آموزش اکونومتریکس برای مالی، اقتصاد و علوم داده - آخرین آپدیت

دانلود Econometrics for Finance, Economics & Data Science

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تسلط بر رگرسیون، سری‌های زمانی، پیش‌بینی، اقتصادسنجی مالی و تحلیل داده‌های واقعی با مثال‌های کاربردی. درک مفاهیم اقتصادسنجی، مبانی آماری و تحلیل رگرسیون از سطح مبتدی تا پیشرفته. ساخت، تفسیر و اعتبارسنجی مدل‌های رگرسیون ساده و چندگانه با استفاده از مجموعه‌داده‌های واقعی اقتصادی و مالی. شناسایی و حل مشکلات اقتصادسنجی از جمله ناهمسانی واریانس (Heteroscedasticity)، خودهمبستگی (Autocorrelation) و هم‌خطی (Multicollinearity). به‌کارگیری تکنیک‌های سری‌های زمانی، اقتصادسنجی مالی و پیش‌بینی در مسائل عملی کسب‌وکار، مالی و پژوهشی. پیش‌نیازها: هیچ دانش قبلی از اقتصادسنجی مورد نیاز نیست. آشنایی با ریاضیات و آمار پایه مفید است اما اجباری نیست. هر کسی که به تحلیل داده‌ها، اقتصاد، مالی یا تحقیق علاقه‌مند باشد می‌تواند در این دوره شرکت کند. آشنایی با اکسل مفید است و مثال‌های مربوط به R/Python اختیاری هستند.

اقتصادسنجی یکی از ارزشمندترین مهارت‌های تحلیلی برای دانشجویان، پژوهشگران، اقتصاددانان، متخصصان مالی و تحلیلگران داده است. این دوره جامع طراحی شده است تا به شما کمک کند تکنیک‌های اقتصادسنجی را از مبانی تا کاربردهای پیشرفته از طریق یک رویکرد یادگیری ساختاریافته و عملی بیاموزید.

شما با درک مبانی آماری مورد نیاز برای اقتصادسنجی شروع خواهید کرد و سپس به سراغ تحلیل رگرسیون ساده و چندگانه، آزمون فرضیات، مدل‌سازی و تفسیر نتایج خواهید رفت. با پیشرفت در دوره، یاد می‌گیرید که چگونه چالش‌های رایج اقتصادسنجی مانند هم‌خطی، ناهمسانی واریانس و خودهمبستگی را شناسایی و رفع کنید.

این دوره همچنین اقتصادسنجی سری‌های زمانی، تکنیک‌های پیش‌بینی، مدل‌سازی نوسانات، اقتصادسنجی مالی و مفاهیم قیمت‌گذاری دارایی‌ها را معرفی می‌کند که به‌طور گسترده در محیط‌های دانشگاهی، مالی کمی، تحقیقات سرمایه‌گذاری و تحلیل‌های کسب‌وکار استفاده می‌شوند.

این دوره به جای تمرکز صرف بر تئوری‌های ریاضی، بر درک عملی و کاربردهای واقعی تأکید دارد. هر مفهوم گام‌به‌گام و با مثال‌های شهودی توضیح داده شده است تا بتوانید با اعتمادبه‌نفس داده‌ها را تحلیل کرده و مدل‌های اقتصادسنجی را تفسیر کنید.

در پایان این دوره، شما قادر خواهید بود مدل‌های رگرسیون را ساخته و ارزیابی کنید، تحلیل‌های آماری انجام دهید، روندهای آینده را پیش‌بینی کنید، نتایج اقتصادسنجی را تفسیر نموده و این تکنیک‌ها را در پروژه‌های اقتصادی، مالی، تجاری و پژوهشی به کار ببرید.

چه برای امتحانات دانشگاهی آماده می‌شوید، چه در حال انجام تحقیقات دانشگاهی هستید، در حوزه مالی فعالیت می‌کنید، به دنبال شغلی در تحلیل داده‌ها هستید و یا صرفاً می‌خواهید مهارت‌های کمی خود را تقویت کنید، این دوره زیربنای کامل مورد نیاز شما را فراهم می‌کند.

آنچه خواهید آموخت:

  • تسلط بر مفاهیم اقتصادسنجی از سطح مبتدی تا پیشرفته.

  • ساخت و تفسیر مدل‌های رگرسیون ساده و چندگانه.

  • انجام آزمون‌های فرضیه و ارزیابی عملکرد مدل.

  • عیب‌یابی و اصلاح هم‌خطی، ناهمسانی واریانس و خودهمبستگی.

  • به‌کارگیری تحلیل سری‌های زمانی و تکنیک‌های پیش‌بینی.

  • درک اقتصادسنجی مالی و مدل‌سازی نوسانات.

  • تحلیل مجموعه‌داده‌های واقعی اقتصادی و مالی.

  • کسب مهارت‌های عملی کاربردی در پژوهش، مالی، تحلیل کسب‌وکار و علوم داده.


سرفصل ها و درس ها

شروع کار با اقتصادسنجی Getting Started with Econometrics

  • اقتصادسنجی چیست؟ What is Econometrics?

  • انواع داده‌ها Types of Data

  • متدولوژی اقتصادسنجی The Econometric Methodology

  • متغیرهای تصادفی و توزیع‌ها Random Variables & Distributions

  • ارزش مورد انتظار و واریانس Expected Value & Variance

  • توزیع نرمال Normal Distribution

  • مبانی آزمون فرضیات Hypothesis Testing Basics

مبانی رگرسیون: از تئوری تا عمل Regression Fundamentals: From Theory to Practice

  • فواصل اطمینان Confidence Intervals

  • مفهوم رگرسیون The Concept of Regression

  • روش کمترین مربعات معمولی (OLS) The OLS Method

  • تفسیر ضرایب Interpreting Coefficients

  • شاخص نیکویی برازش (R Squared) Goodness of Fit - R-Squared

  • فرض‌های OLS (مدل رگرسیون خطی کلاسیک) Assumptions of OLS (CLRM)

  • کاربرد مالی: رگرسیون ساده Financial Application - Simple Regression

آزمون‌های آماری و رگرسیون چندگانه Statistical Testing & Multiple Regression

  • آزمون t The t-Test

  • آزمون F The F-Test

  • کاربرد مالی: تست بتا Financial Application - Beta Testing

  • توضیح مقادیر p-value p-Values Explained

  • فواصل اطمینان در رگرسیون Confidence Intervals in Regression

  • تفسیر ضرایب چندگانه Interpreting Multiple Coefficients

  • افزودن متغیرهای بیشتر Adding More Variables

ساخت مدل‌های رگرسیونی بهینه Building Better Regression Models

  • ضریب تعیین تعدیل شده (Adjusted R Squared) Adjusted R-Squared

  • هم‌خطی (Multicollinearity) Multicollinearity

  • متغیرهای مجازی (Dummy Variables) Dummy Variables

  • کاربرد مالی: مدل چند عاملی Financial Application - Multi-Factor

  • تحلیل باقیات Residual Analysis

  • بایاس متغیر حذف شده Omitted Variable Bias

  • فرم تابعی: مدل‌های لگاریتمی Functional Form: Log Models

عیب‌یابی مدل و ناهمسانی واریانس Model Diagnostics & Heteroscedasticity

  • گسست‌های ساختاری Structural Breaks

  • کاربرد مالی: عیب‌یابی مدل Financial Application - Model Diagnostics

  • ناهمسانی واریانس چیست؟ What Is Heteroscedasticity?

  • پیامدهای ناهمسانی برای OLS Consequences for OLS

  • آزمون‌های شناسایی Detection Tests

  • راهکارها: خطاهای استاندارد مقاوم (Robust) Remedies - Robust Standard Errors

  • کاربرد مالی: خوشه‌ای شدن نوسانات Financial Application - Volatility Clustering

خودهمبستگی و ضروریات سری‌های زمانی Autocorrelation & Time Series Essentials

  • خودهمبستگی چیست؟ What Is Autocorrelation?

  • آزمون دوربین-واتسون The Durbin-Watson Test

  • راهکارهای رفع خودهمبستگی Remedies for Autocorrelation

  • کاربرد مالی: آزمون گشت تصادفی Financial Application - Random Walk Test

  • مقدمه‌ای بر سری‌های زمانی Introduction to Time Series

  • پایا بودن (Stationarity) Stationarity

  • آزمون‌های ریشه واحد (آزمون ADF) Unit Root Tests - ADF Test

پیش‌بینی و مدل‌سازی نوسانات Forecasting & Volatility Modelling

  • هم‌انباشتگی (Cointegration) Cointegration

  • مدل‌های AR و MA AR and MA Models

  • کاربرد مالی: روندهای قیمت سهام Financial Application - Stock Price Trends

  • مقدمه‌ای بر مدل ARCH Introduction to ARCH

  • مدل‌های GARCH GARCH Models

  • تفسیر خروجی‌های GARCH Interpreting GARCH Output

  • کاربرد مالی: شاخص VIX و نوسانات Financial Application - VIX and Volatility

کارایی بازار و مدل‌های قیمت‌گذاری دارایی‌ها Market Efficiency & Asset Pricing Models

  • فرضیه بازار کارا Efficient Market Hypothesis

  • آزمون‌های کارایی فرم ضعیف Weak Form Efficiency Tests

  • مقدمه‌ای بر مطالعات رویداد (Event Studies) Introduction to Event Studies

  • محاسبه بازده‌های غیرعادی Calculating Abnormal Returns

  • کاربرد مالی: اعلان‌های سود Financial Application - Earnings Announcements

  • مدل CAPM The CAPM

  • آزمون CAPM با استفاده از رگرسیون Testing the CAPM with Regression

مدل‌های عاملی و اقتصادسنجی در دنیای واقعی Factor Models & Real-World Econometrics

  • مدل سه عاملی فاما-فرنچ The Fama-French Three Factor Model

  • تفسیر مدل‌های عاملی Factor Model Interpretation

  • جمع‌بندی نهایی Putting It All Together

  • گام‌های بعدی Next Steps

نمایش نظرات

آموزش اکونومتریکس برای مالی، اقتصاد و علوم داده
جزییات دوره
26 hours
60
(آخرین آپدیت)
72
5 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Piyushh n Dave Piyushh n Dave

مربی حرفه ای پایتون، علم داده، هوش مصنوعی، MLProfile خلاصه: - پیوش دارای 10 سال تجربه در آموزش فنی است و بیش از 5000 دانش آموز و حرفه ای را در پایتون، یادگیری ماشین، علم داده، هوش مصنوعی، سیستم جاسازی شده MATLABcle، Oraa آموزش داده است. , C برنامه نویسی در آموزش آنلاین و کلاسی. او یک متخصص کلاس درس و آموزش آنلاین است. جزئیات حرفه ای:- • او سخنران منابع برای علوم داده با استفاده از پایتون، تجزیه و تحلیل کسب و کار با استفاده از اوراکل، هوش مصنوعی، اهمیت شبیه سازی، یادگیری ماشین است. هوش مصنوعی، مدیریت پایگاه داده با استفاده از Mysql، مدلسازی ریاضی سیستم، MATLAB (Simulink)، برنامه نویسی سطح اسمبلی، برنامه نویسی C، برنامه نویسی جاسازی شده C، طراحی P، PI، PID، Sliding Mode Controller، برنامه نویسی نردبانی PLC.