تحلیل مالی با ARIMA و پیش بینی سری های زمانی [ویدئو]

سرفصل ها و درس ها

خوش آمدید Welcome

• مقدمه و طرح کلی Introduction and Outline

• پیشنهاد ویژه Special Offer

راه اندازی Getting Set Up

• گرم کردن (اختیاری) Warmup (Optional)

• کد را از کجا دریافت کنیم Where to get the code

مبانی سری زمانی Time Series Basics

• سری زمانی چیست؟ What is a Time Series?

• مدل سازی در مقابل پیش بینی Modeling vs. Predicting

• تبدیل قدرت، لاگ و باکس-کاکس Power, Log, and Box-Cox Transformations

• جعبه پیشنهاد (03:10) Suggestion Box (03:10)

مبانی مالی Financial Basics

• پرایمر سری زمانی مالی Financial Time Series Primer

• پیاده روی تصادفی و فرضیه پیاده روی تصادفی Random Walks and the Random Walk Hypothesis

• پیش بینی ساده لوحانه و اهمیت خطوط پایه The Naive Forecast and the Importance of Baselines

آریما ARIMA

• معرفی بخش ARIMA ARIMA Section Introduction

• مدل‌های خودرگرسیون - AR(p) Autoregressive Models - AR(p)

• مدل‌های میانگین متحرک - MA(q) Moving Average Models - MA(q)

• آریما ARIMA

• ARIMA در کد ARIMA in Code

• ثابت بودن Stationarity

• ثابت بودن در کد Stationarity in Code

• ACF (عملکرد همبستگی خودکار) ACF (Autocorrelation Function)

• PACF (عملکرد خودهمبستگی جزئی) PACF (Partial Autocorrelation Function)

• ACF و PACF در کد (نقطه 1) ACF and PACF in Code (pt 1)

• ACF و PACF در کد (نقطه 2) ACF and PACF in Code (pt 2)

• خودکار ARIMA و SARIMAX Auto ARIMA and SARIMAX

• انتخاب مدل، AIC و BIC Model Selection, AIC and BIC

• خودکار ARIMA در کد Auto ARIMA in Code

• Auto ARIMA در کد (سهام) Auto ARIMA in Code (Stocks)

• ACF و PACF برای بازده سهام ACF and PACF for Stock Returns

• Auto ARIMA در کد (اطلاعات فروش) Auto ARIMA in Code (Sales Data)

• چگونه با ARIMA پیش بینی کنیم How to Forecast with ARIMA

• پیش بینی خارج از نمونه Forecasting Out-Of-Sample

• خلاصه بخش ARIMA ARIMA Section Summary

تنظیم محیط خود (پیوست) Setting Up Your Environment (Appendix)

• بررسی قبل از نصب Pre-Installation Check

• تنظیم محیط آناکوندا Anaconda Environment Setup

• نحوه نصب Numpy، Scipy، Matplotlib، Pandas و Tensorflow How to install Numpy, Scipy, Matplotlib, Pandas, and Tensorflow

کمک اضافی برای کدنویسی پایتون برای مبتدیان (پیوست) Extra Help With Python Coding for Beginners (Appendix)

• چگونه خود را کدگذاری کنید (قسمت 1) How to Code Yourself (part 1)

• چگونه خود را کدگذاری کنید (قسمت 2) How to Code Yourself (part 2)

• اثبات اینکه استفاده از نوت بوک Jupyter همان استفاده نکردن از آن است Proof that using Jupyter Notebook is the same as not using it

• نحوه استفاده از Github و نکات کدنویسی اضافی (اختیاری) How to use Github & Extra Coding Tips (Optional)

استراتژی‌های یادگیری مؤثر برای یادگیری ماشین (پیوست) Effective Learning Strategies for Machine Learning (Appendix)

• چگونه در این دوره موفق شویم (نسخه طولانی) How to Succeed in this Course (Long Version)

• آیا این برای مبتدیان است یا متخصصان؟ علمی یا عملی؟ سریع یا کند؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 1) What order should I take your courses in? (part 1)

• دوره های شما را به چه ترتیبی باید بگذرانم؟ (قسمت 2) What order should I take your courses in? (part 2)