دوره تحلیل سری‌های زمانی در سرمایه‌گذاری همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی در سرمایه‌گذاری

موضوع کلی: تحلیل داده‌ها و روندهای جهانی

موضوع میانی: تحلیل داده‌های سرمایه‌گذاری تخصصی‌تر

📋 سرفصل‌های دوره

• 1. مفاهیم پایه سری‌های زمانی
• 2. انواع داده‌های سری زمانی و ویژگی‌ها
• 3. جمع‌آوری و پیش‌پردازش داده‌های مالی
• 4. نمودارهای سری‌های زمانی و تفسیر آن‌ها
• 5. میانگین متحرک و کاربرد آن در تحلیل
• 6. روش‌های هموارسازی نمایی
• 7. تحلیل واریانس و انحراف معیار سری‌های زمانی
• 8. مفهوم خودهمبستگی و خودارتباط
• 9. تابع خودهمبستگی (ACF) و نمودار آن
• 10. تابع خودهمبستگی جزئی (PACF) و نمودار آن
• 11. مدل‌های AR (خودرگرسیون)
• 12. مدل‌های MA (میانگین متحرک)
• 13. مدل‌های ARIMA (خودرگرسیون میانگین متحرک)
• 14. تشخیص مرتبه مدل ARIMA
• 15. آزمون ایستایی دایکی-فولر
• 16. تست ADF و تفسیر نتایج
• 17. تبدیل سری‌های زمانی غیراستاتیک به ایستایی
• 18. پیش‌بینی با مدل‌های ARIMA
• 19. ارزیابی عملکرد مدل‌های پیش‌بینی
• 20. خطای میانگین مربعات (MSE) و ریشه میانگین مربعات خطا (RMSE)
• 21. معیار اطلاعات آکائیکه (AIC) و معیار اطلاعات بیزین (BIC)
• 22. مدل‌های SARIMA (ARIMA فصلی)
• 23. تحلیل فصلی و تشخیص الگوها
• 24. پیش‌بینی فصلی با مدل‌های SARIMA
• 25. مدل‌های GARCH (خودرگرسیون شرطی ناهمسانی واریانس)
• 26. کاربرد GARCH در مدیریت ریسک
• 27. مدل‌سازی نوسانات با GARCH
• 28. تحلیل خوشه‌بندی نوسانات
• 29. مفهوم ارزش در معرض ریسک (VaR)
• 30. محاسبه VaR با استفاده از سری‌های زمانی
• 31. تست‌های بک‌تستینگ VaR
• 32. مدل‌سازی سری‌های زمانی با استفاده از شبکه‌های عصبی
• 33. شبکه‌های عصبی بازگشتی (RNN) و LSTM
• 34. پیش‌بینی با استفاده از شبکه‌های عصبی
• 35. تحلیل احساسات در سری‌های زمانی مالی
• 36. تاثیر اخبار و رویدادها بر سری‌های زمانی
• 37. تحلیل هم‌جمعی و روابط بلندمدت
• 38. مدل‌های انتقال رژیم
• 39. تحلیل طیفی و تبدیل فوریه
• 40. تحلیل موجک و کاربرد آن در سری‌های زمانی
• 41. تحلیل سری‌های زمانی چندمتغیره
• 42. مدل‌های VAR (برداری خودرگرسیون)
• 43. پیش‌بینی با استفاده از مدل‌های VAR
• 44. مدل‌های VECM (برداری تصحیح خطا)
• 45. تحلیل علیت گرنجر