دوره شناسایی خودکار انحرافات قیمت با استفاده از داده‌های تاریخی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شناسایی خودکار انحرافات قیمت با استفاده از داده‌های تاریخی

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: شناسایی و مدل‌سازی انحرافات و ناهنجاری‌های بازار

📋 سرفصل‌های دوره

• 1. مقدمه ای بر تحلیل داده های تاریخی در بازارهای مالی
• 2. مفاهیم پایه انحراف قیمت
• 3. شناخت الگوهای کلاسیک در نمودارها
• 4. تحلیل روندها و سطوح حمایتی و مقاومتی
• 5. شناسایی نقاط عطف بازار با استفاده از چرخش ها
• 6. مبانی تحلیل تکنیکال و ابزارهای آن
• 7. میانگین های متحرک و کاربردشان در شناسایی روند
• 8. شاخص قدرت نسبی (RSI) و سیگنال های خرید و فروش
• 9. شاخص MACD برای تشخیص مومنتوم و سیگنال های معاملاتی
• 10. نوسانگر استوکاستیک و مفهوم اشباع خرید و فروش
• 11. الگوهای شمعی ژاپنی و تفسیر آنها
• 12. الگوهای ادامه دهنده روند در تحلیل تکنیکال
• 13. الگوهای بازگشتی در تحلیل تکنیکال
• 14. کانال های قیمتی و تحلیل حرکات درونی آنها
• 15. تشخیص واگرایی ها در اندیکاتورهای تکنیکال
• 16. تحلیل حجم معاملات و ارتباط آن با قیمت
• 17. شناسایی انحرافات قیمت با استفاده از ضریب همبستگی
• 18. مقدمه ای بر سری های زمانی در اقتصاد
• 19. مدل های ARIMA برای پیش بینی سری های زمانی
• 20. مدل های GARCH برای تحلیل نوسانات (Volatility)
• 21. تحلیل رگرسیون خطی برای شناسایی رابطه قیمت و متغیرها
• 22. آزمون های علیت گرانجر برای تعیین روابط پیش بینانه
• 23. مقدمه ای بر یادگیری ماشین در تحلیل مالی
• 24. یادگیری نظارت شده برای پیش بینی قیمت
• 25. رگرسیون لجستیک برای طبقه بندی حرکات قیمت
• 26. درخت های تصمیم و جنگل های تصادفی در پیش بینی
• 27. ماشین های بردار پشتیبان (SVM) در تحلیل داده
• 28. شبکه های عصبی مصنوعی و کاربرد آنها
• 29. شبکه های عصبی بازگشتی (RNN) برای داده های ترتیبی
• 30. شبکه های حافظه کوتاه مدت و بلند مدت (LSTM)
• 31. شبکه های حافظه کوتاه مدت (GRU)
• 32. یادگیری تقویتی برای استراتژی های معاملاتی
• 33. یادگیری بدون نظارت برای خوشه بندی داده ها
• 34. تحلیل مولفه های اصلی (PCA) برای کاهش ابعاد
• 35. تحلیل عاملی برای شناسایی عوامل پنهان
• 36. مقدمه ای بر تحلیل احساسات بازار (Sentiment Analysis)
• 37. استخراج احساسات از اخبار و رسانه های مالی
• 38. تحلیل احساسات از شبکه های اجتماعی
• 39. کاربرد تحلیل احساسات در پیش بینی قیمت
• 40. مقدمه ای بر مدیریت ریسک در معاملات
• 41. شناسایی انواع ریسک های معاملاتی
• 42. مدیریت ریسک پورتفولیو
• 43. نسبت شارپ و محاسبه بازده تعدیل شده بر اساس ریسک
• 44. نسبت سورتینو و تمرکز بر ریسک نزولی
• 45. ارزش در معرض ریسک (VaR) و محاسبه آن
• 46. شرایط استرس (Stress Testing) در مدیریت ریسک
• 47. بک تستینگ (Backtesting) استراتژی های معاملاتی
• 48. بهینه سازی پارامترهای استراتژی های معاملاتی
• 49. مقدمه ای بر معاملات الگوریتمی
• 50. اصول طراحی سیستم های معاملاتی خودکار
• 51. معماری سیستم های معاملاتی الگوریتمی
• 52. مدیریت سفارشات در معاملات الگوریتمی
• 53. اجرای معاملات با تاخیر کم (Low Latency Trading)
• 54. ارتباط با صرافی ها و API های معاملاتی
• 55. معرفی صرافی های معتبر داخلی و چارچوب های قانونی آنها
• 56. مقررات بانک مرکزی در خصوص ابزارهای مالی
• 57. قوانین ناظر بر بازارهای سرمایه در ایران
• 58. تطبیق استراتژی های معاملاتی با قوانین شرعی
• 59. مباحث فقهی مرتبط با معاملات و بورس
• 60. تحلیل بازارهای موازی در چارچوب قانونی
• 61. مقدمه ای بر اقتصاد اسلامی در بازارهای مالی
• 62. مبانی بانکداری بدون ربا
• 63. عقود اسلامی در معاملات
• 64. تحلیل ریسک های سیستماتیک و غیرسیستماتیک
• 65. نقش انتظارات در بازارهای مالی
• 66. نظریه رفتارگرایی در اقتصاد و بازارهای مالی
• 67. کژمنشی های شناختی معامله گران
• 68. تأثیر اخبار و رویدادهای اقتصادی بر قیمت
• 69. تحلیل داده های کلان اقتصادی ایران
• 70. شاخص های اقتصادی مرتبط با بازارهای مالی
• 71. بررسی رابطه تورم و نرخ بهره در ایران
• 72. تأثیر سیاست های پولی و مالی بر بورس
• 73. مدیریت نقدینگی در سیستم بانکی
• 74. مقدمه ای بر ابزارهای مشتقه در بازارهای مالی (با چارچوب قانونی)
• 75. قراردادهای آتی و اختیار معامله (با رعایت قوانین)
• 76. مدل بلک-شولز برای قیمت گذاری اختیار معامله
• 77. مدل های دیگر قیمت گذاری ابزارهای مشتقه
• 78. کاربرد ابزارهای مشتقه در پوشش ریسک (Hedging)
• 79. استراتژی های معاملاتی با استفاده از ابزارهای مشتقه
• 80. مقدمه ای بر بلاکچین و رمزارزها (با رعایت مقررات)
• 81. فناوری بلاکچین و کاربردهای آن
• 82. مبانی رمزارزها و نحوه کارکرد آنها
• 83. مقررات بانک مرکزی در خصوص رمزارزها
• 84. ریسک های مرتبط با سرمایه گذاری در رمزارزها
• 85. استفاده از داده های بلاکچین در تحلیل بازار
• 86. تحلیل روند قیمت رمزارزهای اصلی
• 87. مقدمه ای بر بهینه سازی سبد سهام
• 88. نظریه مدرن پرتفولیو (MPT)
• 89. مدل قیمت گذاری دارایی های سرمایه ای (CAPM)
• 90. مدل سه عاملی فاما و فرنچ
• 91. تحلیل همبستگی بین دارایی ها
• 92. بهینه سازی سبد با استفاده از الگوریتم های ژنتیک
• 93. مدیریت فعال در مقابل مدیریت منفعل سبد
• 94. مقدمه ای بر هوش مصنوعی در امور مالی
• 95. کاربرد یادگیری ماشین در شناسایی تقلب
• 96. استفاده از هوش مصنوعی در مدیریت سرمایه گذاری
• 97. توسعه استراتژی های معاملاتی هوشمند
• 98. اخلاقیات در هوش مصنوعی مالی
• 99. آینده هوش مصنوعی در بازارهای مالی
• 100. پایان دوره و جمع بندی مباحث