کتاب فراتر از مارکویتز: تخمین دقیق ریسک سبد با رویکرد واریانس مبتنی بر حجم معاملات با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره فراتر از مارکویتز: تخمین دقیق ریسک سبد با رویکرد واریانس مبتنی بر حجم معاملات

موضوع کلی: مدیریت سبد سرمایه‌گذاری

موضوع میانی: تخمین و ارزیابی ریسک در سبد سرمایه‌گذاری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مدیریت سبد سرمایه‌گذاری
• 2. مفهوم ریسک و بازده در سرمایه‌گذاری
• 3. انواع ریسک: سیستماتیک و غیرسیستماتیک
• 4. مبانی آمار برای مدیران سبد: میانگین، واریانس و انحراف معیار
• 5. مفهوم کوواریانس و همبستگی بین دارایی‌ها
• 6. نظریه مدرن سبد (MPT) هری مارکویتز: یک مرور کلی
• 7. مفروضات کلیدی در مدل مارکویتز
• 8. واریانس به عنوان معیار اصلی ریسک در مدل مارکویتز
• 9. فرمول محاسبه واریانس سبد در رویکرد کلاسیک
• 10. ساخت ماتریس واریانس-کوواریانس
• 11. مفهوم مرز کارا (Efficient Frontier)
• 12. یافتن سبد با حداقل واریانس جهانی (Global Minimum Variance Portfolio)
• 13. سبد بهینه و خط بازار سرمایه (CML)
• 14. انتقادات اولیه به مدل مارکویتز: از مفروضات تا کاربرد
• 15. آغاز چالش: آیا واریانس مارکویتز همیشه دقیق است؟
• 16. معرفی مقاله الهام‌بخش: "واریانس مارکویتز ممکن است ریسک را به شدت کمتر یا بیشتر برآورد کند"
• 17. چرا داده‌های تاریخی ممکن است آینده را به درستی پیش‌بینی نکنند؟
• 18. مفهوم ناایستایی (Non-stationarity) در سری‌های زمانی مالی
• 19. نقش نادیده گرفته شده حجم معاملات در مدل‌های کلاسیک
• 20. حجم معاملات به عنوان شاخصی از اعتقاد و قطعیت بازار
• 21. تفاوت اطلاعاتی روزهای با حجم معاملاتی بالا و پایین
• 22. استدلال اصلی مقاله: وزن یکسان برای تمام بازده‌ها، یک خطای بنیادی
• 23. کم‌برآوردی ریسک (Underestimation): سناریوهای بحران با حجم بالا
• 24. بیش‌برآوردی ریسک (Overestimation): دوره‌های آرام با حجم پایین
• 25. مطالعه موردی: تحلیل یک بحران مالی با واریانس کلاسیک
• 26. مطالعه موردی: تحلیل یک دوره رونق با واریانس کلاسیک
• 27. محدودیت‌های استفاده از بازده‌های روزانه بدون در نظر گرفتن زمینه بازار
• 28. حرکت به سمت یک معیار ریسک پویاتر
• 29. مقدمه‌ای بر رویکردهای وزن‌دار در آمار
• 30. چرا باید بازده‌ها را وزن‌دار کرد؟
• 31. انتخاب وزن مناسب: معرفی حجم معاملات به عنوان عامل وزنی
• 32. تعریف واریانس مبتنی بر حجم (Volume-Based Variance)
• 33. فرمول ریاضیاتی واریانس مبتنی بر حجم برای یک دارایی واحد
• 34. تفاوت مفهومی بین میانگین ساده و میانگین وزنی بازده
• 35. گام به گام: محاسبه بازده وزنی با حجم
• 36. گام به گام: محاسبه واریانس وزنی با حجم
• 37. گسترش مفهوم به سبد: کوواریانس مبتنی بر حجم
• 38. فرمول ریاضیاتی کوواریانس مبتنی بر حجم بین دو دارایی
• 39. ساخت ماتریس واریانس-کوواریانس مبتنی بر حجم
• 40. مقایسه ساختاری ماتریس کلاسیک و ماتریس مبتنی بر حجم
• 41. اهمیت داده‌های حجم: منابع و نحوه استخراج
• 42. پاکسازی و آماده‌سازی داده‌های قیمت و حجم
• 43. پیاده‌سازی محاسبات در اکسل: واریانس مبتنی بر حجم
• 44. پیاده‌سازی محاسبات در پایتون: تابع محاسبه واریانس مبتنی بر حجم
• 45. تأثیر واریانس مبتنی بر حجم بر ارزیابی ریسک تک سهم
• 46. بازنگری در فرمول واریانس سبد با رویکرد جدید
• 47. چگونه واریانس مبتنی بر حجم، تنوع‌بخشی را تحت تأثیر قرار می‌دهد؟
• 48. مرز کارای جدید: ترسیم مرز کارا با ماتریس کوواریانس مبتنی بر حجم
• 49. مقایسه بصری مرز کارای کلاسیک و مرز کارای جدید
• 50. تغییر در سبد با حداقل واریانس جهانی (GMV)
• 51. تغییر در سبد بهینه (Optimal Portfolio) برای یک سطح ریسک معین
• 52. تخصیص دارایی استراتژیک با رویکرد جدید
• 53. تخصیص دارایی تاکتیکی و سیگنال‌های حجم
• 54. مطالعه موردی: ساخت یک سبد دو دارایی با هر دو روش
• 55. مطالعه موردی: تحلیل یک سبد چند دارایی در بورس تهران
• 56. مفهوم بک‌تستینگ (Backtesting) برای استراتژی‌های سبدگردانی
• 57. طراحی یک چارچوب بک‌تست برای مقایسه دو مدل
• 58. معیارهای ارزیابی عملکرد سبد: نسبت شارپ، نسبت سورتینو
• 59. معیارهای ارزیابی ریسک: حداکثر افت سرمایه (Maximum Drawdown)
• 60. اجرای بک‌تست: مقایسه عملکرد تاریخی مدل مارکویتز و مدل مبتنی بر حجم
• 61. تحلیل نتایج بک‌تست: چه زمانی مدل جدید برتری دارد؟
• 62. تحلیل حساسیت: تأثیر بازه‌های زمانی مختلف بر نتایج
• 63. بررسی استحکام (Robustness) مدل مبتنی بر حجم
• 64. پیاده‌سازی کامل مدل در پایتون: از دریافت داده تا بهینه‌سازی
• 65. کتابخانه‌های پایتون برای مدیریت سبد: PyPortfolioOpt, Riskfolio-Lib
• 66. شخصی‌سازی کتابخانه‌ها برای استفاده از واریانس مبتنی بر حجم
• 67. چالش‌های عملی پیاده‌سازی: داده‌های ناقص و حجم‌های ساختگی
• 68. آیا حجم معاملات همیشه یک شاخص قابل اعتماد است؟
• 69. مفهوم "معاملات شستشو" (Wash Trading) و تأثیر آن بر مدل
• 70. ترکیب واریانس مبتنی بر حجم با سایر مدل‌های ریسک
• 71. مدل‌های چندعاملی (Multi-factor Models) و رویکرد جدید
• 72. ادغام عامل حجم در مدل‌های فاما-فرنچ
• 73. ریسک نقدشوندگی و ارتباط آن با حجم معاملات
• 74. مدیریت ریسک پیشرفته: ارزش در معرض خطر (VaR) مبتنی بر حجم
• 75. ارزش در معرض خطر شرطی (CVaR) با رویکرد مبتنی بر حجم
• 76. نقش یادگیری ماشین در تخمین ماتریس کوواریانس
• 77. استفاده از مدل‌های GARCH برای پیش‌بینی نوسانات وزنی با حجم
• 78. روانشناسی بازار و حجم معاملات: تفسیر رفتار توده‌ها
• 79. تأثیر اخبار و رویدادها بر حجم و ریسک تخمینی
• 80. کاربرد مدل در کلاس‌های دارایی مختلف: سهام، کالا، ارز
• 81. محدودیت‌های مدل مبتنی بر حجم در بازارهای غیر نقدشونده
• 82. آینده مدل‌سازی ریسک: فراتر از واریانس
• 83. معرفی معیارهای ریسک مبتنی بر نیمه‌واریانس (Semivariance)
• 84. مقایسه مدل مبتنی بر حجم با مدل‌های مبتنی بر ریزساختار بازار (Market Microstructure)
• 85. بهینه‌سازی سبد مقاوم (Robust Optimization) با در نظر گرفتن عدم قطعیت حجم
• 86. استراتژی‌های معاملاتی مبتنی بر سیگنال‌های حجم و نوسان
• 87. مدیریت ریسک در صندوق‌های سرمایه‌گذاری با رویکرد جدید
• 88. گزارش‌دهی ریسک به سرمایه‌گذاران: شفاف‌سازی روش‌شناسی
• 89. الزامات رگولاتوری و تطبیق مدل‌های داخلی
• 90. مطالعه پیشرفته: تحلیل تأثیر معاملات الگوریتمی بر حجم و ریسک
• 91. جمع‌بندی: مزایا و معایب واریانس مبتنی بر حجم
• 92. چک‌لیست پیاده‌سازی رویکرد جدید در یک سبد واقعی
• 93. پروژه نهایی: طراحی و بک‌تست یک سبد کامل با رویکرد فراتر از مارکویتز
• 94. نتیجه‌گیری: تفکر انتقادی در مورد مدل‌های مالی کلاسیک و حرکت به سوی نوآوری