دوره مدل‌سازی کمی با هوش مصنوعی در سرمایه‌گذاری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی کمی با هوش مصنوعی در سرمایه‌گذاری

موضوع کلی: هوش مصنوعی و سرمایه‌گذاری

موضوع میانی: هوش مصنوعی در بهینه‌سازی استراتژی‌های سرمایه‌گذاری بلندمدت

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدل‌سازی کمی
• 2. جمع‌آوری و پاکسازی داده‌های مالی
• 3. آمار توصیفی در بازارهای مالی
• 4. مبانی احتمال و توزیع‌های آماری
• 5. مقدمه‌ای بر رگرسیون خطی
• 6. رگرسیون چندگانه و انتخاب متغیر
• 7. تحلیل سری‌های زمانی و ایستایی
• 8. مدل‌های ARIMA و پیش‌بینی
• 9. مقدمه‌ای بر یادگیری ماشین در سرمایه‌گذاری
• 10. رگرسیون لجستیک و طبقه‌بندی
• 11. درخت‌های تصمیم و جنگل تصادفی
• 12. ماشین‌های بردار پشتیبان (SVM)
• 13. شبکه‌های عصبی مصنوعی (ANN)
• 14. بهینه‌سازی پرتفوی با استفاده از مدل‌های کمی
• 15. معیارهای ارزیابی پرتفوی
• 16. مدل CAPM و ارزیابی ریسک
• 17. مدل سه عاملی فاما-فرنچ
• 18. تحلیل عوامل و کاهش ابعاد
• 19. تجزیه و تحلیل مؤلفه‌های اصلی (PCA)
• 20. خوشه‌بندی و شناسایی الگوها در داده‌های مالی
• 21. مدل‌سازی ارزش در معرض ریسک (VaR)
• 22. تست استرس و تحلیل حساسیت
• 23. پیش‌بینی نوسانات با استفاده از مدل‌های GARCH
• 24. تحلیل احساسات در اخبار مالی
• 25. پردازش زبان طبیعی (NLP) برای داده‌های متنی مالی
• 26. مقدمه‌ای بر یادگیری تقویتی
• 27. تجارت الگوریتمی و استراتژی‌های معاملاتی
• 28. مدل‌سازی رویداد و بازده‌های غیرمنتظره
• 29. شناسایی و مدیریت داده‌های پرت
• 30. تحلیل داده‌های با فرکانس بالا
• 31. استفاده از داده‌های جایگزین (Alternative Data)
• 32. مدل‌سازی تقاضا و عرضه در بازارها
• 33. بهینه‌سازی معاملات با استفاده از الگوریتم‌های ژنتیک
• 34. شبکه‌های بیزی و استنتاج احتمالی
• 35. مدل‌های پنهان مارکوف (HMM)
• 36. تحلیل شبکه‌های مالی
• 37. مقدمه‌ای بر یادگیری عمیق در سرمایه‌گذاری
• 38. مدل‌های بازگشتی (RNN) و LSTM
• 39. شبکه‌های کانولوشنال (CNN) برای تحلیل داده‌های مالی
• 40. خودرمزگذارها و کاهش ابعاد غیرخطی
• 41. تفسیرپذیری مدل‌های یادگیری ماشین
• 42. مدیریت ریسک مدل
• 43. ملاحظات قانونی و اخلاقی در مدل‌سازی کمی
• 44. ارزیابی عملکرد مدل و انتخاب مدل
• 45. استراتژی‌های backtesting و forward testing