فلش‌کارت‌های آموزشی تحلیل پیشرفته روندهای مشترک: رویکردی نوین برای مدل‌های هم‌انباشته غیرخطی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل پیشرفته روندهای مشترک: رویکردی نوین برای مدل‌های هم‌انباشته غیرخطی

موضوع کلی: اقتصادسنجی سری‌های زمانی

موضوع میانی: هم‌انباشتگی و روندهای مشترک در مدل‌های چندمتغیره

📋 سرفصل‌های دوره

• 1. مبانی اقتصادسنجی سری زمانی: مرور و یادآوری
• 2. ویژگی‌های آماری سری‌های زمانی: ایستایی و ناایستایی
• 3. آزمون‌های ریشه واحد: انواع و کاربردها
• 4. مفاهیم هم‌انباشتگی: تعریف و شهود
• 5. آزمون‌های هم‌انباشتگی انگل-گرنجر: اصول و محدودیت‌ها
• 6. آزمون‌های هم‌انباشتگی یوهانسن: رویکرد سیستماتیک
• 7. فضای هم‌انباشتگی: شناسایی و تفسیر
• 8. مدل تصحیح خطا (ECM): فرمول‌بندی و تفسیر
• 9. برآورد مدل‌های ECM: روش‌های مختلف
• 10. تحلیل واریانس (Variance Decomposition) در ECM
• 11. توابع واکنش آنی (Impulse Response Functions) در ECM
• 12. پیش‌بینی با استفاده از مدل‌های ECM
• 13. مدل‌های برداری خودرگرسیون (VAR): معرفی و کاربرد
• 14. انتخاب مرتبه بهینه در مدل‌های VAR
• 15. آزمون‌های تشخیص در مدل‌های VAR
• 16. تحلیل پایداری در مدل‌های VAR
• 17. شناسایی ساختاری در مدل‌های VAR (SVAR)
• 18. محدودیت‌های کوتاه‌مدت و بلندمدت در SVAR
• 19. تحلیل SVAR با استفاده از تجزیه Cholesky
• 20. تحلیل SVAR با استفاده از محدودیت‌های علامت‌دار
• 21. توابع واکنش آنی در مدل‌های SVAR
• 22. تحلیل واریانس در مدل‌های SVAR
• 23. پیش‌بینی با استفاده از مدل‌های SVAR
• 24. معرفی مدل‌های غیرخطی سری‌های زمانی
• 25. مدل‌های آستانه‌ای خودرگرسیونی (TAR)
• 26. مدل‌های انتقال ملایم خودرگرسیونی (STAR)
• 27. آزمون‌های خطی بودن در مقابل غیرخطی بودن
• 28. آزمون‌های ریشه واحد غیرخطی
• 29. هم‌انباشتگی غیرخطی: مفاهیم و چالش‌ها
• 30. آزمون‌های هم‌انباشتگی غیرخطی
• 31. مدل‌های تصحیح خطای غیرخطی (NECM)
• 32. برآورد مدل‌های NECM
• 33. توابع واکنش آنی در مدل‌های NECM
• 34. پیش‌بینی با استفاده از مدل‌های NECM
• 35. مقدمه‌ای بر مدل‌های فضای حالت (State-Space Models)
• 36. فیلتر کالمن: اصول و کاربردها
• 37. هموارساز کالمن: بهبود برآوردها
• 38. برآورد پارامترها در مدل‌های فضای حالت
• 39. تشخیص مدل در مدل‌های فضای حالت
• 40. مدل‌های فضای حالت غیرخطی
• 41. فیلتر ذرات (Particle Filter): رویکردی برای غیرخطی‌ها
• 42. هم‌انباشتگی در مدل‌های فضای حالت
• 43. روندهای مشترک: تعریف و شناسایی
• 44. تخمین روندهای مشترک
• 45. آزمون وجود روندهای مشترک
• 46. هم‌انباشتگی و روندهای مشترک: ارتباط و تمایز
• 47. مدل‌های VECM با روندهای مشترک
• 48. شناسایی روندهای مشترک
• 49. تحلیل اثرات تکانه‌ها بر روندهای مشترک
• 50. مدل‌های SVAR با روندهای مشترک
• 51. تحلیل روندهای مشترک در مدل‌های غیرخطی
• 52. مقاله "Inference on Common Trends in a Cointegrated Nonlinear SVAR": مرور اجمالی
• 53. مدل SVAR غیرخطی در مقاله: فرمول‌بندی و مفروضات
• 54. روش‌های استنباط در مقاله: تکنیک‌های آماری
• 55. شناسایی روندهای مشترک در مقاله: رویکرد خاص
• 56. توابع واکنش آنی غیرخطی در مقاله: تفسیر و اهمیت
• 57. شبیه‌سازی مونت‌کارلو: اصول و کاربردها
• 58. شبیه‌سازی برای ارزیابی عملکرد آزمون‌های هم‌انباشتگی
• 59. شبیه‌سازی برای ارزیابی عملکرد برآوردگرها
• 60. شبیه‌سازی برای مقایسه مدل‌های مختلف
• 61. مدل‌های مارکوف سوئیچینگ (Markov Switching Models)
• 62. هم‌انباشتگی در مدل‌های مارکوف سوئیچینگ
• 63. تحلیل حساسیت: بررسی اثر تغییر مفروضات
• 64. تحلیل داده‌های واقعی: مثال‌های کاربردی
• 65. تحلیل ریسک با استفاده از مدل‌های هم‌انباشته
• 66. تحلیل سیاست‌گذاری با استفاده از مدل‌های هم‌انباشته
• 67. برنامه‌نویسی اقتصادسنجی: R و MATLAB
• 68. بسته‌های اقتصادسنجی سری زمانی: معرفی و کاربرد
• 69. تکنیک‌های کاهش ابعاد: Principal Component Analysis (PCA)
• 70. تحلیل مولفه‌های اصلی (PCA) برای شناسایی روندهای مشترک
• 71. رگرسیون پنلی: مقدمه‌ای بر مدل‌های پنلی
• 72. هم‌انباشتگی در مدل‌های پنلی
• 73. مدل‌های فضایی: مقدمه‌ای بر اقتصادسنجی فضایی
• 74. هم‌انباشتگی فضایی
• 75. روش‌های بیزی در اقتصادسنجی سری زمانی
• 76. مدل‌های VECM بیزی
• 77. هم‌انباشتگی و روندهای مشترک در چارچوب بیزی
• 78. روش‌های یادگیری ماشین برای تحلیل سری‌های زمانی
• 79. شبکه‌های عصبی در تحلیل سری‌های زمانی
• 80. ماشین‌های بردار پشتیبان (SVM) در تحلیل سری‌های زمانی
• 81. هم‌انباشتگی با استفاده از روش‌های یادگیری ماشین
• 82. مقایسه روش‌های اقتصادسنجی سنتی با یادگیری ماشین
• 83. چالش‌های پیش‌رو در تحلیل روندهای مشترک
• 84. آینده پژوهی در اقتصادسنجی سری زمانی
• 85. بررسی مقالات جدید در زمینه هم‌انباشتگی غیرخطی
• 86. جمع‌بندی و نتیجه‌گیری
• 87. کارگاه عملی: پیاده‌سازی مدل‌ها با استفاده از نرم‌افزار
• 88. مطالعه موردی: کاربرد مدل‌ها در یک زمینه خاص
• 89. بحث و تبادل نظر: پرسش و پاسخ
• 90. ارائه پروژه‌های دانشجویی
• 91. ارزیابی دوره و ارائه پیشنهادات
• 92. مقدمه‌ای بر مدل‌های فاکتور
• 93. تخمین مدل‌های فاکتور پویا
• 94. مدل‌های فاکتور پویا و هم‌انباشتگی
• 95. مدل‌های فاکتور مارکوف سوئیچینگ
• 96. برآورد مدل های DSGE با استفاده از تکنیک های فیلترینگ
• 97. DSGE و هم انباشتگی
• 98. تحلیل زنجیره مارکوف مونت کارلو (MCMC)
• 99. MCMC برای تخمین مدل های غیر خطی
• 100. روش‌های نوین شناسایی در مدل های SVAR