فلش‌کارت‌های آموزشی پایتون در فین‌تک: تحلیل بازارهای مالی و کمی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون در فین‌تک: تحلیل بازارهای مالی و کمی

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر پایتون در تحلیل مالی و کمی
• 2. نصب و راه‌اندازی محیط توسعه پایتون برای فین‌تک
• 3. آشنایی با کتابخانه‌های پایه: NumPy و Pandas
• 4. مدیریت و پاکسازی داده‌های مالی با Pandas
• 5. بارگذاری داده‌های تاریخی بازار از منابع آنلاین
• 6. شاخص‌های آماری توصیفی برای سری‌های زمانی مالی
• 7. محاسبه بازده ساده و لگاریتمی
• 8. تحلیل نوسانات و ریسک با انحراف معیار
• 9. مفهوم کوواریانس و همبستگی بین دارایی‌ها
• 10. محاسبه کوواریانس و همبستگی با پایتون
• 11. رگرسیون خطی برای مدل‌سازی قیمت
• 12. مدل قیمت‌گذاری دارایی‌های سرمایه‌ای (CAPM) در پایتون
• 13. مفهوم ارزش در معرض ریسک (VaR)
• 14. محاسبه Value at Risk با روش پارامتریک
• 15. محاسبه Value at Risk با شبیه‌سازی تاریخی
• 16. شبیه‌سازی مونت کارلو برای پیش‌بینی قیمت
• 17. بهینه‌سازی پرتفوی با ماژول SciPy
• 18. مرز کارا و نسبت شارپ در بهینه‌سازی سبد سهام
• 19. مفهوم میانگین-واریانس و مدل مارکویتز
• 20. مدیریت ریسک با رویکرد ارزش در معرض ریسک شرطی (CVaR)
• 21. تحلیل تکنیکال مقدماتی با شاخص‌های میانگین متحرک
• 22. محاسبه شاخص قدرت نسبی (RSI) در پایتون
• 23. محاسبه باندهای بولینگر برای تحلیل نوسان
• 24. تشکیل سیگنال خرید و فروش بر اساس اندیکاتورها
• 25. پیش‌پردازش داده‌های مالی برای یادگیری ماشین
• 26. آشنایی با کتابخانه Scikit-learn برای مدل‌سازی
• 27. رگرسیون خطی چندمتغیره برای پیش‌بینی قیمت
• 28. درخت تصمیم و رگرسیون برای پیش‌بینی روند بازار
• 29. جنگل تصادفی در تحلیل مالی
• 30. ماشین بردار پشتیبان (SVM) برای طبقه‌بندی بازار
• 31. شبکه‌های عصبی ساده با Keras برای پیش‌بینی سری زمانی
• 32. شبکه‌های عصبی بازگشتی (RNN) و LSTM برای داده‌های مالی
• 33. ارزیابی مدل‌های پیش‌بینی با معیارهای خطا (MSE, MAE)
• 34. اعتبارسنجی متقابل در مدل‌های مالی
• 35. مدل GARCH برای پیش‌بینی نوسانات
• 36. تحلیل فاکتور و مدل سه‌عاملی فاما-فرنچ
• 37. مفهوم آربیتراژ و استراتژی‌های معاملاتی ساده
• 38. طراحی استراتژی معاملاتی مبتنی بر بازگشت به میانگین
• 39. طراحی استراتژی معاملاتی مبتنی بر روند
• 40. بک‌تست استراتژی با کتابخانه Backtrader
• 41. معیارهای ارزیابی استراتژی: بازده، شارپ، دراودان
• 42. مدیریت سرمایه و تعیین اندازه موقعیت
• 43. مدیریت ریسک با دستور توقف ضرر و حد سود
• 44. تحلیل احساسات بازار با متن‌کاوی تویتر و اخبار
• 45. پردازش زبان طبیعی (NLP) با NLTK برای اخبار مالی
• 46. طبقه‌بندی اخبار مثبت و منفی با یادگیری ماشین
• 47. تاثیر اخبار بر نوسانات قیمت: تحلیل رویداد
• 48. آشنایی با APIهای مالی (Yahoo Finance, Alpha Vantage)
• 49. دریافت داده‌های لحظه‌ای و تاریخچه معاملات
• 50. مدیریت پایگاه داده SQLite برای ذخیره داده‌های مالی
• 51. اتصال به صرافی‌های رمزارز با API (برای داده‌های غیرممنوع)
• 52. تحلیل داده‌های دفتر کل توزیع‌شده (بلاکچین) برای روند بازار
• 53. مفهوم معاملات الگوریتمی و اجزای آن
• 54. طراحی یک ربات معاملاتی ساده با پایتون
• 55. اتصال به بروکرهای مجاز با API (مفاهیم عمومی)
• 56. مدیریت ریسک در معاملات الگوریتمی
• 57. بهینه‌سازی پارامترهای استراتژی با الگوریتم ژنتیک
• 58. تحلیل سری زمانی چندمتغیره با VAR
• 59. مدل‌های تصحیح خطا (ECM) برای رابطه بلندمدت
• 60. آزمون ریشه واحد و ایستایی داده‌های مالی
• 61. آزمون هم‌انباشتگی (Cointegration) برای جفت‌ارزها
• 62. تحلیل فاکتورهای کلان اقتصادی با داده‌های رسمی ایران
• 63. مدل‌سازی نرخ ارز و تورم با داده‌های داخلی
• 64. تحلیل ریسک اعتباری و نکول با مدل‌های آماری
• 65. مدل‌سازی احتمال نکول با رگرسیون لجستیک
• 66. معیار ROC و AUC برای ارزیابی مدل‌های طبقه‌بندی
• 67. خوشه‌بندی سهام با K-Means برای شناسایی گروه‌ها
• 68. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد داده
• 69. تشخیص ناهنجاری در داده‌های معاملاتی
• 70. مدیریت خطا و استثنا در کدهای مالی
• 71. بهبود کارایی با Vectorization و Numba
• 72. تست واحد (Unit Test) برای ماژول‌های مالی
• 73. مستندسازی و گزارش‌گیری با Jupyter Notebook
• 74. رسم نمودارهای حرفه‌ای با Matplotlib و Plotly
• 75. داشبورد تعاملی با Streamlit برای تحلیل بازار
• 76. ایجاد گزارش خودکار از تحلیل‌ها با Pandas
• 77. مفاهیم اخلاقی و انطباق با مقررات در فین‌تک
• 78. امنیت داده‌ها و کلیدهای API در پروژه‌های مالی
• 79. شفافیت و قابلیت بازتولید نتایج در تحقیقات کمی
• 80. مرور پروژه جامع: تحلیل یک سبد دارایی واقعی