کتاب مدلسازی و تحلیل داده‌های مالی با R: از مبانی تا پیش‌بینی
, ,

کتاب مدلسازی و تحلیل داده‌های مالی با R: از مبانی تا پیش‌بینی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019320 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مدلسازی و تحلیل داده‌های مالی با R: از مبانی تا پیش‌بینی

موضوع کلی: علم داده مالی

موضوع میانی: تحلیل و مدل‌سازی داده‌های مالی با R

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر علم داده مالی و کاربردهای آن
  • 2. چرا زبان R برای تحلیل مالی؟
  • 3. نصب و راه‌اندازی R و RStudio
  • 4. آشنایی با محیط RStudio: کنسول، اسکریپت، پکیج‌ها
  • 5. نصب و مدیریت پکیج‌های ضروری در R
  • 6. متغیرها و انواع داده‌های پایه در R
  • 7. بردارها (Vectors) و عملیات برداری
  • 8. ماتریس‌ها (Matrices) و عملیات ماتریسی
  • 9. لیست‌ها (Lists) و کاربردهای آن
  • 10. دیتافریم‌ها (DataFrames): ساختار اصلی داده
  • 11. خواندن و نوشتن داده‌ها (CSV, Excel)
  • 12. ساختارهای کنترلی: دستورات شرطی if-else
  • 13. ساختارهای کنترلی: حلقه‌های for و while
  • 14. نوشتن توابع سفارشی در R
  • 15. مقدمه‌ای بر اکوسیستم Tidyverse
  • 16. معرفی پکیج `dplyr` برای دستکاری داده‌ها
  • 17. فیلتر کردن ردیف‌ها با `filter`
  • 18. انتخاب ستون‌ها با `select`
  • 19. ایجاد ستون‌های جدید با `mutate`
  • 20. خلاصه‌سازی داده‌ها با `summarise` و `group_by`
  • 21. مرتب‌سازی داده‌ها با `arrange`
  • 22. ادغام دیتافریم‌ها: انواع `join`
  • 23. کار با داده‌های زمانی: معرفی پکیج‌های `xts` و `zoo`
  • 24. وارد کردن و مدیریت داده‌های سری زمانی مالی
  • 25. تبدیل فرکانس داده‌های زمانی (روزانه به هفتگی و ماهانه)
  • 26. محاسبه بازده ساده (Simple Return)
  • 27. محاسبه بازده لگاریتمی (Log Return)
  • 28. مدیریت داده‌های گمشده (Missing Data) در سری‌های مالی
  • 29. مبانی مصورسازی داده با پکیج `ggplot2`
  • 30. رسم نمودار سری زمانی قیمت و بازده
  • 31. رسم هیستوگرام و نمودار چگالی توزیع بازده
  • 32. نمودار جعبه‌ای (Box Plot) برای مقایسه توزیع‌ها
  • 33. نمودار پراکندگی (Scatter Plot) برای بررسی روابط بین دارایی‌ها
  • 34. مفاهیم آماری کلیدی: میانگین، میانه، مُد
  • 35. مفاهیم پراکندگی: واریانس و انحراف معیار
  • 36. چولگی (Skewness) در توزیع بازده‌های مالی
  • 37. کشیدگی (Kurtosis) و دم‌های چاق (Fat Tails)
  • 38. آزمون نرمال بودن توزیع بازده (آزمون Jarque-Bera)
  • 39. کوواریانس و همبستگی بین بازده دارایی‌ها
  • 40. ماتریس همبستگی و مصورسازی آن
  • 41. تحلیل و شناسایی داده‌های پرت (Outliers)
  • 42. رگرسیون خطی ساده: مبانی و مفروضات
  • 43. اجرای رگرسیون خطی ساده در R
  • 44. تفسیر خروجی مدل رگرسیون: ضرایب، p-value و R-squared
  • 45. تحلیل باقی‌مانده‌ها برای ارزیابی مدل رگرسیون
  • 46. رگرسیون خطی چندگانه
  • 47. مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM)
  • 48. پیاده‌سازی و تحلیل مدل CAPM در R
  • 49. مدل‌های چندعاملی: مدل سه عاملی فاما-فرنچ
  • 50. انتخاب متغیر در مدل‌های رگرسیونی
  • 51. پیش‌بینی با استفاده از مدل‌های رگرسیون خطی
  • 52. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 53. مفهوم ایستایی (Stationarity) و اهمیت آن
  • 54. فرایند نوفه سفید (White Noise)
  • 55. فرایند قدم زدن تصادفی (Random Walk)
  • 56. تابع خودهمبستگی (ACF) و تفسیر آن
  • 57. تابع خودهمبستگی جزئی (PACF) و تفسیر آن
  • 58. آزمون‌های ایستایی: آزمون دیکی-فولر تعمیم‌یافته (ADF)
  • 59. مدل خودرگرسیو (Autoregressive – AR)
  • 60. شناسایی مرتبه مدل AR با استفاده از PACF
  • 61. برازش و ارزیابی مدل AR در R
  • 62. مدل میانگین متحرک (Moving Average – MA)
  • 63. شناسایی مرتبه مدل MA با استفاده از ACF
  • 64. برازش و ارزیابی مدل MA در R
  • 65. مدل خودرگرسیو میانگین متحرک (ARMA)
  • 66. روش‌شناسی باکس-جنکینز برای مدل‌سازی سری‌های زمانی
  • 67. تشخیص مرتبه مدل ARMA(p,q)
  • 68. برازش مدل ARMA در R
  • 69. تحلیل باقی‌مانده‌های مدل ARMA
  • 70. آزمون پورت‌مانتو (Ljung-Box Test) برای خودهمبستگی باقی‌مانده‌ها
  • 71. پیش‌بینی با استفاده از مدل‌های ARMA
  • 72. معیارهای انتخاب مدل: AIC و BIC
  • 73. مفهوم تفاضل‌گیری (Differencing) برای ایستا کردن سری‌ها
  • 74. مدل خودرگرسیو انباشته میانگین متحرک (ARIMA)
  • 75. شناسایی مرتبه مدل ARIMA(p,d,q)
  • 76. برازش و ارزیابی مدل ARIMA در R
  • 77. پیش‌بینی با مدل‌های ARIMA
  • 78. مدل‌سازی فصلی و معرفی مدل SARIMA
  • 79. برازش و پیش‌بینی با مدل‌های SARIMA
  • 80. مدل‌سازی خودکار ARIMA با تابع `auto.arima`
  • 81. ویژگی‌های خاص بازده‌های مالی: خوشه‌بندی نوسانات (Volatility Clustering)
  • 82. مفهوم ناهمسانی واریانس شرطی
  • 83. مدل ARCH: خودرگرسیو ناهمسان واریانس شرطی
  • 84. تشخیص اثرات ARCH با آزمون LM
  • 85. برازش مدل ARCH در R
  • 86. محدودیت‌های مدل ARCH و معرفی GARCH
  • 87. مدل GARCH: تعمیم مدل ARCH
  • 88. برازش مدل GARCH(1,1) در R و تفسیر ضرایب
  • 89. مدل‌های GARCH توسعه‌یافته: مدل EGARCH برای اثر اهرمی
  • 90. مدل‌های GARCH توسعه‌یافته: مدل GJR-GARCH
  • 91. انتخاب بهترین مدل GARCH
  • 92. پیش‌بینی نوسانات با مدل‌های خانواده GARCH
  • 93. مقدمه‌ای بر سری‌های زمانی چندمتغیره
  • 94. مدل‌های خودرگرسیو برداری (Vector Autoregression – VAR)
  • 95. انتخاب مرتبه بهینه برای مدل VAR
  • 96. برازش و تحلیل مدل VAR در R
  • 97. تحلیل واکنش آنی (Impulse Response Function)
  • 98. تجزیه واریانس خطای پیش‌بینی (Forecast Error Variance Decomposition)
  • 99. مفهوم هم‌انباشتگی (Cointegration) و آزمون آن
  • 100. مدل تصحیح خطای برداری (Vector Error Correction Model – VECM)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مدلسازی و تحلیل داده‌های مالی با R: از مبانی تا پیش‌بینی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

محصولات مشابه

پیمایش به بالا