اپلیکیشن اندرویدی فلش‌کارت آموزشی سایه های نرخ بهره: تحلیل سری زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره سایه های نرخ بهره: تحلیل سری زمانی

موضوع کلی: علوم داده در امور مالی

موضوع میانی: تحلیل و پیش‌بینی نرخ بهره

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل سری زمانی
• 2. مفاهیم پایه سری زمانی
• 3. انواع داده‌های سری زمانی
• 4. نحوه جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 5. نمودارهای سری زمانی: انواع و کاربردها
• 6. میانگین متحرک: اصول و کاربردها
• 7. هموارسازی نمایی: روش‌ها و کاربردها
• 8. تجزیه و تحلیل روند در سری‌های زمانی
• 9. تجزیه و تحلیل فصلی در سری‌های زمانی
• 10. تجزیه و تحلیل چرخه‌ای در سری‌های زمانی
• 11. مدل‌های خودرگرسیون (AR)
• 12. مدل‌های میانگین متحرک (MA)
• 13. مدل‌های خودرگرسیون و میانگین متحرک (ARMA)
• 14. مدل‌های خودرگرسیون انتگرال و میانگین متحرک (ARIMA)
• 15. شناسایی مرتبه مدل ARIMA
• 16. تخمین پارامترهای مدل ARIMA
• 17. آزمون فرضیه‌ها در مدل‌های ARIMA
• 18. پیش‌بینی با استفاده از مدل‌های ARIMA
• 19. ارزیابی دقت پیش‌بینی
• 20. مدل‌های ARIMA فصلی (SARIMA)
• 21. تغییرات در مدل‌های ARIMA
• 22. مدل‌های نمایی هموارسازی (ETS)
• 23. مدل‌های فصلی نمایی هموارسازی (Seasonal ETS)
• 24. مدل‌های خودهمبستگی جزئی (PACF)
• 25. تحلیل طیف‌نگاشت: مفاهیم و کاربردها
• 26. نرم‌افزارهای تحلیل سری زمانی: مقدمه و بررسی
• 27. تحلیل سری زمانی در اقتصاد
• 28. تحلیل سری زمانی در مالی
• 29. تحلیل سری زمانی در مهندسی
• 30. تحلیل سری زمانی در هواشناسی
• 31. کاربردهای سری زمانی در بازاریابی
• 32. تحلیل سری زمانی و مدیریت زنجیره تامین
• 33. تحلیل سری زمانی و پیش‌بینی تقاضا
• 34. تحلیل سری زمانی و کنترل کیفیت
• 35. تحلیل سری زمانی و پایش سلامت
• 36. تحلیل سری زمانی و مدل‌سازی رفتار مشتری
• 37. تحلیل سری زمانی و پیش‌بینی فروش
• 38. تحلیل سری زمانی و مدیریت ریسک
• 39. تحلیل سری زمانی و بهینه‌سازی موجودی
• 40. تحلیل سری زمانی و پیش‌بینی نرخ ارز
• 41. تحلیل سری زمانی و تحلیل بازار سهام
• 42. تحلیل سری زمانی و پیش‌بینی قیمت مسکن
• 43. تحلیل سری زمانی و پیش‌بینی انرژی
• 44. تحلیل سری زمانی و تحلیل داده‌های ترافیکی
• 45. تحلیل سری زمانی و پیش‌بینی آب و هوا