آموزش کاربرد تحلیل داده‌ها در امور مالی (Data Analytics in Finance) - آخرین آپدیت

دانلود Applying Data Analytics in Finance

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره آموزشی یک نمای کلی از تحلیل‌های مالی را ارائه می‌دهد. شما خواهید آموخت که چرا، چه زمانی و چگونه تحلیل‌های مالی را در موقعیت‌های دنیای واقعی به کار بگیرید. در این مسیر، تکنیک‌های تحلیل داده‌های سری زمانی و نحوه ارزیابی موازنه ریسک و پاداش (Risk-Reward Trade-off) که در نظریه مدرن سبد سهام مطرح شده است را بررسی خواهید کرد. اگرچه تمرکز اصلی بر قیمت‌ها، بازدهی و ریسک سهام شرکت‌ها خواهد بود، اما تکنیک‌های تحلیلی آموخته شده در حوزه‌های دیگر نیز قابل استفاده هستند. در نهایت، دوره با مقدمه‌ای کوتاه بر معاملات الگوریتمی (Algorithmic Trading) به پایان می‌رسد. پس از تکمیل این دوره، شما قادر خواهید بود داده‌های سری زمانی را درک کنید، پیش‌بینی‌های دقیق انجام دهید و کارایی تخمین‌ها را تعیین کنید. همچنین، می‌توانید با استفاده از داده‌های واقعی قیمت سهام، یک سبد دارایی (Portfolio) با بهینه‌سازی ریسک و پاداش ایجاد کنید. درک داده‌های مالی یک مهارت حیاتی برای تحلیلگران، مدیران و مشاوران است.

سرفصل ها و درس ها

جهت‌گیری دوره و مقدمه‌ای بر تحلیل مالی و داده‌های سری زمانی Course Orientation and Introduction to Financial Analytics and Time Series Data

  • معرفی دوره کورسرا Coursera Course Introduction ***

  • بیوگرافی مدرس: خوزه رودریگز Instructor Bio: Jose Rodriguez ***

  • مصاحبه با خوزه رودریگز Interview with Jose Rodriguez

  • یادگیری با شرایط خودتان Learn on Your Terms

  • مرور ماژول ۱ Module 1 Overview ***

  • خوزه رودریگز: پیش‌بینی در عمل Jose Rodriguez: Forecasting in Practice

  • درس ۱ بخش ۱.۱ پیش‌بینی ذهنی (Subjective) Lesson 1-1.1 Subjective Forecasting

  • درس ۱ بخش ۱.۲ پیش‌بینی تجاری و داده‌های سری زمانی Lesson 1-1.2 Business Forecasting and Time Series Data

  • درس ۱ بخش ۲.۱ مقدمه‌ای بر تحلیل مالی Lesson 1-2.1 Introduction to Financial Analytics

  • درس ۱ بخش ۳.۱ اندازه‌گیری عملکرد پیش‌بینی: فاصله Lesson 1-3.1 Forecasting Performance Measurements: Distance

  • درس ۱ بخش ۳.۲ اندازه‌گیری عملکرد پیش‌بینی: معیارها Lesson 1-3.2 Forecasting Performance Measurements: Metrics

ماژول ۲: معیارهای عملکرد و مدل هولت-وینترز Module 2: Performance Measures and Holt-Winters Model

  • مرور ماژول ۲ Module 2 Overview ***

  • خوزه رودریگز: مدل‌های پیش‌بینی در عمل Jose Rodriguez: Forecasting Models in Practice

  • درس ۲ بخش ۱.۱ مقدمه‌ای بر پیش‌بینی: روش میانگین Lesson 2-1.1 Introduction to Forecasting: Average Method

  • درس ۲ بخش ۱.۲ مقدمه‌ای بر پیش‌بینی: روش ساده (Naive) Lesson 2-1.2 Introduction to Forecasting: Naive Method

  • درس ۲ بخش ۱.۳ مقدمه‌ای بر پیش‌بینی: رگرسیون خطی Lesson 2-1.3 Introduction to Forecasting: Linear Regression ***

  • درس ۲ بخش ۱.۴ مقدمه‌ای بر پیش‌بینی: مثال در نرم‌افزار R Lesson 2-1.4 Introduction to Forecasting: R Example

  • درس ۲ بخش ۲.۱ میانگین متحرک Lesson 2-2.1 Moving Averages

  • درس ۲ بخش ۳.۱ مقدمه‌ای بر هموارسازی نمایی Lesson 2-3.1 Introduction to Exponential Smoothing

  • درس ۲ بخش ۳.۲ هموارسازی نمایی ساده Lesson 2-3.2 Simple Exponential Smoothing

  • درس ۲ بخش ۳.۳ هموارسازی نمایی ساده: مثال در R Lesson 2-3.3 Simple Exponential Smoothing: R Example

  • درس ۲ بخش ۴.۱ هموارسازی نمایی هولت Lesson 2-4.1 Holt's Exponential Smoothing

  • درس ۲ بخش ۴.۲ مدل پیش‌بینی هولت-وینترز Lesson 2-4.2 Holt-Winter's Forecasting Model

  • درس ۲ بخش ۴.۳ مدل هولت-وینترز: مثال در R Lesson 2-4.3 Holt-Winter's Model: R Example

  • درس ۲ بخش ۵.۱ خودهمبستگی (Autoregression) Lesson 2-5.1 Autoregression

  • درس ۲ بخش ۵.۲ خودهمبستگی: مثال در R Lesson 2-5.2 Autoregression: R Example

ماژول ۳: ایستایی (Stationarity) و مدل ARIMA Module 3: Stationarity and ARIMA Model

  • مرور ماژول ۳ Module 3 Overview ***

  • خوزه رودریگز: مدل ARIMA در عمل Jose Rodriguez: ARIMA in Practice

  • درس ۳ بخش ۱.۱ ایستایی: مقدمه Lesson 3-1.1 Stationarity: Introduction

  • درس ۳ بخش ۱.۲ ایستایی: تفاضل‌گیری Lesson 3-1.2 Stationarity: Differencing

  • درس ۳ بخش ۲.۱ مدل ARIMA: مقدمه Lesson 3-2.1 ARIMA: Introduction

  • درس ۳ بخش ۲.۲ مدل ARIMA: اجزاء Lesson 3-2.2 ARIMA: Components

  • درس ۳ بخش ۲.۳ مدل ARIMA: مدل و مثال R (بخش ۱) Lesson 3-2.3 ARIMA: Model and R Example Part 1

  • درس ۳ بخش ۲.۴ مدل ARIMA: مدل و مثال R (بخش ۲) Lesson 3-2.4 ARIMA: Model and R Example Part 2

  • درس ۳ بخش ۲.۵ مدل ARIMA: مدل و مثال R (بخش ۳) Lesson 3-2.5 ARIMA: Model and R Example Part 3

  • درس ۳ بخش ۲.۶ مدل ARIMA: مدل و مثال R (بخش ۴) Lesson 3-2.6 ARIMA: Model and R Example Part 4

  • درس ۳ بخش ۲.۷ مدل ARIMA: مدل و مثال R (بخش ۵) Lesson 3-2.7 ARIMA: Model and R Example Part 5

ماژول ۴: نظریه مدرن سبد سهام و مقدمه‌ای بر معاملات الگوریتمی Module 4: Modern Portfolio Theory and Intro to Algorithmic Trading

  • مرور ماژول ۴ Module 4 Overview ***

  • خوزه رودریگز: مدیریت سبد سهام در عمل Jose Rodriguez: Portfolios in Practice

  • درس ۴ بخش ۱.۱ نظریه سبد سهام: مقدمه Lesson 4-1.1 Portfolio Theory: Introduction

  • درس ۴ بخش ۱.۲ نظریه سبد سهام: بازده مورد انتظار Lesson 4-1.2 Portfolio Theory: Expected Returns

  • درس ۴ بخش ۱.۳ نظریه سبد سهام: ریسک یک اوراق بهادار Lesson 4-1.3 Portfolio Theory: Risk of a Security

  • درس ۴ بخش ۱.۴ نظریه سبد سهام: مرز کارا (Efficient Frontier) Lesson 4-1.4 Portfolio Theory: Efficient Frontier

  • درس ۴ بخش ۱.۵ نظریه سبد سهام: وزن‌های سبد سهام Lesson 4-1.5 Portfolio Theory: Portfolio Weights

  • درس ۴ بخش ۱.۶ نظریه سبد سهام: خط تخصیص سرمایه Lesson 4-1.6 Portfolio Theory: Capital Allocation Line

  • درس ۴ بخش ۱.۷ نظریه سبد سهام: تنوع‌بخشی Lesson 4-1.7 Portfolio Theory: Diversification

  • درس ۴ بخش ۲.۱ مقدمه‌ای بر معاملات الگوریتمی Lesson 4-2.1 Introduction to Algorithmic Trading

  • درس ۴ بخش ۲.۲ مقدمه‌ای بر معاملات الگوریتمی: استراتژی دنبال کردن روند Lesson 4-2.2 Introduction to Algorithmic Trading: Trend Following Strategy

  • درس ۴ بخش ۲.۳ مقدمه‌ای بر معاملات الگوریتمی: بک‌تست (Backtesting) Lesson 4-2.3 Introduction to Algorithmic Trading: Backtesting

  • درس ۴ بخش ۲.۴ مقدمه‌ای بر معاملات الگوریتمی: مثال در R Lesson 4-2.4 Introduction to Algorithmic Trading: R Example

  • درس ۴ بخش ۲.۵ مقدمه‌ای بر معاملات الگوریتمی: نتیجه‌گیری Lesson 4-2.5 Introduction to Algorithmic Trading: Conclusion

  • خلاصه دوره: کاربرد تحلیل داده‌ها در امور مالی Course Summary: Applying Data Analytics in Finance

نمایش نظرات

آموزش کاربرد تحلیل داده‌ها در امور مالی (Data Analytics in Finance)
جزییات دوره
23h 27m
52
(آخرین آپدیت)
28,743
4.6 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar