کتاب تحلیل سری زمانی در اقتصاد و مالی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری زمانی در اقتصاد و مالی

موضوع کلی: علوم محاسباتی و ریاضیات کاربردی در اقتصاد

موضوع میانی: مدل‌های سرمایه گذاری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی و کاربرد آن‌ها
• 3. انواع داده‌های سری زمانی و ویژگی‌های آن‌ها
• 4. روش‌های جمع‌آوری و آماده‌سازی داده‌های سری زمانی
• 5. نمایش گرافیکی سری‌های زمانی و تفسیر آن‌ها
• 6. میانگین متحرک: محاسبه و کاربردها
• 7. میانگین موزون متحرک: روش‌ها و مزایا
• 8. نمودارهای نمایی هموارسازی
• 9. تجزیه سری‌های زمانی به اجزای روند، فصلی، چرخه‌ای و تصادفی
• 10. مدل‌های کلاسیک سری‌های زمانی: روند خطی
• 11. مدل‌های کلاسیک سری‌های زمانی: روند نمایی
• 12. مدل‌های کلاسیک سری‌های زمانی: فصلی
• 13. روش حداقل مربعات برای برازش مدل‌های سری زمانی
• 14. آزمون‌های معناداری برای ضرایب مدل
• 15. پیش‌بینی با استفاده از مدل‌های کلاسیک
• 16. مقدمه‌ای بر مدل‌های ARIMA
• 17. شناسایی مرتبه مدل ARIMA (ACF و PACF)
• 18. برآورد پارامترهای مدل ARIMA
• 19. آزمون‌های تشخیصی برای مدل ARIMA
• 20. پیش‌بینی با استفاده از مدل ARIMA
• 21. مدل‌های فصلی ARIMA (SARIMA)
• 22. مدل‌های GARCH و کاربرد آن‌ها در مدیریت ریسک
• 23. آزمون‌های ایستایی سری‌های زمانی: آزمون دیکی-فولر تعمیم‌یافته (ADF)
• 24. تبدیل سری‌های زمانی ناایستا به ایستا
• 25. مدل‌های نمایی هموارسازی: Holt-Winters
• 26. پیش‌بینی با استفاده از مدل‌های نمایی هموارسازی
• 27. ارزیابی دقت پیش‌بینی: خطای میانگین مطلق (MAE)
• 28. ارزیابی دقت پیش‌بینی: خطای میانگین مربعات (MSE)
• 29. ارزیابی دقت پیش‌بینی: جذر میانگین مربعات خطا (RMSE)
• 30. ارزیابی دقت پیش‌بینی: میانگین خطای مطلق درصدی (MAPE)
• 31. کاربرد تحلیل سری‌های زمانی در پیش‌بینی اقتصادی
• 32. کاربرد تحلیل سری‌های زمانی در پیش‌بینی مالی
• 33. تحلیل سری‌های زمانی در بازار سهام
• 34. تحلیل سری‌های زمانی در پیش‌بینی نرخ ارز
• 35. تحلیل سری‌های زمانی در پیش‌بینی قیمت کالاها
• 36. تحلیل سری‌های زمانی در مدیریت زنجیره تامین
• 37. تحلیل سری‌های زمانی در پیش‌بینی تقاضا
• 38. تحلیل سری‌های زمانی در تحلیل ریسک اعتباری
• 39. تحلیل سری‌های زمانی و داده‌های پانل
• 40. تحلیل سری‌های زمانی و داده‌های مکانی
• 41. مدل‌سازی VAR (برداری خودرگرسیون)
• 42. تحلیل هم‌جمعی و تصحیح خطا (VECM)
• 43. استفاده از نرم‌افزارهای آماری در تحلیل سری‌های زمانی (EViews, R, Python)
• 44. تحلیل سری‌های زمانی با استفاده از شبکه‌های عصبی
• 45. تحلیل سری‌های زمانی و یادگیری ماشین