《Python金融數據挖掘及其應用》教學大綱

《python金融數據挖掘及其應用》課程教學大綱課程代碼：學分：5學時：80（其中：講課學時：60實踐或實驗學時：20）先修課程：數學分析、高等代數、概率統計、金融基礎知識、Python程序設計基礎適用專業(yè)：信息與計算科學建議教材：開課系部：數學與計算機科學學院一、課程的性質與任務課程性質：專業(yè)方向選修課。課程任務：大數據時代，數據成為決策最為重要的參考之一，數據分析行業(yè)邁入了一個全新的階段。通過學習本課程，使得學生在掌握Python科學計算、數據處理、數據可視化、挖掘建模等基本技能基礎上，進一步地擴展應用到較為復雜金融數據處理及挖掘分析任務上，最后進行量化投資實戰(zhàn)檢驗。本課程為Python在金融量化投資領域的具體應用，也是Python在金融行業(yè)應用最為廣泛的領域之一，從而使得學生具備一定的行業(yè)應用背景及就業(yè)技能。二、課程的基本內容及要求本課程教學時數為80學時，5學分；實驗20學時,1.25學分。第七章基礎案例1.課程教學內容：（1）股票價格指數周收益率和月收益率的計算；（2）上市公司凈利潤增長率的計算；（3）股票價、量走勢圖繪制；（4）股票價格移動平均線的繪制；（5）滬深300指數走勢預測；（6）基于主成分聚類的上市公司盈利能力分析。2.課程的重點、難點：（1）重點：案例的實現思路、算法及程序具體實現；（2）難點：案例的實現算法、程序實現過程中各類數據結構的相互轉換。3.課程教學要求：（1）了解案例實現的基本思路；（2）理解案例實現的具體算法及程序實現，各種數據結構的相互轉換并實現程序計算；

（3）掌握案例實現的具體過程，包括思路、算法、數據處理、程序計算及結果展現。第八章綜合案例一：上市公司綜合評價1.課程教學內容：（1）上市公司綜合評價模型及方法基本介紹；（2）基于投資規(guī)模與效率指標的綜合評價方法；（3）基于成長與價值指標的綜合評價方法；（4）指標數據選取及數據預處理；（5）主成分分析模型及程序實現；（6）量化投資策略設計實現及結果分析。2.課程的重點、難點：（1）重點：業(yè)務數據理解、指標數據的選擇、預處理、程序實現；（2）難點：業(yè)務數據理解、數據預處理、模型的理解。3.課程教學要求：（1）了解上市公司綜合評價的基本概念及模型；（2）理解業(yè)務數據、指標數據選取、預處理、量化投資設計的基本原理、原則及流程；

（3）掌握指標數據選取、預處理、程序實現、量化投資策略設計實現的全部流程。第九章綜合案例二：股票價格漲跌趨勢預測1.課程教學內容：（1）股票價格漲跌趨勢基本概念；（2）技術分析指標的概念及計算公式；（3）數據獲取及指標計算；（4）支持向量機模型、邏輯回歸模型、神經網絡模型實現及驗證；（5）量化投資策略設計實現及結果分析。2.課程的重點、難點：（1）重點：業(yè)務數據理解、指標概念及公式理解、程序實現及模型檢驗；（2）難點：業(yè)務數據理解、指標公式理解及量化投資策略設計實現。3.課程教學要求：（1）了解股票價格漲跌趨勢的基本概念；（2）理解業(yè)務數據、技術分析指標數據計算、模型實現及驗證相關原理、方法及流程；

（3）掌握技術分析指標數據計算、模型檢驗、量化投資策略設計實現的全部流程。第十章綜合案例三：股票價格形態(tài)聚類與收益分析1.課程教學內容：（1）股票價格形態(tài)分析的基本概念；（2）股票關鍵價格點的概念及提取算法；（3）形態(tài)特征的表示及計算；（4）K-最頻繁值算法及程序實現；（5）量化投資策略設計實現及結果分析。2.課程的重點、難點：（1）重點：業(yè)務數據理解、關鍵價格點提取算法、K-最頻繁值聚類算法；（2）難點：關鍵價格點提取算法、K-最頻繁值聚類算法、量化投資策略設計實現；3.課程教學要求：（1）了解股票價格形態(tài)分析的基本概念、關鍵價格點概念；（2）理解業(yè)務數據、關鍵價格點提取算法、形態(tài)特征表示、K-最頻繁值聚類算法；

（3）掌握關鍵價格點提取算法、形態(tài)特征表示方法、K-最頻繁值聚類算法的基本流程及程序實現，以及量化投資策略設計與實現。第十一章綜合案例四：行業(yè)聯動與輪動分析1.課程教學內容：（1）行業(yè)聯動與輪動的基本概念；（2）行業(yè)聯動與輪動的指標表示與計算；（3）日、周、月頻率的行業(yè)聯動與輪動關聯規(guī)則挖掘；（4）量化投資策略設計實現及結果分析。2.課程的重點、難點：（1）重點：業(yè)務數據理解、行業(yè)輪動規(guī)則挖掘及量化投資策略設計實現；（2）難點：行業(yè)輪動關聯規(guī)則挖掘及量化投資策略設計實現。3.課程教學要求：（1）了解行業(yè)聯動與輪動的基本概念；（2）理解行業(yè)聯動與輪動的指標表示、關聯規(guī)則挖掘算法及量化投資策略設計原理；

（3）掌握行業(yè)聯動與輪動關聯規(guī)則挖掘算法及量化投資策略設計實現的全流程。三、實踐教學要求金融數據挖掘及其應用是一門交叉復合型課程，涉及金融與金融數據、數據挖掘模型與算法、計算機編程技能等，同時也是一門實踐性極強的課程。本課程要求學生理解金融相關業(yè)務數據，并進行數據處理、分析與挖掘，同時根據挖掘的結論設計量化投資策略及實現。本課程要求使用Python作為編程工具，建議使用Python的集成開發(fā)平臺進行程序編寫及教學，比如Anaconda、pycharm等。四、課程學時分配序號教學內容理論教學學時實驗學時實驗（實踐）內容課外實驗1第七章基礎案例154行業(yè)盈利狀況可視化分析2第八章綜合案例一：上市公司綜合評價94上市公司透明度綜合評價3第九章綜合案例二：股票價格漲跌趨勢預測124基于支持向量機的量化擇時4第十章綜合案例三：股票價格形態(tài)聚類與收益分析124上市公司綜合能力聚類分析5第十一章綜合案例四：行業(yè)聯動與輪動分析124股票聯動與輪動分析合計6020五、大綱說明1.教學