دوره مقدمه‌ای بر محاسبات در تحلیل مالی کمی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در تحلیل مالی کمی

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل مالی کمی (کوانت)
• 2. نقش محاسبات در علوم مالی
• 3. راه‌اندازی محیط برنامه‌نویسی پایتون (آناکوندا، جوپیتر)
• 4. مبانی پایتون: متغیرها و انواع داده
• 5. ساختارهای داده در پایتون: لیست، تاپل، دیکشنری
• 6. جریان کنترل: دستورات شرطی و حلقه‌ها
• 7. توابع، ماژول‌ها و پکیج‌ها در پایتون
• 8. مقدمه‌ای بر کتابخانه NumPy و آرایه ndarray
• 9. ایندکس‌گذاری و برش (Slicing) در NumPy
• 10. توابع یونیورسال (ufuncs) در NumPy
• 11. مقدمه‌ای بر کتابخانه Pandas: سری و دیتافریم
• 12. خواندن و نوشتن داده‌ها با Pandas (CSV, Excel)
• 13. ایندکس‌گذاری، انتخاب و فیلتر کردن در Pandas
• 14. کار با داده‌های گمشده (Missing Data)
• 15. عملیات GroupBy در Pandas
• 16. ادغام، اتصال و ترکیب دیتافریم‌ها
• 17. مقدمه‌ای بر مصورسازی داده با Matplotlib و Seaborn
• 18. ترسیم سری‌های زمانی مالی
• 19. منابع داده‌های مالی و کار با API‌ها
• 20. مفهوم ارزش زمانی پول (Time Value of Money)
• 21. محاسبه ارزش فعلی و آتی
• 22. مفاهیم ریسک و بازده
• 23. اندازه‌گیری نوسانات (Volatility)
• 24. کلاس‌های دارایی و ابزارهای مالی
• 25. مقدمه‌ای بر مشتقات مالی (Derivatives)
• 26. گشتاورهای آماری: میانگین، واریانس، چولگی و کشیدگی
• 27. همبستگی و کوواریانس
• 28. رگرسیون خطی برای مدل‌سازی مالی
• 29. مقدمه‌ای بر تحلیل سری‌های زمانی
• 30. اجزای سری زمانی: روند، فصلی بودن و نویز
• 31. مانایی (Stationarity) و آزمون دیکی-فولر
• 32. خودهمبستگی (ACF) و خودهمبستگی جزئی (PACF)
• 33. مدل‌های AR, MA, ARMA
• 34. مدل‌های ARIMA و SARIMA
• 35. مدل‌سازی نوسانات با ARCH و GARCH
• 36. تئوری مدرن پورتفولیو (MPT) - مدل مارکویتز
• 37. ترسیم مرز کارا (Efficient Frontier)
• 38. مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM)
• 39. محاسبه ضریب بتا (Beta)
• 40. نسبت شارپ و دیگر معیارهای عملکرد پورتفولیو
• 41. مقدمه‌ای بر شبیه‌سازی مونت کارلو
• 42. تولید گام‌های تصادفی: حرکت براونی هندسی
• 43. شبیه‌سازی قیمت دارایی‌ها
• 44. ارزش‌گذاری اختیار معامله اروپایی با مونت کارلو
• 45. مقدمه‌ای بر قیمت‌گذاری اختیار معامله (Option Pricing)
• 46. مدل درخت دوجمله‌ای برای قیمت‌گذاری آپشن
• 47. مدل بلک-شولز-مرتون (Black-Scholes-Merton)
• 48. شاخص‌های یونانی در قیمت‌گذاری آپشن (دلتا، گاما، وگا، تتا)
• 49. ارزش در معرض ریسک (VaR): روش تاریخی
• 50. ارزش در معرض ریسک (VaR): روش پارامتریک
• 51. ارزش در معرض ریسک (VaR): روش مونت کارلو
• 52. ارزش در معرض ریسک شرطی (CVaR)
• 53. چرا عملکرد محاسباتی در امور مالی کمی اهمیت دارد؟
• 54. اندازه‌گیری زمان اجرای کد با timeit
• 55. پروفایلینگ کد برای یافتن گلوگاه‌ها با cProfile
• 56. قدرت برداری‌سازی (Vectorization) در NumPy
• 57. اجتناب از حلقه‌ها: تفکر آرایه‌محور
• 58. تکنیک‌های پیشرفته انتشار (Broadcasting) در NumPy
• 59. عملیات بهینه بر روی داده‌ها با Pandas
• 60. مقدمه‌ای بر کامپایل درجا (JIT) با Numba
• 61. افزایش سرعت توابع با دکوراتور jit@
• 62. حالت nopython و نکات عملکردی در Numba
• 63. مقدمه‌ای بر Cython برای افزایش سرعت پایتون
• 64. تایپ‌دهی استاتیک در Cython
• 65. ارتباط پایتون با کدهای C/C++ با استفاده از ctypes
• 66. مدیریت حافظه در پایتون: Garbage Collection
• 67. پروفایلینگ حافظه (Memory Profiling)
• 68. تفاوت همزمانی (Concurrency) و موازی‌سازی (Parallelism)
• 69. قانون امدال و قانون گوستافسون
• 70. طبقه‌بندی فلین (SISD, SIMD, MISD, MIMD)
• 71. مروری بر مفاهیم فرآیند (Process) و ریسه (Thread)
• 72. مقدمه‌ای بر چندفرآیندی (Multiprocessing) در پایتون
• 73. استفاده از Pool برای مسائل ذاتا موازی
• 74. ارتباط بین فرآیندها: صف‌ها و پایپ‌ها
• 75. حافظه اشتراکی در چندفرآیندی
• 76. مقدمه‌ای بر چندریسمانی (Multithreading) در پایتون
• 77. قفل مفسر سراسری (GIL) و پیامدهای آن
• 78. کاربردهای ریسه‌ها: وظایف وابسته به ورودی/خروجی (I/O-Bound)
• 79. موازی‌سازی شبیه‌سازی مونت کارلو با Multiprocessing
• 80. موازی‌سازی فرآیند بک‌تستینگ استراتژی‌ها
• 81. مقدمه‌ای بر محاسبات توزیع‌شده
• 82. آشنایی با کتابخانه Dask
• 83. کار با دیتافریم‌های بزرگ با Dask DataFrame
• 84. محاسبات عددی در مقیاس بزرگ با Dask Array
• 85. الگوریتم‌های موازی سفارشی با Dask Delayed
• 86. راه‌اندازی یک کلاستر محلی Dask
• 87. مقدمه‌ای بر محاسبات با پردازنده گرافیکی (GPU) در امور مالی
• 88. مقایسه معماری CPU و GPU
• 89. مقدمه‌ای بر CUDA
• 90. تسریع محاسبات NumPy با CuPy
• 91. نوشتن کرنل‌های GPU با Numba
• 92. مقدمه‌ای بر MPI و کتابخانه mpi4py
• 93. مفاهیم اصلی معاملات الگوریتمی
• 94. ساخت یک موتور بک‌تستینگ ساده
• 95. ارزیابی عملکرد استراتژی‌های معاملاتی
• 96. مقدمه‌ای بر معاملات با فرکانس بالا (HFT)
• 97. یادگیری ماشین در امور مالی: مهندسی ویژگی
• 98. استفاده از Scikit-Learn برای پیش‌بینی قیمت
• 99. محاسبات ابری برای تحلیل‌های مالی (AWS, Azure, GCP)
• 100. کانتینرسازی با Docker برای محیط‌های قابل تکرار