Note :

Le livre de Steven E. Shreve est très apprécié pour ses explications claires du calcul stochastique et de ses applications en finance. De nombreux lecteurs apprécient son approche rigoureuse et la profondeur des concepts mathématiques présentés de manière compréhensible. Cependant, l'ouvrage est considéré comme difficile, en particulier pour ceux qui n'ont pas de solides connaissances en mathématiques. Certains lecteurs ont critiqué le manque d'exemples dans certaines sections et la qualité variable de l'impression dans les éditions physiques.
Avantages:⬤ Des explications claires et approfondies des concepts complexes.
⬤ Bien structuré et autonome pour les lecteurs ayant des connaissances de base en calcul et en probabilités.
⬤ Couverture complète du calcul stochastique et de ses applications à la finance.
⬤ Appréciable pour les passionnés de mathématiques et utile pour ceux qui poursuivent une carrière dans la finance quantitative.
⬤ Le contenu est très apprécié pour sa rigueur mathématique.
⬤ Le matériel peut être très difficile et dense, nécessitant beaucoup de temps pour le comprendre.
⬤ Certaines sections manquent d'exemples pratiques, ce qui rend le contenu difficile à comprendre pour certains lecteurs.
⬤ Une mauvaise qualité d'impression a été signalée dans certaines éditions, ce qui nuit à la lisibilité.
⬤ La version Kindle a connu des problèmes de formatage dans le passé.
⬤ Certains lecteurs ont estimé qu'une plus grande importance accordée aux exemples informatiques (par exemple, l'utilisation de R ou de MATLAB) améliorerait le livre.
(basé sur 85 avis de lecteurs)
Stochastic Calculus for Finance II: Continuous-Time Models
Ce texte est issu d'une séquence de cours de deux semestres dans le cadre du programme de maîtrise en finance computationnelle de Carnegie Mellon.
Il contient de nombreux exemples, exercices et références. Il suppose que le lecteur est familier avec le calcul différentiel et intégral et les concepts de base de la probabilité basée sur le calcul.
Il ne suppose pas que le lecteur soit familier avec les probabilités de la théorie de la mesure, mais développe plutôt de manière informelle les outils nécessaires de ce sujet dans le texte.