کتاب شناسایی و تخمین نقاط تغییر چندگانه در مدل‌های سری زمانی اقتصاد کلان: راهنمای عملی و پیشرفت‌های اخیر با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شناسایی و تخمین نقاط تغییر چندگانه در مدل‌های سری زمانی اقتصاد کلان: راهنمای عملی و پیشرفت‌های اخیر

موضوع کلی: اقتصادسنجی کلان (Macroeconometrics)

موضوع میانی: تحلیل نقاط تغییر (Change-point Analysis)

📋 سرفصل‌های دوره

• 1. معرفی اقتصادسنجی کلان و اهمیت آن
• 2. مفاهیم پایه سری‌های زمانی: روند، فصلی‌بودن، واریانس ناهمسان
• 3. مانایی (Stationarity) در سری‌های زمانی اقتصاد کلان
• 4. آزمون‌های ریشه واحد (Unit Root Tests): ADF, KPSS
• 5. مدل‌های خودرگرسیو (AR) و میانگین متحرک (MA)
• 6. مدل‌های آریما (ARIMA) و فصلی آریما (SARIMA)
• 7. مدل‌های خودرگرسیو برداری (VAR) و کاربردها
• 8. هم‌انباشتگی (Cointegration): مفهوم و کاربرد در اقتصاد کلان
• 9. مدل‌های GARCH برای نوسانات سری‌های زمانی
• 10. اهمیت پایداری ساختاری در مدل‌های اقتصاد کلان
• 11. مفهوم نقطه تغییر (Structural Break) و ماهیت آن
• 12. چرا نقاط تغییر در اقتصاد کلان اهمیت دارند؟
• 13. مروری بر تاریخچه و اهمیت تغییر رژیم‌های اقتصادی
• 14. مشاهده بصری نقاط تغییر احتمالی در داده‌ها
• 15. آزمون چاو (Chow Test) برای نقطه تغییر مفروض
• 16. محدودیت‌ها و کاربردهای آزمون چاو
• 17. آزمون نسبت درست‌نمایی کوانت (Quandt Likelihood Ratio)
• 18. آزمون‌های والد سوپریمم (Sup-Wald) و LM سوپریمم (Sup-LM)
• 19. آزمون‌های CUSUM و CUSUM مربعات برای پایداری پارامترها
• 20. رگرسیون حداقل مربعات بازگشتی (Recursive Least Squares)
• 21. تخمین رگرسیون با پنجره متحرک (Moving Window Regression)
• 22. آزمون پایداری ضرایب رگرسیون
• 23. تشخیص یک نقطه تغییر در میانگین سری
• 24. تشخیص یک نقطه تغییر در واریانس سری
• 25. پیاده‌سازی عملی آزمون‌های یک نقطه تغییر
• 26. لزوم شناسایی چندگانه نقاط تغییر
• 27. چالش‌ها و پیچیدگی‌های تشخیص نقاط تغییر چندگانه
• 28. رویکردهای ترتیبی (Sequential) در مقابل رویکردهای سراسری (Global)
• 29. چارچوب نظری بای-پرون (Bai-Perron) برای نقاط تغییر چندگانه
• 30. تخمین حداقل مربعات نقاط تغییر چندگانه
• 31. الگوریتم برنامه‌ریزی پویا (Dynamic Programming) برای شناسایی تاریخ شکست
• 32. آزمون برای L در مقابل L+1 نقطه تغییر (Sup-F, Double Max Tests)
• 33. معیارهای اطلاعاتی برای انتخاب تعداد بهینه نقاط تغییر (BIC, LWZ)
• 34. جنبه‌های عملی به‌کارگیری آزمون‌های بای-پرون
• 35. برآورد بازه‌های اطمینان برای تاریخ‌های شناسایی شده
• 36. مدل‌های رگرسیون قطعه‌ای (Segmented Regression Models)
• 37. الگوریتم تقسیم باینری (Binary Segmentation - BS)
• 38. الگوریتم تقسیم باینری وحشی (Wild Binary Segmentation - WBS)
• 39. الگوریتم PELT (Pruned Exact Linear Time)
• 40. مقایسه روش‌های سراسری و ترتیبی در تشخیص نقاط تغییر
• 41. مقاومت روش‌ها در برابر داده‌های پرت (Outliers)
• 42. نقش پیش‌سفیدسازی (Pre-whitening) در آزمون‌های نقطه تغییر
• 43. مواجهه با خودهمبستگی باقیمانده‌ها (Serial Correlation)
• 44. روش‌های ناپارامتری برای شناسایی چندگانه نقاط تغییر
• 45. شبیه‌سازی مونت کارلو برای ارزیابی عملکرد روش‌ها
• 46. شناسایی نقاط تغییر چندگانه در میانگین یک سری
• 47. نقاط تغییر چندگانه در مدل‌های واریانس و نوسانات (GARCH)
• 48. شناسایی شکست‌های ساختاری در پارامترهای مدل ARMA
• 49. تحلیل تغییرات در پایداری (Persistence) و مانایی سری‌ها
• 50. نقاط تغییر چندگانه در مدل‌های خودرگرسیو برداری (VAR)
• 51. تأثیر نقاط تغییر VAR بر توابع واکنش ضربه (Impulse Response Functions)
• 52. تحلیل تغییرات در روابط علیت گرنجر (Granger Causality)
• 53. شناسایی نقاط تغییر چندگانه در روابط هم‌انباشتگی
• 54. آزمون برای شکست‌ها در بردار هم‌انباشتگی
• 55. شکست‌های ساختاری در روابط تعادلی بلندمدت
• 56. نقاط تغییر در مدل‌های منحنی فیلیپس (Phillips Curve)
• 57. نقاط تغییر در روابط قانون اوکان (Okun's Law)
• 58. تشخیص تغییرات در پارامترهای قاعده تیلور (Taylor Rule)
• 59. مدل‌های سوییچینگ رژیم چندگانه (MS-VAR) به عنوان رویکرد جایگزین
• 60. نقاط تغییر در مدل‌های داده‌های تابلویی (Panel Data): شکست‌های مشترک
• 61. نقاط تغییر در مدل‌های داده‌های تابلویی: شکست‌های انفرادی
• 62. آزمون شکست‌های ساختاری در پانل‌های با ابعاد بزرگ
• 63. نقاط تغییر در مدل‌های خودرگرسیو برداری ساختاری (SVAR)
• 64. شناسایی تغییر رژیم‌های سیاست‌های پولی و مالی
• 65. تشخیص شکست‌ها در کارایی بازارهای مالی
• 66. شکست‌های ساختاری در روابط تجاری بین‌المللی
• 67. تحلیل تغییرات در عوامل تعیین‌کننده رشد اقتصادی
• 68. نقاط تغییر در دینامیک بازار کار
• 69. شکست‌ها در توابع مصرف و سرمایه‌گذاری
• 70. شناسایی تغییرات در رشد بهره‌وری
• 71. آماده‌سازی و کنترل کیفیت داده‌ها برای تحلیل نقطه تغییر
• 72. انتخاب آزمون مناسب بر اساس ویژگی‌های داده
• 73. تعیین مقادیر بحرانی و سطوح معنی‌داری
• 74. پیاده‌سازی نرم‌افزاری: بسته‌های R (مانند `strucchange`, `changepoint`)
• 75. پیاده‌سازی نرم‌افزاری: کتابخانه‌های پایتون (مانند `ruptures`, `statsmodels`)
• 76. پیاده‌سازی نرم‌افزاری: دستورات Stata (مانند `ch_break`)
• 77. پیاده‌سازی نرم‌افزاری: روال‌های EViews و Matlab
• 78. تفسیر خروجی الگوریتم‌های نقطه تغییر
• 79. نمایش بصری نقاط تغییر شناسایی شده
• 80. بررسی‌های مقاومت (Robustness Checks): حساسیت به مشخصه مدل
• 81. مواجهه با مسائل خطای مشخصه (Misspecification Issues)
• 82. گزارش و ارائه نتایج تحلیل نقطه تغییر
• 83. نقش نظریه اقتصادی در تفسیر نقاط تغییر
• 84. پیش‌بینی در حضور شکست‌های ساختاری
• 85. پیامدهای سیاستی تغییرات ساختاری شناسایی‌شده
• 86. تعیین شکست‌های درون‌زا (Endogenous) در مقابل برون‌زا (Exogenous)
• 87. نقاط تغییر در سری‌های زمانی با ابعاد بالا (High-Dimensional Time Series)
• 88. روش‌های تشخیص نقطه تغییر آنلاین (Online Change-Point Detection)
• 89. استنتاج بیزی برای نقاط تغییر چندگانه
• 90. مدل‌های آمیخته فرآیند دیریکله (Dirichlet Process Mixture Models) برای شکست‌ها
• 91. روش‌های بوت‌استرپ برای استنتاج مقاوم درباره تاریخ شکست
• 92. چارچوب یکپارچه برای تشخیص نقطه تغییر
• 93. آزمون برای تغییرات در پارامترهای GARCH تعمیم‌یافته
• 94. نقاط تغییر در مدل‌های اقتصادسنجی کلان غیرخطی
• 95. شکست‌های ساختاری در مدل‌های پارامتر متغیر با زمان
• 96. تشخیص نقطه تغییر مبتنی بر موجک (Wavelet-based Change-Point Detection)
• 97. مدل‌های شبکه‌ای و نقاط تغییر
• 98. چالش‌های کنونی و مسیرهای تحقیقاتی آینده
• 99. تأثیر تجربی نادیده‌گرفتن شکست‌های ساختاری
• 100. جمع‌بندی یافته‌ها از مطالعات چندگانه نقطه تغییر