کتاب صوتی اقتصادسنجی سری‌های زمانی با R و Python

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اقتصادسنجی سری‌های زمانی با R و Python

موضوع کلی: اقتصادسنجی کاربردی

موضوع میانی: تحلیل سری‌های زمانی اقتصاد کلان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر اقتصادسنجی سری‌های زمانی
• 2. مفاهیم پایه سری‌های زمانی
• 3. انواع داده‌های سری‌های زمانی
• 4. بررسی ویژگی‌های آماری سری‌های زمانی
• 5. آزمون‌های ایستایی برای سری‌های زمانی
• 6. رگرسیون خطی ساده در سری‌های زمانی
• 7. مدل‌های خودرگرسیون (AR)
• 8. مدل‌های میانگین متحرک (MA)
• 9. مدل‌های خودرگرسیون و میانگین متحرک (ARMA)
• 10. مدل‌های خودرگرسیون یکپارچه میانگین متحرک (ARIMA)
• 11. انتخاب مرتبه مدل ARIMA
• 12. آزمون‌های تشخیص مدل ARIMA
• 13. پیش‌بینی با مدل‌های ARIMA
• 14. معرفی R برای اقتصادسنجی سری‌های زمانی
• 15. کار با داده‌های سری زمانی در R
• 16. پیاده‌سازی مدل‌های AR، MA و ARMA در R
• 17. پیاده‌سازی مدل‌های ARIMA در R
• 18. آزمون‌های ایستایی در R
• 19. آزمون‌های تشخیص مدل در R
• 20. معرفی Python برای اقتصادسنجی سری‌های زمانی
• 21. کار با داده‌های سری زمانی در Python
• 22. پیاده‌سازی مدل‌های AR، MA و ARMA در Python
• 23. پیاده‌سازی مدل‌های ARIMA در Python
• 24. آزمون‌های ایستایی در Python
• 25. آزمون‌های تشخیص مدل در Python
• 26. مدل‌های GARCH
• 27. آزمون‌های ریشه واحد
• 28. مدل‌های تصحیح خطا (ECM)
• 29. مدل‌های برداری خودرگرسیون (VAR)
• 30. پیش‌بینی با مدل‌های VAR
• 31. تحلیل هم‌جمعی
• 32. آزمون‌های هم‌جمعی
• 33. مدل‌سازی ناهمگونی واریانس
• 34. مدل‌های انتقال حالت (State Space Models)
• 35. فیلتر کالمن
• 36. تحلیل طیفی سری‌های زمانی
• 37. تبدیل فوریه
• 38. تحلیل موجک
• 39. مدل‌سازی فصلی
• 40. مدل‌های SARIMA
• 41. تحلیل ناپایداری ساختاری
• 42. آزمون‌های ناپایداری
• 43. مدل‌سازی ناپایداری ساختاری
• 44. بررسی داده‌های مالی با سری‌های زمانی
• 45. تحلیل ریسک با سری‌های زمانی