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 Optimizationمسار Time Series
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›Time Series
T

Time Series المسار

متاحابدأ من هنا

الأسعار والعوائد والتقلبات ليست سحوبات مستقلة: اليوم يعتمد على الأمس، والأسابيع الهادئة تتبع الهادئة، وقد يتحرك سعران معًا لسنوات. تعلّمك هذه المهارة الأدوات التي تحترم هذا الترتيب، باختبارات قصيرة (أرقام تحسبها وخطوات ترتبها ومفاهيم تطابقها) وأمثلة مالية: لماذا تحتاج سلسلة الأسعار إلى التفاضل قبل الانحدار عليها، وكيف يشير ACF وPACF إلى نموذج AR أو MA، وماذا يعني الجذر الأحادي لقاعدة تداول، ولماذا يتجمّع التقلب وكيف يستفيد منه GARCH، ومتى يكون سهمان متكاملين فعلًا، وكيف يتتبع مرشح كالمان نسبة تحوط خفية، ولماذا يجب تقييم التنبؤ خارج العينة. المشروع الختامي مختبر برمجي تبني فيه متنبئات تقلب بنفسك وتقارنها على عوائد SPY حقيقية.

5 وحدات14 مختبرًا مصححًا~14 ساعةمتوسط → متقدم
ابدأ المسار

المتطلبات المسبقة

يُتوقع معرفة الإحصاء (الانحدار واختبارات الفرضيات والإمكان الأعظم) وتفيد مبادئ الاحتمالات. لا حاجة إلى خلفية في السلاسل الزمنية.

  • SStatistics

المنهج

14 موضوعًا · افتح أي موضوع بالترتيب الذي تريده
  1. 1الاستقرار والتفاضللم يبدأ50 دابدأ
  2. 2الارتباط الذاتي ACF وPACFلم يبدأ50 دابدأ
  3. 3الجذور الأحادية واختبار ADFلم يبدأ50 دابدأ
  1. 4نماذج AR وMA وARMAلم يبدأ55 دابدأ
  2. 5الموسمية وتأثيرات التقويملم يبدأ45 دابدأ
  3. 6نماذج ARIMAلم يبدأيتطلب Python1 سابدأ
  1. 7تجمّع التقلب وARCHلم يبدأ50 دابدأ
  2. 8نماذج التقلب GARCHلم يبدأيتطلب Python1 سابدأ
  3. 9مقدّرات التقلب المحقَّقلم يبدأ55 دابدأ
  1. 10التكامل المشترك والأزواجلم يبدأ1 سابدأ
  2. 11نماذج فضاء الحالة ومرشح كالمانلم يبدأ1 س 10 دابدأ
  1. 12تقييم التنبؤاتلم يبدأ50 دابدأ
  2. 13الانكسارات الهيكليةلم يبدأ55 دابدأ
  3. 14المشروع الختامي: مسابقة توقع التقلب على بيانات حقيقيةلم يبدأ1 س 40 دابدأ

الإكمال

انجح في 14 مختبرًا بدرجة 70 فأكثر لإكمال المسار والحصول على شارة السلاسل الزمنية في ملفك الشخصي.

0 / 140%

المتطلبات المسبقة

يُتوقع معرفة الإحصاء (الانحدار واختبارات الفرضيات والإمكان الأعظم) وتفيد مبادئ الاحتمالات. لا حاجة إلى خلفية في السلاسل الزمنية.

  • SStatistics

الأدوات التي ستستخدمها

PythonNumPypandaspytest

ما الذي ستتعلمه

  • التمييز بين السلاسل المستقرة وغير المستقرة، وتفاضل السلسلة، وقراءة ارتباطها الذاتي والجزئي
  • اختبار الجذور الأحادية باختبار ADF ومعرفة ما يعنيه المشي العشوائي للتنبؤ
  • ملاءمة نماذج AR وMA وARMA وARIMA واختيار رتبها ومعالجة الموسمية وتأثيرات التقويم
  • نمذجة تجمّع التقلب بـ ARCH وGARCH وحساب التقلب المحقَّق من البيانات اليومية وبيانات المدى
  • اختبار التكامل المشترك لبناء الأزواج وتتبع نسبة تحوط خفية بمرشح كالمان
  • تقييم التنبؤات خارج العينة بدالة الخسارة الصحيحة، وكشف الانكسارات الهيكلية، وتنظيم مسابقة لتوقع التقلب على عوائد حقيقية
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 Optimizationمسار Time Series
الدعم
شاركنا ملاحظاتكاشترِ لنا قهوة
قانوني
سياسة الخصوصيةشروط الخدمة
© 2026 QuantCraft Solutions. جميع الحقوق محفوظة.
QuantCraft
تسجيل الدخولانضم ↗
تسجيل الدخول