En primer lugar, una advertencia
Uno de los problemas de las finanzas matemáticas, así como del campo relacionado de la economía financiera, es que hay más que suficiente para aprender como para llenar tu agenda varias veces sólo con este trabajo académico paralelo. Así que, te guste o no, hay una cuestión de elección que se te impone: no puedes hacer todo hasta su expresión más fundamental.
Entonces, ¿qué debes hacer? Sólo debes permitirte profundizar en un tema si sabes lo que vas a hacer con él. De lo contrario, estarás perdiendo el tiempo. Es algo que he aprendido estudiando en la escuela de posgrado. Estamos ahí porque somos curiosos por naturaleza. Si simplemente empiezas a leer sobre cálculo estocástico porque te parece "guay", te pararás en seco en medio de tu recorrido. El entusiasmo que sientes tiene que ver con la exploración de lo desconocido y esto será, en última instancia, víctima de una de las dos cosas siguientes, o incluso de ambas (1) otras cosas nuevas también pueden ser interesantes y (2) tarde o temprano, te toparás con un muro y tendrás que perseverar para llegar al otro lado.
Sin embargo, si se tiene un objetivo claro en mente, incluso las cosas aparentemente aburridas pueden llegar a ser muy atractivas. Y esto tiende a sobrevivir cuando inevitablemente te das de bruces contra la pared.
Referencias
He hojeado un poco el famoso " Paul Wilmott sobre las finanzas cuantitativas ." No lo he utilizado personalmente, pero puedes encontrarlo en formato PDF en línea y, hasta ahora, parece estar muy bien escrito. El lado positivo es que te da documentos relacionados al final de cada capítulo, de modo que si te interesa un tema, puedes leer sólo los capítulos pertinentes y luego utilizar su lista de lecturas para profundizar en tus conocimientos.
Otro libro que he utilizado un poco es " Análisis de derivados con Python "de Yves Hilpsich. Cubre un montón de terreno y lo que es realmente genial es que viene con un montón de ejemplos de códigos de python, por lo que puede jugar con el código a ti mismo para ver cómo funcionan estas cosas. El código no es realmente óptimo, pero es agradable ver las tripas de todas esas matemáticas escritas como un algoritmo que se pasa a un ordenador. Personalmente, siempre me ha gustado poder trabajar con los modelos de principio a fin.
Sobre el cálculo estocástico, parece que el estándar es realmente el segundo libro de Shreeve: " Cálculo estocástico para finanzas II: Modelos de tiempo continuo . No he leído mucho, pero al parecer es bastante bueno. Personalmente, no me sirvió de mucho el cálculo estocástico fuera de poder leer algunos trabajos de economía financiera o finanzas.
0 votos
¿Podría alguien recomendar libros como "Quantitative risk management", "The Concepts and Practice of Mathematical Finance", "An Introduction to Quantitative Finance"
5 votos
Los más comunes son 1) Stochastic Calculus for Finance II: Continuous-Time Models de Steven Shreve, y 2) Paul Wilmott introduce las finanzas cuantitativas. ¡Así que si pudieras echar un vistazo a las páginas de muestra para ver en qué fallan!, ¡y así poder recomendar más libros en consecuencia!
0 votos
¡Gracias por su ayuda! Cálculo estocástico para finanzas II parece incluir todos los temas que me interesan, ¡muchas gracias por esta recomendación! ¿Es necesario haber leído el primer libro "Stochastic Calculus for Finance I: The Binomial Asset Pricing Model" para entender los conceptos del Cálculo Estocástico para Finanzas II?
0 votos
¡Gracias! No, la parte I no es necesaria, probablemente sea mejor empezar directamente en tiempo continuo, y después leer la I para intuirla. Normalmente, la parte I se enseña antes que la II, pero este enfoque podría dificultar el aprendizaje, ya que la relación entre el tiempo discreto y el continuo no es tan obvia, por lo que podría duplicar el tiempo de aprendizaje.