REDES NEURAIS INFORMADAS PELA FÍSICA

Name: REDES NEURAIS INFORMADAS PELA FÍSICA
Author: Luiz Tiago Wilcke

APLICAÇÕES NO MERCADO FINANCEIRO

Por Luiz Tiago Wilcke

Código del libro: 991165

Categorías

Ciencia de la Computación, Negocios y Economía, Educación, Economía

Comparte ese libro

Lee un extracto

Esa página ha sido visitada 34 veces desde 31/05/2026

	Versión eBook	€ 11,90
		Leer en Pensática

Valor total:

€ 11,90

*No incluye IVA.

Este libro puede estar a la venta en:

Sinopsis

Esta obra é uma referência técnica de alto nível para quem deseja dominar a interseção entre inteligência artificial, física matemática e finanças quantitativas. Com 416 páginas densas e 44 capítulos, o Volume II expande e aprofunda o universo das Physics-Informed Neural Networks (PINNs) aplicadas diretamente aos desafios do mercado financeiro moderno.

O livro parte dos fundamentos — cálculo estocástico, movimento browniano e a equação de Black-Scholes — e avança progressivamente por tópicos de crescente complexidade: precificação de opções europeias e americanas, modelos de volatilidade estocástica (Heston, SABR, volatilidade rugosa), equações de Hamilton-Jacobi-Bellman para controle ótimo, estrutura a termo de juros, trading de alta frequência e liquidação ótima.

Nos capítulos mais avançados, o leitor encontrará temas de fronteira como Fourier Neural Operators para precificação em tempo real, Deep Hedging, redes adversárias geradoras informadas pela física (PI-GANs), jogos de campo médio em finanças coletivas, modelagem de risco sistêmico em redes interbancárias, precificação não-linear de xVA (CVA, DVA, FVA) e modelos DSGE via PINNs.

Cada capítulo é acompanhado de implementações completas em Python, com código funcional usando PyTorch, diferenciação automática (autograd) e otimização híbrida Adam + L-BFGS, tornando o conteúdo aplicável na prática, não apenas teórico.

Características

Número de páginas	416
Edición	2 (2026)
Idioma	Portugués

¿Tienes alguna queja sobre ese libro? Envía un correo electrónico a [email protected]