σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimization
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
σμimplied vol · KKmax(S−K,0)udβρᵢⱼfat tailsPnL · drawdownyield · TdSₜ = μSₜ dt + σSₜ dWₜC = S·N(d₁) − K·e⁻ʳᵀ·N(d₂)σₚ² = wᵀΣwd₁ = [ln(S/K) + (r + σ²⁄2)T] ⁄ σ√T∂V/∂t + ½σ²S²·∂²V/∂S² + rS·∂V/∂S − rV = 0Sharpe = (Rₚ − R_f) ⁄ σₚVaR₉₉ = μ − 2.33σρ = Cov(X,Y) ⁄ σₓσᵧE[Rₚ] = Σ wᵢ·E[Rᵢ]φ(x) = e^(−x²/2) ⁄ √2πE[Rᵢ] = R_f + βᵢ(E[Rₘ] − R_f)dXₜ = θ(μ − Xₜ)dt + σ dWₜσ²ₜ = ω + α·ε²ₜ₋₁ + β·σ²ₜ₋₁C − P = S − K·e⁻ʳᵀΔ = ∂V/∂S Γ = ∂²V/∂S²p = (e^(rΔt) − d) ⁄ (u − d)rₜ = ln(Pₜ ⁄ Pₜ₋₁)E[Xₜ₊₁ | ℱₜ] = Xₜf* = (bp − q) ⁄ bz = (x − μ) ⁄ σP(N=k) = λᵏe^(−λ) ⁄ k!Θ = −∂V/∂Tν = S·φ(d₁)·√Tmin wᵀΣw s.t. wᵀμ = μ*∫Σ∂∞λ
uantCraft Academyخرائط الطريقالمسارات
Ctrl K
AO
+1.2k متعلّم
تسجيل الدخولانضم ↗
خرائط الطريقالمسارات
AO
+1.2k متعلّم
تسجيل الدخول
  • English
  • Français
  • Español
  • العربية
  • Português
  • Deutsch
  • 日本語
  • 中文
المسارات›Statistics
S

Statistics المسار

متاحابدأ من هنا

المالية مليئة بالضجيج والاختبار الرجعي الذي يبدو جيدًا غالبًا ما يكون حظًّا. تعلّمك هذه المهارة الأدوات التي تميّز الإشارة من الضجيج باختبارات قصيرة (أرقام تحسبها وخطوات ترتبها ومفاهيم تطابقها) وأمثلة مالية: لماذا يتفوق الوسيط على المتوسط في العوائد، وكم يبلغ عرض المجال فعلًا، ولماذا لا يثبت أفضل مئة استراتيجية إلا القليل، وكيف نتحقق دون النظر إلى المستقبل. وتنتهي بمختبر برمجي يختبر شذوذية زخم على أسعار حقيقية بالبوتستراب وتصحيح للاختبارات المتعددة.

4 وحدات12 مختبرًا مصححًا~11 ساعةمبتدئ → متقدم
ابدأ المسار

المنهج

12 موضوعًا · افتح أي موضوع بالترتيب الذي تريده
  1. 1الإحصاء الوصفي والمقدّرات المتينةلم يبدأ40 دابدأ
  2. 2التوزيعات العيّنيةلم يبدأ45 دابدأ
  3. 3مجالات الثقة والبوتسترابلم يبدأ55 دابدأ
  1. 4اختبارات الفرضيات: اختبار tلم يبدأيتطلب Python45 دابدأ
  2. 5الاختبارات المتعددة والاكتشافات الكاذبةلم يبدأ55 دابدأ
  1. 6الإمكان الأعظملم يبدأ55 دابدأ
  2. 7الانحدار الخطي (OLS)لم يبدأيتطلب Python55 دابدأ
  3. 8عدم تجانس التباين والأخطاء المتينةلم يبدأ50 دابدأ
  4. 9التعدد الخطي والتنظيملم يبدأ50 دابدأ
  1. 10التحقق المتقاطع والإفراط في الملاءمةلم يبدأ55 دابدأ
  2. 11نسبة شارب المخفَّضة والإفراط في ملاءمة الاختبار الرجعيلم يبدأ1 سابدأ
  3. 12المشروع الختامي: هل هذه الشذوذية حقيقية؟لم يبدأ1 س 40 دابدأ

المتطلبات المسبقة

تفيد الاحتمالات، وموضوعا Python داخل هذه المهارة جزء من المنهج، لكن يمكنك البدء برياضيات المرحلة الثانوية.

  • PProbability

ما الذي ستتعلمه

  • تلخيص العوائد بإحصاءات متينة وفهم التوزيعات العيّنية والأخطاء المعيارية
  • بناء مجالات الثقة ومنها البوتستراب للإحصاءات التي لا صيغة لها
  • إجراء الاختبارات بأمانة: تصحيح الاختبارات المتعددة وضبط الاكتشافات الكاذبة
  • ملاءمة النماذج بالإمكان الأعظم والانحدار ومعالجة عدم تجانس التباين والتداخل الخطي والتنظيم
  • التحقق دون تسريب المستقبل وتخفيض نسبة شارب بعدد المحاولات واختبار شذوذية من البداية إلى النهاية

الأدوات التي ستستخدمها

PythonNumPypandaspytest

الإكمال

انجح في 12 مختبرًا بدرجة 70 فأكثر لإكمال المسار والحصول على شارة الإحصاء للكمّيين في ملفك الشخصي.

0 / 120%

المسار التالي

MMatrix Decompositionsمتاح
uantCraft Academy

تعلّم التطوير الكمّي بالممارسة: دروس قصيرة ومختبرات مُقيَّمة وبيئة تطوير حقيقية داخل متصفحك.

تعلّم
كل خرائط الطريقكل مسارات التعلممسار Pythonمسار C++قريبًامسار OxCamlقريبًامسار Market Structureمسار Calculusمسار Linear Algebraمسار Probabilityمسار Statisticsمسار Matrix Decompositionsمسار Optimization
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
تسجيل الدخولانضم ↗
تسجيل الدخول