کتاب تحلیل سری‌های زمانی و پیش‌بینی قیمت سهام با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل سری‌های زمانی و پیش‌بینی قیمت سهام

موضوع کلی: هوش مصنوعی در تحلیل مالی

موضوع میانی: کاربرد هوش مصنوعی در تحلیل داده‌های مربوط به بازار سرمایه‌گذاری در سهام مبتنی بر رشد سرمایه‌گذاری سرمایه‌گذاری سرمایه‌گذاری سرمایه‌گذاری سرمایه‌گذاری داخلی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر سری‌های زمانی
• 2. مفاهیم پایه آمار و احتمالات در تحلیل سری‌های زمانی
• 3. انواع داده‌های سری زمانی
• 4. روش‌های جمع‌آوری و پیش‌پردازش داده‌های سری زمانی
• 5. نمودارهای سری زمانی و تفسیر آن‌ها
• 6. تحلیل روند (Trend Analysis)
• 7. تحلیل فصلی (Seasonality Analysis)
• 8. تحلیل چرخه‌ای (Cyclical Analysis)
• 9. تحلیل نوسانات تصادفی (Random Fluctuations)
• 10. تخمین روند با استفاده از میانگین متحرک
• 11. تخمین روند با استفاده از رگرسیون خطی
• 12. تجزیه سری زمانی به اجزای روند، فصلی و تصادفی
• 13. مدل‌های خودهمبستگی (Autocorrelation Models)
• 14. تابع خودهمبستگی (ACF) و تابع خودهمبستگی جزئی (PACF)
• 15. مدل AR (Autoregressive)
• 16. مدل MA (Moving Average)
• 17. مدلARMA (Autoregressive Moving Average)
• 18. تشخیص مرتبه مدل ARMA
• 19. مدل ARIMA (Autoregressive Integrated Moving Average)
• 20. تست ایستایی (Stationarity Test)
• 21. تبدیل سری‌های زمانی غیراستاتی به استاتی
• 22. پیش‌بینی با مدل‌های ARIMA
• 23. مدل‌های نمایی هموارسازی (Exponential Smoothing Models)
• 24. مدل هموارسازی نمایی ساده (Simple Exponential Smoothing)
• 25. مدل هموارسازی نمایی دوتایی (Double Exponential Smoothing)
• 26. مدل هموارسازی نمایی سه‌تایی (Triple Exponential Smoothing)
• 27. انتخاب بهترین مدل پیش‌بینی
• 28. ارزیابی عملکرد مدل‌های پیش‌بینی
• 29. معیارهای ارزیابی مدل‌های پیش‌بینی (MSE, RMSE, MAE)
• 30. تحلیل باقیمانده‌ها (Residual Analysis)
• 31. مقدمه‌ای بر شبکه‌های عصبی در پیش‌بینی سری‌های زمانی
• 32. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
• 33. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
• 34. شبکه‌های LSTM (Long Short-Term Memory)
• 35. پیش‌بینی قیمت سهام با استفاده از مدل‌های ARIMA و LSTM
• 36. تحلیل تکنیکال و سری‌های زمانی
• 37. اندیکاتورهای تکنیکال و سری‌های زمانی
• 38. شناسایی الگوهای قیمتی در سری‌های زمانی
• 39. مدیریت ریسک در پیش‌بینی قیمت سهام
• 40. بهینه‌سازی پرتفوی با استفاده از پیش‌بینی سری‌های زمانی
• 41. استفاده از داده‌های کلان اقتصادی در پیش‌بینی قیمت سهام
• 42. تحلیل احساسات بازار (Sentiment Analysis) و سری‌های زمانی
• 43. کاربردهای سری‌های زمانی در حوزه‌های دیگر (پیش‌بینی تقاضا، هواشناسی و غیره)
• 44. ابزارهای نرم‌افزاری برای تحلیل سری‌های زمانی (R, Python, EViews)