فلش‌کارت‌های آموزشی خودهمبستگی و داده‌های مجازی سری زمانی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره خودهمبستگی و داده‌های مجازی سری زمانی

موضوع کلی: اقتصادسنجی مالی (Financial Econometrics)

موضوع میانی: مدل‌های اقتصادسنجی برای تحلیل داده‌های مجازی (Virtual Data)

📋 سرفصل‌های دوره

• 1. خودهمبستگی و مفاهیم پایه سری‌های زمانی
• 2. انواع داده‌های سری زمانی
• 3. روش‌های جمع‌آوری و پیش‌پردازش داده‌های سری زمانی
• 4. بررسی ایستایی سری‌های زمانی
• 5. آزمون‌های ایستایی (دیک-فولر، فیلیپس-پرون)
• 6. خودهمبستگی و خودهمبستگی جزئی (ACF و PACF)
• 7. مدل‌های خودرگرسیو (AR)
• 8. مدل‌های میانگین متحرک (MA)
• 9. مدل‌های خودرگرسیو میانگین متحرک (ARMA)
• 10. انتخاب مرتبه مدل ARMA
• 11. برآورد پارامترهای مدل ARMA
• 12. مدل‌های خودرگرسیو یکپارچه میانگین متحرک (ARIMA)
• 13. انتخاب مرتبه مدل ARIMA
• 14. برآورد پارامترهای مدل ARIMA
• 15. آزمون‌های تشخیصی مدل ARIMA (مانند Ljung-Box)
• 16. پیش‌بینی با مدل‌های ARIMA
• 17. مدل‌های SARIMA (فصلی ARIMA)
• 18. مدل‌های GARCH برای داده‌های ناهموار
• 19. مدل‌سازی داده‌های سری زمانی با استفاده از نرم‌افزارهای آماری (R, Python)
• 20. کاربرد خودهمبستگی در تحلیل داده‌های مالی
• 21. تحلیل سری‌های زمانی در اقتصادسنجی
• 22. مدل‌سازی تقاضای برق با استفاده از سری‌های زمانی
• 23. پیش‌بینی فروش با استفاده از مدل‌های سری زمانی
• 24. تحلیل سری‌های زمانی در هواشناسی
• 25. مدل‌سازی ترافیک با استفاده از سری‌های زمانی
• 26. روش‌های صاف‌سازی نمایی (Exponential Smoothing)
• 27. روش‌های Holt-Winters برای پیش‌بینی
• 28. تحلیل طیفی سری‌های زمانی
• 29. تبدیل فوریه و کاربرد آن در سری‌های زمانی
• 30. ویژگی‌های خودهمبستگی در داده‌های تصادفی
• 31. تأثیر مقادیر پرت در خودهمبستگی
• 32. مدل‌های انتقال حالت (State-Space Models)
• 33. فیلتر کالمن و کاربرد آن در سری‌های زمانی
• 34. روش‌های بوت‌استرپ برای تخمین اطمینان
• 35. تحلیل سری‌های زمانی چندمتغیره
• 36. مدل‌های VAR (برداری خودرگرسیو)
• 37. مدل‌های VECM (برداری تصحیح خطا)
• 38. تحلیل هم‌جمعی (Cointegration)
• 39. تست‌های هم‌جمعی انگل-گرنجر
• 40. تحلیل علیت گرنجر (Granger Causality)
• 41. روش‌های ارزیابی عملکرد مدل‌های سری زمانی
• 42. معیارهای RMSE، MAE، MAPE
• 43. تحلیل باقیمانده‌ها و بررسی مفروضات مدل
• 44. مدل‌سازی داده‌های با طول نامنظم
• 45. داده‌های گم‌شده در سری‌های زمانی و روش‌های برخورد با آن‌ها
• 46. سری‌های زمانی و یادگیری ماشین
• 47. استفاده از شبکه‌های عصبی در پیش‌بینی سری‌های زمانی
• 48. روش‌های کاهش ابعاد در سری‌های زمانی چندمتغیره
• 49. تحلیل موجک و کاربرد آن در سری‌های زمانی
• 50. سری‌های زمانی و تحلیل ریسک
• 51. مدل‌سازی و پیش‌بینی قیمت سهام
• 52. تحلیل سری‌های زمانی در بازاریابی
• 53. پیش‌بینی تقاضا برای محصولات مختلف
• 54. مدل‌سازی و پیش‌بینی نرخ ارز
• 55. تحلیل سری‌های زمانی در مدیریت زنجیره تأمین
• 56. پیش‌بینی موجودی کالا
• 57. تحلیل سری‌های زمانی و پیش‌بینی بلایا طبیعی
• 58. کاربرد خودهمبستگی در تشخیص ناهنجاری‌ها
• 59. سری‌های زمانی و اینترنت اشیا (IoT)
• 60. پیش‌بینی داده‌های حسگرها با استفاده از سری‌های زمانی
• 61. سری‌های زمانی و تحلیل داده‌های شبکه‌های اجتماعی
• 62. تحلیل احساسات در شبکه‌های اجتماعی با استفاده از سری‌های زمانی