Estadística y análisis de datos para ingeniería financiera

Opiniones de los lectores

El libro es elogiado por su amplia cobertura de los métodos estadísticos aplicados a la ingeniería financiera, especialmente con el uso de R, lo que lo hace práctico para los lectores con una sólida formación en estadística y programación. Sin embargo, existe una gran preocupación por la facilidad de uso de la versión Kindle, ya que muchos críticos afirman que las fórmulas matemáticas son ilegibles, lo que disminuye el valor del libro para el aprendizaje. Además, los lectores han señalado incoherencias en la calidad de los capítulos y la falta de un manual de soluciones para los ejercicios.

⬤ Cobertura en profundidad del análisis de datos en finanzas a través de R
⬤ ejercicios prácticos y ejemplos
⬤ un buen recurso para estudiantes de nivel intermedio
⬤ adecuado para profesionales con experiencia y estudiantes de ingeniería financiera
⬤ proporciona una amplia gama de temas relacionados con la estadística y las finanzas.

⬤ La versión Kindle es inutilizable debido a fórmulas ilegibles
⬤ algunos capítulos están mal explicados
⬤ no hay manual de soluciones para no instructores
⬤ el libro tiene erratas
⬤ puede ser demasiado avanzado para lectores sin una sólida formación estadística.

(basado en 27 opiniones de lectores)

Título original:

Statistics and Data Analysis for Financial Engineering

Contenido del libro:

Los ingenieros financieros tienen acceso a enormes cantidades de datos, pero necesitan métodos potentes para extraer información cuantitativa, sobre todo acerca de la volatilidad y los riesgos. Las principales características de este libro de texto son: ilustración de conceptos con mercados financieros y datos económicos, R Labs con ejercicios de datos reales e integración de métodos gráficos y analíticos para la modelización y el diagnóstico de errores de modelización. A pesar de cierto solapamiento con el libro de texto de licenciatura del autor Statistics and Finance: An Introduction, este libro difiere de ese volumen anterior en varios aspectos importantes: es de nivel de posgrado; los cálculos y gráficos se realizan en R; y se cubren muchos temas avanzados, por ejemplo, distribuciones multivariantes, cópulas, cálculos bayesianos, VaR y expected shortfall, y cointegración.

Los prerrequisitos son estadística y probabilidad básicas, matrices y álgebra lineal, y cálculo.

Es útil tener cierta experiencia en finanzas.