دوره استنباط علّی در مطالعات رویداد مالی: تشخیص خطاها و بهبود دقت تحلیل همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره استنباط علّی در مطالعات رویداد مالی: تشخیص خطاها و بهبود دقت تحلیل

موضوع کلی: اقتصاد سنجی مالی

موضوع میانی: روش‌های استنباط علّی در مطالعات رویداد مالی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مطالعات رویداد مالی
• 2. اهمیت استنباط علّی در اقتصاد سنجی مالی
• 3. چالش های استنباط علّی در مطالعات رویداد مالی
• 4. مروری بر مقاله "Causal Inference in Financial Event Studies"
• 5. مبانی مطالعات رویداد مالی: تعریف رویداد و رویدادهای مالی
• 6. انواع رویدادهای مالی: عرضه اولیه سهام، تجدید ساختار، اعلام سود، ادغام و اکتساب
• 7. اثرات رویداد: اثرات فوری، اثرات بلندمدت
• 8. روش های سنتی اندازه گیری اثرات رویداد: مدل های میانگین رویداد
• 9. مفاهیم کلیدی استنباط علّی: علیت، همبستگی، متغیرهای مخدوش کننده
• 10. تعریف متغیر مخدوش کننده در مطالعات رویداد مالی
• 11. چالش های تشخیص متغیرهای مخدوش کننده
• 12. مبانی استنباط علّی: پتانسیل نتایج
• 13. توزیع تصادفی در مطالعات رویداد مالی
• 14. عدم توزیع تصادفی به عنوان یک چالش
• 15. مفاهیم آماری مرتبط با استنباط علّی
• 16. مبانی رگرسیون و محدودیت های آن در استنباط علّی
• 17. مدل های رگرسیون خطی چندگانه و تفسیر ضرایب
• 18. مشکلات درون زایی (Endogeneity) در اقتصاد سنجی مالی
• 19. انواع درون زایی: متغیر مخدوش کننده، خطای متغیر، همزمانی
• 20. تاثیر درون زایی بر تخمین اثرات علّی
• 21. روش های مقابله با درون زایی: متغیرهای ابزاری
• 22. مبانی متغیرهای ابزاری
• 23. شرایط لازم برای متغیر ابزاری: ارتباط (Relevance) و عدم ارتباط با خطای مدل (Exclusion Restriction)
• 24. تخمین با متغیر ابزاری: روش دو مرحله ای حداقل مربعات (2SLS)
• 25. کاربرد متغیرهای ابزاری در مطالعات رویداد مالی
• 26. چالش های انتخاب متغیر ابزاری مناسب
• 27. روش های مبتنی بر کنترل مداخله (Intervention-based methods)
• 28. مفهوم مداخله و نقش آن در استنباط علّی
• 29. مقایسه با مطالعات رویداد سنتی
• 30. روش های مبتنی بر داده های پانل
• 31. مزایای داده های پانل برای استنباط علّی
• 32. مدل های اثرات ثابت (Fixed Effects) و اثرات تصادفی (Random Effects)
• 33. کاربرد اثرات ثابت و تصادفی در مطالعات رویداد مالی
• 34. بررسی تفاضل در تفاضل (Difference-in-Differences - DiD)
• 35. مبانی روش DiD
• 36. فرض کلیدی DiD: گرادیان موازی (Parallel Trends Assumption)
• 37. روش های ارزیابی فرض گرادیان موازی
• 38. کاربرد DiD در مطالعات رویداد مالی
• 39. چالش ها و محدودیت های روش DiD
• 40. روش های مبتنی بر نقاط عطف (Regression Discontinuity Design - RDD)
• 41. مبانی روش RDD
• 42. قوانین نقطه عطف (Cutoff Rules)
• 43. انواع RDD: Sharp RDD و Fuzzy RDD
• 44. کاربرد RDD در مطالعات رویداد مالی
• 45. چالش های اعمال RDD در داده های مالی
• 46. روش های مبتنی بر تطابق (Matching Methods)
• 47. مفهوم تطابق در استنباط علّی
• 48. انواع تطابق: Nearest Neighbor Matching, Propensity Score Matching
• 49. محاسبه امتیاز تمایل (Propensity Score)
• 50. روش های متداول تطابق: Coarsened Exact Matching (CEM), Mahalanobis Distance Matching
• 51. کاربرد روش های تطابق در مطالعات رویداد مالی
• 52. ارزیابی کیفیت تطابق
• 53. روش تطابق بر اساس آنتروپی (Entropy Matching)
• 54. روش تطابق بر اساس وزن دهی (Weighting Methods)
• 55. روش های وزنی: Inverse Probability Weighting (IPW)
• 56. روش های وزنی: Doubly Robust Estimation
• 57. کاربرد روش های وزنی در مطالعات رویداد مالی
• 58. ترکیب روش های تطابق و وزنی
• 59. روش های مبتنی بر رویدادهای طبیعی (Natural Experiments)
• 60. مفهوم رویداد طبیعی
• 61. شناسایی رویدادهای طبیعی در بازار مالی
• 62. مطالعات موردی رویدادهای طبیعی در اقتصاد سنجی مالی
• 63. مزایا و معایب رویدادهای طبیعی
• 64. روش های مبتنی بر شبیه سازی (Simulation-based Methods)
• 65. شبیه سازی داده های مالی
• 66. شبیه سازی اثرات رویداد
• 67. روش های ارزیابی علّی با استفاده از شبیه سازی
• 68. استفاده از تکنیک های یادگیری ماشین در استنباط علّی
• 69. یادگیری ماشین برای پیش بینی متغیرهای مخدوش کننده
• 70. یادگیری ماشین برای طبقه بندی رویدادها
• 71. یادگیری ماشین برای شناسایی الگوهای علّی
• 72. استفاده از شبکه های عصبی در استنباط علّی
• 73. استفاده از درخت های تصمیم و جنگل های تصادفی
• 74. استفاده از مدل های گرافی علّی (Causal Graphical Models)
• 75. مبانی گراف های جهت دار غیرمدور (DAGs)
• 76. تفسیر گراف های علّی
• 77. کاربرد DAGs در شناسایی متغیرهای مخدوش کننده
• 78. مدل سازی علّی با استفاده از گراف ها
• 79. داده های با فرکانس بالا و استنباط علّی
• 80. چالش های داده های با فرکانس بالا
• 81. روش های استنباط علّی برای داده های با فرکانس بالا
• 82. اثرات اطلاعات سریع (High-Frequency Information Effects)
• 83. استنتاج علّی در بازارهای نوظهور
• 84. تفاوت های نهادی و اثرات آن بر استنباط علّی
• 85. استنتاج علّی در بازارهای اوراق قرضه
• 86. استنتاج علّی در بازارهای آتی
• 87. استنتاج علّی در بازارهای ارز
• 88. تحلیل حساسیت (Sensitivity Analysis)
• 89. ارزیابی robustness نتایج
• 90. بررسی اثرات متغیرهای مخدوش کننده مشاهده نشده
• 91. روش های مبتنی بر ناهمگنی (Heterogeneity)
• 92. تفاوت اثرات علّی در گروه های مختلف
• 93. شناسایی عوامل تعیین کننده ناهمگنی اثرات
• 94. مبانی اقتصاد سنجی غیرخطی در مطالعات رویداد
• 95. مدل های اقتصاد سنجی غیرخطی برای اثرات علّی
• 96. مقدمه ای بر آماره های علّی (Causal Statistics)
• 97. قضیه دِوُوت (Dewoot's Theorem) در استنباط علّی
• 98. آماره های P-value و تفسیر آن ها در مطالعات علّی
• 99. مفاهیم آماره های علّی معتبر (Valid Causal Statistics)
• 100. روش های اعتبارسنجی مدل های علّی