لطفا جهت پرداخت (ورود به درگاه بانک) فیلترشکن خود را خاموش نمایید.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
تحلیل مالی با ARIMA و پیش بینی سری های زمانی [ویدئو]
Financial Analysis with ARIMA and Time Series Forecasting [Video]
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
با مقدمهای بر تحلیل سریهای زمانی شروع کنید، و پایهای محکم برای درک ماهیت و ساختار دادههای سری زمانی فراهم کنید. شما مفاهیم کلیدی مانند مدلسازی در مقابل پیشبینی را کشف خواهید کرد و تکنیکهای ضروری تبدیل دادهها از جمله قدرت، ورود به سیستم و تبدیلهای Box-Cox را یاد خواهید گرفت. این اصول زمینه را برای موضوعات پیشرفته تر فراهم می کند.
همانطور که عمیق تر می شوید، با بررسی کامل سری های زمانی مالی مواجه خواهید شد. شما در مورد پیاده روی تصادفی، فرضیه پیاده روی تصادفی، و اهمیت پیش بینی های پایه یاد خواهید گرفت. سپس دوره به مطالعه جامع مدلهای ARIMA تبدیل میشود. مدلهای اتورگرسیو (AR)، مدلهای میانگین متحرک (MA)، و ترکیبی از اینها را در ARIMA کاوش خواهید کرد. جلسات برنامهنویسی عملی درک شما را تقویت میکند و به شما امکان میدهد تستهای ثابت، ACF، PACF و تکنیکهای Auto ARIMA را برای دادههای مالی واقعی اعمال کنید.
بخش آخر دوره بر کاربرد مدل های ARIMA در پیش بینی تمرکز دارد. شما یاد خواهید گرفت که چگونه ARIMA را در سناریوهای مختلف، از بازده سهام تا داده های فروش، پیاده سازی کنید. این دوره با یک راهنمای دقیق در مورد پیشبینی دادههای خارج از نمونه پایان مییابد، و تضمین میکند که میتوانید مهارتهای جدید خود را در موقعیتهای دنیای واقعی به کار ببرید. بخشهای تکمیلی راهنمایی در مورد راهاندازی محیط برنامهنویسی شما و کمک اضافی برای مبتدیان پایتون ارائه میدهند. درک و تجزیه و تحلیل داده های سری زمانی
برای بهبود مدلسازی، تبدیلهای داده را پیادهسازی کنید
مدل های ARIMA را در داده های مالی اعمال کنید
تست های ثابت را انجام دهید و از ACF/PACF استفاده کنید
پیش بینی داده های مالی با استفاده از تکنیک های ARIMA
مهارت های تصمیم گیری مبتنی بر داده را توسعه دهید
این دوره برای متخصصان مالی، تحلیلگران داده و علاقه مندان با درک اولیه از آمار و پایتون طراحی شده است. تجربه قبلی با داده های مالی مفید است اما لازم نیست. مقدمه ای جامع بر تحلیل و تبدیل سری های زمانی * کاوش عمیق سری های زمانی مالی و پیش بینی های پایه * مطالعه دقیق مدل های ARIMA با جلسات کدگذاری عملی
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
Packtpub یک ناشر دیجیتالی کتابها و منابع آموزشی در زمینه فناوری اطلاعات و توسعه نرمافزار است. این شرکت از سال 2004 فعالیت خود را آغاز کرده و به تولید و انتشار کتابها، ویدیوها و دورههای آموزشی میپردازد که به توسعهدهندگان و متخصصان فناوری اطلاعات کمک میکند تا مهارتهای خود را ارتقا دهند. منابع آموزشی Packtpub موضوعات متنوعی از جمله برنامهنویسی، توسعه وب، دادهکاوی، امنیت سایبری و هوش مصنوعی را پوشش میدهد. محتوای این منابع به صورت کاربردی و بهروز ارائه میشود تا کاربران بتوانند دانش و تواناییهای لازم برای موفقیت در پروژههای عملی و حرفهای خود را کسب کنند.
برنامه نویس تنبل، یک معلم آنلاین برجسته، دارای مدرک کارشناسی ارشد دوگانه در مهندسی کامپیوتر و آمار، با یک دهه تخصص در یادگیری ماشین، تشخیص الگو، و یادگیری عمیق است که در آن دوره های پیشگامی را تألیف کرده است. سفر حرفه ای او شامل افزایش تبلیغات آنلاین و رسانه های دیجیتال، به ویژه افزایش نرخ کلیک و درآمد است. به عنوان یک مهندس نرم افزار همه کاره تمام پشته، او در Python، Ruby on Rails، C++ و غیره برتری دارد. دانش گسترده او حوزه هایی مانند بیوانفورماتیک و تجارت الگوریتمی را پوشش می دهد و مجموعه مهارت های متنوع او را به نمایش می گذارد. او که به ساده کردن موضوعات پیچیده اختصاص دارد، به عنوان یک چهره محوری در آموزش آنلاین ایستاده است و دانش آموزان را به طرز ماهرانه ای از طریق تفاوت های ظریف علم داده و هوش مصنوعی هدایت می کند.
نمایش نظرات