دوره جامع مدل سازی و پیش بینی با هوش مصنوعی

• آشنایی با پایتون (تاریخچه پایتون، ویژگی‌های پایتون، کاربردهای پایتون، نسخه‌های پایتون، نصب پایتون، آشنایی با محیط پایتون و محیط‌های توسعه و…)
• انواع داده‌‌‌ها (اعداد، رشته، لیست، Tuple، دیکشنری، Set و تبدیل داده‌ها) ارائه کاربردهای آن در اقتصاد و مالی
• انواع عملگرها در پایتون (محاسباتی، منطقی، مقایسه‌ای و…، تقدم عملگرها) و بررسی کاربرد آن در اقتصاد و مالی
• ساختارهای تصمیم: دستورات شرطی (ساختار if، else…if و ساختار شرطی تو در تو)، حلقه‌ها (ساختار for و while، ساختار حلقه تو در تو، دستورات کنترلی در حلقه) و ارائه مثال در حوزه مالی
• ایجاد تابع (مزیت استفاده از تابع، انواع توابع، توابع بازگشتی صدا زدن تابع، تست توابع) و ارائه مثال‌هایی از کاربرد آن در حوزه مالی
• آشنایی با کتابخانه Numpy و Pandas برای انجام محاسبات عددی و مدیریت داده‌ها
• آشنایی با کتابخانه matplotlib و seaborn برای ترسیم داده‌های مالی

• آشنایی با مبانی آمار و احتمال سری‌های زمانی مالی
• مانایی و نامانایی و تاثیر آن در مدلسازی
• بررسی علیت در داده‌های سری زمانی
• بررسی همجمعی در داده‌های مالی
• بررسی وجود حافظه در سری های زمانی مالی
• تقارن و عدم تقارن بازده دارایی‌های مالی
• رفتار خطی و غیرخطی در سری های زمانی مالی
• شناسایی رفتاری آشوبی در سری های زمانی مالی

• مدل‌های سری زمانی تک متغیره
  • مدل‌های AR، MA، ARMA و ARIMA
  • مدل‌های خانواده ARCH و GARCH
  • مدل‌های مبتنی بر حافظه ARFIMA و ….
• مدل‌های سری زمانی چند متغیره
  • مدل رگرسیون خطی
  • مدل رگرسیون لوجستیک
  • و…

• مدل‌های مبتنی بر یادگیری ماشین (ANN ،RBF ،SVM و …)
• مدل‌های مبتنی بر یادگیری عمیق (LSTM و…)

بررسی دقت در پیش‌بینی با استفاده از معیارهای مختلف نظیر

• MAE
• MAPE
• RMSE
• CSP
• CDCP
• و…