کتاب مدل‌سازی کمی با هوش مصنوعی در سرمایه‌گذاری با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی کمی با هوش مصنوعی در سرمایه‌گذاری

موضوع کلی: هوش مصنوعی و سرمایه‌گذاری

موضوع میانی: هوش مصنوعی در بهینه‌سازی استراتژی‌های سرمایه‌گذاری بلندمدت

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مدل‌سازی کمی
  • 2. جمع‌آوری و پاکسازی داده‌های مالی
  • 3. آمار توصیفی در بازارهای مالی
  • 4. مبانی احتمال و توزیع‌های آماری
  • 5. مقدمه‌ای بر رگرسیون خطی
  • 6. رگرسیون چندگانه و انتخاب متغیر
  • 7. تحلیل سری‌های زمانی و ایستایی
  • 8. مدل‌های ARIMA و پیش‌بینی
  • 9. مقدمه‌ای بر یادگیری ماشین در سرمایه‌گذاری
  • 10. رگرسیون لجستیک و طبقه‌بندی
  • 11. درخت‌های تصمیم و جنگل تصادفی
  • 12. ماشین‌های بردار پشتیبان (SVM)
  • 13. شبکه‌های عصبی مصنوعی (ANN)
  • 14. بهینه‌سازی پرتفوی با استفاده از مدل‌های کمی
  • 15. معیارهای ارزیابی پرتفوی
  • 16. مدل CAPM و ارزیابی ریسک
  • 17. مدل سه عاملی فاما-فرنچ
  • 18. تحلیل عوامل و کاهش ابعاد
  • 19. تجزیه و تحلیل مؤلفه‌های اصلی (PCA)
  • 20. خوشه‌بندی و شناسایی الگوها در داده‌های مالی
  • 21. مدل‌سازی ارزش در معرض ریسک (VaR)
  • 22. تست استرس و تحلیل حساسیت
  • 23. پیش‌بینی نوسانات با استفاده از مدل‌های GARCH
  • 24. تحلیل احساسات در اخبار مالی
  • 25. پردازش زبان طبیعی (NLP) برای داده‌های متنی مالی
  • 26. مقدمه‌ای بر یادگیری تقویتی
  • 27. تجارت الگوریتمی و استراتژی‌های معاملاتی
  • 28. مدل‌سازی رویداد و بازده‌های غیرمنتظره
  • 29. شناسایی و مدیریت داده‌های پرت
  • 30. تحلیل داده‌های با فرکانس بالا
  • 31. استفاده از داده‌های جایگزین (Alternative Data)
  • 32. مدل‌سازی تقاضا و عرضه در بازارها
  • 33. بهینه‌سازی معاملات با استفاده از الگوریتم‌های ژنتیک
  • 34. شبکه‌های بیزی و استنتاج احتمالی
  • 35. مدل‌های پنهان مارکوف (HMM)
  • 36. تحلیل شبکه‌های مالی
  • 37. مقدمه‌ای بر یادگیری عمیق در سرمایه‌گذاری
  • 38. مدل‌های بازگشتی (RNN) و LSTM
  • 39. شبکه‌های کانولوشنال (CNN) برای تحلیل داده‌های مالی
  • 40. خودرمزگذارها و کاهش ابعاد غیرخطی
  • 41. تفسیرپذیری مدل‌های یادگیری ماشین
  • 42. مدیریت ریسک مدل
  • 43. ملاحظات قانونی و اخلاقی در مدل‌سازی کمی
  • 44. ارزیابی عملکرد مدل و انتخاب مدل
  • 45. استراتژی‌های backtesting و forward testing

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.