تحلیل داده در بازارهای مالی ( Data Analysis for Financial Markets)

تحلیل داده در بازارهای مالی (داده Analysis برای Financial Markets)

دوره تحلیل داده در بازارهای مالی ( داده Analysis برای Financial Markets) دوره شامل ۱۶۰ ساعت آموزش تخصصی در قالب ۱۱ درس پایه و تخصصی می‌باشد.

در جدول زیر دروس عمومی و اختصاصی این دوره به همراه مباحث مطرح شده در هر درس گردآوری شده است. در صورت نیاز به اطلاعات تکمیلی با ما تماس بگیرید.

جهت کسب اطلاعات بیشتر و ثبت نام اولیه (کلیک کنید)

 

 

 

چرا دوره تحلیل داده در بازارهای مالی دانشکده فنی دانشگاه تهران؟

آنچه در دوره تحلیل داده در بازارهای مالی می‌آموزید…

مزایای شرکت در دوره

  • بهره‌مندی از ترکیب منحصر به فرد مدرسین برتر دانشگاه تهران و صنعت و بازار
  • یادگیری قواعد کسب و کار همراه بواسطه کسب مهارت‌های عملی همراه و آموزش‌های نظری
  • موفقیت و توسعه در کسب و کار فعلی و دستیابی به موقعیت‌های شغلی برتر
  • گسترش ارتباطات شغلی و شبکه کسب و کار
  • معرفی بازارهای مالی و بورس تهران
  • معرفی روش‌های تحلیلگری
  • مفهوم تورم و آثار آن و تعریف عمومی سرمایه گذاری
  • شیوه‌های سرمایه گذاری در بازار داخلی و مقایسه آن‌ها با یکدیگر
  • بهره مندی از تجارب برترین اساتید دانشگاه تهران و حوزه کسب و کار
  • آموزش و یادگیری بر اساس استانداردهای روز دنیا
  • ایجاد ارتباط مؤثر با سایر دانش پذیران و اساتید
  • دریافت گواهینامه معتبر دانشگاه تهران 

 

 

ردیفعنوان فارسی درسعنوان انگلیسی درستعداد ساعات تدریسسرفصل هاروش ارزیابی
9یادگیری ماشین، معاملات الگوریتمی و تحلیل سری‌های زمانی در پایتانMachine learning, algorithmic trading & time series analysis in Python40کاربردهای پایتان در اقتصاد و مالی ساختارهای تصمیم پایتان در حوزه مالی کاربرد توابع ریاضی، اعداد تصادفی، ورود داده‌های مالی به پایتان محاسبه بازده دارایی‌ها، محاسبه ریسک، تحلیل همبتسگی کتابخانه numpyجهت محاسبات عددی در حوزه مالی کتابخانه pandasجهت مدیریت داده‌های مالی کتابخانه scipyجهت معاملات الگوریتمی در حوزه مالی کتابخانه matplotlibوseaborn جهت ترسیم داده‌های مالی انواع ترسیم‌های کاربردی در داده‌های مالی نمودارهای سری زمانی، نمودارهای همبستگی، هیستوگرام و ... مدیریت و پیش پردازش داده‌ها، پالایش و آماده‌سازی آن‌ها محاسبات بازده، حذف نویز، تحلیل همبستگی انواع محاسبات مقدماتی در حوزه مالی محاسبه بازده و بازده تجمعی، سنجه‌های ریسک و رگرسیون ورود داده‌های مالی از گوگل-فاینانس و بانک جهانی فراخوانی داده از پایگاه‌های داده معتبر انتقال فایل داده از اکسل، R و سایر نرم افزارهای مالی مروری الگوریتم‌های یادگیری ماشین و تحلیل رگرسیون مروری بر معاملات الگوریتمی و مدل‌های سری‌های زمانی پیاده سازی عملیاتی الگوریتم‌ها در مثال‌های کاربردی بازار مالی: پیش‌بینی داده‌های مالی با شبکه عصبی مصنوعی کلاس‌بندی داده‌های مالی با شبکه عصبی مصنوعی نمونه‌های اجرایی از درخت تصمیم بر روی کیس‌های مالی استفاده از الگوریتم KNN جهت پیش‌گویی عددی استفاده از الگوریتم SVM در تحلیل‌های مالی تحلیل رگرسیون: خطی، چندگانه، چندمتغیره بر روی مثال‌های مالی گروه‌بندی بازارهای مالی توسط تکنیک‌های خوشه‌بندی مهندسی مولفه‌های بازار سرمایه با استفاده از تکنیک‌هایی نظیر: PCA تحلیل رفتار مشتریان مصرف کننده با استفاده از قواعد انجمنی پیاده‌سازی مدل‌های سری زمانی در بازار‌های مالی کاربرد پایتان در اقتصاد و مالی- معاملات الگوریتمی آشنایی با انواع استراتژی‌های معاملات الگوریتمی استراتژی‌های معاملاتی مبتنی بر تحلیل تکنیکال استراتژی‌های معاملاتی مبتنی بر همبستگی خطی استراتژی‌های معاملاتی مبتنی بر یادگیری ماشین استراتژی‌های معاملاتی مبتنی بر معاملات پربسامد بررسی کارایی استراتژی‌ها – Strategy Testing گرفتن Backtest جهت بررسی موفقیت الگوریتم‌ها تحلیل Walk Forward Testing و Forward Testing بررسی کارایی الگوریتم به صورت زنده Live Testingپروژه-
نمایش ۱۱ تا ۱۱ مورد از کل ۱۱ مورد.