اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی سرمایه‌گذاری کمی: از داده تا استراتژی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی سرمایه‌گذاری کمی: از داده تا استراتژی

موضوع کلی: سرمایه‌گذاری و مدیریت مالی

موضوع میانی: سرمایه‌گذاری کمی و الگوریتمی

📋 سرفصل‌های دوره

• 1. مبانی سرمایه‌گذاری کمی: مقدمه و اهداف
• 2. مفاهیم کلیدی در سرمایه‌گذاری کمی
• 3. اهمیت داده در سرمایه‌گذاری
• 4. انواع داده‌های مالی و منابع آن‌ها
• 5. پاکسازی و آماده‌سازی داده‌های مالی
• 6. اصول تحلیل سری‌های زمانی مالی
• 7. مفاهیم آماری پایه برای سرمایه‌گذاری
• 8. احتمالات و توزیع‌ها در بازارهای مالی
• 9. آمار توصیفی برای داده‌های مالی
• 10. مفاهیم رگرسیون خطی ساده
• 11. مفاهیم رگرسیون خطی چندگانه
• 12. ارزیابی مدل‌های رگرسیون
• 13. مقدمه‌ای بر تحلیل عاملی
• 14. تحلیل مولفه‌های اصلی (PCA)
• 15. مقدمه‌ای بر تحلیل خوشه‌ای
• 16. کاربرد تحلیل خوشه‌ای در شناسایی سکتورها
• 17. مبانی مدل‌سازی پیش‌بینی‌کننده
• 18. انواع مدل‌های پیش‌بینی‌کننده
• 19. مدل‌های سری زمانی کلاسیک (ARIMA)
• 20. مدل‌های خودرگرسیون (AR)
• 21. مدل‌های میانگین متحرک (MA)
• 22. مدل‌های ARMA و ARIMA
• 23. مقدمه‌ای بر یادگیری ماشین در مالی
• 24. یادگیری بانظارت و بدون نظارت
• 25. الگوریتم‌های رگرسیون در یادگیری ماشین
• 26. رگرسیون لجستیک برای طبقه‌بندی
• 27. مقدمه‌ای بر درختان تصمیم
• 28. کاربرد درختان تصمیم در پیش‌بینی
• 29. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 30. کاربرد SVM در طبقه‌بندی ریسک
• 31. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 32. شبکه‌های عصبی پرسپترون چندلایه
• 33. آموزش شبکه‌های عصبی: پس‌انتشار خطا
• 34. مقدمه‌ای بر یادگیری عمیق
• 35. شبکه‌های عصبی کانولوشنی (CNN)
• 36. کاربرد CNN در تحلیل نمودارها
• 37. شبکه‌های عصبی بازگشتی (RNN)
• 38. کاربرد RNN در تحلیل سری‌های زمانی
• 39. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLM)
• 40. کاربرد LLM در تحلیل اخبار مالی
• 41. مقدمه‌ای بر بهینه‌سازی پرتفوی
• 42. نظریه مدرن پرتفوی (MPT)
• 43. محاسبه بازده و ریسک پرتفوی
• 44. مرز کارا و نقطه بهینه
• 45. بهینه‌سازی پرتفوی با رویکرد کمی
• 46. شاخص‌های عملکرد پرتفوی
• 47. نسبت شارپ و دیگر نسبت‌ها
• 48. مدیریت ریسک در سرمایه‌گذاری کمی
• 49. انواع ریسک‌ها: بازار، اعتباری، عملیاتی
• 50. ارزیابی ارزش در معرض ریسک (VaR)
• 51. روش‌های محاسبه VaR
• 52. مدیریت ریسک اعتباری
• 53. استراتژی‌های معاملاتی الگوریتمی
• 54. معاملات مبتنی بر روند
• 55. معاملات بازگشتی به میانگین
• 56. معاملات آربیتراژ آماری
• 57. معاملات مبتنی بر اخبار و رویدادها
• 58. پیاده‌سازی استراتژی‌های معاملاتی
• 59. نکات فنی در اجرای الگوریتم‌های معاملاتی
• 60. backtesting و بهینه‌سازی استراتژی
• 61. ملاحظات عملی در اجرای استراتژی‌ها
• 62. مدیریت سرمایه و اندازه موقعیت
• 63. قوانین مدیریت سرمایه
• 64. مدیریت ریسک در معاملات روزانه
• 65. مدیریت ریسک در معاملات بلندمدت
• 66. ارزیابی عملکرد استراتژی‌ها
• 67. معیارهای ارزیابی کمی
• 68. خطاهای رایج در بک‌تستینگ
• 69. پیش‌پردازش داده‌ها برای بک‌تستینگ
• 70. اعتبارسنجی متقابل (Cross-validation)
• 71. تست استراتژی بر روی داده‌های خارج از نمونه
• 72. ملاحظات اخلاقی در سرمایه‌گذاری کمی
• 73. شفافیت و صداقت در گزارش‌دهی
• 74. تفاوت سرمایه‌گذاری کمی و الگوریتمی
• 75. کاربرد روش‌های کمی در بازارهای ایران
• 76. ملاحظات شرعی در سرمایه‌گذاری (بدون ربا)
• 77. چارچوب‌های فقهی معاملات
• 78. تحلیل سهام شرکت‌های بورسی ایران
• 79. مدل‌سازی ارزش‌گذاری سهام
• 80. مقدمه‌ای بر صندوق‌های سرمایه‌گذاری
• 81. صندوق‌های سرمایه‌گذاری قابل معامله (ETF)
• 82. صندوق‌های سرمایه‌گذاری در سهام
• 83. صندوق‌های سرمایه‌گذاری مختلط
• 84. صندوق‌های سرمایه‌گذاری با درآمد ثابت
• 85. صندوق‌های سرمایه‌گذاری طلا
• 86. تحلیل ریسک و بازده صندوق‌ها
• 87. انتخاب صندوق سرمایه‌گذاری مناسب
• 88. مقدمه‌ای بر ابزارهای مشتقه (حلال)
• 89. قراردادهای آتی و اختیار معامله (با رعایت چارچوب شرعی)
• 90. مدیریت ریسک با استفاده از ابزارهای مشتقه
• 91. آینده سرمایه‌گذاری کمی و الگوریتمی
• 92. نوآوری‌ها در تحلیل داده‌های مالی
• 93. نقش هوش مصنوعی در بازارهای مالی
• 94. چالش‌های پیش روی سرمایه‌گذاری کمی
• 95. مسیر شغلی در سرمایه‌گذاری کمی
• 96. جمع‌بندی و گام‌های بعدی
• 97. مرور مفاهیم کلیدی
• 98. برنامه‌ریزی برای یادگیری مستمر