دوره مباحث پیشرفته یادگیری تقویتی چندعامله برای مدیریت پورتفولیو همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مباحث پیشرفته یادگیری تقویتی چندعامله برای مدیریت پورتفولیو

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت پورتفولیو

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری تقویتی چندعامله
• 2. مفاهیم پایه یادگیری تقویتی
• 3. عامل‌ها و محیط در یادگیری تقویتی
• 4. حالت، عمل و پاداش
• 5. تابع ارزش و تابع سیاست
• 6. یادگیری آفلاین و آنلاین
• 7. الگوریتم‌های یادگیری تقویتی کلاسیک
• 8. یادگیری Q-Learning
• 9. یادگیری SARSA
• 10. یادگیری مبتنی بر مدل و بدون مدل
• 11. یادگیری تقویتی عمیق (Deep RL)
• 12. شبکه‌های عصبی در یادگیری تقویتی
• 13. الگوریتم‌های Actor-Critic
• 14. یادگیری تقویتی چندعامله (MARL)
• 15. مفاهیم اساسی MARL
• 16. انواع محیط‌های چندعامله
• 17. همکاری و رقابت در MARL
• 18. مسائل هماهنگی در MARL
• 19. مدل‌سازی عامل‌های دیگر
• 20. پیامدهای عدم قطعیت در MARL
• 21. انواع مدل‌های MARL
• 22. مدل‌های متمرکز و غیرمتمرکز
• 23. مدل‌های مبتنی بر عامل (Agent-based)
• 24. مدل‌های مبتنی بر بازی (Game-theoretic)
• 25. مدل‌های مبتنی بر شبکه‌های عصبی
• 26. الگوریتم‌های MARL متمرکز
• 27. الگوریتم‌های MARL غیرمتمرکز
• 28. یادگیری سیاست مشترک
• 29. یادگیری سیاست‌های مستقل
• 30. تکنیک‌های هماهنگی در MARL
• 31. ارتباط بین عامل‌ها
• 32. استفاده از سیگنال‌های ارتباطی
• 33. یادگیری ارتباطات ضمنی
• 34. تکنیک‌های مدیریت رقابت
• 35. بازی‌های صفر و مجموع
• 36. بازی‌های مجموع غیرصفر
• 37. تعادل نش در بازی‌های چندعامله
• 38. یادگیری تعادل نش
• 39. کاربرد MARL در مدیریت پورتفولیو
• 40. مدل‌سازی بازار سهام
• 41. عامل‌های سرمایه‌گذار
• 42. استراتژی‌های معاملاتی
• 43. بهینه‌سازی تخصیص دارایی
• 44. مدیریت ریسک در پورتفولیو
• 45. ارتباط MARL با اقتصاد اسلامی
• 46. بانکداری بدون ربا در معاملات
• 47. عقود اسلامی در سرمایه‌گذاری
• 48. مقررات بانک مرکزی در معاملات رمزارز
• 49. رعایت چارچوب شرعی در معاملات
• 50. مدل‌سازی پویای پورتفولیو
• 51. تخصیص پویا در طول زمان
• 52. پاسخ به تغییرات بازار
• 53. یادگیری استراتژی‌های انطباقی
• 54. مدیریت نقدینگی در پورتفولیو
• 55. بهینه‌سازی سود با در نظر گرفتن ریسک
• 56. تکنیک‌های پیشرفته MARL
• 57. یادگیری تقویتی با پاداش پراکنده
• 58. یادگیری تقویتی با اکتشاف موثر
• 59. یادگیری تقویتی با انتقال دانش
• 60. یادگیری تقویتی با یادگیری عمیق تقویتی
• 61. الگوریتم‌های پیشرفته Deep RL
• 62. Actor-Criticهای پیشرفته
• 63. یادگیری تقویتی مبتنی بر مدل عمیق
• 64. مدل‌سازی عدم قطعیت در MARL
• 65. روش‌های بیزی در MARL
• 66. استفاده از شبکه‌های عصبی گرافیکی (GNN) در MARL
• 67. کاربرد GNN در روابط بین عامل‌ها
• 68. کاربرد GNN در مدل‌سازی بازار
• 69. تکنیک‌های تنظیم‌گری (Regularization) در MARL
• 70. کاهش بیش‌برازش (Overfitting)
• 71. افزایش تعمیم‌پذیری مدل
• 72. ارزیابی و سنجش عملکرد مدل‌های MARL
• 73. معیارهای سنجش سودآوری
• 74. معیارهای سنجش ریسک
• 75. شاخص‌های آماری در ارزیابی
• 76. آزمون‌های آماری برای مقایسه مدل‌ها
• 77. شبیه‌سازی سناریوهای مختلف بازار
• 78. سناریوهای صعودی، نزولی و خنثی
• 79. شبیه‌سازی بحران‌های مالی
• 80. تأثیر رویدادهای غیرمنتظره
• 81. تحلیل حساسیت مدل به پارامترها
• 82. تنظیم پارامترهای کلیدی مدل
• 83. اهمیت انتخاب نرخ یادگیری
• 84. اهمیت انتخاب تابع پاداش
• 85. مدل‌سازی عوامل خارجی مؤثر بر بازار
• 86. عوامل اقتصادی کلان
• 87. رویدادهای سیاسی و اجتماعی
• 88. انتشار اخبار و اطلاعات
• 89. تاثیر رسانه‌ها بر بازار
• 90. مدل‌سازی رفتار سرمایه‌گذاران خرد
• 91. رفتار گله‌ای (Herding behavior)
• 92. سوگیری‌های شناختی سرمایه‌گذاران
• 93. تأثیر روانی اخبار بر تصمیمات
• 94. مدیریت پورتفولیو با تأکید بر پایداری
• 95. سرمایه‌گذاری مسئولانه اجتماعی (SRI)
• 96. معیارهای ESG در سرمایه‌گذاری
• 97. تخصیص دارایی با رویکرد بلندمدت
• 98. پایداری زیست‌محیطی در سبد سهام
• 99. پایداری اجتماعی در سبد سهام
• 100. حاکمیت شرکتی در شرکت‌های سرمایه‌پذیر