کتاب صوتی شبکه‌های عصبی عمیق در یادگیری تقویتی چندعامله برای اوراق قرضه

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه‌های عصبی عمیق در یادگیری تقویتی چندعامله برای اوراق قرضه

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های مدیریت اطلاعات سرمایه‌گذاری در اوراق قرضه

📋 سرفصل‌های دوره

• 1. مبانی یادگیری تقویتی چندعامله
• 2. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 3. نظریه بازی‌های پویا
• 4. مدل‌های عامل‌محور در اقتصاد
• 5. کاربرد شبکه‌های عصبی در مدل‌سازی اقتصادی
• 6. مفاهیم اساسی یادگیری تقویتی (RL)
• 7. عامل، محیط، پاداش، حالت
• 8. سیاست‌ها و توابع ارزش
• 9. یادگیری آفلاین و آنلاین
• 10. الگوریتم‌های یادگیری تقویتی مبتنی بر مدل
• 11. الگوریتم‌های یادگیری تقویتی بدون مدل
• 12. یادگیری Q-Learning
• 13. یادگیری Deep Q-Network (DQN)
• 14. تکامل DQN: Double DQN, Dueling DQN, Prioritized Experience Replay
• 15. یادگیری Policy Gradient
• 16. الگوریتم REINFORCE
• 17. Actor-Critic Methods
• 18. الگوریتم A2C, A3C
• 19. یادگیری Proximal Policy Optimization (PPO)
• 20. یادگیری Trust Region Policy Optimization (TRPO)
• 21. یادگیری Soft Actor-Critic (SAC)
• 22. شبکه‌های عصبی کانولوشنی (CNN) در RL
• 23. شبکه‌های عصبی بازگشتی (RNN) در RL
• 24. شبکه‌های عصبی ترنسفورمر در RL
• 25. مقدمه‌ای بر یادگیری تقویتی چندعامله (MARL)
• 26. چالش‌های MARL: همگرایی، ناپایداری، عدم قطعیت
• 27. مدل‌های همکاری در MARL
• 28. مدل‌های رقابتی در MARL
• 29. مدل‌های مختلط در MARL
• 30. ارتباطات بین عامل‌ها
• 31. یادگیری با مربی (Learning with a Teacher)
• 32. یادگیری مشاهده‌ای (Imitation Learning)
• 33. یادگیری تقویتی از طریق مشاهده (Observation-based RL)
• 34. یادگیری تقویتی در بازی‌های چندنفره
• 35. شبکه‌های عصبی گراف (GNN) در MARL
• 36. معماری‌های عامل‌محور در MARL
• 37. معماری‌های متمرکز در MARL
• 38. معماری‌های ترکیبی (Decentralized Execution, Centralized Training)
• 39. یادگیری مبتنی بر مدل در MARL
• 40. یادگیری بدون مدل در MARL
• 41. کاربرد MARL در رباتیک
• 42. کاربرد MARL در سیستم‌های توزیع‌شده
• 43. کاربرد MARL در شبکه‌های هوشمند
• 44. کاربرد MARL در مدیریت ترافیک
• 45. کاربرد MARL در بازارهای مالی
• 46. کاربرد MARL در بهینه‌سازی پرتفوی
• 47. اوراق قرضه: مبانی و انواع
• 48. اوراق قرضه دولتی و شرکتی
• 49. ریسک‌های اوراق قرضه: نرخ بهره، اعتبار، نقدینگی
• 50. بازده اوراق قرضه و منحنی بازده
• 51. ارزش‌گذاری اوراق قرضه
• 52. مدل‌های قیمت‌گذاری اوراق قرضه
• 53. مدل‌های شرطی در قیمت‌گذاری اوراق قرضه
• 54. یادگیری تقویتی برای مدیریت پرتفوی اوراق قرضه
• 55. بهینه‌سازی تخصیص دارایی با RL
• 56. مدیریت ریسک در پرتفوی اوراق قرضه با RL
• 57. پیش‌بینی قیمت اوراق قرضه با شبکه‌های عصبی
• 58. مدل‌سازی رفتار سرمایه‌گذاران در بازار اوراق قرضه
• 59. استراتژی‌های معاملاتی اوراق قرضه مبتنی بر RL
• 60. معاملات الگوریتمی اوراق قرضه
• 61. بهینه‌سازی اجرای معاملات اوراق قرضه
• 62. یادگیری تقویتی برای مدیریت فعال اوراق قرضه
• 63. استراتژی‌های پوشش ریسک در اوراق قرضه با RL
• 64. مدل‌سازی پویای بازار اوراق قرضه با MARL
• 65. همکاری عامل‌ها در معاملات اوراق قرضه
• 66. رقابت عامل‌ها در بازار اوراق قرضه
• 67. یادگیری تقویتی در اوراق قرضه اسلامی (صکوک)
• 68. مبانی فقهی اوراق قرضه اسلامی
• 69. انواع صکوک: اجاره، منفعت، مشارکت
• 70. مدل‌سازی و قیمت‌گذاری صکوک با RL
• 71. مدیریت پرتفوی صکوک با MARL
• 72. ریسک‌ها و فرصت‌های سرمایه‌گذاری در صکوک
• 73. کاربرد MARL در بازارهای اوراق قرضه نوظهور
• 74. یادگیری تقویتی برای کشف فرصت‌های آربیتراژ در اوراق قرضه
• 75. تحلیل حساسیت مدل‌های RL در اوراق قرضه
• 76. ارزیابی عملکرد مدل‌های RL در اوراق قرضه
• 77. مطالعات موردی در کاربرد MARL برای اوراق قرضه
• 78. چالش‌های پیاده‌سازی MARL در بازارهای واقعی اوراق قرضه
• 79. آینده تحقیقات در MARL برای اوراق قرضه