金融數(shù)據(jù)分析-教學計劃(32學時)

教學參考計劃（32學分）總課時數(shù)：32課時學分：2學分一、課程性質(zhì)、目的和要求金融數(shù)據(jù)分析關(guān)注金融領(lǐng)域的數(shù)據(jù)獲取、分析、展示及其在數(shù)據(jù)可視化、風險管理、投資組合優(yōu)化、金融建模等方面的應用，它通過經(jīng)濟學、統(tǒng)計學、數(shù)學和計算機科學等方法，系統(tǒng)解讀和分析金融市場數(shù)據(jù)（如股票價格、收益率、匯率等）和財務數(shù)據(jù)(財務指標、財務報表等)。在大數(shù)據(jù)時代，金融數(shù)據(jù)分析的重要性將日益突顯，持續(xù)學習和創(chuàng)新將是掌握這門學科的不竭動力。通過對本書的學習,學生可以初步掌握金融時間序列線性模型、協(xié)整與向量自回歸模型、GARCH族模型、極值事件、分位數(shù)回歸與金融風險計量、Copula函數(shù)及其應用、面板與空間計量模型與應用、機器學習、深度學習與數(shù)據(jù)分析、文本數(shù)據(jù)分析等內(nèi)容的理論與方法,具備系統(tǒng)的金融數(shù)據(jù)分析的知識框架。教師在教學中應注重將知識學習與研究能力相結(jié)合,提升學生的學術(shù)研究能力,培養(yǎng)學生運用所學的研究方法開展與課程相關(guān)的金融前沿和實際問題研究。同時,作者將盡可能多的中國金融改革發(fā)展和應對各類金融危機事件取得的成就融入教材之中,并以此切入,開展課程思政。二、預修課程高等數(shù)學、線性代數(shù)、概率論與數(shù)理統(tǒng)計、統(tǒng)計學、宏觀經(jīng)濟學、微觀經(jīng)濟學、金融學、金融市場學、證券投資學、計量經(jīng)濟學。三、教學方法作為經(jīng)濟管理類專業(yè)定量能力培養(yǎng)的課程,建議采用理論講授、案例討論和上機操作相結(jié)合的教學方法,同時輔以課后作業(yè)練習、課外閱讀以拓寬視野,強化定量分析能力的培養(yǎng)。本書先通過基本理論講授和例題講解使學生掌握基本知識與基本原理;然后通過上機操作使學生掌握基本的計算建模分析方法并培養(yǎng)通過編程來處理金融數(shù)據(jù)的能力;最后,通過專題學習和案例分析,鞏固和提高學生對理論內(nèi)容的理解程度和應用水平。四、教學計劃本書的講授分為理論教學和實踐教學兩部分,對應的課時分別稱為理論課時和實踐課時。其中理論課時主要講解課程的每個知識要點、例題和專題,使學生掌握本課程的基本知識、基本原理和基本方法;實踐課時主要訓練學生學會使用R和Python處理金融數(shù)據(jù)。實踐教學可通過在機房專門的集中學習,或者學生上課時自備電腦,在理論學習的同時穿插上機學習等方式實現(xiàn)。本課程具體教學安排建議如下所示。序號教學內(nèi)容理論課時實踐課時總課時1第1章導論1.1金融數(shù)據(jù)分析概述 1.2常見的統(tǒng)計分布1.3收益率及其分布特征1.4R軟件和Python軟件介紹1.5專題1：金融數(shù)據(jù)的可視化2132第2章金融時間序列線性模型2.1相關(guān)性和平穩(wěn)性 2.2簡單自回歸模型2.3簡單移動平均模型 2.4簡單ARMA模型 2.5單位根非平穩(wěn)時間序列2.6季節(jié)模型2.7長記憶時間序列模型2.8專題2：基于ARIMA模型的中國居民消費價格指數(shù)預測3143第3章協(xié)整與向量自回歸模型3.1協(xié)整分析 3.2向量自回歸（VAR）模型3.3格蘭杰因果檢驗3.4VAR模型與脈沖響應函數(shù)3.5VAR模型與方差分解 3.6結(jié)構(gòu)向量自回歸（SVAR）模型3.7TVP-VAR模型 3.8專題3金融開放、系統(tǒng)性金融風險與金融高質(zhì)量發(fā)展的關(guān)系分析 2134第4章GARCH族模型4.1波動率模型的特征及結(jié)構(gòu)4.2ARCH模型 4.3GARCH模型4.4IGARCH模型4.5GARCH-M模型 4.6指數(shù)GARCH模型4.7TGARCH模型4.8APARCH模型 4.9專題4：基于GARCH模型的人民幣匯率建模與應用3.514.55第5章極值事件、分位數(shù)回歸與金融風險5.1極值事件概述 5.2金融風險計量指標VAR和ES5.3風險度量制5.4基于GARCH模型的VAR計算5.5基于極值理論的VAR計算5.6分位數(shù)回歸模型與金融風險計量5.7系統(tǒng)性金融風險計量模型 5.8專題5中國系統(tǒng)性金融風險評估報告3.514.56第6章市場有效性與事件分析法6.1有效市場理論6.2有效市場假說的實證檢驗6.3事件分析法6.4專題6:康美藥業(yè)財務造假事件分析1127第10章機器學習與數(shù)據(jù)分析 10.1機器學習概述 10.2分類分析 10.3回歸分析 10.4聚類分析10.5關(guān)聯(lián)規(guī)則挖掘分析10.6模型評估與選擇10.7專題10:基于機器學習的上證指數(shù)走勢預測研究30.53.58第11章深度學習與數(shù)據(jù)分析11.1神經(jīng)元 11.2BP神經(jīng)網(wǎng)絡(luò) 11.3卷積神經(jīng)網(wǎng)絡(luò) 11.4循環(huán)神經(jīng)網(wǎng)絡(luò) 11.5深度學習模型優(yōu)化策略 11.6專題11:基于深度學習的上市公司財務風險預警研究30.