🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: تخصیص بهینه ریسک بدون محدب بودن ترجیحات: رویکرد محدب‌سازی تجمیعی

موضوع کلی: مدیریت ریسک و نظریه تصمیم‌گیری

موضوع میانی: تخصیص بهینه ریسک و دوگانگی محدب

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر مدیریت ریسک
• 2. مبانی نظریه تصمیم‌گیری
• 3. فضای احتمالات و متغیرهای تصادفی
• 4. توابع مطلوبیت و ریسک‌گریزی
• 5. مفهوم محدب بودن (Convexity) در اقتصاد
• 6. محدب بودن ترجیحات و پیامدهای آن
• 7. مدل‌های کلاسیک تخصیص ریسک
• 8. محدودیت‌های مدل‌های کلاسیک
• 9. مفهوم تخصیص ریسک موافق
• 10. انواع ریسک و طبقه‌بندی آن
• 11. ریسک سیستمی و ریسک خاص
• 12. اندازه‌گیری ریسک: واریانس و انحراف معیار
• 13. اندازه‌گیری ریسک: VaR (ارزش در معرض خطر)
• 14. اندازه‌گیری ریسک: CVaR (ارزش شرطی در معرض خطر)
• 15. مفهوم دوگانگی (Duality) در بهینه‌سازی
• 16. معادلات دوگان در بهینه‌سازی محدب
• 17. مفهوم تابع لگژانژین (Lagrangian)
• 18. روش ضرایب لگژانژین برای حل مسائل بهینه‌سازی
• 19. مفهوم تابع دوگان لگژانژین
• 20. شرایط KKT (Karush-Kuhn-Tucker)
• 21. کاربرد دوگانگی در تخصیص ریسک
• 22. نظریه مجموعه محدب (Convex Set Theory)
• 23. فضاها و عملگرهای خطی
• 24. ویژگی‌های مجموعه محدب
• 25. کراکره (Closure) و انقباض (Interior) مجموعه محدب
• 26. هاله‌های محدب (Convex Hulls)
• 27. نظریه جدایی (Separation Theorems)
• 28. کاربرد نظریه جدایی در بهینه‌سازی
• 29. مفهوم تابع محدب (Convex Function)
• 30. مشخصات توابع محدب
• 31. قاعده زنجیره‌ای برای توابع محدب
• 32. انواع خاص توابع محدب
• 33. تابع سوبدیفِرنشیال (Subgradient)
• 34. قوانین سوبدیفِرنشیال
• 35. مفهوم سوبدیفِرنشیال برای توابع محدب
• 36. نرمال سوبست (Normal Subspace)
• 37. مفهوم اپی‌گراف (Epigraph) تابع
• 38. رابطه اپی‌گراف و محدب بودن
• 39. قضیه کرانه‌دار بودن (Boundedness Theorems)
• 40. رابطه بین توابع محدب و توابع مقعر
• 41. توابع مقعر و پیامدهای آن
• 42. مفهوم تابع محدب‌سازی شده (Convexified Function)
• 43. چگونه یک تابع مقعر را محدب‌سازی کنیم
• 44. مفهوم تجمیع (Aggregation)
• 45. تجمیع توابع در بهینه‌سازی
• 46. تجمیع ترجیحات
• 47. تجمیع ریسک
• 48. مفهوم محدب‌سازی تجمیعی (Aggregate Convexification)
• 49. هدف از محدب‌سازی تجمیعی
• 50. چگونگی اعمال محدب‌سازی تجمیعی
• 51. مزایای رویکرد محدب‌سازی تجمیعی
• 52. تفاوت با رویکردهای سنتی
• 53. مفهوم تخصیص ریسک بدون فرض محدب بودن ترجیحات
• 54. چرا فرض محدب بودن ترجیحات محدود کننده است؟
• 55. مثال‌هایی از ترجیحات غیرمحدب
• 56. کاربرد مدل‌های بدون فرض محدب بودن ترجیحات
• 57. مفهوم تابع ارزش (Value Function)
• 58. ساختمان تابع ارزش در تخصیص ریسک
• 59. روابط اساسی بین توابع ارزش
• 60. مفهوم توزیع ریسک (Risk Distribution)
• 61. پیدا کردن توزیع ریسک بهینه
• 62. معیارهای بهینگی در تخصیص ریسک
• 63. معادله اویلر-لاگرانژ (Euler-Lagrange Equation)
• 64. کاربرد معادلات اویلر-لاگرانژ در تخصیص ریسک
• 65. مفهوم قضیه اولیه‌ی تخصیص ریسک
• 66. مفهوم قضیه دوازدهمی تخصیص ریسک
• 67. مفهوم قضیه سوم تخصیص ریسک
• 68. مفهوم قضیه چهارم تخصیص ریسک
• 69. کاربرد جبر خطی در تخصیص ریسک
• 70. مفهوم ماتریس کوواریانس
• 71. بهینه‌سازی با ماتریس کوواریانس
• 72. مدل تخصیص ریسک خطی
• 73. مفهوم تابع زیان (Loss Function)
• 74. بهینه‌سازی با تابع زیان
• 75. مفهوم تابع سرمایه‌گذاری (Utility Function)
• 76. بهینه‌سازی با تابع سرمایه‌گذاری
• 77. حل عددی مسائل تخصیص ریسک
• 78. الگوریتم‌های تکراری برای تخصیص ریسک
• 79. تکنیک‌های شبیه‌سازی مونت کارلو
• 80. کاربرد شبکه‌های عصبی در مدیریت ریسک
• 81. یادگیری تقویتی در تخصیص ریسک
• 82. مفاهیم تئوری بازی در مدیریت ریسک
• 83. توازن نش (Nash Equilibrium) در تخصیص ریسک
• 84. مدل‌های بازار با اطلاعات نامتقارن
• 85. قراردادهای مشتقه و تخصیص ریسک
• 86. مفهوم پوشش ریسک (Hedging)
• 87. استراتژی‌های پوشش ریسک پویا
• 88. تخصیص ریسک در پرتفوی‌های پیچیده
• 89. مدیریت ریسک اعتباری
• 90. مدیریت ریسک بازار
• 91. مدیریت ریسک عملیاتی
• 92. مدیریت ریسک نقدینگی
• 93. مدیریت ریسک قانونی و انطباقی
• 94. مدیریت ریسک استراتژیک
• 95. مفاهیم مدیریت ریسک شرکت (ERM)
• 96. طراحی چارچوب مدیریت ریسک
• 97. پیاده‌سازی و نظارت بر مدیریت ریسک
• 98. نقش فناوری اطلاعات در مدیریت ریسک
• 99. اقتصاد رفتاری و مدیریت ریسک
• 100. خطاهای شناختی در تصمیم‌گیری ریسکی