دوره پیش‌بینی شاخص‌های اقتصادی و مالی با استفاده از مدل‌های خودرگرسیونی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیش‌بینی شاخص‌های اقتصادی و مالی با استفاده از مدل‌های خودرگرسیونی

موضوع کلی: اقتصادسنجی علّی و تحلیل سری‌های زمانی

موضوع میانی: فرآیندهای خودرگرسیونی (AR)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پیش‌بینی سری‌های زمانی اقتصادی و مالی
• 2. آشنایی با داده‌های سری زمانی و ویژگی‌های آن‌ها
• 3. مفهوم خودرگرسیون (Autoregression) و کاربرد آن
• 4. مدل‌های AR(1)، AR(2) و AR(p)
• 5. تخمین ضرایب مدل‌های AR با روش حداقل مربعات معمولی (OLS)
• 6. آزمون‌های معناداری ضرایب در مدل‌های AR
• 7. تابع خودهمبستگی (ACF) و تابع خودهمبستگی جزئی (PACF)
• 8. شناسایی مرتبه مدل AR با استفاده از ACF و PACF
• 9. بررسی ایستایی سری‌های زمانی
• 10. آزمون‌های ایستایی: دیکی-فولر تعمیم‌یافته (ADF) و فیلیپس-پرون (PP)
• 11. تبدیل سری‌های غیرایستا به ایستا: تفاضل‌گیری
• 12. مدل‌های ARMA (میانگین متحرک خودرگرسیونی)
• 13. تخمین و شناسایی مدل‌های ARMA
• 14. مدل‌های ARIMA (خودرگرسیونی یکپارچه میانگین متحرک)
• 15. تخمین و شناسایی مدل‌های ARIMA
• 16. پیش‌بینی با مدل‌های ARIMA
• 17. ارزیابی عملکرد مدل‌های پیش‌بینی: RMSE، MAE، MAPE
• 18. تحلیل باقی‌مانده‌ها (Residual Analysis) برای بررسی درستی مدل
• 19. مدل‌سازی فصلی با استفاده از مدل‌های SARIMA
• 20. پیش‌بینی فصلی شاخص‌های اقتصادی و مالی
• 21. مدل‌های ARDL (مدل‌های تاخیرپخش خودرگرسیونی) و کاربرد آن‌ها
• 22. مدل‌سازی با داده‌های ناهموار (Unevenly Spaced Data)
• 23. پیش‌بینی بلندمدت با مدل‌های AR و ARIMA
• 24. استفاده از مدل‌های AR و ARIMA در پیش‌بینی تورم
• 25. پیش‌بینی نرخ بهره با استفاده از مدل‌های AR و ARIMA
• 26. پیش‌بینی نرخ ارز با استفاده از مدل‌های AR و ARIMA
• 27. پیش‌بینی شاخص‌های بورس اوراق بهادار با استفاده از مدل‌های AR و ARIMA
• 28. مدل‌سازی ناهمگنی واریانس: مدل‌های ARCH و GARCH
• 29. کاربرد مدل‌های GARCH در پیش‌بینی نوسانات مالی
• 30. آزمون‌های تشخیص تغییر ساختار در سری‌های زمانی
• 31. پیش‌بینی با استفاده از مدل‌های VAR (مدل‌های برداری خودرگرسیونی)
• 32. آشنایی با نرم‌افزارهای اقتصادسنجی برای مدل‌سازی AR و ARIMA (EViews, R, Python)
• 33. تحلیل و تفسیر نتایج مدل‌های AR و ARIMA در EViews
• 34. تحلیل و تفسیر نتایج مدل‌های AR و ARIMA در R
• 35. تحلیل و تفسیر نتایج مدل‌های AR و ARIMA در Python
• 36. بهینه‌سازی مدل‌های AR و ARIMA برای بهبود دقت پیش‌بینی
• 37. بررسی تأثیر متغیرهای خارجی بر مدل‌های AR و ARIMA
• 38. کاربرد مدل‌های AR و ARIMA در مدیریت ریسک مالی
• 39. مدل‌سازی و پیش‌بینی داده‌های پانل با استفاده از رویکردهای AR