دوره از داده تا تصمیم: تحلیل ریسک زنجیره تأمین برای معاملات الگوریتمی سودآور همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره از داده تا تصمیم: تحلیل ریسک زنجیره تأمین برای معاملات الگوریتمی سودآور

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: مدیریت ریسک در معاملات الگوریتمی با استفاده از تحلیل داده‌های مربوط به تأثیرات زنجیره تأمین (Supply Chain Impact Analysis)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر تحلیل ریسک زنجیره تأمین
• 2. اهمیت ریسک در زنجیره تأمین
• 3. تعریف ریسک و انواع آن
• 4. مروری بر معاملات الگوریتمی
• 5. ارتباط بین تحلیل ریسک و معاملات الگوریتمی
• 6. اهداف دوره
• 7. پیش نیازهای دوره
• 8. ساختار کلی دوره
• 9. مفاهیم کلیدی زنجیره تأمین
• 10. بازیگران اصلی زنجیره تأمین
• 11. فناوری ها در زنجیره تأمین
• 12. چالش های مدرن زنجیره تأمین
• 13. انواع ریسک در زنجیره تأمین (تولید)
• 14. انواع ریسک در زنجیره تأمین (توزیع)
• 15. انواع ریسک در زنجیره تأمین (تقاضا)
• 16. انواع ریسک در زنجیره تأمین (مالی)
• 17. انواع ریسک در زنجیره تأمین (سیاسی و قانونی)
• 18. انواع ریسک در زنجیره تأمین (محیطی)
• 19. مفهوم ریسک سیستمی
• 20. مفهوم ریسک ناشي از آشوب
• 21. مدل سازی ریسک در زنجیره تأمین
• 22. روش های شناسایی ریسک
• 23. روش های ارزیابی ریسک
• 24. ماتریس ریسک
• 25. تحلیل حساسیت
• 26. شبیه سازی مونت کارلو
• 27. تجزیه و تحلیل سناریو
• 28. مدل سازی احتمالاتی
• 29. مدل های پیش بینی تقاضا
• 30. تحلیل روند در داده های تاریخی
• 31. شناسایی ناهنجاری ها در داده ها
• 32. استانداردسازی داده ها
• 33. پاکسازی داده ها
• 34. مدیریت داده های گمشده
• 35. تکنیک های برچسب گذاری داده ها
• 36. فیلترینگ داده ها
• 37. مهندسی ویژگی
• 38. مقدمه ای بر یادگیری ماشین
• 39. انواع الگوریتم های یادگیری ماشین
• 40. یادگیری تحت نظارت
• 41. یادگیری بدون نظارت
• 42. یادگیری تقویتی
• 43. رگرسیون خطی
• 44. رگرسیون لجستیک
• 45. درخت تصمیم
• 46. جنگل تصادفی
• 47. ماشین بردار پشتیبان (SVM)
• 48. شبکه های عصبی
• 49. یادگیری عمیق
• 50. شبکه های عصبی کانولوشنی (CNN)
• 51. شبکه های عصبی بازگشتی (RNN)
• 52. پردازش زبان طبیعی (NLP)
• 53. تحلیل احساسات در داده های متنی
• 54. مدل های تشخیص الگو
• 55. کاربرد هوش مصنوعی در پیش بینی ریسک
• 56. سیستم های توصیه گر
• 57. بهینه سازی پرتفوی
• 58. مدیریت ریسک نقدینگی
• 59. مدیریت ریسک اعتباری
• 60. مدیریت ریسک عملیاتی
• 61. مدیریت ریسک بازار
• 62. معاملات الگوریتمی: مفاهیم پایه
• 63. استراتژی های معاملات الگوریتمی
• 64. معاملات مبتنی بر روند
• 65. معاملات آربیتراژ
• 66. معاملات مبتنی بر بازگشت میانگین
• 67. معاملات حجمی
• 68. معاملات مبتنی بر اخبار
• 69. مدل های قیمت گذاری دارایی
• 70. مدل های قیمت گذاری گزینه
• 71. تحلیل فنی در معاملات الگوریتمی
• 72. اندیکاتورهای تکنیکی
• 73. میانگین متحرک
• 74. شاخص قدرت نسبی (RSI)
• 75. مکدی (MACD)
• 76. نوسانگرها
• 77. مدل سازی الگوهای نموداری
• 78. مدیریت ریسک در معاملات الگوریتمی
• 79. حد ضرر
• 80. حد سود
• 81. اندازه موقعیت
• 82. تنوع پذیری
• 83. ریسک سیستماتیک در معاملات الگوریتمی
• 84. ریسک غیر سیستماتیک در معاملات الگوریتمی
• 85. مدیریت ریسک نقدینگی در معاملات الگوریتمی
• 86. مدیریت ریسک اجرای سفارش
• 87. بک تستینگ استراتژی های معاملاتی
• 88. قوانین بک تستینگ
• 89. اشتباهات رایج در بک تستینگ
• 90. بهینه سازی پارامترها
• 91. فوروارد تستینگ
• 92. پیاده سازی استراتژی های معاملاتی
• 93. تست پلتفرم معاملاتی
• 94. مدیریت خطا
• 95. پایش عملکرد سیستم
• 96. تحلیل سودآوری
• 97. محاسبه نسبت شارپ
• 98. محاسبه نسبت سورتیو
• 99. محاسبه حداکثر افت سرمایه (MDD)
• 100. مدیریت سرمایه گذاری