دوره شناسایی و برآورد بازی‌های دینامیک در زمان پیوسته با انتخاب‌های گسسته: از نظریه تا عمل همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شناسایی و برآورد بازی‌های دینامیک در زمان پیوسته با انتخاب‌های گسسته: از نظریه تا عمل

موضوع کلی: اقتصادسنجی پیشرفته

موضوع میانی: مدل‌سازی دینامیک در زمان پیوسته و تصمیم‌گیری گسسته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصادسنجی پیشرفته: مروری بر مفاهیم کلیدی
• 2. مقدمه‌ای بر مدل‌های انتخاب گسسته: چرایی و کاربردها
• 3. مدل لوجیت: ساختار، مفروضات و تفسیر
• 4. مدل پروبیت: تفاوت‌ها و کاربردها
• 5. مدل‌های لوجیت و پروبیت چندگانه (Multinomial Logit/Probit)
• 6. مدل لوجیت تو در تو (Nested Logit) و چالش استقلال انتخاب‌های نامربوط
• 7. مقدمه‌ای بر مدل‌سازی پویا: زمان و انتخاب
• 8. معادلات بلمن و برنامه‌ریزی پویا
• 9. تابع ارزش و تابع سیاست در مدل‌های پویا
• 10. مدل‌های انتخاب گسسته پویا (DDC) در زمان گسسته: رویکرد تک عاملی
• 11. الگوریتم تخمین راست (Rust's Algorithm) برای DDC
• 12. فرآیندهای تصادفی و مدل‌سازی در زمان پیوسته
• 13. فرآیند پواسون و کاربردهای آن
• 14. زنجیره‌های مارکوف زمان پیوسته (CTMC): تعاریف و ویژگی‌ها
• 15. شدت‌های انتقال و ماتریس Q در CTMC
• 16. فرآیندهای نیمه مارکوف (Semi-Markov) و زمان‌های ماندگاری
• 17. مقدمه‌ای بر نظریه بازی‌ها: عناصر اصلی و طبقه‌بندی
• 18. مفهوم تعادل نش (Nash Equilibrium) در بازی‌های ایستا
• 19. بازی‌های شکل گسترده (Extensive Form Games) و تعادل‌های زیربازی کامل
• 20. بازی‌های تکراری و تعادل‌های آن‌ها
• 21. مبانی مدل‌سازی پویا در زمان پیوسته برای تصمیم‌گیری گسسته
• 22. معادله هامیلتون-جاکوبی-بلمن (HJB) برای مسائل بهینه‌سازی زمان پیوسته
• 23. تابع ارزش و تابع سیاست در مدل‌های DDC زمان پیوسته
• 24. رابطه بین شدت‌های انتقال و تابع سیاست در CT-DDC
• 25. مدل‌سازی زمان‌های ماندگاری بین تصمیمات
• 26. بهینه‌سازی پویا با افق نامحدود در زمان پیوسته
• 27. مسائل توقف بهینه (Optimal Stopping Problems) در زمان پیوسته
• 28. ارتباط DDC زمان گسسته و زمان پیوسته: گسسته‌سازی
• 29. چالش‌های برآورد مدل‌های DDC زمان پیوسته تک عاملی
• 30. روش‌های مبتنی بر بیشینه درست‌نمایی برای CT-DDC (تک عاملی)
• 31. داده‌های پانل با رویدادهای زمان پیوسته
• 32. رویکردهای غیرپارامتریک در مدل‌های DDC زمان پیوسته
• 33. برآورد با استفاده از شبیه‌سازی برای CT-DDC
• 34. شناسایی مدل‌های DDC زمان پیوسته تک عاملی
• 35. مثال‌های کاربردی از DDC زمان پیوسته تک عاملی
• 36. مقدمه‌ای بر بازی‌های انتخاب گسسته: مبانی نظری
• 37. مدل‌های ورود و خروج شرکت‌ها به بازار (Entry/Exit Games) ایستا
• 38. تعادل‌های چندگانه در بازی‌های انتخاب گسسته
• 39. برآورد بازی‌های انتخاب گسسته ایستا: چالش‌ها
• 40. بازی‌های انتخاب گسسته پویا در زمان گسسته: رویکرد چند عاملی
• 41. تعادل‌های مارکوف کامل (Markov Perfect Equilibrium) در بازی‌های پویا
• 42. معادلات بلمن در بازی‌های DDC زمان گسسته (چند عاملی)
• 43. الگوریتم‌های حل تعادل در بازی‌های DDC زمان گسسته
• 44. چالش‌های شناسایی در بازی‌های DDC زمان گسسته
• 45. روش‌های برآورد برای بازی‌های DDC زمان گسسته
• 46. مروری بر مدل‌های دینامیک در زمان پیوسته با بازیگران متعدد
• 47. انتقال از زمان گسسته به زمان پیوسته در بازی‌های پویا
• 48. مفهوم استراتژی‌های زمان پیوسته برای بازیگران
• 49. مدل‌سازی اثرات متقابل بازیگران بر شدت‌های انتقال
• 50. داده‌های تعاملی و ثبت رویدادها در زمان پیوسته
• 51. ساختار کلی مدل‌های بازی‌های DDC زمان پیوسته
• 52. متغیرهای حالت مشترک و خصوصی در بازی‌های CT-DDC
• 53. مجموعه‌های انتخاب گسسته برای هر بازیکن
• 54. توابع پاداش (Payoff Functions) در بازی‌های CT-DDC
• 55. تعریف استراتژی‌های مارکوف کامل در زمان پیوسته (CT-MPE)
• 56. معادلات هامیلتون-جاکوبی-بلمن-نش (HJBN) برای بازی‌های CT-DDC
• 57. ویژگی‌های تابع ارزش و تابع سیاست در CT-MPE
• 58. وجود تعادل در بازی‌های DDC زمان پیوسته
• 59. یکتایی تعادل در بازی‌های DDC زمان پیوسته: چالش‌ها و شرایط
• 60. روش‌های تکرار تابع ارزش برای یافتن CT-MPE
• 61. تقریب تعادل‌ها در فضای حالت پیوسته
• 62. مسائل محاسباتی در حل تعادل بازی‌های DDC زمان پیوسته
• 63. شبیه‌سازی مسیرهای تعادلی (Equilibrium Paths)
• 64. نقش برون‌زایی در مدل‌سازی متغیرهای حالت
• 65. درون‌زایی و تعامل استراتژیک در تصمیم‌گیری‌ها
• 66. مدل‌سازی اثرات شوک‌های مشترک و فردی
• 67. ناهمگونی ناپایدار (Unobserved Heterogeneity) در بازیگران
• 68. رویکردهای پارامتریک در تعریف توابع پاداش
• 69. استفاده از توابع شدت (Intensity Functions) برای مدل‌سازی انتقال
• 70. چارچوب‌های کلی برای مدل‌سازی دینامیک‌های سیستمی
• 71. مفهوم شناسایی پارامترها در مدل‌های اقتصادسنجی
• 72. شناسایی در مدل‌های انتخاب گسسته ایستا
• 73. شناسایی در مدل‌های DDC زمان گسسته: رویکردهای کلاسیک
• 74. شناسایی بدون پارامتر (Non-parametric Identification)
• 75. چالش‌های شناسایی در مدل‌های CT-DDC تک عاملی
• 76. شناسایی بر اساس مشاهده مسیرهای حالت و رویدادها
• 77. نقش شرایط محرومیت (Exclusion Restrictions) در شناسایی
• 78. شناسایی در حضور تعادل‌های چندگانه
• 79. شناسایی پارامترهای توابع پاداش در بازی‌های CT-DDC
• 80. شناسایی پارامترهای دینامیک انتقال (Transition Dynamics)
• 81. شناسایی ناهمگونی ناپایدار
• 82. شناسایی محلی و شناسایی سراسری
• 83. رویکردهای مبتنی بر ممان‌ها (Moment-Based Identification)
• 84. شناسایی از طریق داده‌های تجربی غنی: اطلاعات زمان‌بندی
• 85. محدودیت‌های نظری و عملی در شناسایی بازی‌های CT-DDC
• 86. مروری بر روش‌های برآورد برای مدل‌های پیچیده
• 87. برآورد حداکثر درست‌نمایی شبیه‌سازی شده (Simulated Maximum Likelihood)
• 88. الگوریتم‌های نقطه ثابت تودرتو (Nested Fixed Point Algorithms) برای برآورد
• 89. روش‌های برآورد ممان‌های تعمیم‌یافته (GMM) برای بازی‌های پویا
• 90. چالش‌های محاسباتی در برآورد بازی‌های CT-DDC
• 91. بهینه‌سازی عددی و الگوریتم‌های جستجو
• 92. برآورد در حضور ناهمگونی ناپایدار: EM Algorithm
• 93. تخمین بیزی برای مدل‌های بازی‌های CT-DDC
• 94. موازی‌سازی محاسبات و کاربردهای آن
• 95. پیاده‌سازی عملی در نرم‌افزارهای اقتصادسنجی
• 96. مدل‌های بازی با اطلاعات ناقص و یادگیری
• 97. اثرات سیاست‌های عمومی: تحلیل‌های ضدواقعی (Counterfactual Analysis)
• 98. کاربردهای تجربی بازی‌های CT-DDC: مثال‌هایی از صنایع مختلف
• 99. مروری بر روندهای تحقیقاتی جدید و جهت‌گیری‌های آینده
• 100. خلاصه و نتیجه‌گیری: از نظریه تا عمل در بازی‌های CT-DDC