کتاب مدل‌های GARCH و پیش‌بینی نوسانات با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌های GARCH و پیش‌بینی نوسانات

موضوع کلی: اقتصادسنجی مالی (Financial Econometrics)

موضوع میانی: مدل‌های اقتصادسنجی برای تحلیل داده‌های هوشمند (Smart Data)

📋 سرفصل‌های دوره

• 1. مدل‌های آرش و پیش‌بینی نوسانات
• 2. مقدمه‌ای بر نوسانات در بازارهای مالی
• 3. بررسی سری‌های زمانی و ویژگی‌های آن‌ها
• 4. آزمون‌های ریشه‌دار بودن و ایستایی
• 5. مدل‌های خودهمبستگی و میانگین متحرک (ARIMA)
• 6. معرفی مدل‌های ARCH
• 7. تفاوت‌های کلیدی بین مدل‌های ARCH و GARCH
• 8. مدل GARCH(1,1): فرمول‌بندی و تفسیر
• 9. برآورد پارامترهای مدل GARCH با استفاده از روشMLE
• 10. آزمون‌های تشخیصی برای بررسی مناسب بودن مدل GARCH
• 11. مدل‌های GARCH متقارن و نامتقارن
• 12. مدل EGARCH: بررسی اثر اهرمی
• 13. مدل GJR-GARCH: بررسی اثر اهرمی
• 14. مدل TGARCH: بررسی اثر اهرمی
• 15. مقایسه عملکرد مدل‌های GARCH مختلف
• 16. پیش‌بینی نوسانات با استفاده از مدل GARCH(1,1)
• 17. پیش‌بینی نوسانات شرطی
• 18. محاسبه ارزش در معرض ریسک (VaR) با استفاده از GARCH
• 19. محاسبه Expected Shortfall (ES) با استفاده از GARCH
• 20. استفاده از GARCH در مدیریت پورتفوی
• 21. مدل‌های چندمتغیره GARCH (MGARCH)
• 22. مدل BEKK-GARCH
• 23. مدل CCC-GARCH
• 24. مدل VEC-GARCH
• 25. کاربرد مدل‌های MGARCH در تخصیص دارایی
• 26. نوسانات در بازارهای سهام
• 27. نوسانات در بازارهای ارز
• 28. نوسانات در بازارهای کالا
• 29. نوسانات در بازارهای اوراق قرضه
• 30. اثر اخبار و رویدادها بر نوسانات
• 31. پیش‌بینی نوسانات با استفاده از داده‌های بافرکانس بالا
• 32. مدل‌های GARCH با توزیع‌های غیرنرمال
• 33. مدل GARCH با توزیع t-student
• 34. مدل GARCH با توزیع تعمیم‌یافته خطا
• 35. مدل‌های GARCH با تغییرات در میانگین
• 36. مدل‌های IGARCH و بررسی مسائل همگرایی
• 37. بررسی پایداری مدل‌های GARCH
• 38. آزمون‌های خوش‌خوشه شدن نوسانات
• 39. بررسی نوسانات ناپیوسته (Volatility Jumps)
• 40. مدل‌های GARCH و یادگیری ماشین
• 41. استفاده از شبکه‌های عصبی در پیش‌بینی نوسانات
• 42. کاربرد مدل‌های GARCH در قیمت‌گذاری اختیار معامله
• 43. نوسانات ضمنی در مقابل نوسانات تاریخی
• 44. تحلیل حساسیت مدل‌های GARCH به تغییرات پارامترها
• 45. انتخاب مدل GARCH مناسب برای داده‌های مختلف