اپلیکیشن اندرویدی فلشکارت آموزشی تجزیه و تحلیل دادههای مالی با QuantLib و PyFolio در پایتون
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره تجزیه و تحلیل دادههای مالی با QuantLib و PyFolio در پایتون
موضوع کلی: برنامه نویسی
موضوع میانی: پایتون (Python)
📋 سرفصلهای دوره
- 1. مقدمهای بر تجزیه و تحلیل دادههای مالی
- 2. آشنایی با کتابخانههای QuantLib و PyFolio
- 3. نصب و پیکربندی محیط توسعه پایتون
- 4. مفاهیم اولیه دادههای مالی سری زمانی
- 5. دریافت دادههای مالی از منابع مختلف
- 6. پاکسازی و پیشپردازش دادههای مالی
- 7. مدلسازی دادههای مالی: مفاهیم پایه
- 8. معرفی مدلهای آماری رایج در مالی
- 9. مدلسازی نوسانات (Volatility Modeling)
- 10. مدلهای شرطی ناهمسانی واریانس (ARCH/GARCH)
- 11. مدلسازی بازده (Return Modeling)
- 12. معرفی مدلهای سری زمانی (ARIMA, SARIMA)
- 13. تحلیل عاملی (Factor Analysis) در دادههای مالی
- 14. تحلیل مولفههای اصلی (PCA) برای کاهش ابعاد
- 15. معرفی ابزارهای بصریسازی دادههای مالی
- 16. رسم نمودارهای خطی، میلهای و شمعی
- 17. تحلیل روند (Trend Analysis)
- 18. شناسایی الگوهای قیمتی (Price Patterns)
- 19. تحلیل چرخه (Cycle Analysis)
- 20. مقدمهای بر ریسک مالی
- 21. اندازهگیری ریسک: واریانس و انحراف معیار
- 22. ارزش در معرض ریسک (VaR)
- 23. توسعه سناریوهای ریسک
- 24. مدیریت سبد سهام (Portfolio Management)
- 25. تئوری مدرن سبد سهام (MPT)
- 26. بهینهسازی سبد سهام
- 27. مفهوم نسبت شارپ (Sharpe Ratio)
- 28. معرفی مدل قیمتگذاری داراییهای سرمایهای (CAPM)
- 29. مدل قیمتگذاری آربیتراژ (APT)
- 30. مدل فاما-مکبث (Fama-MacBeth Model)
- 31. بکتستینگ (Backtesting) استراتژیهای معاملاتی
- 32. ارزیابی عملکرد سبد سهام
- 33. شاخصهای عملکرد (Performance Metrics)
- 34. معرفی کتابخانه PyFolio
- 35. کار با ساختار دادههای PyFolio
- 36. محاسبه معیارهای عملکرد با PyFolio
- 37. تحلیل ریسک با PyFolio
- 38. مدیریت سبد سهام با PyFolio
- 39. توسعه استراتژیهای معاملاتی ساده
- 40. پیادهسازی استراتژی بازگشت به میانگین (Mean Reversion)
- 41. پیادهسازی استراتژی مومنتوم (Momentum)
- 42. ترکیب استراتژیهای معاملاتی
- 43. معرفی کمیسازی ریسک در PyFolio
- 44. تحلیل سناریو در PyFolio
- 45. محاسبه ارزش در معرض ریسک (VaR) با PyFolio
- 46. تحلیل جریان نقدی (Cash Flow Analysis)
- 47. تحلیل صورتهای مالی (Financial Statement Analysis)
- 48. نسبتهای مالی کلیدی
- 49. تحلیل نسبتهای سودآوری
- 50. تحلیل نسبتهای نقدینگی
- 51. تحلیل نسبتهای اهرمی
- 52. تحلیل نسبتهای فعالیت
- 53. پیشبینی صورتهای مالی
- 54. ارزیابی ارزشگذاری شرکتها
- 55. روش تنزیل جریانات نقدی (DCF)
- 56. روش ضرایب قیمتی (Multiples Valuation)
- 57. ارزشگذاری آپشنها (Option Pricing)
- 58. مدل بلک-شولز (Black-Scholes Model)
- 59. مدلهای شبیهسازی مونت کارلو (Monte Carlo Simulation)
- 60. تحلیل سریهای زمانی مالی با QuantLib
- 61. مدلسازی نرخ بهره با QuantLib
- 62. مدلسازی قیمت کالا با QuantLib
- 63. مدیریت ریسک اعتباری (Credit Risk Management)
- 64. تحلیل ریسک اعتباری با مدلهای آماری
- 65. معرفی ابزارهای QuantLib برای تحلیل ریسک
- 66. محاسبه مشتقات مالی (Derivatives) با QuantLib
- 67. ارزیابی پرتفوی مشتقه با QuantLib
- 68. کار با دادههای جایگزین (Alternative Data)
- 69. تحلیل احساسات (Sentiment Analysis)
- 70. کار با دادههای شبکههای اجتماعی
- 71. کار با دادههای ماهوارهای
- 72. تحلیل دادههای پرداختی
- 73. آموزش ماشین در مالی
- 74. یادگیری نظارت شده (Supervised Learning)
- 75. یادگیری بدون نظارت (Unsupervised Learning)
- 76. مدلهای رگرسیون در مالی
- 77. مدلهای طبقهبندی در مالی
- 78. شبکههای عصبی مصنوعی (ANN) در مالی
- 79. یادگیری عمیق (Deep Learning) در مالی
- 80. کاربرد یادگیری عمیق در پیشبینی قیمت
- 81. کاربرد یادگیری عمیق در تشخیص تقلب
- 82. پردازش زبان طبیعی (NLP) در مالی
- 83. تحلیل اخبار مالی با NLP
- 84. اتوماسیون گزارشدهی مالی
- 85. مقدمهای بر بلاکچین و رمزارزها
- 86. کاربرد بلاکچین در بازارهای مالی
- 87. تحلیل دادههای رمزارزها
- 88. ارزیابی ریسک در بازار رمزارزها
- 89. معرفی چارچوبهای نظارتی در بازارهای مالی
- 90. قوانین و مقررات بانک مرکزی جمهوری اسلامی ایران
- 91. چارچوبهای نظارتی در امور بانکی و بیمه
- 92. اصول سرمایهگذاری اخلاقی و پایدار
- 93. مدیریت ریسک در چارچوب قوانین
- 94. تحلیل دادههای مالی در بورس اوراق بهادار تهران
- 95. شناخت انواع ابزارهای مالی در ایران
- 96. کاربرد ابزارهای پایتون در تحلیل بازار ایران
- 97. اصول سرمایهگذاری در صندوقهای سرمایهگذاری
- 98. تحلیل صورتهای مالی شرکتهای بورسی
- 99. مبانی تحلیل تکنیکال در بازارهای مالی
- 100. رویکردهای نوین در تجزیه و تحلیل دادههای مالی
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.