دوره بهینه‌سازی سبد سهام با استفاده از مدل‌های آماری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی سبد سهام با استفاده از مدل‌های آماری

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: توسعه استراتژی‌های سرمایه‌گذاری بلندمدت مبتنی بر این ترندها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر بهینه سازی سبد سهام
• 2. مفاهیم پایه سرمایه گذاری
• 3. انواع دارایی ها در سبد سهام
• 4. ریسک و بازده: معیارهای کلیدی
• 5. نظریه مدرن سبد سهام (MPT)
• 6. مرز کارا (Efficient Frontier)
• 7. حداقل واریانس سبد سهام
• 8. حداکثر نسبت شارپ
• 9. مدل قیمت گذاری دارایی های سرمایه ای (CAPM)
• 10. ضریب بتا (Beta)
• 11. بازده مورد انتظار دارایی ها
• 12. تخمین بازده تاریخی
• 13. تخمین ریسک (واریانس و کوواریانس)
• 14. تحلیل همبستگی بین دارایی ها
• 15. ماتریس کوواریانس
• 16. روش های تخمین ماتریس کوواریانس
• 17. ریسک سیستماتیک و غیرسیستماتیک
• 18. تجزیه و تحلیل ریسک سبد سهام
• 19. مدل قیمت گذاری آربیتراژ (APT)
• 20. عوامل موثر بر بازده دارایی در APT
• 21. مدل های سه عاملی فاما و فرنچ
• 22. مدل های چند عاملی دیگر
• 23. ارزیابی عملکرد سبد سهام
• 24. شاخص های عملکرد سبد سهام (Sharpe Ratio, Treynor Ratio, Jensen's Alpha)
• 25. مقایسه سبد سهام با شاخص بازار
• 26. مدیریت فعال در مقابل مدیریت منفعل
• 27. نظریه سبد سهام پویا
• 28. استراتژی های تخصیص دارایی
• 29. انواع تخصیص دارایی (تاکتیکی، استراتژیک)
• 30. انتخاب دارایی های سرمایه گذاری
• 31. سرمایه گذاری در سهام
• 32. سرمایه گذاری در اوراق قرضه
• 33. سرمایه گذاری در کالاها
• 34. سرمایه گذاری در املاک و مستغلات
• 35. سرمایه گذاری در صندوق های سرمایه گذاری مشترک
• 36. سرمایه گذاری در صندوق های قابل معامله (ETF)
• 37. سرمایه گذاری در دارایی های جایگزین
• 38. مدل های پیش بینی بازده
• 39. مدل های سری زمانی (ARIMA, GARCH)
• 40. مدل های رگرسیونی
• 41. مدل های یادگیری ماشین برای پیش بینی
• 42. شبکه های عصبی برای پیش بینی بازده
• 43. ماشین های بردار پشتیبان (SVM)
• 44. درختان تصمیم و جنگل های تصادفی
• 45. مدل های اقتصادسنجی پیشرفته
• 46. بهینه سازی سبد سهام تحت محدودیت ها
• 47. محدودیت های وزنی دارایی ها
• 48. محدودیت های عدم فروش استقراضی
• 49. محدودیت های نقدینگی
• 50. محدودیت های نظارتی
• 51. بهینه سازی سبد سهام با هدف تنوع بخشی
• 52. میزان تنوع بخشی مطلوب
• 53. اندازه گیری تنوع بخشی
• 54. تاثیر تنوع بخشی بر ریسک و بازده
• 55. مدل های بهینه سازی مقیاس پذیر
• 56. برنامه ریزی خطی برای بهینه سازی
• 57. برنامه ریزی عدد صحیح مختلط
• 58. الگوریتم های فراابتکاری
• 59. الگوریتم ژنتیک برای بهینه سازی سبد
• 60. بهینه سازی کلونی مورچگان
• 61. شبیه سازی مونت کارلو در بهینه سازی سبد
• 62. کاربرد بهینه سازی در سرمایه گذاری نهادی
• 63. صندوق های بازنشستگی
• 64. شرکت های بیمه
• 65. صندوق های سرمایه گذاری مشترک
• 66. مدیریت ثروت
• 67. بهینه سازی سبد سهام برای سرمایه گذاران فردی
• 68. سطوح ریسک پذیری سرمایه گذاران
• 69. اهداف سرمایه گذاری بلندمدت و کوتاه مدت
• 70. اهمیت بازنگری و تعدیل سبد سهام
• 71. استراتژی های تعدیل سبد سهام
• 72. تعدیل بر اساس تغییرات بازار
• 73. تعدیل بر اساس تغییرات اهداف سرمایه گذار
• 74. مدیریت ریسک سبد سهام
• 75. مدیریت ریسک نوسانات
• 76. مدیریت ریسک اعتباری
• 77. مدیریت ریسک نقدینگی
• 78. مدیریت ریسک عملیاتی
• 79. مدیریت ریسک های خاص دارایی
• 80. استفاده از ابزارهای مشتقه برای مدیریت ریسک
• 81. قراردادهای آتی
• 82. قراردادهای اختیار معامله
• 83. سوآپ ها
• 84. مدل های ارزش در معرض ریسک (VaR)
• 85. محاسبه VaR به روش تاریخی
• 86. محاسبه VaR به روش پارامتریک
• 87. محاسبه VaR به روش شبیه سازی مونت کارلو
• 88. معایب VaR و معیارهای جایگزین
• 89. Conditional Value at Risk (CVaR)
• 90. Case Study: بهینه سازی سبد سهام در بازار بورس ایران
• 91. جمع آوری داده های تاریخی بازار ایران
• 92. محاسبه معیارهای ریسک و بازده برای سهام ایرانی
• 93. پیاده سازی مدل های بهینه سازی بر روی داده های ایران
• 94. ارزیابی نتایج مدل های مختلف
• 95. ملاحظات عملی در پیاده سازی بهینه سازی سبد
• 96. هزینه های معاملاتی
• 97. مالیات
• 98. قوانین و مقررات
• 99. فناوری اطلاعات و نرم افزارهای مورد نیاز
• 100. بهینه سازی سبد سهام با رویکرد یادگیری تقویتی