فلش‌کارت‌های آموزشی بهینه‌سازی پورتفولیو در مدل‌های پرتنش با MARL

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب بهینه‌سازی پورتفولیو در مدل‌های پرتنش با MARL

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت پورتفولیو

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه به بهینه‌سازی پورتفولیو
• 2. مبانی نظری بهینه‌سازی پورتفولیو
• 3. مدل مارکویتز و محدودیت‌های آن
• 4. مفهوم پرتنش (Volatility) در مالی
• 5. اندازه‌گیری پرتنش با معیارهای مختلف
• 6. مدل‌های پرتنش خطی
• 7. مدل‌های پرتنش غیرخطی
• 8. مقدمه به یادگیری تقویتی چند عامله (MARL)
• 9. عناصر کلیدی MARL: عامل، محیط، حالت، عمل، پاداش
• 10. انواع MARL: همکارانه، رقابتی، مختلط
• 11. چالش‌های MARL: همگرایی، پایداری، مقیاس‌پذیری
• 12. کاربرد MARL در سیستم‌های مالی
• 13. بهینه‌سازی پورتفولیو با استفاده از MARL
• 14. چرا MARL برای بهینه‌سازی پورتفولیو مناسب است؟
• 15. مدل‌سازی محیط بهینه‌سازی پورتفولیو برای MARL
• 16. تعریف فضای حالت در بهینه‌سازی پورتفولیو با MARL
• 17. تعریف فضای عمل در بهینه‌سازی پورتفولیو با MARL
• 18. طراحی تابع پاداش برای بهینه‌سازی پورتفولیو با MARL
• 19. ارتباط بین پاداش و معیارهای عملکرد پورتفولیو
• 20. چالش‌های طراحی پاداش در MARL برای پورتفولیو
• 21. الگوریتم‌های پایه MARL برای بهینه‌سازی پورتفولیو
• 22. یادگیری Q چند عامله (MA Q-Learning)
• 23. یادگیری عمیق Q چند عامله (MAD Q-Learning)
• 24. یادگیری سیاست گرادیان چند عامله (Multi-Agent Policy Gradient)
• 25. الگوریتم Actor-Critic چند عامله (Multi-Agent Actor-Critic)
• 26. الگوریتم‌های پیشرفته MARL برای بهینه‌سازی پورتفولیو
• 27. Deep Deterministic Policy Gradient (DDPG) برای MARL
• 28. Twin Delayed Deep Deterministic Policy Gradient (TD3) برای MARL
• 29. Proximal Policy Optimization (PPO) برای MARL
• 30. Multi-Agent PPO (MAPPO)
• 31. Soft Actor-Critic (SAC) برای MARL
• 32. Multi-Agent SAC (MASAC)
• 33. استراتژی‌های هماهنگ‌سازی عامل‌ها در MARL
• 34. هماهنگ‌سازی بر اساس پاداش مشترک
• 35. هماهنگ‌سازی بر اساس پاداش مجزا
• 36. هماهنگ‌سازی بر اساس ارتباطات بین عامل‌ها
• 37. مدل‌سازی ارتباطات بین عامل‌ها در MARL
• 38. شبکه‌های ارتباطی (Communication Networks)
• 39. مکانیسم‌های توجه (Attention Mechanisms)
• 40. استفاده از گراف شبکه‌ها (Graph Neural Networks)
• 41. تکنیک‌های یادگیری متمرکز-غیرمتمرکز (Centralized Training with Decentralized Execution - CTDE)
• 42. پیاده‌سازی CTDE در بهینه‌سازی پورتفولیو
• 43. مزایای CTDE در مدیریت پرتنش
• 44. چالش‌های CTDE در بهینه‌سازی پورتفولیو
• 45. بهینه‌سازی پورتفولیو با در نظر گرفتن پرتنش
• 46. مدل‌سازی پرتنش در چارچوب MARL
• 47. استفاده از معیارهای پرتنش به عنوان بخشی از حالت
• 48. استفاده از معیارهای پرتنش در تابع پاداش
• 49. مدل‌سازی ریسک در بهینه‌سازی پورتفولیو با MARL
• 50. ارزش در معرض ریسک (Value at Risk - VaR)
• 51. شرایط VaR در تابع پاداش MARL
• 52. Conditional Value at Risk (CVaR)
• 53. پیاده‌سازی CVaR در MARL
• 54. مدل‌سازی محدودیت‌های پرتنش در MARL
• 55. محدودیت‌های حداکثر پرتنش
• 56. محدودیت‌های حداکثر ضرر
• 57. پیاده‌سازی محدودیت‌ها در فضای عمل عامل‌ها
• 58. پیاده‌سازی محدودیت‌ها در تابع پاداش
• 59. استفاده از یادگیری تقویتی عمیق (DRL) در MARL برای پورتفولیو
• 60. مدل‌های شبکه‌های عصبی برای عامل‌ها
• 61. شبکه‌های عصبی کانولوشنال (CNN) برای داده‌های سری زمانی
• 62. شبکه‌های عصبی بازگشتی (RNN) و LSTM/GRU
• 63. ترانسفورمرها (Transformers) در MARL برای پورتفولیو
• 64. ملاحظات داده‌ای در بهینه‌سازی پورتفولیو با MARL
• 65. جمع‌آوری داده‌های بازار
• 66. پیش‌پردازش داده‌ها (نرمال‌سازی، حذف نویز)
• 67. تقسیم داده‌ها (آموزش، اعتبارسنجی، تست)
• 68. تولید داده‌های مصنوعی (Synthetic Data Generation)
• 69. اعتبارسنجی و ارزیابی مدل‌های MARL
• 70. معیارهای عملکرد پورتفولیو (بازده، شارپ ریشیو، حداکثر افت)
• 71. مقایسه با استراتژی‌های پایه (خرید و نگهداری، تخصیص ثابت)
• 72. تحلیل حساسیت مدل به پارامترها
• 73. تحلیل پایداری استراتژی‌های یادگرفته شده
• 74. شبیه‌سازی سناریوهای مختلف بازار
• 75. تکنیک‌های جلوگیری از بیش‌برازش (Overfitting)
• 76. تنظیم‌کننده‌ها (Regularization)
• 77. توقف زودهنگام (Early Stopping)
• 78. اعتبارسنجی متقابل (Cross-Validation)
• 79. مدل‌های MARL برای سبدگردانی پویا
• 80. تخصیص مجدد دارایی‌ها (Rebalancing)
• 81. بهینه‌سازی زمان‌بندی تخصیص مجدد
• 82. مدل‌سازی هزینه‌های معاملاتی در MARL
• 83. تأثیر هزینه‌های معاملاتی بر تصمیمات عامل‌ها
• 84. بهینه‌سازی پورتفولیو با حضور چندین عامل (مدیر پورتفولیو)
• 85. مدل‌سازی رقابت بین مدیران پورتفولیو
• 86. مدل‌سازی همکاری بین مدیران پورتفولیو
• 87. استفاده از MARL برای مدیریت سبدهای متنوع
• 88. پورتفولیوهای سهام، اوراق قرضه، کالاها، ارزها
• 89. بهینه‌سازی پورتفولیو با در نظر گرفتن عوامل کلان اقتصادی
• 90. ورودی‌های کلان اقتصادی به عنوان بخشی از حالت
• 91. تأثیر رویدادهای خبری بر تصمیمات عامل‌ها
• 92. مدل‌سازی عدم قطعیت در بهینه‌سازی پورتفولیو با MARL
• 93. عدم قطعیت در قیمت‌ها
• 94. عدم قطعیت در مدل‌های عامل‌ها
• 95. کاربرد MARL برای بهینه‌سازی پورتفولیو با ریسک سایبری
• 96. مدل‌سازی حملات سایبری به عنوان بخشی از محیط
• 97. تأثیر حملات سایبری بر تصمیمات معاملاتی
• 98. بهینه‌سازی پورتفولیو در بازارهای با نوسان بالا (High-Frequency Trading)
• 99. مدل‌سازی سرعت و حجم معاملات
• 100. چالش‌های محاسباتی در MARL برای HFT