دوره پردازش و تحلیل سری‌های زمانی مالی با رویکرد آماری و محاسباتی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پردازش و تحلیل سری‌های زمانی مالی با رویکرد آماری و محاسباتی

موضوع کلی: علوم داده و تحلیل آماری

موضوع میانی: تحلیل سری‌های زمانی مالی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی مالی
• 2. مفاهیم پایه در سری‌های زمانی
• 3. انواع سری‌های زمانی مالی
• 4. نمایش گرافیکی سری‌های زمانی
• 5. آمار توصیفی سری‌های زمانی مالی
• 6. میانگین، واریانس و انحراف معیار در سری‌های زمانی
• 7. همبستگی و کوواریانس سری‌های زمانی
• 8. مفهوم ایستایی در سری‌های زمانی
• 9. آزمون‌های ایستایی سری‌های زمانی
• 10. روش‌های حذف ناایستایی
• 11. مدل‌های میانگین متحرک (MA)
• 12. مدل‌های خودرگرسیون (AR)
• 13. مدل‌های خودرگرسیون میانگین متحرک (ARMA)
• 14. تشخیص مرتبه مدل‌های ARMA
• 15. برآورد پارامترهای مدل‌های ARMA
• 16. آزمون‌های تشخیص برازش مدل
• 17. پیش‌بینی در مدل‌های ARMA
• 18. مدل‌های خودرگرسیون شرطی ناهمسانی واریانس (ARCH)
• 19. مدل‌های ناهمسانی واریانس شرطی تعمیم‌یافته (GARCH)
• 20. انواع مدل‌های GARCH
• 21. تشخیص مرتبه مدل‌های GARCH
• 22. برآورد پارامترهای مدل‌های GARCH
• 23. پیش‌بینی در مدل‌های GARCH
• 24. مدل‌های ARIMA (خودرگرسیون انتگرالی میانگین متحرک)
• 25. تبدیل سری‌های زمانی به ایستایی
• 26. تشخیص مرتبه مدل‌های ARIMA
• 27. برآورد پارامترهای مدل‌های ARIMA
• 28. پیش‌بینی در مدل‌های ARIMA
• 29. مدل‌های تفاضلی فصلی (SARIMA)
• 30. تشخیص مرتبه مدل‌های SARIMA
• 31. برآورد پارامترهای مدل‌های SARIMA
• 32. پیش‌بینی در مدل‌های SARIMA
• 33. مدل‌های سری زمانی چندمتغیره
• 34. مدل‌های خودرگرسیون برداری (VAR)
• 35. تشخیص مرتبه مدل‌های VAR
• 36. برآورد پارامترهای مدل‌های VAR
• 37. پیش‌بینی در مدل‌های VAR
• 38. آزمون علیت گرنجر
• 39. مدل‌های تصحیح خطا (ECM)
• 40. مدل‌های سری زمانی غیرخطی
• 41. مدل‌های آستانه‌ای خودرگرسیون (TAR)
• 42. مدل‌های تغییر رژیم مارکوف (MR)
• 43. کاربرد مدل‌های غیرخطی در بازارهای مالی
• 44. تحلیل نوسانات در سری‌های زمانی مالی
• 45. شاخص‌های نوسان
• 46. تحلیل ریسک در سری‌های زمانی مالی
• 47. مدل‌های ارزش در معرض ریسک (VaR)
• 48. روش‌های محاسبه VaR
• 49. مدل‌های ارزش در معرض ریسک شرطی (CVaR)
• 50. مدل‌های شبیه‌سازی مونت کارلو برای ریسک
• 51. تحلیل سری‌های زمانی با استفاده از ابزارهای محاسباتی
• 52. مقدمه‌ای بر نرم‌افزارهای آماری
• 53. کاربرد R در تحلیل سری‌های زمانی
• 54. کاربرد Python در تحلیل سری‌های زمانی
• 55. بسته‌های آماری در R برای سری‌های زمانی
• 56. بسته‌های آماری در Python برای سری‌های زمانی
• 57. تجسم داده‌های سری زمانی در R و Python
• 58. پیاده‌سازی مدل‌های ARMA در R و Python
• 59. پیاده‌سازی مدل‌های ARIMA در R و Python
• 60. پیاده‌سازی مدل‌های GARCH در R و Python
• 61. پیاده‌سازی مدل‌های VAR در R و Python
• 62. ارزیابی عملکرد مدل‌های پیش‌بینی
• 63. معیارهای ارزیابی پیش‌بینی
• 64. انتخاب بهترین مدل پیش‌بینی
• 65. کاربرد تحلیل سری‌های زمانی در پرتفوی سرمایه‌گذاری
• 66. بهینه‌سازی پرتفوی با استفاده از سری‌های زمانی
• 67. مدیریت ریسک پرتفوی
• 68. تحلیل بازده دارایی‌ها
• 69. تحلیل همبستگی بین دارایی‌ها
• 70. مدل‌سازی پویایی بازده
• 71. پیش‌بینی بازده دارایی‌ها
• 72. کاربرد تحلیل سری‌های زمانی در اقتصاد کلان
• 73. تحلیل شاخص‌های اقتصادی
• 74. پیش‌بینی تورم
• 75. پیش‌بینی نرخ بهره
• 76. تحلیل سیاست‌های پولی و مالی
• 77. مطالعات موردی در بازارهای مالی ایران
• 78. تحلیل سری‌های زمانی سهام در بورس تهران
• 79. مدل‌سازی نوسانات در بازار ارز ایران
• 80. تحلیل سری‌های زمانی قیمت نفت
• 81. کاربرد یادگیری ماشین در تحلیل سری‌های زمانی مالی
• 82. مقدمه‌ای بر یادگیری ماشین
• 83. مدل‌های رگرسیون در یادگیری ماشین
• 84. شبکه‌های عصبی مصنوعی برای سری‌های زمانی
• 85. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
• 86. شبکه‌های حافظه کوتاه مدت (GRU)
• 87. کاربرد الگوریتم‌های یادگیری ماشین در پیش‌بینی مالی
• 88. ارزیابی مدل‌های یادگیری ماشین
• 89. نکات تکمیلی و پیشرفته در تحلیل سری‌های زمانی
• 90. مقدمه‌ای بر پردازش سیگنال در سری‌های زمانی
• 91. فیلترهای دیجیتال در تحلیل سری‌های زمانی
• 92. تجزیه سری‌های زمانی به مولفه‌ها
• 93. تحلیل کوواریانس سری‌های زمانی
• 94. مدل‌های پویا-تصادفی
• 95. مفاهیم پیشرفته در مدل‌های GARCH
• 96. مدل‌های GARCH چندمتغیره
• 97. تحلیل سری‌های زمانی با داده‌های با فرکانس بالا
• 98. مقدمه‌ای بر داده‌های با فرکانس بالا
• 99. چالش‌های تحلیل داده‌های با فرکانس بالا
• 100. کاربرد بلاک‌چین در تحلیل داده‌های مالی