اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی تحلیل سری‌های زمانی و مدل‌سازی ARIMA در تحلیل‌های مالی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل سری‌های زمانی و مدل‌سازی ARIMA در تحلیل‌های مالی

موضوع کلی: تحلیل داده و پیش‌بینی

موضوع میانی: تحلیل سری‌های زمانی اقتصادی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. نمایش گرافیکی سری‌های زمانی
• 5. اجزای سری زمانی: روند
• 6. اجزای سری زمانی: فصلی بودن
• 7. اجزای سری زمانی: نوسانات دوره‌ای
• 8. اجزای سری زمانی: مؤلفه نامنظم
• 9. تجزیه و تحلیل سری زمانی با استفاده از میانگین متحرک
• 10. هموارسازی نمایی ساده
• 11. هموارسازی نمایی دوگانه (هول-وینتِرز)
• 12. روش‌های تفکیک سری زمانی
• 13. ایستایی و ناایستایی در سری‌های زمانی
• 14. آزمون ایستایی: آزمون ریشه واحد (ADF)
• 15. آزمون ایستایی: آزمون فیلیپس-پرون
• 16. تبدیل داده‌ها برای دستیابی به ایستایی
• 17. لگاریتم‌گیری برای کاهش واریانس
• 18. تفکیک برای حذف روند
• 19. تفکیک فصلی
• 20. مفهوم فرایند تصادفی
• 21. فرایندهای خودرگرسیو (AR)
• 22. فرایندهای میانگین متحرک (MA)
• 23. فرایندهای ترکیبی (ARMA)
• 24. تابع خودهمبستگی (ACF)
• 25. تابع خودهمبستگی جزئی (PACF)
• 26. شناسایی مدل ARMA
• 27. تخمین پارامترهای مدل ARMA
• 28. ارزیابی برازش مدل ARMA
• 29. معیارهای اطلاعاتی (AIC, BIC)
• 30. فصل‌بندی مدل‌های ARMA
• 31. مقدمه‌ای بر مدل‌های ARIMA
• 32. اجزای مدل ARIMA (p, d, q)
• 33. انتخاب مرتبه مدل ARIMA
• 34. روش باکس-جِنکینز
• 35. مراحل مدل‌سازی ARIMA
• 36. تشخیص باقی‌مانده مدل
• 37. پیش‌بینی با مدل‌های ARIMA
• 38. فاصله اطمینان در پیش‌بینی
• 39. تحلیل سری‌های زمانی اقتصادی
• 40. کاربرد ARIMA در پیش‌بینی اقتصاد کلان
• 41. مدل‌سازی تورم با ARIMA
• 42. پیش‌بینی نرخ بهره با ARIMA
• 43. تحلیل و پیش‌بینی قیمت سهام با ARIMA
• 44. مدل‌سازی نوسانات بازار با ARIMA
• 45. تحلیل سری‌های زمانی مالی اسلامی
• 46. ملاحظات فقهی در مدل‌سازی مالی
• 47. بانکداری بدون ربا و سری‌های زمانی
• 48. پیش‌بینی سود شرکت‌های اسلامی
• 49. تحلیل ریسک در بازارهای اسلامی
• 50. مدل‌سازی شاخص‌های بورس اسلامی
• 51. مقدمه‌ای بر مدل‌های GARCH
• 52. مدل‌سازی نوسانات شرطی
• 53. کاربرد GARCH در مدیریت ریسک
• 54. تحلیل سری‌های زمانی با مدل‌های ARFIMA
• 55. فصل‌بندی طولانی‌مدت در سری‌های زمانی
• 56. مقدمه‌ای بر مدل‌های VAR
• 57. تحلیل هم‌رگرسیون برداری
• 58. کاربرد VAR در تحلیل اقتصادهای مرتبط
• 59. مدل‌سازی هم‌رابطگی سری‌های زمانی
• 60. روش‌های تشخیص علیت گرنجر
• 61. تحلیل سری‌های زمانی داده‌های پنل
• 62. مقدمه‌ای بر تحلیل کوانتیل
• 63. کاربرد تحلیل کوانتیل در سری‌های زمانی
• 64. مدل‌سازی سری‌های زمانی با استفاده از یادگیری ماشین
• 65. شبکه‌های عصبی بازگشتی (RNN)
• 66. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 67. شبکه‌های حافظه کوتاه-مدت (GRU)
• 68. مقایسه مدل‌های ARIMA و یادگیری ماشین
• 69. ارزیابی عملکرد مدل‌های پیش‌بینی
• 70. اعتبارسنجی متقابل در پیش‌بینی
• 71. تکنیک‌های تنظیم ابرپارامترها
• 72. مقدمه‌ای بر تحلیل داده‌های حجیم سری زمانی
• 73. چالش‌های پردازش سری‌های زمانی بزرگ
• 74. ابزارهای نرم‌افزاری برای تحلیل سری‌های زمانی (R, Python)
• 75. بسته‌های آماری در R برای سری‌های زمانی
• 76. کتابخانه‌های پایتون برای سری‌های زمانی
• 77. مدل‌سازی داده‌های فصلی پیچیده
• 78. تحلیل و پیش‌بینی سری‌های زمانی با روندهای غیرخطی
• 79. کاربرد سری‌های زمانی در تشخیص ناهنجاری
• 80. شناسایی نقاط پرت در سری‌های زمانی
• 81. مقدمه‌ای بر مدل‌های حالت‌فضایی
• 82. کاربرد مدل‌های حالت‌فضایی در اقتصاد
• 83. تحلیل و پیش‌بینی متغیرهای اقتصادی با رویکرد حالت‌فضایی
• 84. تحلیل سری‌های زمانی با استفاده از فیلتر کالمن
• 85. مقدمه‌ای بر مدل‌های مارکوف سوییچینگ
• 86. کاربرد مارکوف سوییچینگ در اقتصاد
• 87. تحلیل سری‌های زمانی در بخش واقعی اقتصاد
• 88. تحلیل سری‌های زمانی در بخش مالی
• 89. مقدمه‌ای بر تحلیل سری‌های زمانی چندمتغیره
• 90. مدل‌سازی وابستگی بین سری‌های زمانی
• 91. کاربرد تحلیل سری‌های زمانی در سیاست‌گذاری اقتصادی
• 92. تفسیر نتایج مدل‌های سری زمانی
• 93. ملاحظات عملی در پیاده‌سازی مدل‌ها
• 94. محدودیت‌های مدل‌های سری زمانی
• 95. آینده تحلیل سری‌های زمانی