دوره دیفیلیو: ساخت و بهینه‌سازی سبد سرمایه با مدل‌های انتشار در بازارهای مالی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب دیفیلیو: ساخت و بهینه‌سازی سبد سرمایه با مدل‌های انتشار در بازارهای مالی

موضوع کلی: پیش‌بینی سری‌های زمانی مالی و مدیریت سبد سرمایه‌گذاری

موضوع میانی: مدل‌های انتشار برای پیش‌بینی احتمالی چندمتغیره سری‌های زمانی مالی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر سری‌های زمانی مالی
• 2. مقدمه‌ای بر پیش‌بینی سری‌های زمانی
• 3. مبانی یادگیری ماشین در مالی
• 4. کاربرد شبکه‌های عصبی در سری‌های زمانی
• 5. مقدمه‌ای بر مدل‌های مولد
• 6. مبانی مدل‌های انتشار
• 7. مقدمه‌ای بر Probabilistic Forecasting
• 8. مفهوم عدم قطعیت در بازارهای مالی
• 9. اهمیت مدیریت سبد سرمایه‌گذاری
• 10. معیارهای کلیدی در مدیریت سبد
• 11. مدل‌های کلاسیک پیش‌بینی سری‌های زمانی (ARIMA, GARCH)
• 12. محدودیت‌های مدل‌های کلاسیک
• 13. نیاز به مدل‌های چندمتغیره
• 14. مفهوم همبستگی در سری‌های زمانی مالی
• 15. چالش‌های پیش‌بینی همزمان چندین سری زمانی
• 16. مدل‌های یادگیری عمیق برای سری‌های زمانی
• 17. شبکه‌های عصبی بازگشتی (RNNs)
• 18. شبکه‌های حافظه بلند کوتاه مدت (LSTMs)
• 19. شبکه‌های حافظه طولانی کوتاه مدت (GRUs)
• 20. شبکه‌های کانولوشنی (CNNs) برای سری‌های زمانی
• 21. مقدمه‌ای بر مدل‌های گراف (GNNs) در مالی
• 22. شبکه‌های ترنسفورمر (Transformers) برای سری‌های زمانی
• 23. آشنایی با معماری ترنسفورمر
• 24. توکن‌سازی در سری‌های زمانی
• 25. مکانیزم توجه (Attention Mechanism)
• 26. مدل‌های انتشار (Diffusion Models)
• 27. مبانی ریاضی مدل‌های انتشار
• 28. فرآیند انتشار مستقیم (Forward Diffusion Process)
• 29. فرآیند انتشار معکوس (Reverse Diffusion Process)
• 30. مشتق‌گیری گرادیانت (Score-based Generative Models)
• 31. معادلات دیفرانسیل تصادفی (Stochastic Differential Equations)
• 32. مدل‌های انتشار در یادگیری عمیق
• 33. معماری‌های مدل‌های انتشار (DDPM, NCSN)
• 34. توابع نویز (Noise Schedules)
• 35. تابع هزینه در آموزش مدل‌های انتشار
• 36. کاربرد مدل‌های انتشار برای داده‌های تصویری
• 37. تطبیق مدل‌های انتشار برای داده‌های سری زمانی
• 38. چالش‌های اعمال مدل‌های انتشار به سری‌های زمانی
• 39. ساختار داده‌های سری زمانی مالی
• 40. ویژگی‌های سری‌های زمانی مالی (نوسانات، روندها)
• 41. داده‌های چندمتغیره مالی (سهام، شاخص‌ها، ارزها)
• 42. پیش‌پردازش داده‌های سری زمانی مالی
• 43. پاکسازی داده‌ها
• 44. نرمال‌سازی و استانداردسازی
• 45. مهندسی ویژگی (Feature Engineering)
• 46. انتخاب متغیرها
• 47. ایجاد داده‌های تاخیری (Lagged Features)
• 48. پنجره‌های زمانی (Time Windows)
• 49. معماری Diffolio: Overview
• 50. هدف Diffolio: پیش‌بینی احتمالی چندمتغیره
• 51. هدف Diffolio: ساخت سبد سرمایه‌گذاری
• 52. مولفه‌های اصلی Diffolio
• 53. بخش پیش‌بینی سری زمانی Diffolio
• 54. بخش ساخت سبد سرمایه‌گذاری Diffolio
• 55. مدل انتشار چندمتغیره در Diffolio
• 56. لایه Time-Embedding در Diffolio
• 57. لایه Cross-Attention در Diffolio
• 58. لایه Feed-Forward در Diffolio
• 59. نحوه تولید نمونه (Sampling) در Diffolio
• 60. تولید توزیع پیش‌بینی برای هر سری زمانی
• 61. استفاده از پیش‌بینی‌ها برای ساخت سبد
• 62. رویکرد Diffolio به بهینه‌سازی سبد
• 63. تابع هدف در Diffolio برای سبد
• 64. معیارهای عملکرد سبد (بازده، ریسک)
• 65. مفاهیم تخصیص دارایی (Asset Allocation)
• 66. ساختار و وزن‌دهی سبد
• 67. روش‌های یادگیری تقویتی (Reinforcement Learning) در مالی
• 68. کاربرد یادگیری تقویتی برای بهینه‌سازی سبد
• 69. ادغام مدل‌های انتشار با یادگیری تقویتی
• 70. آموزش مدل Diffolio (End-to-End Training)
• 71. تنظیم هایپرپارامترها (Hyperparameter Tuning)
• 72. معیارهای ارزیابی مدل Diffolio
• 73. ارزیابی دقت پیش‌بینی (MSE, MAE)
• 74. ارزیابی کیفیت توزیع پیش‌بینی (CRPS, NLL)
• 75. ارزیابی عملکرد سبد سرمایه‌گذاری (Sharpe Ratio, Sortino Ratio)
• 76. مقایسه Diffolio با مدل‌های پایه (Baselines)
• 77. کاربرد Diffolio در سناریوهای مختلف بازار
• 78. بازارهای پرنوسان
• 79. بازارهای با روند مشخص
• 80. بازارهای خنثی
• 81. تجزیه و تحلیل حساسیت (Sensitivity Analysis)
• 82. تفسیرپذیری (Interpretability) مدل Diffolio
• 83. تجسم نتایج پیش‌بینی
• 84. تجسم توزیع‌های پیش‌بینی
• 85. تجسم ساختار سبد
• 86. پیاده‌سازی Diffolio با کتابخانه‌های پایتون
• 87. TensorFlow و PyTorch
• 88. کتابخانه‌های مرتبط با سری‌های زمانی
• 89. کتابخانه‌های مرتبط با مدل‌های انتشار
• 90. آموزش عملی با Diffolio
• 91. ساخت مجموعه داده مالی
• 92. پیاده‌سازی معماری Diffolio
• 93. اجرای فرآیند آموزش
• 94. اجرای فرآیند نمونه‌گیری
• 95. ساخت سبد سرمایه‌گذاری با خروجی Diffolio
• 96. ارزیابی عملکرد سبد آموزش داده شده
• 97. کاربردهای پیشرفته Diffolio
• 98. پیش‌بینی سری‌های زمانی با فرکانس بالا
• 99. پیش‌بینی سری‌های زمانی با داده‌های نامتعارف
• 100. پیش‌بینی و بهینه‌سازی سبدهای با ریسک بالا