تسلط به اقتصاد مالی برای تحلیل سری‌های زمانی

آنچه یاد خواهید گرفت:

• اصول اقتصاد مالی و تحلیل داده‌ با اکسل
• مدل‌سازی وابستگی‌های مالی - همبستگی، توزیع‌های دومتغیره و کوپولاها
• مفاهیم پیشرفته سری‌های زمانی - ایستایی، هم‌گرایی و مدل‌سازی نوسان
• ساخت و پیاده‌سازی مدل‌های سری زمانی در اکسل - ARMA و ARIMA و GARCH

پیش‌نیازهای دوره

• تجربه‌ اولیه با مایکروسافت اکسل
• علاقه‌ جدی به مباحث مرتبط با امور مالی کمی
• درک اینکه دارایی‌های مالی چیست. (برای مثال AAPL و MSFT و BTC)

توضیحات دوره

شروع سفری به دنیای اقتصاد مالی و تحلیل سری‌های زمانی

این تجربه‌ یادگیری جامع، شما را با مهارت‌های لازم برای تسلط به اقتصاد مالی، به ویژه نکات دقیق تحلیل سری‌های زمانی، مجهز می‌کند. آماده باشید تا به تئوری‌های بنیادی و کاربردهای عملی وارد شوید، همه اینها در حالی‌ است که قدرت اکسل را به کار می‌بندید.

نگاهی به زمینه‌هایی که بررسی خواهیم کرد:

 اصول - ساخت زرادخانه آماری خود

• کسب داده - سفر خود را با کشف منابع اصلی داده‌ مالی، مانند Kaggle و مبادلات مستقیم، آغاز می‌کنید. در حالی که به منابع متنوع دسترسی خواهید داشت، عمدتاً از داده‌ ارائه شده در دوره استفاده خواهیم کرد تا تجربه‌ یادگیری یکنواخت و همواری را تضمین کنیم.
• ملزومات آماری - معیارهای اصلی آماری مانند میانگین، واریانس و انحراف معیار را درک کرده و قدرت آنها را در رمزگشایی توزیع‌های داده کشف می‌کنید. بررسی ما به ممان مرکزی، از جمله چولگی و کشیدگی ادامه خواهد یافت.
• توزیع‌های احتمال - شما به دنیای تابع چگالی احتمال (PDF) و تابع توزیع تجمعی (CDF) وارد می‌شوید و تفاوت‌های بین داده‌ گسسته و پیوسته را کشف می‌کنید و به هنر نمایش احتمالات با استفاده از هیستوگرام‌ها و مجموع‌های تجمعی مسلط می‌شوید. ما همچنین اسرار توزیع نرمال رایج را فاش خواهیم کرد.
• متغیرهای تصادفی - شما مفهوم متغیرهای تصادفی و ارتباط نزدیک آنها با توابع احتمال را کشف می‌کنید.

 تسلط عملی به داده - تبدیل داده‌ خام به بینش‌ها

• تجربی در مقابل نظری - PDF و CDF تجربی را از داده‌ واقعی می‌سازید و در مقایسه‌ای جذاب با توزیع‌های نظری، مانند توزیع نرمال و تی استودنت، شرکت می‌کنید. این تجربه عملی شامل مرتب‌سازی بازده‌ها، استانداردسازی داده و مقیاس‌بندی PDF تجربی با استفاده از Z-scores خواهد بود.
• نمودارهای QQ - به هنر مقایسه ویژوال با استفاده از نمودارهای QQ مسلط شده و توزیع‌های تجربی را در مقابل همتایان نظری آنها قرار می‌دهید. چندک‌ها بهترین دوستان جدید شما خواهند شد زیرا بینش‌های عمیق‌تری از توزیع بازده‌های مالی به دست می‌آورید.
• تبدیل داده - خود را با تکنیک‌های ضروری تبدیل داده مجهز می‌کنید و یاد می‌گیرید که چگونه بازده‌های لگاریتمی را محاسبه کرده و داده‌ خود را نرمال کرده و آن را برای تحلیل دقیق آماده می‌کنید.

مدل‌سازی آماری - کشف الگوهای درونی

• توزیع نرمال - به عمق ویژگی‌های جالب توزیع نرمال می‌پردازید و آن را هم به عنوان تابع چگالی و هم به عنوان تابع توزیع تجمعی بررسی می‌کنید. شما می‌آموزید که چگونه این توزیع بنیادی را به‌ خوبی به داده‌ خود برازش دهید.
• چگالی‌های مخلوط - شما ابزارهای مدل‌سازی خود را با کشف چگالی‌های مخلوط گسترش می‌دهید. شما می‌آموزید چگونه چندین تابع چگالی را ترکیب کنید و توزیع‌های مخلوطی بسازید که سناریوهای پیچیده واقعی را ثبت کند.
• رگرسیون خطی - شما به دنیای رگرسیون خطی، هم ساده و هم چندگانه، می‌پردازید. شما مفاهیم بنیادی عرض از مبدا و شیب‌ها را درک می‌کنید و به محاسبه این پارامترهای اساسی با استفاده از حداقل مربعات معمولی (OLS) مسلط می‌شوید.
• متریک‌های ANOVA - با متریک‌های ضروری ANOVA، مانند مجموع مربعات باقیمانده (RSS)، کل مجموع مربعات (TSS)، مجموع مربعات توضیح داده شده (ESS)، و مهم‌تر از همه مربع R آشنا می‌شوید.
• آزمون فرضیه - یک درک قوی از آزمون فرضیه‌ها توسعه می‌دهید و فرضیه‌های صفر و جایگزین را با دقت فریم‌بندی می‌کنید. آزمون‌های آماری، از جمله آزمون‌های تی و مقادیر p روشنگرانه، ابزارهای قابل اعتمادی برای تعیین اهمیت یافته‌های شما خواهند شد.
• برآورد درست‌نمایی بیشینه (MLE) - شما برآورد درست‌نمایی بیشینه (MLE) را به عنوان تکنیک قدرتمندی برای برآورد پارامترهای مدل می‌پذیرید. شما به مفاهیم احتمال و تابع احتمال لاگ می‌پردازید و از روش‌های عددی برای کشف پتانسیل‌های آنها استفاده می‌کنید.
• مدل‌های سری زمانی - به دنیای سری‌های زمانی با مدل‌های اتورگرسیو (AR)، میانگین متحرک (MA) و مدل‌های ARMA وارد می‌شوید. شما اجزای آنها را رمزگشایی می‌کنید و به برآورد آنها مسلط می‌شوید. ما همچنین به مدل‌های ARIMA که بسیار متنوع هستند خواهیم پرداخت.

 تحلیل چندمتغیره - بررسی روابط در ابعاد بالاتر

• PDFs مشترک دومتغیره - به قلمروی تابع چگالی احتمال دومتغیره وارد می‌شوید و می‌آموزید که چگونه دو توزیع نرمال را ترکیب کنید و نقش حیاتی همبستگی را در شکل‌دهی به رفتار مشترک آنها درک کنید.
• کوپولاها - شما قدرت کوپولاها را در مدل‌سازی ساختارهای پیچیده وابستگی بین متغیرهای تصادفی کشف می‌کنید. کوپولای گاسی تمرکز عمده ما خواهد بود و یاد خواهید گرفت که چگونه چگالی کوپولا را با استفاده از CDFs تجربی محاسبه کنید.

مفاهیم پیشرفته سری‌های زمانی - تسلط به نکات دقیق

• ایستایی - شما مفهوم ایستایی، هم به صورت قوی و هم ضعیف را کشف می‌کنید. این درک، اساس مدل‌سازی قوی سری‌های زمانی است و خواهید دید که چرا استفاده از داده‌ ایستا بسیار حیاتی است.
• ریشه‌های واحد - با مفهوم ریشه‌های واحد و ارتباط آنها با ایستایی روبرو می‌شوید. تولید داده‌ ایستا و غیر ایستا را تجربه می‌کنید تا درکتان را تقویت کنید.
• ACF و PACF - شما از قدرت تابع خودهمبستگی (ACF) و تابع خودهمبستگی جزئی (PACF) برای تحلیل و بررسی داده‌ سری زمانی خود استفاده می‌کنید.
• آزمون‌های دیکی-فولر - شما یاد می‌گیرید که چگونه آزمون‌های دیکی-فولر و دیکی-فولر افزوده (ADF) را به کار می‌برید که ابزارهای ضروری برای ارزیابی ایستایی به طور دقیق هستند.
• هم‌گرایی و آزمون انگل-گرانجر - شما اسرار هم‌گرایی را کشف کرده و از آزمون انگل-گرانجر برای آشکار کردن اینکه آیا دو سری زمانی رابطه‌ تعادلی بلندمدت دارند استفاده می‌کنید.
• مدل تصحیح خطا (ECM) - به مدل تصحیح خطا (ECM) که ابزاری قدرتمند است و پویایی کوتاه‌مدت و بلندمدت سری‌های زمانی هم‌همبسته را یکپارچه می‌کند، می‌پردازید.
• مدل‌سازی نوسان - به دنیای پویای ناهمسانی واریانس شرطی خودرگرسیونی تعمیم‌یافته وارد می‌شوید که به طور خاص برای مدل‌سازی نوسان طراحی شده است. همچنین به مدل‌های GARCH نامتقارن (AGARCH) خواهیم پرداخت تا رویکردی دقیق‌تر داشته باشیم.

پیاده‌سازی عملی - عملی کردن تئوری با اکسل

• اکسل به عنوان ابزار شما - شما از قدرت آشنا و دوست داشتنی اکسل برای پیاده‌سازی تمام مدل‌ها و محاسباتی که بررسی خواهیم کرد، استفاده می‌کنید.
• آشنایی با نرم‌افزار - نگاهی انتقادی به درک فرضیات نرم‌افزاری می‌یندازید و یاد می‌گیرید که چگونه به دقت نتایج خود را بررسی کرده و دقت و قابلیت اطمینان را تضمین کنید.
• قالب‌ها و مثال‌ها - از قالب‌های ارائه شده بهره‌مند می‌شوید که طراحی شده‌اند تا شما را در هر مرحله راهنمایی کنند و کارتان را با مثال‌های تکمیل‌ شده مقایسه می‌کنید تا درک شما تقویت شود.

این سفر یادگیری جامع شما را با دانش نظری و مهارت‌های عملی لازم برای تسلط به اقتصاد مالی و تحلیل داده‌ سری زمانی مالی توانمند می‌سازد. آماده‌ شوید تا تا داده‌ را به بینش‌های عملی تبدیل کنید.

این دوره برای چه کسانی مناسب است؟

• تاجرانی که می‌خواهند استراتژی‌ها و بینش‌های مالی آزموده‌ شده‌ را کشف کنند.
• برنامه‌نویسانی که می‌خواهند الگوریتم‌های مالی را پیاده‌سازی کنند اما از ریاضیات ترس دارند.
• دانشجویان کارشناسی که علاقه‌مند به امور مالی کمی یا اقتصاد مالی هستند.
• کاربرانی از Crypto Wizards که می‌خواهند بیشتر درباره‌ بینش‌های ارائه‌ شده بیاموزند.