El arbitraje estadístico como objetivo

Question

Esta pregunta está algo relacionada con mi pregunta anterior aquí pero no se ha tratado en ningún otro hilo. La respuesta en ese hilo dio en el clavo con esa línea "Los libros de texto entrarán en demasiado material si planeas leerlos de principio a fin, y por lo tanto tienes poca idea de cuándo dejar de leer un libro de texto". Quiero que me validen mi enfoque actual y si hay lagunas, agradecería mucho cualquier sugerencia para cubrirlas.

Deseo orientarme hacia una carrera en los fondos de cobertura como quant de arbitraje. Tengo un doctorado en EE con especialización en diseño de circuitos integrados analógicos con más de 12 años de experiencia en el sector. Tengo buenos conocimientos de álgebra lineal gracias a mi formación en ingeniería. Lo siguiente es lo que creo que necesito estudiar.

Actualmente, he cubierto los primeros siete capítulos de "Understanding Analysis" de Stephen Abbott, incluyendo todos los ejercicios. También cubriré el octavo capítulo.

1. Después de haber leído el libro de Abbott, realmente no veo mucho sentido en pasar por el PMA de Rudin antes de pasar a la teoría de la medida. ¿Es realmente necesario Rudin antes de seguir adelante?

2. A continuación, pienso estudiar el libro de René Schilling sobre la teoría de la medida. Al igual que con el número 1 anterior, realmente dudo que tenga que profundizar en libros como el de Billingsley. ¿Es realmente necesario estudiar el libro de Billingsley antes de pasar a la siguiente etapa?

3. Por último, estudiaré los dos volúmenes de Shreve o el libro de Oksendal sobre ecuaciones diferenciales estocásticas que, según he aprendido, es necesario para el tipo de carrera que busco.

4. Paralelamente, voy a coger Python que está orientado a las finanzas, concretamente al arbitraje estadístico.

Tal y como yo lo veo, puedo cruzar los tres niveles principales (excluyendo Python, que es una fruta que cuelga bajo) asumiendo que son sólo

1. Análisis de Abbott con el que he terminado en su mayoría
2. Teoría de la medida de René Schilling
3. Ecuaciones diferenciales estocásticas a partir del material de Oksendal o de Shreve.

Cuantos más libros se añadan a esta lista, más tardaré en llegar al final de la misma, lo que coincide perfectamente con la respuesta dada en el hilo que he señalado al principio de esta pregunta. Así que si estoy mirando la infima de todo el material necesario para entrar en un fondo de cobertura como quant de arbitraje, ¿sería el #1, #2 y #3 mencionados anteriormente o es más que eso?

Específicamente, ¿tengo que moler a través de "Principios de Análisis Matemático" de Rudin y "Probabilidad y Medida" de Billingsley también antes de empezar con las ecuaciones diferenciales estocásticas?

Answer 1

Esta pregunta me la hacen con frecuencia los académicos y, afortunadamente para ti, el camino no pasa por ninguno de esos libros.

Las principales lagunas en sus conocimientos, desde el punto de vista del arbitraje estadístico, no son matemáticas . La mayoría o todos ellos ni siquiera son estadística . Más bien, son lagunas en el conocimiento de arbitraje y cómo participar en él.

Los doctores con conocimientos más que suficientes en teoría de la medida, teoría del control, SDEs, PDEs, etc., son una decena. Los responsables de la contratación se preocupan más por saber si un candidato puede utilizar realmente esos conocimientos de forma significativa, nadie le asignará 1-3 otros empleados para poner en práctica las ideas de algún novato en matemáticas que ni siquiera conoce los mercados.

Los responsables de la contratación estarán más interesados en saber si realmente has hecho alguna operación (por ejemplo, en cuentas personales). Y estarán mucho más interesados en la capacidad de codificación que puedas demostrar.