دوره شبیه‌سازی داده‌های مقطعی و پانلی مالی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبیه‌سازی داده‌های مقطعی و پانلی مالی

موضوع کلی: اقتصادسنجی مالی (Financial Econometrics)

موضوع میانی: مدل‌های اقتصادسنجی برای تحلیل داده‌های مجازی (Virtual Data)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های مالی
• 2. مفاهیم اساسی داده‌های مقطعی
• 3. مفاهیم اساسی داده‌های پانلی
• 4. مزایا و معایب داده‌های مقطعی در مقایسه با پانلی
• 5. منابع داده‌های مالی مقطعی و پانلی
• 6. آماده‌سازی داده‌ها: پاکسازی و تبدیل
• 7. شناسایی و مدیریت داده‌های از دست رفته
• 8. آمار توصیفی داده‌های مالی
• 9. توزیع‌های آماری در داده‌های مالی
• 10. آزمون‌های فرض آماری برای داده‌های مالی
• 11. رگرسیون خطی ساده در داده‌های مقطعی
• 12. رگرسیون چندگانه در داده‌های مقطعی
• 13. مشکلات رگرسیون در داده‌های مقطعی: هم‌خطی
• 14. مشکلات رگرسیون در داده‌های مقطعی: ناهمسانی واریانس
• 15. مشکلات رگرسیون در داده‌های مقطعی: خودهمبستگی
• 16. رگرسیون داده‌های پانلی: مدل اثرات ثابت
• 17. رگرسیون داده‌های پانلی: مدل اثرات تصادفی
• 18. انتخاب بین مدل اثرات ثابت و تصادفی (آزمون هاسمن)
• 19. مدل‌های رگرسیون پویا در داده‌های پانلی
• 20. متغیرهای تاخیری و مشتقات آن‌ها
• 21. متغیرهای مجازی در داده‌های پانلی
• 22. تست‌های تشخیصی در مدل‌های پانلی
• 23. تفسیر نتایج رگرسیون پانلی
• 24. برآورد مدل‌های رگرسیون با نرم‌افزار آماری (SPSS/EViews/R)
• 25. پیش‌بینی در مدل‌های رگرسیون پانلی
• 26. کاربردهای رگرسیون پانلی در اقتصاد مالی
• 27. تحلیل حساسیت در مدل‌های رگرسیون پانلی
• 28. مدل‌های تصحیح خطا (ECM)
• 29. مدل‌های خودرگرسیونی برداری (VAR)
• 30. تحلیل هم‌جمعی (Cointegration)
• 31. تست‌های ریشه واحد (Unit Root Tests)
• 32. مدل‌های مبتنی بر GMM
• 33. رگرسیون Logistic در داده‌های مقطعی
• 34. رگرسیون Probit در داده‌های مقطعی
• 35. مدل‌های انتخاب نمونه (Sample Selection Models)
• 36. اثرات متغیرهای ابزاری (Instrumental Variables)
• 37. برآورد اثرات علی (Causal Effects)
• 38. تحلیل داده‌های تابلویی نامتوازن (Unbalanced Panel Data)
• 39. مدل‌های رگرسیون با اثرات متغیر در طول زمان
• 40. تکنیک‌های کاهش بُعد در داده‌های پانلی
• 41. تحلیل خوشه‌ای (Cluster Analysis)
• 42. تحلیل مؤلفه‌های اصلی (Principal Component Analysis)
• 43. شبکه‌های عصبی مصنوعی در داده‌های مالی
• 44. روش‌های یادگیری ماشین در پیش‌بینی مالی
• 45. مدل‌سازی ریسک با استفاده از داده‌های پانلی
• 46. تحلیل سری‌های زمانی مالی
• 47. مدل‌های ARIMA و GARCH
• 48. تحلیل داده‌های با فرکانس بالا
• 49. مدل‌سازی نوسانات (Volatility Modeling)
• 50. تست‌های استرس (Stress Testing)
• 51. مدل‌سازی ارزش در معرض خطر (VaR)
• 52. مدل‌سازی بازده تعدیل‌شده با ریسک (CAPM)
• 53. شبیه‌سازی مونت‌کارلو در مالی
• 54. تحلیل سناریو (Scenario Analysis)
• 55. ارزیابی عملکرد سرمایه‌گذاری
• 56. مدل‌سازی سبد اوراق بهادار
• 57. بهینه‌سازی سبد اوراق بهادار
• 58. مدیریت ریسک سبد اوراق بهادار
• 59. ارزیابی ریسک اعتباری
• 60. مدل‌سازی ریسک بازار
• 61. مدل‌سازی ریسک عملیاتی
• 62. مسائل اخلاقی در تحلیل داده‌های مالی
• 63. محدودیت‌های شبیه‌سازی داده‌های مالی