کتاب پیش‌بینی داده‌های مالی با سری‌های زمانی 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 پیش‌بینی داده‌های مالی با سری‌های زمانی

موضوع کلی: تحلیل داده‌ها و یادگیری ماشین

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مبانی سری‌های زمانی در پیش‌بینی مالی
  • 2. جمع‌آوری و آماده‌سازی داده‌های مالی برای تحلیل سری زمانی
  • 3. نمودارهای سری زمانی و تفسیر بصری الگوها
  • 4. میانگین متحرک و کاربرد آن در هموارسازی داده‌ها
  • 5. روش‌های وزن‌دهی در میانگین متحرک
  • 6. انحراف معیار و اندازه‌گیری نوسانات در سری‌های زمانی مالی
  • 7. تجزیه واریانس و شناسایی اجزای سری زمانی
  • 8. مفاهیم خودهمبستگی و خودارتباط در داده‌های مالی
  • 9. تابع خودهمبستگی (ACF) و تابع خودهمبستگی جزئی (PACF)
  • 10. آزمون‌های ایستایی و بررسی پایداری سری‌های زمانی
  • 11. تبدیل سری‌های زمانی غیراستاتیک به ایستا
  • 12. مدل‌های AR، MA و ARMA: معرفی و کاربرد
  • 13. تخمین پارامترهای مدل‌های ARMA
  • 14. مدل‌های ARIMA: ترکیب AR، I و MA
  • 15. انتخاب مرتبه مناسب برای مدل‌های ARIMA
  • 16. آزمون‌های تشخیصی و ارزیابی کیفیت مدل ARIMA
  • 17. پیش‌بینی با مدل‌های ARIMA و محاسبه بازه اطمینان
  • 18. مدل‌های SARIMA: در نظر گرفتن فصلی بودن در داده‌ها
  • 19. تحلیل فصلی و شناسایی الگوهای تکرارشونده
  • 20. مدل‌های GARCH: مدل‌سازی نوسانات شرطی
  • 21. کاربرد مدل‌های GARCH در مدیریت ریسک مالی
  • 22. پیش‌بینی نوسانات با مدل‌های GARCH
  • 23. مدل‌های ARCH و تفاوت آن با GARCH
  • 24. بررسی مدل‌های EGARCH و TGARCH
  • 25. استفاده از متغیرهای کمکی در مدل‌های سری زمانی
  • 26. بررسی تاثیر اخبار و رویدادها بر سری‌های زمانی مالی
  • 27. مفاهیم رگرسیون و کاربرد آن در پیش‌بینی سری زمانی
  • 28. مدل‌های رگرسیونی با وقفه و توزیع تاخیری
  • 29. استفاده از شبکه‌های عصبی مصنوعی در پیش‌بینی سری زمانی
  • 30. شبکه‌های عصبی بازگشتی (RNN) و کاربرد در داده‌های مالی
  • 31. شبکه‌های LSTM و غلبه بر مشکل محوشدگی گرادیان
  • 32. مدل‌های یادگیری عمیق برای پیش‌بینی بلندمدت
  • 33. ارزیابی عملکرد مدل‌های یادگیری عمیق در پیش‌بینی مالی
  • 34. بک تست و ارزیابی استراتژی‌های معاملاتی مبتنی بر پیش‌بینی
  • 35. استفاده از داده‌های بافرقه (High-Frequency Data) در پیش‌بینی
  • 36. تحلیل احساسات بازار و تاثیر آن بر سری‌های زمانی
  • 37. مدل‌سازی ریسک اعتباری با استفاده از سری‌های زمانی
  • 38. پیش‌بینی نرخ بهره و تاثیر آن بر بازار سرمایه
  • 39. پیش‌بینی نرخ ارز و مدیریت ریسک ارزی
  • 40. کاربرد سری‌های زمانی در تحلیل بازار سهام
  • 41. پیش‌بینی شاخص‌های کلیدی بازار سهام
  • 42. تحلیل تکنیکال و ترکیب آن با مدل‌های سری زمانی
  • 43. مدیریت پورتفوی و بهینه‌سازی تخصیص دارایی با استفاده از پیش‌بینی سری زمانی
  • 44. استفاده از داده‌های کلان اقتصادی در پیش‌بینی سری زمانی مالی
  • 45. بررسی تاثیر سیاست‌های پولی بر سری‌های زمانی مالی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.