اپلیکیشن اندرویدی فلش‌کارت آموزشی بهینه‌سازی تخمین‌گرهای HAC: انتخاب خودکار پهنای باند و رفع نواقص روش‌های کلاسیک

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره بهینه‌سازی تخمین‌گرهای HAC: انتخاب خودکار پهنای باند و رفع نواقص روش‌های کلاسیک

موضوع کلی: اقتصادسنجی

موضوع میانی: استنباط مقاوم در مدل‌های سری زمانی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصادسنجی و سری‌های زمانی
• 2. مفاهیم اولیه سری‌های زمانی: ایستایی، ناایستایی و هم‌جمعی
• 3. مدل‌های ARIMA: شناسایی، تخمین و آزمون فرضیه‌ها
• 4. مدل‌های ARDL: رویکردی برای پویایی کوتاه مدت و بلند مدت
• 5. رگرسیون با داده‌های سری زمانی: مشکلات و راه‌حل‌ها
• 6. ناهمسانی واریانس و خودهمبستگی در مدل‌های رگرسیونی سری زمانی
• 7. اثرات ناهمسانی واریانس: آزمون‌ها و روش‌های اصلاح
• 8. اثرات خودهمبستگی: آزمون‌ها و روش‌های اصلاح
• 9. تخمین‌گرهای کوواریانس ناهمسانی و خودهمبستگی سازگار (HAC)
• 10. انواع تخمین‌گرهای HAC: White، Newey-West و Andrews
• 11. تخمین‌گر HAC نیوی-وست: مقدمات و خواص
• 12. تخمین‌گر HAC اندروز: مقدمات و خواص
• 13. مقایسه تخمین‌گرهای HAC نیوی-وست و اندروز
• 14. انتخاب پهنای باند در تخمین‌گرهای HAC: اهمیت و چالش‌ها
• 15. روش‌های انتخاب پهنای باند ثابت: مبتنی بر قانون سرانگشتی
• 16. روش‌های انتخاب پهنای باند متغیر: داده‌محور
• 17. روش‌های مبتنی بر بوت‌استرپ برای انتخاب پهنای باند
• 18. معیارهای انتخاب پهنای باند: MSE، MAE و BIC
• 19. خطاهای رایج در انتخاب پهنای باند: پهنای باند خیلی کم یا خیلی زیاد
• 20. اثرات انتخاب نادرست پهنای باند بر استنباط آماری
• 21. تنظیم ویژه (Eigen Adjustment) در تخمین‌گرهای HAC: معرفی و انگیزه
• 22. مشکلات ماتریس کوواریانس نامعین مثبت (Indefinite)
• 23. روش‌های تنظیم ویژه: Clipping و Rejection
• 24. نحوه عملکرد تنظیم ویژه: مزایا و معایب
• 25. خطاهای ناشی از تنظیم ویژه: Bias و Variance
• 26. انتخاب آستانه تنظیم ویژه: Trade-off بین Bias و Variance
• 27. روش‌های خودکار انتخاب آستانه تنظیم ویژه
• 28. مقاله "Automatic Order, Bandwidth Selection and Flaws of Eigen Adjustment in HAC Estimation": مرور اجمالی
• 29. مدل‌های شبیه‌سازی در اقتصادسنجی: معرفی و کاربردها
• 30. شبیه‌سازی برای بررسی عملکرد تخمین‌گرهای HAC
• 31. شبیه‌سازی انتخاب پهنای باند و تنظیم ویژه
• 32. ارزیابی عملکرد انتخاب خودکار پهنای باند
• 33. ارزیابی عملکرد روش‌های تنظیم ویژه
• 34. مقایسه عملکرد روش‌های مختلف در شرایط مختلف
• 35. مطالعه موردی: تخمین بازده سهام با استفاده از تخمین‌گرهای HAC
• 36. مطالعه موردی: تخمین توابع مصرف با استفاده از تخمین‌گرهای HAC
• 37. مطالعه موردی: تخمین روابط پولی با استفاده از تخمین‌گرهای HAC
• 38. تحلیل حساسیت: اثر پارامترهای مختلف بر نتایج
• 39. اثر اندازه نمونه بر عملکرد تخمین‌گرهای HAC
• 40. اثر درجه خودهمبستگی بر عملکرد تخمین‌گرهای HAC
• 41. اثر ناهمسانی واریانس بر عملکرد تخمین‌گرهای HAC
• 42. روش‌های تشخیصی برای مدل‌های سری زمانی: آزمون‌ها و نمودارها
• 43. آزمون‌های ایستایی: ADF، PP و KPSS
• 44. آزمون‌های خودهمبستگی: Box-Pierce و Ljung-Box
• 45. آزمون‌های ناهمسانی واریانس: White و Breusch-Pagan
• 46. روش‌های غیرپارامتری برای تخمین کوواریانس
• 47. هسته های غیرپارامتری: Uniform، Bartlett و Quadratic Spectral
• 48. انتخاب هسته مناسب: Trade-off بین Bias و Variance
• 49. تخمین‌گرهای HAC مبتنی بر موجک (Wavelet)
• 50. مقدمه‌ای بر تحلیل موجک: مفاهیم و کاربردها
• 51. تخمین کوواریانس با استفاده از تجزیه موجک
• 52. مزایای استفاده از موجک در تخمین کوواریانس
• 53. توسعه تخمین‌گرهای HAC برای داده‌های پنل سری زمانی
• 54. مدل‌های پنل سری زمانی: اثرات ثابت و اثرات تصادفی
• 55. تخمین کوواریانس در مدل‌های پنل سری زمانی
• 56. چالش‌های تخمین HAC در داده‌های پنل
• 57. روش‌های بوت‌استرپ برای استنباط مقاوم در سری‌های زمانی
• 58. مقدمه‌ای بر بوت‌استرپ: اصول و روش‌ها
• 59. بوت‌استرپ برای تخمین خطای استاندارد تخمین‌گرهای HAC
• 60. بوت‌استرپ برای آزمون فرضیه‌ها با استفاده از تخمین‌گرهای HAC
• 61. مقایسه بوت‌استرپ با روش‌های مجانبی
• 62. روش‌های زیر نمونه‌گیری (Subsampling) برای استنباط مقاوم
• 63. مقدمه‌ای بر زیر نمونه‌گیری: اصول و روش‌ها
• 64. زیر نمونه‌گیری برای تخمین خطای استاندارد تخمین‌گرهای HAC
• 65. زیر نمونه‌گیری برای آزمون فرضیه‌ها با استفاده از تخمین‌گرهای HAC
• 66. روش‌های Bayesian برای تخمین کوواریانس
• 67. مقدمه‌ای بر استنباط Bayesian: مفاهیم و روش‌ها
• 68. تخصیص پیشین (Prior) برای ماتریس کوواریانس
• 69. تخمین پسین (Posterior) و استنباط Bayesian
• 70. روش‌های Monte Carlo Markov Chain (MCMC)
• 71. تخمین‌گرهای HAC با وزن‌دهی میانگین (Averaging)
• 72. ترکیب تخمین‌گرهای مختلف برای بهبود دقت
• 73. معیارهای وزن‌دهی: مبتنی بر MSE و MAE
• 74. تخمین‌گرهای HAC مقاوم به پرت (Outlier)
• 75. تشخیص و حذف پرت‌ها در سری‌های زمانی
• 76. تخمین کوواریانس با داده‌های پرت حذف‌شده
• 77. تخمین‌گرهای HAC با استفاده از روش‌های Quantile Regression
• 78. مقدمه‌ای بر Quantile Regression: مفاهیم و روش‌ها
• 79. تخمین کوواریانس مبتنی بر Quantile Regression
• 80. روش‌های تنظیم ویژه برای تخمین‌گرهای Quantile Regression
• 81. برنامه‌نویسی در R برای تخمین‌گرهای HAC
• 82. توابع و بسته‌های R برای تخمین سری‌های زمانی
• 83. پیاده‌سازی تخمین‌گرهای HAC در R
• 84. انتخاب پهنای باند و تنظیم ویژه در R
• 85. برنامه‌نویسی در Python برای تخمین‌گرهای HAC
• 86. توابع و کتابخانه‌های Python برای تخمین سری‌های زمانی
• 87. پیاده‌سازی تخمین‌گرهای HAC در Python
• 88. انتخاب پهنای باند و تنظیم ویژه در Python
• 89. مباحث پیشرفته: تخمین‌گرهای HAC برای مدل‌های GARCH
• 90. مباحث پیشرفته: تخمین‌گرهای HAC برای مدل‌های فضای حالت
• 91. مباحث پیشرفته: تخمین‌گرهای HAC برای داده‌های فرکانس بالا
• 92. مباحث پیشرفته: انتخاب مدل و عدم قطعیت مدل
• 93. مباحث پیشرفته: استنباط مقاوم در حضور شکست ساختاری (Structural Break)
• 94. مباحث پیشرفته: تخمین‌گرهای HAC برای داده‌های نامتوازن (Unbalanced)
• 95. آینده پژوهی در اقتصادسنجی: رویکردهای جدید به تخمین HAC
• 96. خلاصه و جمع‌بندی دوره: نکات کلیدی و کاربردها
• 97. مراجع و منابع تکمیلی برای مطالعه بیشتر
• 98. پرسش و پاسخ: رفع ابهامات و سوالات شرکت‌کنندگان
• 99. تمرین‌ها و پروژه‌های عملی: کاربرد آموخته‌ها در مسائل واقعی
• 100. ارزیابی و بازخورد: ارزیابی میزان یادگیری شرکت‌کنندگان