書籍推薦
我目前是“普通”金融課程的學生，想了解更多關於一般量化金融，尤其是風險管理的知識。
當我們導出公式時，例如 Black-Scholes 公式，我們沒有正確執行。比如我們的教授只是簡單地給了我們伊藤公式的結果，沒有解釋背景。你可以說我們在不知道確切背景的情況下應用了一些東西。但是，我會對這些東西非常感興趣，因為它們無處不在。
有沒有人有一些關於這些事情的書籍推薦？我不需要完全理解它的每一個細節，這只是為了我的興趣。我知道很難找到一本完全適合我的教育水平的書。這本書不應該完全是關於一個特定的主題，但仍然應該詳細介紹我對它的了解。
我們“學到”但從未真正學到的東西的例子：
- 隨機微積分，伊藤公式/積分
- 如何從物理測量到風險中性測量，Girsanov 定理
- 非標準期權定價：例如跳躍擴散模型、Poisson過程
- 更先進的風險管理
首先，請注意
數學金融以及金融經濟學相關領域的問題之一是，僅僅通過這種學術方面的喧囂，就有足夠的東西來學習多次填滿你的日程安排。所以，不管你喜不喜歡，有一個選擇問題是強加在你身上的：你不能把所有的事情都做到最根本的表達。
那你該怎麼辦？如果你知道你會用它做什麼，你應該只允許自己更深入地研究一個主題。否則，您將浪費時間。這是我在讀研究生時學到的東西。我們在那裡是因為我們天生好奇。如果您只是因為感覺“很酷”而開始閱讀有關隨機微積分的內容，那麼您將死在軌道中間。你所感受到的熱情與探索未知有關，這最終將成為以下兩件事之一或什至兩者的犧牲品：（1）其他新事物也可能很有趣，（2）遲早，你會碰壁，你需要堅持才能到達另一邊。
但是，如果您有明確的目標，即使是看似無聊的事情也會變得非常吸引人。當你不可避免地把鼻子撞到牆上時，這往往會存活下來。
參考
我仔細閱讀了著名的“ Paul Wilmott on Quantitative Finance ”。我沒有親自使用它，但你可以在網上找到它的 PDF 格式，到目前為止，它似乎寫得很好。從好的方面來說，他在每章的末尾都會給你相關的論文，所以如果你對某個主題感興趣，你可以只閱讀相關的章節，然後使用他的閱讀清單來加深你的知識。
我用過的另一本書是 Yves Hilpsich 的“ Derivative Analystics with Python ”。它涵蓋了很多領域，真正酷的是它附帶了大量的 python 程式碼範例，所以你可以自己玩這些程式碼來看看這些東西是如何工作的。程式碼確實不是最優的，但很高興看到所有數學的核心內容被編寫為傳遞給電腦的算法。就個人而言，我一直很欣賞能夠從頭到尾處理模型。
關於隨機微積分，標準似乎真的是 Shreeve 的第二本書：《金融隨機微積分 II：連續時間模型除了能夠閱讀金融經濟學或金融領域的一些論文之外，還可用於隨機微積分。