کتاب مدل‌سازی پیشرفته نوسانات در بازارهای رمزارز: یک رویکرد ترکیبی با استفاده از داده‌های چندمقیاسی و انتقال کوانتایل متغیر با زمان با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیشرفته نوسانات در بازارهای رمزارز: یک رویکرد ترکیبی با استفاده از داده‌های چندمقیاسی و انتقال کوانتایل متغیر با زمان

موضوع کلی: بازارهای مالی و مدل‌سازی ریسک

موضوع میانی: پیش‌بینی نوسانات و انتقال ریسک در بازارهای رمزارز

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر بازارهای مالی و ریسک
• 2. مفاهیم اساسی نوسانات در بازارهای مالی
• 3. مروری بر تاریخچه و اکوسیستم رمزارزها
• 4. ویژگی‌های منحصربه‌فرد بازارهای رمزارز
• 5. چالش‌های مدل‌سازی ریسک در بازارهای رمزارز
• 6. انواع داده‌های مالی در رمزارزها (قیمت، حجم، بازده)
• 7. بازدهی رمزارزها: محاسبه و خصوصیات
• 8. آمار توصیفی بازدهی رمزارزها (میانگین، واریانس، چولگی، کشیدگی)
• 9. مقدمه‌ای بر سری‌های زمانی مالی
• 10. مفهوم خودهمبستگی و همبستگی جزئی در سری‌های زمانی
• 11. ایستایی و ناایستایی در سری‌های زمانی
• 12. آزمون‌های ریشه واحد (ADF, PP, KPSS)
• 13. کاربرد رگرسیون خطی در تحلیل مالی
• 14. اندازه‌گیری نوسانات: انحراف معیار و واریانس تاریخی
• 15. مدل‌های ARCH: خودهمبستگی واریانس شرطی
• 16. مدل‌های GARCH: تعمیم خودهمبستگی واریانس شرطی
• 17. برآورد پارامترهای مدل‌های GARCH
• 18. انتخاب و ارزیابی مدل‌های GARCH (معیارهای اطلاعاتی)
• 19. مدل GARCH نامتقارن: EGARCH برای اثر اهرم
• 20. مدل GJR-GARCH برای اثر اهرم
• 21. مدل APARCH و تعمیم توان
• 22. مدل IGARCH: یکپارچگی در واریانس
• 23. مدل‌های رگرسیون با خطای ARCH
• 24. پیش‌بینی نوسانات با مدل‌های GARCH
• 25. معرفی مدل‌های GARCH چندمتغیره
• 26. مدل‌های BEKK-GARCH و اندازه‌گیری همبستگی
• 27. مدل DCC-GARCH و همبستگی شرطی دینامیک
• 28. کاربرد مدل‌های GARCH در بازارهای رمزارز
• 29. مفهوم داده‌های با فرکانس بالا در بازارهای مالی
• 30. داده‌های درون‌روزی و ساختار بازار
• 31. تعریف نوسانات تحقق‌یافته (Realized Volatility)
• 32. روش‌های برآورد نوسانات تحقق‌یافته از داده‌های درون‌روزی
• 33. نوسانات تحقق‌یافته: میانگین‌گیری از مربعات بازدهی درون‌روزی
• 34. چالش‌های برآورد نوسانات تحقق‌یافته: نویز ساختار بازار
• 35. اثر نویز ساختار بازار و روش‌های مقابله با آن
• 36. هسته تحقق‌یافته (Realized Kernel) و مقاوم‌سازی در برابر نویز
• 37. واریانس دوقطعه‌ای (Bipower Variation) و پرش‌های قیمتی
• 38. مدل HAR-RV (Heterogeneous Autoregressive Realized Volatility)
• 39. اجزای مدل HAR-RV (روزانه، هفتگی، ماهانه)
• 40. تعمیم‌های مدل HAR-RV (HAR-RV-J برای پرش‌ها)
• 41. پیش‌بینی نوسانات تحقق‌یافته با مدل HAR-RV
• 42. کاربرد نوسانات تحقق‌یافته در بازارهای رمزارز
• 43. مفهوم تحلیل چندمقیاسی در سری‌های زمانی
• 44. تجزیه سری‌های زمانی به مؤلفه‌های فرکانسی
• 45. معرفی تبدیل موجک (Wavelet Transform)
• 46. تبدیل موجک گسسته (DWT) و مقیاس‌های مختلف
• 47. تبدیل موجک مدیدیفای شده (MODWT) و کاربردهای آن
• 48. استخراج مؤلفه‌های نوسانات در مقیاس‌های مختلف با موجک
• 49. تجزیه تجربی مد (Empirical Mode Decomposition - EMD)
• 50. مؤلفه‌های مدهای ذاتی (Intrinsic Mode Functions - IMFs)
• 51. فیلتر کردن و جداسازی اجزای نوسانات در فرکانس‌های مختلف
• 52. مدل‌های HAR-RV مبتنی بر مؤلفه‌های موجک
• 53. مدل‌سازی نوسانات با استفاده از مؤلفه‌های چندمقیاسی در HAR
• 54. تلفیق اجزای نوسانات کوتاه‌مدت، میان‌مدت و بلندمدت
• 55. کاربرد تحلیل چندمقیاسی در پیش‌بینی نوسانات رمزارزها
• 56. انتخاب بهترین مقیاس‌ها برای پیش‌بینی
• 57. مقدمه‌ای بر رگرسیون کوانتایل
• 58. تفاوت رگرسیون کوانتایل با رگرسیون حداقل مربعات معمولی
• 59. برآورد و تفسیر ضرایب رگرسیون کوانتایل
• 60. کاربرد رگرسیون کوانتایل در تحلیل ریسک دم (Tail Risk)
• 61. مفهوم انتقال ریسک (Risk Spillovers) در بازارهای مالی
• 62. شاخص سرایت (Spillover Index) دیبلد و ییلماز (Diebold-Yilmaz)
• 63. محاسبه شاخص سرایت دیبلد و ییلماز برای نوسانات
• 64. تحلیل سرایت در کوانتایل‌های مختلف: رویکرد رگرسیون کوانتایل
• 65. اندازه‌گیری سرایت نوسانات در کوانتایل‌های شدید (دم‌ها)
• 66. تفسیر نتایج سرایت در کوانتایل‌های بالا و پایین
• 67. روش‌های گرافیکی برای نمایش انتقال ریسک کوانتایلی
• 68. کاربرد شاخص‌های سرایت کوانتایلی در بازارهای رمزارز
• 69. جهت‌گیری و شدت انتقال ریسک در رمزارزها
• 70. مفهوم پارامترهای متغیر با زمان در مدل‌سازی سری‌های زمانی
• 71. معرفی مدل‌های فضای حالت (State-Space Models)
• 72. فیلتر کالمن (Kalman Filter) برای برآورد پارامترهای متغیر با زمان
• 73. کاربرد فیلتر کالمن در مدل‌سازی نوسانات
• 74. مدل‌های VAR با پارامترهای متغیر با زمان (TVP-VAR)
• 75. برآورد TVP-VAR با رویکردهای بیزی
• 76. شوک‌های ساختاری در مدل‌های TVP-VAR
• 77. محاسبه شاخص سرایت دیبلد و ییلماز متغیر با زمان
• 78. مدل‌سازی انتقال ریسک کوانتایلی متغیر با زمان
• 79. ساخت مدل‌های رگرسیون کوانتایل با ضرایب متغیر با زمان
• 80. تکنیک‌های مدل‌سازی دینامیک انتقال ریسک کوانتایلی
• 81. شناسایی دوره‌های پرریسک‌تر در رمزارزها با مدل‌های دینامیک
• 82. طراحی چارچوب پیش‌بینی ترکیبی (Integrating Multi-Scale & Quantile Spillovers)
• 83. ترکیب مؤلفه‌های نوسانات چندمقیاسی با شاخص‌های سرایت کوانتایلی
• 84. فرمول‌بندی مدل نهایی برای پیش‌بینی نوسانات رمزارزها
• 85. روش‌های پیش‌بینی (Out-of-Sample Forecasting)
• 86. معیارهای ارزیابی عملکرد پیش‌بینی (MSE, MAE, RMSE)
• 87. آزمون دیبلد-ماریانو (Diebold-Mariano Test) برای مقایسه مدل‌ها
• 88. آزمون انحصاری مدل (Model Confidence Set - MCS)
• 89. اعتبارسنجی متقاطع (Cross-Validation) در پیش‌بینی
• 90. کاربرد مدل پیشنهادی در مدیریت ریسک (Value-at-Risk, Expected Shortfall)
• 91. مثال موردی: پیش‌بینی نوسانات بیت‌کوین و اتریوم
• 92. تحلیل حساسیت (Sensitivity Analysis) مدل
• 93. بررسی پایداری پارامترها و نتایج
• 94. تأثیر عوامل اقتصاد کلان بر نوسانات رمزارزها
• 95. تأثیر احساسات بازار (Market Sentiment) بر نوسانات
• 96. مدل‌سازی نوسانات رمزارزها با داده‌های متناوب (Mixed Frequency Data Sampling - MIDAS)
• 97. ریسک‌های نظارتی و سیاست‌گذاری در بازارهای رمزارز
• 98. چالش‌های داده‌ای: Missing Data, Outliers در رمزارزها
• 99. تعمیم مدل به بازارهای مالی سنتی و دارایی‌های دیگر
• 100. مسیرهای تحقیقاتی آتی در مدل‌سازی نوسانات و ریسک رمزارزها