Teoría financiera con Python: A Gentle Introduction

Puntuación:   (4,0 de 5)

Teoría financiera con Python: A Gentle Introduction (Yves Hilpisch)

Opiniones de los lectores

Resumen:

El libro ofrece una cobertura exhaustiva de los conceptos matemáticos relacionados con la programación, pero adolece de explicaciones enrevesadas y de una ejecución deficiente. Es bien recibido por algunos por su contenido, pero criticado por su maquetación y claridad, así como por problemas de calidad en su versión digital.

Ventajas:

Cobertura exhaustiva de conceptos matemáticos
sólida formación del autor
contenido matemático decente cuando está bien explicado.

Desventajas:

Explicaciones y diseños enrevesados
malos hábitos de codificación
falta de explicaciones intuitivas
problemas de calidad en la edición digital
copias físicas dañadas.

(basado en 4 opiniones de lectores)

Título original:

Financial Theory with Python: A Gentle Introduction

Contenido del libro:

Hoy en día, las finanzas, las matemáticas y la programación están intrínsecamente ligadas. Este libro proporciona los fundamentos relevantes de cada disciplina para ofrecerle las principales herramientas que necesita para iniciarse en el mundo de las finanzas computacionales.

Con un enfoque en el que los conceptos matemáticos proporcionan el trasfondo común sobre el que se aprenden las ideas financieras y las técnicas de programación, esta guía práctica le enseña los fundamentos de la economía financiera. Escrito por el exitoso autor de Python for Finance, Yves Hilpisch, Financial Theory with Python explica conceptos financieros, matemáticos y de programación en Python de forma integradora, de modo que los conceptos interdisciplinares se refuerzan mutuamente.

⬤ Aproveche las matemáticas para aprender los fundamentos de la teoría financiera y la programación en Python.

⬤ Aprender sobre teoría financiera, modelado de datos financieros y el uso de Python para las finanzas computacionales.

⬤ Utilizar modelos económicos sencillos para comprender mejor nociones básicas de finanzas y conceptos de programación en Python.

⬤ Utilizar modelos financieros estáticos y dinámicos para abordar problemas fundamentales en finanzas, como la fijación de precios, la toma de decisiones, el equilibrio y la asignación de activos.

⬤ Aprender los conceptos básicos de los paquetes de Python útiles para la modelización financiera, como NumPy, pandas, Matplotlib y SymPy.

Otros datos del libro:

ISBN:9781098104351
Autor:
Editorial:
Idioma:inglés
Encuadernación:Tapa blanda
Año de publicación:2021
Número de páginas:192

Compra:

Actualmente disponible, en stock.

¡Lo compro!

Otros libros del autor:

Python for Finance: Dominio de las finanzas basadas en datos - Python for Finance: Mastering...
El sector financiero ha adoptado recientemente...
Python for Finance: Dominio de las finanzas basadas en datos - Python for Finance: Mastering Data-Driven Finance
Inteligencia artificial en finanzas: Una guía basada en Python - Artificial Intelligence in Finance:...
La adopción generalizada de la IA y el aprendizaje...
Inteligencia artificial en finanzas: Una guía basada en Python - Artificial Intelligence in Finance: A Python-Based Guide
Teoría financiera con Python: A Gentle Introduction - Financial Theory with Python: A Gentle...
Hoy en día, las finanzas, las matemáticas y la...
Teoría financiera con Python: A Gentle Introduction - Financial Theory with Python: A Gentle Introduction
Análisis de derivados con Python: Análisis de datos, modelos, simulación, calibración y cobertura -...
Mejore el análisis y la cobertura de opciones con...
Análisis de derivados con Python: Análisis de datos, modelos, simulación, calibración y cobertura - Derivatives Analytics with Python: Data Analysis, Models, Simulation, Calibration and Hedging

Las obras del autor han sido publicadas por las siguientes editoriales:

© Book1 Group - todos los derechos reservados.
El contenido de este sitio no se puede copiar o usar, ni en parte ni en su totalidad, sin el permiso escrito del propietario.
Última modificación: 2024.11.14 07:32 (GMT)