《Python金融数据挖掘及其应用》教学大纲.pdf

金融数据挖掘及其应用》课程教学

大纲

课程代码：

学分：5

学时：80（其中：讲课学时：60实践或实验学时：20）

先修课程：数学分析、高等代数、概率统计、金融基础知识、Python程序设计基础

适用专业：信息与计算科学

建议教材：

开课系部：数学与计算机科学学院

一、课程的性质与任务

专业方向选修课。

课程任务：大数据时代，数据成为决策最为重要的参考之一，数据分析行业迈入了一个

全新的阶段。通过学习本课程，使得学生在掌握Python科学计算、数据处理、数据可视化、

挖掘建模等基本技能基础上，进一步地扩展应用到较为复杂金融数据处理及挖掘分析任务上，

最后进行量化投资实战检验。本课程为Python在金融量化投资领域的具体应用，也是Python

在金融行业应用最为广泛的领域之一，从而使得学生具备一定的行业应用背景及就业技能。

二、课程的基本内容及要求

本课程教学时数为80学时，5学分；实验20学时,1.25学分。

第七章基础案例

1.课程教学内容：

（1）股票价格指数周收益率和月收益率的计算；

（2）上市公司净利润增长率的计算；

（3）股票价、量走势图绘制；

（4）股票价格移动平均线的绘制；

（5）沪深300指数走势预测；

（6）基于主成分聚类的上市公司盈利能力分析。

2.课程的重点、难点：

（1）重点：案例的实现思路、算法及程序具体实现；

（2）难点：案例的实现算法、程序实现过程中各类数据结构的相互转换。

3.课程教学要求：

（1）了解案例实现的基本思路；

（2）理解案例实现的具体算法及程序实现，各种数据结构的相互转换并实现程序计算；

（3）掌握案例实现的具体过程，包括思路、算法、数据处理、程序计算及结果展现。

第八章综合案例一：上市公司综合评价

1）上市公司综合评价模型及方法基本介绍；

（2）基于投资规模与效率指标的综合评价方法；

（3）基于成长与价值指标的综合评价方法；

（4）指标数据选取及数据预处理；

（5）主成分分析模型及程序实现；

（6）量化投资策略设计实现及结果分析。

2.课程的重点、难点：

（1）重点：业务数据理解、指标数据的选择、预处理、程序实现；

（2）难点：业务数据理解、数据预处理、模型的理解。

3.课程教学要求：

（1）了解上市公司综合评价的基本概念及模型；

（2）理解业务数据、指标数据选取、预处理、量化投资设计的基本原理、原则及流程；

（3）掌握指标数据选取、预处理、程序实现、量化投资策略设计实现的全部流程。

第九章综合案例二：股票价格涨跌趋势预测

1.课程教学内容：

（1）股票价格涨跌趋势基本概念；

（2）技术分析指标的概念及计算公式；

（3）数据获取及指标计算；

（4）支持向量机模型、逻辑回归模型、神经网络模型实现及验证；

（5）量化投资策略设计实现及结果分析。

2.课程的重点、难点：

（1）重点：业务数据理解、指标概念及公式理解、程序实现及模型检验；

（2）难点：业务数据理解、指标公式理解及量化投资策略设计实现。

3.课程教学要求：

（1）了解股票价格涨跌趋势的基本概念；

（2）理解业务数据、技术分析指标数据计算、模型实现及验证相关原理、方法及流程；

（3）掌握技术分析指标数据计算、模型检验、量化投资策略设计实现的全部流程。

第十章综合案例三：股票价格形态聚类与收益分析

1.课程教学内容：

（1）股票价格形态分析的基本概念；

（2）股票关键价格点的概念及提取算法；

（3）形态特征的表示及计算；

（4）K-最频繁值算法及程序实现；

（5）量化投资策略设计实现及结果分析。

1）重点：业务数据理解、关键价格点提取算法、K-最频繁值聚类算法；

（2）难点：关键价格点提取算法、K-最频繁值聚类算法、量化投资策略设计实现；

3.课程教学要求：

（1）了解股票价格形态分析的基本概念、关键价格点概念；

（2）理解