Après avoir eu un aperçu sur la finance quantitative dans la première partie, nous continuons notre apprentissage du trading algorithmique avec une nouvelle partie plus technique toujours tirée du blog Quantivity.

Partie 1 :  Aperçu de la finance quantitative
Partie 2 :  Les fondamentaux des mathématiques financières
Partie 3 :  Modélisation et analyses mathématiques financières modernes

Cette deuxième partie se concentre sur les disciplines entremêlées qui sont à la base des mathématiques financières modernes et dont la connaissance est donc généralement assumée par les professionnels et la littérature actuelle.

La partie 3 réutilisera ces connaissances pour se spécialiser sur la modélisation et analyse financière qui est le domaine nous intéressant ici au final.

Pour commencer, voici une liste de livres donnant de solides bases sur les théories économétriques, en insistant particulièrement sur les séries temporelles (assumant une connaissance solide an algèbre linéaire et matrix)

Time Series Analysis, par Hamilton: livre classique sur les séries temporelles économétriques
Econometric Analysis, par Greene: livre classique sur les théories économétriques

Puis creusons les notions de filtrage et de vaguelettes :

Wavelet Methods for Time Series Analysis, par Percival et Walden: ouvrage standard sur les vaguelettes
An Introduction to Wavelets and Other Filtering Methods in Finance and Economics, par Gençay, Selçuk, et Whitcher: filtrage et vaguelettes appliqués la finance et l'économie

Explorez les notions de modern statistical / machine learning pour approcher l'intelligence artificielle:

Artificial Intelligence: A Modern Approach, par Russell et Norvig: introduction classique à l'Intelligence Artificielle standard
Apprentissage Artificiel : Concepts et Algorithmes, par Antoine Cornuéjols et Laurent Miclet : ouvrage français de référence (merci npernot)
The Elements of Statistical Learning, par Hastie, Tibshirani, and Friedman: apprentissage standard et statistique intermédiaire
Pattern Recognition and Machine Learning,par Bishop: intermediate classification and learning
Pattern Classification, par Duda: introduction standard à la classification

Voici des références concernant l'optimisation mathématique :

* Linear and Nonlinear Programming, par Luenberger: introduction standard à l'optimisation
* Nonlinear Programming, par Bazaraa et al.: optimisation standard non-linéaire
* Convex Optimization, par Boyd et Vandenberghe: optimisation standard convexe

Finalement, pour ceux qui sont intéressés par les options et vol, intéressez vous aux calculs stochastiques modernes :

Financial Calculus, par Baxter and Rennie: introduction plaisante et intuitive
Stochastic Calculus for Finance I, par Shreve: une introduction douce via les binomiales
Stochastic Calculus for Finance II, par Shreve: une introduction douce en temps continue

Ne manquez pas la partie 3 qui partira de ces connaissances pour rentrez dans le vif du sujet...