کتاب صوتی مدل‌های VAR رگرسیون با ضرایب متغیر در زمان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های VAR رگرسیون با ضرایب متغیر در زمان

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: مدل‌های VAR (Vector Autoregression)

📋 سرفصل‌های دوره

• 1. مقدمه مدل‌های VAR با ضرایب متغیر در زمان
• 2. مفاهیم پایه‌ی مدل‌های VAR
• 3. مقدمه‌ی مختصری بر رگرسیون با ضرایب متغیر در زمان
• 4. چرایی نیاز به مدل‌های VAR با ضرایب متغیر در زمان
• 5. مقایسه‌ی مدل‌های VAR ثابت و متغیر در زمان
• 6. اهداف و کاربردهای مدل‌های VAR با ضرایب متغیر در زمان
• 7. محدودیت‌های مدل‌های VAR ثابت
• 8. لزوم انعطاف‌پذیری در مدل‌سازی اقتصادی
• 9. مروری بر مدل‌های سری زمانی پیشرفته
• 10. پیش‌نیازهای آماری برای مدل‌های TVP-VAR
• 11. مبانی سری زمانی و ایستا بودن
• 12. مفاهیم واریانس و کوواریانس
• 13. فرآیندهای تصادفی و ایستا
• 14. فرآیندهای خودهمبسته (AR)
• 15. فرآیندهای میانگین متحرک (MA)
• 16. فرآیندهای ARMA
• 17. مبانی رگرسیون خطی
• 18. فرضیات مدل رگرسیون خطی
• 19. برآورد ضرایب در رگرسیون خطی
• 20. آزمون فرضیه‌ها در رگرسیون
• 21. تفسیر ضرایب رگرسیون
• 22. پیش‌بینی در مدل‌های رگرسیون
• 23. ضرایب متغیر در زمان: اصول اولیه
• 24. چگونگی تغییر ضرایب در طول زمان
• 25. مدل‌های رگرسیون با ضرایب متغیر در زمان (TVP)
• 26. مزایای مدل‌های TVP
• 27. معایب مدل‌های TVP
• 28. معرفی مدل‌های VAR (Vector Autoregression)
• 29. ساختار پایه‌ی مدل VAR
• 30. تشخیص مرتبه در مدل VAR
• 31. برآورد ضرایب در مدل VAR
• 32. آزمون علیت گرانجر
• 33. تجزیه و تحلیل پیش‌بینی در VAR
• 34. تجزیه و تحلیل شوک در VAR
• 35. مقدمه ای بر مدل‌های TVP-VAR
• 36. ادغام مفاهیم TVP و VAR
• 37. ضرایب متغیر در زمان در مدل‌های VAR
• 38. چرایی نیاز به TVP-VAR
• 39. تفاوت‌های کلیدی TVP-VAR و VAR ثابت
• 40. ساختار مدلی TVP-VAR
• 41. اجزای مدل TVP-VAR
• 42. بردارهای متغیر در زمان
• 43. ضرایب متغیر در زمان
• 44. جملات خطا با واریانس متغیر در زمان
• 45. نحوه‌ی مدل‌سازی تغییر ضرایب
• 46. مدل‌های گوسی برای ضرایب متغیر در زمان
• 47. توابع گوسی و کاربرد آن
• 48. توزیع نرمال چندمتغیره
• 49. پیش‌بینی با استفاده از توابع گوسی
• 50. تخمین ضرایب با استفاده از روش‌های بیزی
• 51. مقدمه‌ای بر استنتاج بیزی
• 52. قضیه‌ی بیز
• 53. توزیع پیشین و پسین
• 54. روش‌های مونت کارلو سری مارکوف (MCMC)
• 55. اصول MCMC
• 56. الگوریتم گیبس سمپلینگ
• 57. الگوریتم متروپولیس-هستینگز
• 58. پیاده‌سازی TVP-VAR با MCMC
• 59. نرم‌افزارهای آماری برای TVP-VAR
• 60. زبان R و بسته‌های مربوطه
• 61. زبان پایتون و کتابخانه‌های مربوطه
• 62. نرم‌افزارهای تخصصی
• 63. مثال‌های کاربردی TVP-VAR
• 64. مطالعات موردی در اقتصاد کلان
• 65. کاربرد در بازارهای مالی
• 66. تحلیل داده‌های پنل با TVP-VAR
• 67. تحلیل دینامیک‌های بین‌بخشی
• 68. ارزیابی سیاست‌های اقتصادی
• 69. تحلیل تغییرات ساختاری
• 70. مقایسه نتایج TVP-VAR با مدل‌های دیگر
• 71. تجزیه و تحلیل حساسیت
• 72. بررسی مفروضات مدل TVP-VAR
• 73. ارزیابی تطابق مدل
• 74. تحلیل باقی‌مانده‌ها
• 75. تشخیص ناهمسانی واریانس
• 76. بررسی عدم ایستا بودن داده‌ها
• 77. اصلاح مدل TVP-VAR
• 78. تنظیم مرتبه مدل
• 79. انتخاب توابع کوواریانس مناسب
• 80. تفسیر ضرایب متغیر در زمان
• 81. تفسیر شوک‌های متغیر در زمان
• 82. تفسیر پیش‌بینی‌های متغیر در زمان
• 83. محدودیت‌های مدل TVP-VAR
• 84. پیچیدگی محاسباتی
• 85. نیاز به حجم داده‌ی مناسب
• 86. مشکلات تشخیص پارامتر
• 87. توسعه‌های آتی مدل TVP-VAR
• 88. TVP-VAR با متغیرهای خارجی
• 89. TVP-VAR غیرخطی
• 90. TVP-VAR با ساختار ریداکشن
• 91. TVP-VAR برای داده‌های فرکانس بالا
• 92. جمع‌بندی و نتیجه‌گیری
• 93. مرور کلی بر مطالب ارائه شده
• 94. نکات کلیدی و درس‌های آموخته شده
• 95. زمینه‌های تحقیقاتی آتی
• 96. پاسخ به پرسش‌های متداول
• 97. راهنمایی برای پیاده‌سازی عملی
• 98. نکات کاربردی برای تحلیلگران
• 99. اشتباهات رایج در استفاده از TVP-VAR
• 100. راه‌های اجتناب از اشتباهات