greeks

9.3.4 Quasi-Monte Carlo

Part Three Optimization

　　《金融中的数值方法和优化(英文)》旨在为读者介绍金融计算工具—基本数值分析和计算技巧，如期权定价、并突出了模拟和优化的重要性，用许多章讲述投资组合保险和风险估计问题。特别地，有几章用于讲述优化探索和如何将他们应用于投资组合的选择、估值的校准和期权定价模型。这些具体的例子让读者学习了解决问题的具体步骤，以及将这些步骤举一反三。同时，这些应用使得《金融中的数值方法和优化(英文)》的参考价值大大提高。