آموزش تحلیل مالی با ARIMA و پیش‌بینی سری‌های زمانی - آخرین آپدیت

خوش‌آمدگویی Welcome

• مقدمه و سرفصل‌ها Introduction and Outline

• پیشنهاد ویژه Special Offer

راه‌اندازی اولیه Getting Set Up

• گرم کردن (اختیاری) Warmup (Optional)

• دسترسی به کدها Where to get the code

مبانی سری‌های زمانی Time Series Basics

• سری زمانی چیست؟ What is a Time Series?

• مدل‌سازی در مقابل پیش‌بینی Modeling vs. Predicting

• تبدیلات توان، لگاریتم و باکس-کاکس Power, Log, and Box-Cox Transformations

• باکس پیشنهادات Suggestion Box (03:10)

مبانی مالی Financial Basics

• مقدماتی بر سری‌های زمانی مالی Financial Time Series Primer

• گشت‌های تصادفی و فرضیه گشت تصادفی Random Walks and the Random Walk Hypothesis

• پیش‌بینی ساده (Naive) و اهمیت خطوط پایه The Naive Forecast and the Importance of Baselines

مدل ARIMA ARIMA

• مقدمه بخش ARIMA ARIMA Section Introduction

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

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

• مدل ARIMA ARIMA

• پیاده‌سازی ARIMA در کد ARIMA in Code

• ایستایی (Stationarity) Stationarity

• بررسی ایستایی در کد Stationarity in Code

• تابع خودهمبستگی (ACF) ACF (Autocorrelation Function)

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

• پیاده‌سازی ACF و PACF در کد (بخش اول) ACF and PACF in Code (pt 1)

• پیاده‌سازی ACF و PACF در کد (بخش دوم) ACF and PACF in Code (pt 2)

• مدل‌های Auto ARIMA و SARIMAX Auto ARIMA and SARIMAX

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

• پیاده‌سازی Auto ARIMA در کد Auto ARIMA in Code

• پیاده‌سازی Auto ARIMA برای سهام Auto ARIMA in Code (Stocks)

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

• پیاده‌سازی Auto ARIMA برای داده‌های فروش Auto ARIMA in Code (Sales Data)

• نحوه پیش‌بینی با ARIMA How to Forecast with ARIMA

• پیش‌بینی داده‌های خارج از نمونه (Out of Sample) Forecasting Out-Of-Sample

• خلاصه بخش ARIMA ARIMA Section Summary

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

• بررسی پیش از نصب Pre-Installation Check

• راه‌اندازی محیط Anaconda Anaconda Environment Setup

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

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

• چگونه خودتان کدنویسی کنید (بخش اول) How to Code Yourself (part 1)

• چگونه خودتان کدنویسی کنید (بخش دوم) How to Code Yourself (part 2)

• اثبات برابری استفاده از Jupyter Notebook با کدنویسی عادی Proof that using Jupyter Notebook is the same as not using it

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

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

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

• آیا این دوره برای مبتدیان است یا متخصصان؟ آکادمیک است یا کاربردی؟ Is this for Beginners or Experts? Academic or Practical? Fast or slow-paced?

• ترتیب گذراندن دوره‌ها به چه صورت باشد؟ (بخش اول) What order should I take your courses in? (part 1)

• ترتیب گذراندن دوره‌ها به چه صورت باشد؟ (بخش دوم) What order should I take your courses in? (part 2)