اپلیکیشن اندرویدی فلشکارت آموزشی مدلسازی پیشرفته نوسانات در بازارهای رمزارز: یک رویکرد ترکیبی با استفاده از دادههای چندمقیاسی و انتقال کوانتایل متغیر با زمان
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره مدلسازی پیشرفته نوسانات در بازارهای رمزارز: یک رویکرد ترکیبی با استفاده از دادههای چندمقیاسی و انتقال کوانتایل متغیر با زمان
موضوع کلی: بازارهای مالی و مدلسازی ریسک
موضوع میانی: پیشبینی نوسانات و انتقال ریسک در بازارهای رمزارز
📋 سرفصلهای دوره
- 1. مقدمهای بر بازارهای مالی و ریسک
- 2. مفاهیم اساسی نوسانات در بازارهای مالی
- 3. مروری بر تاریخچه و اکوسیستم رمزارزها
- 4. ویژگیهای منحصربهفرد بازارهای رمزارز
- 5. چالشهای مدلسازی ریسک در بازارهای رمزارز
- 6. انواع دادههای مالی در رمزارزها (قیمت، حجم، بازده)
- 7. بازدهی رمزارزها: محاسبه و خصوصیات
- 8. آمار توصیفی بازدهی رمزارزها (میانگین، واریانس، چولگی، کشیدگی)
- 9. مقدمهای بر سریهای زمانی مالی
- 10. مفهوم خودهمبستگی و همبستگی جزئی در سریهای زمانی
- 11. ایستایی و ناایستایی در سریهای زمانی
- 12. آزمونهای ریشه واحد (ADF, PP, KPSS)
- 13. کاربرد رگرسیون خطی در تحلیل مالی
- 14. اندازهگیری نوسانات: انحراف معیار و واریانس تاریخی
- 15. مدلهای ARCH: خودهمبستگی واریانس شرطی
- 16. مدلهای GARCH: تعمیم خودهمبستگی واریانس شرطی
- 17. برآورد پارامترهای مدلهای GARCH
- 18. انتخاب و ارزیابی مدلهای GARCH (معیارهای اطلاعاتی)
- 19. مدل GARCH نامتقارن: EGARCH برای اثر اهرم
- 20. مدل GJR-GARCH برای اثر اهرم
- 21. مدل APARCH و تعمیم توان
- 22. مدل IGARCH: یکپارچگی در واریانس
- 23. مدلهای رگرسیون با خطای ARCH
- 24. پیشبینی نوسانات با مدلهای GARCH
- 25. معرفی مدلهای GARCH چندمتغیره
- 26. مدلهای BEKK-GARCH و اندازهگیری همبستگی
- 27. مدل DCC-GARCH و همبستگی شرطی دینامیک
- 28. کاربرد مدلهای GARCH در بازارهای رمزارز
- 29. مفهوم دادههای با فرکانس بالا در بازارهای مالی
- 30. دادههای درونروزی و ساختار بازار
- 31. تعریف نوسانات تحققیافته (Realized Volatility)
- 32. روشهای برآورد نوسانات تحققیافته از دادههای درونروزی
- 33. نوسانات تحققیافته: میانگینگیری از مربعات بازدهی درونروزی
- 34. چالشهای برآورد نوسانات تحققیافته: نویز ساختار بازار
- 35. اثر نویز ساختار بازار و روشهای مقابله با آن
- 36. هسته تحققیافته (Realized Kernel) و مقاومسازی در برابر نویز
- 37. واریانس دوقطعهای (Bipower Variation) و پرشهای قیمتی
- 38. مدل HAR-RV (Heterogeneous Autoregressive Realized Volatility)
- 39. اجزای مدل HAR-RV (روزانه، هفتگی، ماهانه)
- 40. تعمیمهای مدل HAR-RV (HAR-RV-J برای پرشها)
- 41. پیشبینی نوسانات تحققیافته با مدل HAR-RV
- 42. کاربرد نوسانات تحققیافته در بازارهای رمزارز
- 43. مفهوم تحلیل چندمقیاسی در سریهای زمانی
- 44. تجزیه سریهای زمانی به مؤلفههای فرکانسی
- 45. معرفی تبدیل موجک (Wavelet Transform)
- 46. تبدیل موجک گسسته (DWT) و مقیاسهای مختلف
- 47. تبدیل موجک مدیدیفای شده (MODWT) و کاربردهای آن
- 48. استخراج مؤلفههای نوسانات در مقیاسهای مختلف با موجک
- 49. تجزیه تجربی مد (Empirical Mode Decomposition - EMD)
- 50. مؤلفههای مدهای ذاتی (Intrinsic Mode Functions - IMFs)
- 51. فیلتر کردن و جداسازی اجزای نوسانات در فرکانسهای مختلف
- 52. مدلهای HAR-RV مبتنی بر مؤلفههای موجک
- 53. مدلسازی نوسانات با استفاده از مؤلفههای چندمقیاسی در HAR
- 54. تلفیق اجزای نوسانات کوتاهمدت، میانمدت و بلندمدت
- 55. کاربرد تحلیل چندمقیاسی در پیشبینی نوسانات رمزارزها
- 56. انتخاب بهترین مقیاسها برای پیشبینی
- 57. مقدمهای بر رگرسیون کوانتایل
- 58. تفاوت رگرسیون کوانتایل با رگرسیون حداقل مربعات معمولی
- 59. برآورد و تفسیر ضرایب رگرسیون کوانتایل
- 60. کاربرد رگرسیون کوانتایل در تحلیل ریسک دم (Tail Risk)
- 61. مفهوم انتقال ریسک (Risk Spillovers) در بازارهای مالی
- 62. شاخص سرایت (Spillover Index) دیبلد و ییلماز (Diebold-Yilmaz)
- 63. محاسبه شاخص سرایت دیبلد و ییلماز برای نوسانات
- 64. تحلیل سرایت در کوانتایلهای مختلف: رویکرد رگرسیون کوانتایل
- 65. اندازهگیری سرایت نوسانات در کوانتایلهای شدید (دمها)
- 66. تفسیر نتایج سرایت در کوانتایلهای بالا و پایین
- 67. روشهای گرافیکی برای نمایش انتقال ریسک کوانتایلی
- 68. کاربرد شاخصهای سرایت کوانتایلی در بازارهای رمزارز
- 69. جهتگیری و شدت انتقال ریسک در رمزارزها
- 70. مفهوم پارامترهای متغیر با زمان در مدلسازی سریهای زمانی
- 71. معرفی مدلهای فضای حالت (State-Space Models)
- 72. فیلتر کالمن (Kalman Filter) برای برآورد پارامترهای متغیر با زمان
- 73. کاربرد فیلتر کالمن در مدلسازی نوسانات
- 74. مدلهای VAR با پارامترهای متغیر با زمان (TVP-VAR)
- 75. برآورد TVP-VAR با رویکردهای بیزی
- 76. شوکهای ساختاری در مدلهای TVP-VAR
- 77. محاسبه شاخص سرایت دیبلد و ییلماز متغیر با زمان
- 78. مدلسازی انتقال ریسک کوانتایلی متغیر با زمان
- 79. ساخت مدلهای رگرسیون کوانتایل با ضرایب متغیر با زمان
- 80. تکنیکهای مدلسازی دینامیک انتقال ریسک کوانتایلی
- 81. شناسایی دورههای پرریسکتر در رمزارزها با مدلهای دینامیک
- 82. طراحی چارچوب پیشبینی ترکیبی (Integrating Multi-Scale & Quantile Spillovers)
- 83. ترکیب مؤلفههای نوسانات چندمقیاسی با شاخصهای سرایت کوانتایلی
- 84. فرمولبندی مدل نهایی برای پیشبینی نوسانات رمزارزها
- 85. روشهای پیشبینی (Out-of-Sample Forecasting)
- 86. معیارهای ارزیابی عملکرد پیشبینی (MSE, MAE, RMSE)
- 87. آزمون دیبلد-ماریانو (Diebold-Mariano Test) برای مقایسه مدلها
- 88. آزمون انحصاری مدل (Model Confidence Set - MCS)
- 89. اعتبارسنجی متقاطع (Cross-Validation) در پیشبینی
- 90. کاربرد مدل پیشنهادی در مدیریت ریسک (Value-at-Risk, Expected Shortfall)
- 91. مثال موردی: پیشبینی نوسانات بیتکوین و اتریوم
- 92. تحلیل حساسیت (Sensitivity Analysis) مدل
- 93. بررسی پایداری پارامترها و نتایج
- 94. تأثیر عوامل اقتصاد کلان بر نوسانات رمزارزها
- 95. تأثیر احساسات بازار (Market Sentiment) بر نوسانات
- 96. مدلسازی نوسانات رمزارزها با دادههای متناوب (Mixed Frequency Data Sampling - MIDAS)
- 97. ریسکهای نظارتی و سیاستگذاری در بازارهای رمزارز
- 98. چالشهای دادهای: Missing Data, Outliers در رمزارزها
- 99. تعمیم مدل به بازارهای مالی سنتی و داراییهای دیگر
- 100. مسیرهای تحقیقاتی آتی در مدلسازی نوسانات و ریسک رمزارزها
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.