توضیحات

آموزش تحلیل سری های زمانی برای تجارت در پایتون

نام دوره : Time Series Analysis in Python

پیش نیاز:

• هیچ تجربه قبلی با سری زمانی مورد نیاز نیست.
• شما باید Anaconda را نصب کنید. ما به شما نشان خواهیم داد که چگونه این کار را مرحله به مرحله انجام دهید.
• درک کلی از زبان های کدنویسی ترجیح داده می شود، اما لازم نیست.

توضیحات:

چگونه یک بانک تجاری عملکرد مورد انتظار سبد وام خود را پیش بینی می کند؟

یا چگونه یک مدیر سرمایه گذاری ریسک یک سبد سهام را برآورد می کند؟

روش های کمی برای پیش بینی املاک و مستغلات کدامند؟

اگر مقداری وابستگی زمانی وجود دارد، پس آن را می دانید – پاسخ این است: تجزیه و تحلیل سری های زمانی.

این دوره مهارت های عملی را به شما آموزش می دهد که به شما امکان می دهد به عنوان یک تحلیلگر مالی کمی، یک تحلیلگر داده یا یک دانشمند داده شغلی پیدا کنید.

در کوتاه ترین زمان، مهارت های اساسی را به دست خواهید آورد که به شما امکان می دهد تجزیه و تحلیل سری های زمانی پیچیده را که به طور مستقیم در عمل قابل استفاده است، انجام دهید.

ما در آموزش تحلیل سری های زمانی برای تجارت در پایتون ایجاد کرده ایم که نه تنها بی زمان است بلکه:

• · آسان برای درک
• · جامع
• · کاربردی
• · به نقطه
• · مملو از تمرینات و منابع فراوان

اما می دانیم که ممکن است کافی نباشد.

ما برجسته ترین ابزارها را می گیریم و از طریق پایتون – محبوب ترین زبان برنامه نویسی در حال حاضر – پیاده سازی می کنیم. با این فرض…

به تجزیه و تحلیل سری زمانی در پایتون خوش آمدید!

سوال بزرگ در گذراندن دوره آنلاین این است که انتظار چه چیزی را داشته باشید.

و ما اطمینان حاصل کرده‌ایم که همه چیزهایی را که برای مهارت در تحلیل سری‌های زمانی نیاز دارید در اختیار شما قرار می‌دهیم.

ما با بررسی نظریه سری های زمانی بنیادی شروع می کنیم تا به شما در درک مدل سازی که بعدا می آید کمک کنیم.

سپس در طول دوره، با تعدادی از کتابخانه های پایتون کار خواهیم کرد و آموزش کاملی را به شما ارائه خواهیم داد.

ما از عملکرد قدرتمند سری زمانی ساخته شده در پانداها و همچنین کتابخانه های اساسی دیگر مانند NumPy، matplotlib، StatsModels، yfinance، ARCH و pmdarima استفاده خواهیم کرد.

با این ابزارها ما به پرکاربردترین مدل های موجود در بازار تسلط خواهیم یافت:

• · AR (مدل رگرسیون)
• · MA (مدل متحرک میانگین)
• · ARMA (مدل اتورگرسیو-متحرک-متوسط)
• · ARIMA (مدل میانگین متحرک یکپارچه اتورگرسیو)
• · ARIMAX (مدل میانگین متحرک یکپارچه اتورگرسیون با متغیرهای برون زا)
• . SARIA (مدل میانگین متحرک اتورگرسیو فصلی)
• . SARIMA (مدل میانگین متحرک یکپارچه اتورگرسیو فصلی)
• . SARIMAX (مدل میانگین متحرک یکپارچه اتورگرسیو فصلی با متغیرهای برون زا)
• · ARCH (مدل ناهمگونی شرطی اتورگرسیون)
• · GARCH (مدل ناهمگنی شرطی خودبازگشت عمومی تعمیم یافته)
• . VARMA (مدل میانگین متحرک اتورگرسیو برداری)

می دانیم که سری های زمانی یکی از آن موضوعاتی است که همیشه شک و شبهه هایی بر جای می گذارد.

این دوره دقیقا همان چیزی است که شما برای درک سری های زمانی یک بار برای همیشه نیاز دارید. نه تنها این، بلکه تعداد زیادی مواد اضافی را نیز دریافت خواهید کرد – فایل های دفترچه یادداشت، یادداشت های دوره، سؤالات مسابقه، و بسیاری از تمرینات – همه چیز گنجانده شده است.

دوره آموزش تحلیل سری های زمانی برای تجارت در پایتون برای چه کسانی است:

• دانشمندان مشتاق داده
• مبتدیان برنامه نویسی
• افراد علاقه مند به امور مالی کمی
• برنامه نویسانی که می خواهند در امور مالی تخصص داشته باشند.
• فارغ التحصیلان امور مالی و متخصصانی که باید دانش خود را بهتر در پایتون به کار گیرند.