کتاب صوتی تحلیل هم‌جمعی و علیت در سری‌های زمانی اقتصاد کلان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل هم‌جمعی و علیت در سری‌های زمانی اقتصاد کلان

موضوع کلی: اقتصادسنجی کاربردی

موضوع میانی: تحلیل سری‌های زمانی اقتصاد کلان

📋 سرفصل‌های دوره

• 1. تحلیل سری‌های زمانی و مفاهیم پایه
• 2. هم‌جمعی: مبانی نظری و کاربردها
• 3. علّیت: مبانی نظری و روش‌های شناسایی
• 4. آزمون‌های رگرسیون و ارتباط با سری‌های زمانی
• 5. بررسی فرضیات رگرسیون در تحلیل سری زمانی
• 6. معرفی نرم‌افزارهای آماری برای تحلیل سری زمانی
• 7. پیش‌پردازش داده‌ها در سری‌های زمانی اقتصادی
• 8. بررسی ناهمگونی واریانس در سری‌های زمانی
• 9. آزمون‌های ناهمگونی واریانس و روش‌های اصلاح
• 10. مدل‌سازی ARIMA: مفاهیم و کاربردها
• 11. برآورد پارامترهای مدل ARIMA
• 12. آزمون‌های برازش مدل ARIMA
• 13. پیش‌بینی با استفاده از مدل ARIMA
• 14. مدل‌سازی SARIMA: مفاهیم و کاربردها
• 15. برآورد پارامترهای مدل SARIMA
• 16. آزمون‌های برازش مدل SARIMA
• 17. پیش‌بینی با استفاده از مدل SARIMA
• 18. مدل‌های GARCH: مفاهیم و کاربردها
• 19. برآورد پارامترهای مدل GARCH
• 20. آزمون‌های برازش مدل GARCH
• 21. پیش‌بینی با استفاده از مدل GARCH
• 22. تست‌های ریشه‌ی واحد و آزمون‌های هم‌جمعی
• 23. روش‌های آزمون ریشه‌ی واحد: ADF، PP، KPSS
• 24. آزمون هم‌جمعی انگل-گرنجر
• 25. آزمون هم‌جمعی جوهانسون
• 26. علّیت گرنجر: مبانی و کاربردها
• 27. آزمون علّیت گرنجر و تفسیر نتایج
• 28. علّیت معکوس و چالش‌های آن
• 29. علّیت غیرخطی و روش‌های شناسایی
• 30. مدل‌سازی VAR: مفاهیم و کاربردها
• 31. برآورد پارامترهای مدل VAR
• 32. آزمون‌های برازش مدل VAR
• 33. پیش‌بینی با استفاده از مدل VAR
• 34. مدل‌سازی VECM: مفاهیم و کاربردها
• 35. برآورد پارامترهای مدل VECM
• 36. آزمون‌های برازش مدل VECM
• 37. پیش‌بینی با استفاده از مدل VECM
• 38. تحلیل تکانه-پاسخ در مدل‌های VAR و VECM
• 39. تحلیل واریانس تفکیکی در مدل‌های VAR و VECM
• 40. کاربردهای مدل‌های سری زمانی در پیش‌بینی GDP
• 41. کاربردهای مدل‌های سری زمانی در پیش‌بینی نرخ تورم
• 42. کاربردهای مدل‌های سری زمانی در پیش‌بینی نرخ بهره
• 43. کاربردهای مدل‌های سری زمانی در پیش‌بینی نرخ ارز
• 44. کاربردهای مدل‌های سری زمانی در تحلیل بازار سهام
• 45. تحلیل سری‌های زمانی با داده‌های بافرکانس بالا