Financial Modeling Under Non-Gaussian Distributions

În cadrul programelor de studii avansate în econometrie financiară și derivate, tranziția de la modelele teoretice bazate pe distribuția normală la realitatea empirică a piețelor reprezintă un pas critic. Financial Modeling Under Non-Gaussian Distributions vine să acopere exact această lacună, oferind un cadru tehnic riguros pentru analiza seriilor de timp care nu respectă ipotezele gaussiene clasice. Ne-a atras atenția modul în care autorii, Eric Jondeau, Ser-Huang Poon și Michael Rockinger, reușesc să demistifice modelele considerate „sofisticate”, ancorându-le permanent în exemple practice.

Volumul este organizat progresiv: începe cu proprietățile statistice ale datelor de piață și modelele teoretice de randament, avansând rapid către modelarea volatilității și a momentelor de ordin superior (skewness și kurtosis). Un punct forte al structurii este secțiunea dedicată corelațiilor și teoriei valorilor extreme, esențială pentru înțelegerea riscurilor sistemice. Finalul cărții este rezervat aplicațiilor practice în Value at Risk (VaR), alocarea portofoliului și evaluarea opțiunilor prin procese de tip salt sau procese Lévy.

Apreciem rigoarea matematică ce nu sacrifică însă aplicabilitatea. Ca alternativă la Fat-Tailed and Skewed Asset Return Distributions pentru cursurile de modelare a riscului, această lucrare aduce avantajul unei acoperiri mai vaste a matematicii calculului stochastic și a funcțiilor caracteristice, oferind o bază solidă pentru implementarea algoritmilor în contextul reglementărilor financiare moderne. Deși publicată în ediția 2007, fundamentele despre clustering-ul volatilității și cozile grele rămân piloni ai analizei cantitative actuale.