دوره کاربردهای پیشرفته یادگیری تقویتی چندعامله در مدیریت سبد دارایی صندوق‌های سرمایه‌گذاری مشترک همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کاربردهای پیشرفته یادگیری تقویتی چندعامله در مدیریت سبد دارایی صندوق‌های سرمایه‌گذاری مشترک

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت اطلاعات سرمایه‌گذاری در صندوق‌های سرمایه‌گذاری مشترک

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مبانی یادگیری تقویتی
• 3. عوامل در یادگیری تقویتی چندعامله
• 4. مدل‌های عامل‌محور
• 5. فضای حالت و عمل در سیستم چندعامله
• 6. توابع پاداش و جریمه
• 7. یادگیری از طریق تفاوت‌های زمانی
• 8. الگوریتم‌های یادگیری تقویتی کلاسیک
• 9. یادگیری تقویتی عمیق
• 10. شبکه‌های عصبی در یادگیری تقویتی
• 11. یادگیری عمقی Q (DQN)
• 12. معماری‌های پیشرفته DQN
• 13. مدل‌های Actor-Critic
• 14. یادگیری تقویتی مبتنی بر مدل
• 15. یادگیری تقویتی بدون مدل
• 16. استراتژی‌های یادگیری در محیط‌های پویا
• 17. هماهنگی بین عوامل
• 18. حل تعارضات بین عوامل
• 19. نظریه بازی‌ها و یادگیری تقویتی چندعامله
• 20. بازی‌های جمعی و مجموع-صفر
• 21. تعادل نش در یادگیری چندعامله
• 22. کاربرد در مدیریت سبد دارایی
• 23. مبانی مدیریت سبد دارایی
• 24. صندوق‌های سرمایه‌گذاری مشترک
• 25. انواع صندوق‌های سرمایه‌گذاری
• 26. معیارهای ارزیابی عملکرد سبد دارایی
• 27. مدل‌های پیش‌بینی قیمت دارایی
• 28. سری‌های زمانی مالی
• 29. مدل‌های ARIMA
• 30. شبکه‌های عصبی بازگشتی (RNN)
• 31. شبکه‌های حافظه بلند کوتاه (LSTM)
• 32. شبکه‌های حافظه فعال (GRU)
• 33. تکنیک‌های انتخاب ویژگی در پیش‌بینی
• 34. یادگیری تقویتی در بهینه‌سازی سبد دارایی
• 35. تعریف مسئله بهینه‌سازی سبد با یادگیری تقویتی
• 36. طراحی تابع پاداش برای بهینه‌سازی سبد
• 37. مدل‌سازی محیط صندوق سرمایه‌گذاری
• 38. شبیه‌سازی بازار و عوامل اقتصادی
• 39. پیاده‌سازی الگوریتم‌های یادگیری تقویتی
• 40. یادگیری Q-Learning چندعامله
• 41. یادگیری Actor-Critic چندعامله
• 42. یادگیری تقویتی مبتنی بر امتیاز
• 43. یادگیری تقویتی مبتنی بر سیاست
• 44. یادگیری تقویتی مبتنی بر ارزش
• 45. یادگیری تقویتی توزیع‌شده
• 46. یادگیری تقویتی موازی
• 47. تکنیک‌های کاهش ابعاد در فضای حالت
• 48. استفاده از شبکه‌های عصبی کانولوشنی
• 49. استفاده از شبکه‌های عصبی گراف
• 50. مدیریت ریسک در سبد دارایی
• 51. شاخص‌های اندازه‌گیری ریسک
• 52. ارزش در معرض ریسک (VaR)
• 53. شرایط وارونگی VaR (CVaR)
• 54. تکنیک‌های کاهش ریسک با یادگیری تقویتی
• 55. تخصیص دارایی پویا
• 56. تعدیل سبد بر اساس شرایط بازار
• 57. مدیریت نقدینگی در صندوق‌های سرمایه‌گذاری
• 58. بهینه‌سازی جریان نقدی
• 59. تأثیر سیاست‌های پولی بر سبد دارایی
• 60. تأثیر سیاست‌های مالی بر سبد دارایی
• 61. تحلیل سناریو و یادگیری تقویتی
• 62. شبیه‌سازی بحران‌های مالی
• 63. تأثیر عوامل کلان اقتصادی بر صندوق‌ها
• 64. مدل‌سازی رفتار سرمایه‌گذاران
• 65. روانشناسی سرمایه‌گذاری و یادگیری تقویتی
• 66. استفاده از داده‌های جایگزین
• 67. تحلیل احساسات بازار
• 68. یادگیری تقویتی در مدیریت ریسک اعتباری
• 69. مدیریت ریسک عملیاتی در صندوق‌ها
• 70. مدیریت ریسک نقدینگی در صندوق‌ها
• 71. مدیریت ریسک حقوقی و انطباق
• 72. انطباق با مقررات بانک مرکزی جمهوری اسلامی ایران
• 73. قوانین و مقررات ناظر بر صندوق‌های سرمایه‌گذاری
• 74. نظارت بر فعالیت صندوق‌ها
• 75. شفافیت در گزارش‌دهی صندوق‌ها
• 76. مبانی فقهی سرمایه‌گذاری و عقود اسلامی
• 77. بانکداری بدون ربا در ایران
• 78. مقررات مربوط به اوراق بهادار اسلامی
• 79. مدیریت سبد دارایی با رویکرد اسلامی
• 80. نظارت شرعی بر صندوق‌های سرمایه‌گذاری
• 81. کاربرد یادگیری ماشین در فقه مالی
• 82. تکنیک‌های یادگیری عمیق برای پیش‌بینی
• 83. شبکه‌های مولد تخاصمی (GAN)
• 84. یادگیری تقویتی برای کشف الگوهای معاملاتی
• 85. تکنیک‌های یادگیری تقویتی برای مدیریت ریسک
• 86. بهینه‌سازی پورتفولیو با استفاده از مدل‌های پیشرفته
• 87. تکنیک‌های یادگیری تقویتی برای تخصیص دارایی
• 88. بهینه‌سازی استراتژی‌های معاملاتی
• 89. کاربرد یادگیری تقویتی در کشف فرصت‌های سرمایه‌گذاری
• 90. مدیریت فعال سبد دارایی
• 91. مبانی اقتصاد رفتاری و کاربرد آن
• 92. تأثیر اخبار و رویدادها بر بازار
• 93. مدل‌سازی عدم قطعیت در بازارهای مالی
• 94. یادگیری تقویتی در مدیریت سبد دارایی با محدودیت‌های واقعی
• 95. پیاده‌سازی در پلتفرم‌های معاملاتی
• 96. ارزیابی و اعتبارسنجی مدل‌های یادگیری تقویتی
• 97. چالش‌های پیاده‌سازی یادگیری تقویتی در دنیای واقعی
• 98. آینده یادگیری تقویتی در مدیریت سبد دارایی