《Python商業(yè)數(shù)據(jù)分析》-教學大綱

1、 商業(yè)數(shù)據(jù)分析教學大綱析的世界，學習數(shù)據(jù)分析的方法，學會應(yīng)用數(shù)據(jù)分析工具，挖掘商務(wù)數(shù)據(jù)的真正價值。1 課程概述通過本課程的學習，學生能掌握商業(yè)數(shù)據(jù)分析的基本知識、Python工具、統(tǒng)計方法，具備在互聯(lián)網(wǎng)環(huán)境下的數(shù)據(jù)可視化展現(xiàn)、規(guī)律，幫助建立經(jīng)濟研究思維，了解基本的經(jīng)濟研究常識，完成高質(zhì)Python商業(yè)數(shù)據(jù)存?。唬?）Python 商業(yè)數(shù)據(jù)的圖形繪制與可視化；（4）Python 描述性統(tǒng)計；（5）Python參數(shù)估計；（6）Python 參數(shù)假設(shè)檢驗；（7）Python相關(guān)分析；（8）Python 一元線性回歸數(shù)時間序列數(shù)據(jù)分析應(yīng)用；（11）Python量化金融數(shù)據(jù)分析；（12）Python人工

2、智能機器學習數(shù)據(jù)分析。2授課目標本課程旨在培養(yǎng)學生運用大數(shù)據(jù)思維和分析工具進行互聯(lián)網(wǎng)環(huán)題進行模型求解并能解釋相關(guān)輸出結(jié)果的經(jīng)濟學含義與統(tǒng)計學含義。3成績要求期評成績=平時成績（30%）+期末考試（70%）4課程大綱1 商業(yè)數(shù)據(jù)分析及其工具1.1商業(yè)數(shù)據(jù)分析的概念及其應(yīng)用1.2商業(yè)數(shù)據(jù)類型1.3商業(yè)數(shù)據(jù)來源1.4商業(yè)數(shù)據(jù)分析工具簡介1.5 Python商業(yè)數(shù)據(jù)分析工具的下載1.6商業(yè)數(shù)據(jù)分析工具Python的安裝1.7 Python的啟動和退出1.8 Python商業(yè)數(shù)據(jù)分析相關(guān)的程序包1.9 Python商業(yè)數(shù)據(jù)分析快速入門練習題2 Python商業(yè)數(shù)據(jù)存取2.1 Python-pandas的

3、csv格式本地數(shù)據(jù)存取2.2 Python-pandas的Excel格式本地數(shù)據(jù)讀取2.3挖地兔Tushare財經(jīng)網(wǎng)站數(shù)據(jù)存取2.4 Pandas_datareader包獲取國外財經(jīng)網(wǎng)站數(shù)據(jù)2.5商業(yè)數(shù)據(jù)分析的Pandas分組聚合（或分類匯總）練習題3 Python商業(yè)數(shù)據(jù)的圖形繪制與可視化3.1 Python-matplotlib繪圖基礎(chǔ)3.2 Python直方圖的繪制3.2 Python散點圖的繪制3.3 Python氣泡圖的繪制3.4 Python箱圖的繪制3.5 Python餅圖的繪制3.6 Python條形圖的繪制3.7 Python折線圖的繪制3.8 Python曲線標繪圖的繪制3

4、.9 Python連線標繪圖的繪制3.10 Python3D圖的繪制練習題4 Python描述性統(tǒng)計4.1 Python描述性統(tǒng)計工具4.2 Python數(shù)據(jù)集中趨勢的度量4.3 Python數(shù)據(jù)離散狀況的度量4.4 Python峰度、偏度與正態(tài)性檢驗4.5 Python異常數(shù)據(jù)處理練習題5 Python參數(shù)估計5.1參數(shù)估計與置信區(qū)間的含義5.2 Python點估計5.3 Python單正態(tài)總體均值區(qū)間估計5.4 Python單正態(tài)總體方差區(qū)間估計5.5 Python雙正態(tài)總體均值差區(qū)間估計5.6 Python雙正態(tài)總體方差比區(qū)間估計練習題6 Python參數(shù)假設(shè)檢驗6.1參數(shù)假設(shè)檢驗的基本

5、理論6.2 Python單個樣本t檢驗6.3 Python兩個獨立樣本t檢驗6.4 Python配對樣本t檢驗6.5 Python單樣本方差假設(shè)檢驗6.6 Python雙樣本方差假設(shè)檢驗練習題7 Python相關(guān)分析7.1相關(guān)系數(shù)的概念7.2使用模擬數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖7.3使用本地數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖7.4使用網(wǎng)上數(shù)據(jù)計算變量之間的相關(guān)系數(shù)和繪圖練習題8 Python一元線性回歸數(shù)據(jù)分析8.1一元線性回歸分析基本理論8.2應(yīng)用Python-statsmodels工具作一元線性回歸分析8.3應(yīng)用Python-sklearn工具作一元線性回歸分析練習題9 Python多元

6、線性回歸數(shù)據(jù)分析9.1多元線性回歸分析基本理論9.2 Python多元線性回歸數(shù)據(jù)分析9.3 用scikit-learn工具作多元回歸分析9.4 Python穩(wěn)健線性回歸分析9.5 Python邏輯Logistic回歸分析9.6 Python廣義線性回歸分析9.7違背回歸分析假設(shè)的計量檢驗9.8 Python自相關(guān)性診斷與消除9.9 Python異方差診斷與消除9.10 Python多重共線性的診斷與消除練習題10 Python時間序列數(shù)據(jù)分析應(yīng)用10.1時間序列基礎(chǔ)10.2時間序列的相關(guān)概念及其Python應(yīng)用10.3自回歸(AR)模型10.4移動平均(MA)模型10.5自回歸移動平均ARMA模型10.6差分自回歸移動平均ARIMA模型10.7自回歸條件異方差模型(ARCH)及預(yù)測10.8廣義自回歸條件異方差模型(GARCH)與波動率預(yù)測練習題11 Python量化金融數(shù)據(jù)分析應(yīng)用11.1 Python金融數(shù)據(jù)描述性統(tǒng)計11.2戰(zhàn)勝股票市場策略可視化的Python應(yīng)用11.3 Python實現(xiàn)量化金融投資統(tǒng)計套利協(xié)整配對交易策略11.4 Python在資產(chǎn)組合均值方差模型中應(yīng)用11.5 Python繪制投資組合有效邊界11.6 Python繪制尋找Markowitz最優(yōu)投資組合練習題12 Python人工智能機器學習數(shù)