《金融大数据分析》课程教学大纲中文版.docx

《《金融大数据分析》课程教学大纲中文版.docx》由会员分享，可在线阅读，更多相关《《金融大数据分析》课程教学大纲中文版.docx（8页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、金融大数据分析课程教学大纲课程名称：金融大数据分析课程编码：学 分：2总学时：理论学时：20实验学时：0上机学时：12实践学时：0开设实验（上机）工程总数0个,其中，必修（）个，选修（）个开课单位：08商学院适用专业：金融学一、课程的性质、目的金融大数据分析课程的授课对象是金融专业的本科生，作为培养学生实际数据获取、 数据分析、以及信息获取技能的金融实践性教学课程和选修课程列入金融学专业的教学计划。 采用理论讲解和上机实验相、课外研究结合的方法。理论讲解利用课堂介绍金融数据挖掘的 基本原理和基本方法，上机实验主要是结合具体的金融数据分析和数据挖掘案例学习和掌握 如何在相应计算软件上完成数据挖掘

2、与数据分析任务，课外研究那么是学生在课程学习的基础 上的拓展训练，培养利用数据挖掘方法解决实际问题的能力。二、课程培养目标1 .立德树人通过课程学习金融大数据分析,对金融数据，尤其是金融大数据分析有一个全面了解。 通过对金融大数据分析课程的学习，帮助学生建立科学的思维方法以及工作中勇于面对挑战 的精神。从金融大数据对我国创新驱动开展作用的角度出发，以杰出贡献者研究工作为载体， 把社会主义核心价值观教育融入课程教学内容和教学全过程各环节,突出价值引领、知识传 授和能力培养，帮助学生正确认识历史规律、准确把握基本国情、掌握科学的世界观、方法 论,促进树立正确的世界观和价值观。2 .课程目标通过本课

3、程的学习，学生所具备的素质、掌握的技能、知识和能力如下：课程目标1.通过本课程的学习，使学生初步掌握金融数据分析的基本方法，掌握几种 重要的数据挖掘方法，掌握如何利用计算软件分析数据、解决问题、完成相关研究。（对应 第1、2、3讲,支撑毕业要求指标点2.1）课程目标2.通过本课程的学习和相关软件的使用，使学生了解数据分析和数据挖掘在 金融领域的重要运用，使之能够利用所学到的数据分析与数据挖掘方法开展金融领域的应用 研究，并有进一步学习的基础与能力。（对应第4、5、6、7、8讲,支撑毕业要求指标点4. 3）3 .课程目标对毕业要求的支撑本课程教学目标支撑的毕业要求主要表达在毕业要求指标点2. 2

4、、4.3,具体如下:课程目标对毕业要求的支撑课程 目标毕业要求支撑毕业要求指标点及其内容教学内容支撑 强度指标点毕业要求指标点内容12.综合知 识能力指标点2.2指标点描述：理解金融学的概念 及其在具体领域的表达，能对金 融基本业务进行分析和处理。第 1、 2、 3 讲H24.实践应 用能力指标点4. 3指标点描述：能够运用专业理论 知识和现代经济学研究方法分 析解决实际问题，具备一定的科 学研究能力。第 4、5、6、7、8讲M三、课程教学基本内容本课程共分为九讲，6次实验课，共计32个学时。基本内容如下：第一讲:理解金融数据（支撑课程目标第1条）1.1 非定量性数据1.2 数据挖掘，一种从海

5、量数据中挖掘知识的新方法1.3 数据挖掘涉及的主要学科领域1.4 近年来数据挖掘技术的主要开展和主要应用领域教学要求：本讲主要内容是非定量性数据、数据挖掘及其涉及的主要学科领域与应用领 域，教学的要求如下，首先学习非定量性数据，然后学习数据挖掘内容，最后学习数据挖掘 涉及的主要学科领域的内容，要求学生掌握相关知识点，通过本章学习数据挖掘的内容，使 学生理解金融数据的基本类型，初步掌握金融数据的采集方法，能利用相应软件对导入数据 进行初步处理，具备相应分析问题解决问题的能力。教学重点与难点:数据挖掘的概念、数据挖掘的主要功能、数据的基本处理方法，本章 的难点是数据的基本处理方法。第二讲:数据挖掘

6、的主要功能（支撑课程目标第1条）1. 1分类与预测2. 2序列发现3. 3特征化、比拟与关联规那么挖掘4. 4聚类分析教学要求：本讲主要内容是数据挖掘的主要功能，教学的要求如下，首先学习分类与预 测内容，然后学习序列发现内容，再然后学习特征化、比拟与关联规那么挖掘，最后学习聚类 分析内容,要求学生掌握相关知识点，通过本讲学习数据挖掘的主要功能内容，使学生理解 金融数据的基本类型，初步掌握金融数据的采集方法，能利用相应软件对导入数据进行初步 处理，具备相应分析问题解决问题的能力。教学重点与难点:数据挖掘的概念、数据挖掘的主要功能、数据的基本处理方法，本章 的难点是数据的基本处理方法。第三讲:数据

7、挖掘软件（支撑课程目标第1条）5. 1 R语言5.2 R语言在金融时间序列中运用5.3 R语言在金融数据挖掘中的运用教学要求：本讲主要内容是以R语言作为示范，介绍程序软件在金融数据挖掘中的运用, 教学的要求如下，首先学习R语言内容，然后学习R语言在金融时间序列中运用，最后学 习语言在金融数据挖掘中的运用，要求学生掌握相关知识点，通过本章学习数据采集、数据 处理、数据特征等内容，使学生理解金融数据的基本类型，初步掌握金融数据的采集方法, 能利用相应软件对导入数据进行初步处理，具备相应分析问题解决问题的能力。教学重点与难点:数据挖掘的概念、数据挖掘的主要功能、数据的基本处理方法，本章 的难点是数据

8、的基本处理方法。第4节:判别分析（支撑课程目标第2条）4.1 判别分析的统计原理4.2 判别分析的假设条件、数据要求与软件实现方法4.3 案例1:基于判别分析的企业财务困境预测模型构建教学要求：本讲主要内容是判别分析，教学的要求如下，首先学习判别分析的统计原理, 然后学习判别分析的假设条件、数据要求与软件实现方法，最后学习基于判别分析的企业财 务困境预测模型构建的案例，要求学生掌握分析和预测的基本统计分析方法和数据挖掘技 术，了解各种方法和技术的理论依据，使用条件和软件实现方法。掌握使用一种或几种分类 与预测方法、通过计算软件和实际数据构建银行借款人违约预测模型或违约概率预测模型, 或信用卡诈

9、骗预测模型。教学重点与难点：本重讲是数据挖掘中分类与预测的几种实现方法，难点是对所涉及到 的一些基本统计分析原理的理解与掌握。第5节:Logistic回归和Probit过程（支撑课程目标第2条）5.1 Logistic回归的统计原理5.2 预测变量选定时Logistic回归的软件实现方法5.3 预测变量未定时Logistic回归的软件实现方法逐步回归法5.4 Probit过程的统计原理与软件实现方法5.5 案例2:基于Logistic回归和Probit过程的企业财务困境预测模型构建5.6 案例3:基于Logistic回归和Probit过程的借款人违约概率预测模型构 建教学要求：本讲主要内容是L

10、ogistic回归和Probit过程，教学的要求如下，首先学习 Logistic回归的统计原理，然后学习预测变量选定时Logistic回归的软件实现方法，最后学 习基于Logistic回归和Probit过程的案例，要求学生掌握分析和预测的基本统计分析方法和 数据挖掘技术，了解各种方法和技术的理论依据，使用条件和软件实现方法。掌握使用一种 或几种分类与预测方法、通过计算软件和实际数据构建银行借款人违约预测模型或违约概率 预测模型，或信用卡诈骗预测模型。教学重点与难点：本重讲是数据挖掘中分类与预测的几种实现方法，难点是对所涉及到 的一些基本统计分析原理的理解与掌握。第6节:决策数分类预测法（支撑课

11、程目标第2条）6.1 熠与信息增量6.2 决策数的构建原理与预测准那么6.3 决策数分类预测的软件实现方法6.4 案例4:基于决策树方法的信用卡诈骗预警系统构建教学要求：本讲主要内容是决策数分类预测法，教学的要求如下，首先学习增与信息增 量，然后学习决策数的构建原理与预测准那么与决策数分类预测的软件实现方法，最后学习基 于决策树方法的信用卡诈骗预警系统构建的案例，要求学生掌握分析和预测的基本统计分 析方法和数据挖掘技术，了解各种方法和技术的理论依据，使用条件和软件实现方法。掌握 使用一种或几种分类与预测方法、通过计算软件和实际数据构建银行借款人违约预测模型或 违约概率预测模型，或信用卡诈骗预测

12、模型。教学重点与难点：本重讲是数据挖掘中分类与预测的几种实现方法，难点是对所涉及到 的一些基本统计分析原理的理解与掌握。第7讲:预测变量的选取与信号一噪音分析（支撑课程目标第2条）7.1 变量预测的信息含量测定方法信号噪音分析7.2 信号噪音分析的软件实现方法7.3 变量转换的必要性与综合预测指标构建7.4 案例4:基于信号一噪音分析方法的货币危机预警模型构建教学要求：本讲主要内容是预测变量的选取与信号一噪音分析，教学的要求如下，首先 学习变量预测的信息含量测定方法信号噪音分析，然后学习信号一噪音分析的软件实现 方法，再然后学习变量转换的必要性与综合预测指标构建，最后学习基于信号一噪音分析方

13、法的货币危机预警模型构建的案例，要求学生掌握分析和预测的基本统计分析方法和数据 挖掘技术，了解各种方法和技术的理论依据，使用条件和软件实现方法。掌握使用一种或几 种分类与预测方法、通过计算软件和实际数据构建银行借款人违约预测模型或违约概率预测 模型，或信用卡诈骗预测模型。教学重点与难点：本重讲是数据挖掘中分类与预测的几种实现方法，难点是对所涉及到 的一些基本统计分析原理的理解与掌握。7.5 :时序数据和序列数据的挖掘（支撑课程目标第2条）8.1 时序数据和序列数据的概念8.2 趋势分析8.3 趋势分析的软件实现方法教学要求：本讲主要内容是预测变量的选取与信号一噪音分析，教学的要求如下，首先 学

14、习时序数据和序列数据的概念，然后学习趋势分析，最后学习趋势分析的软件实现方法， 要求学生了解序列发现的概念、相似性的度量方法、序列发现的软件实现方式，序列发现在 金融领域的应用，使学生能够利用序列发现概念和数据挖掘软件实现在金融领域的初步应用。教学重点与难点：本讲重点是时间序列中序列发现和相似性度量，以及在金融领域的应 用，难点是趋势分析和相似性度量方法的掌握。8.4 :序列发现及其应用（支撑课程目标第2条）9.1 何为序列发现9.2 相似性的度量方法9.3 相似序列开掘的软件实现9.4 案例5:股票市场交易决策规那么挖掘教学要求：本讲主要内容是序列发现及其应用，教学的要求如下，首先学习何为序

15、列发 现，然后学习相似性的度量方法及软件实现，最后学习股票市场交易决策规那么挖掘的案例， 要求学生了解序列发现的概念、相似性的度量方法、序列发现的软件实现方式，序列发现在 金融领域的应用，使学生能够利用序列发现概念和数据挖掘软件实现在金融领域的初步应用。教学重点与难点：本讲重点是时间序列中序列发现和相似性度量，以及在金融领域的应 用，难点是趋势分析和相似性度量方法的掌握。四、学时分配表教学内容思政融入点讲 课 时 数实 验 时 数实 践 学 时上 机 时 数自 学 时 数习 题 课讨 论 时 数第1讲:理解金融数据国家金融大数 据开展趋势2第2讲:数据挖掘的主要功能2第3讲:数据挖掘软件22第

16、4讲:判别分析2第5节:Logistic回归和Probit过程22第6节:决策数分类预测法22第7讲:预测变量的选取与信号一噪 音分析22第8讲:时序数据和序列数据的 挖掘22第9讲:序列发现及其应用22总复习2合计2012总计32五、实验（上机）工程序 号实验（上机） 名称实验（上机） 时数实验（上机） 类型主要内容修读 要求支撑课 程目标注：实验类型中填写“综合、设计、验证、演示”，分别指综合性实验、设计性实验、验证性实验、演示性 实验。1金融大数据分 析软件实践12综合掌握基本统计分析方法和数据 挖掘技术在软件在大数据分析和预 测过程中实现，结合案例及相关数 据进行模拟演练。必修1、 2

17、、 3、42345综合性实验是指实验内容涉及本课程的综合知识或与本课程相关课程知识的实验。设计性实验是指给定实验目的要求和实验条件，由学生自行设计实验方案并加以实现的实验。验证性实验是指对研究对象有了一定了解,并形成了一定认识或提出了某种假说,为验证这种认识或假说是 否正确而进行的一种实验。演示性实验是指为配合教学内容由教师操作表演示范的实验。六、教学方法1、课堂教学:本课教学以教师课堂讲授为主,辅以基于课程视频资料的自学和课后作业。 授课过程应能灵活运用板书和多媒体教学、加强师生互动、注重启发式教学。2、研讨教学:根据具体教学内容适当开展研讨活动。由教师提供研讨问题，同学以小组 为单位进行课

18、下准备，此后进行课上研讨,从而提高同学们的团队协作能力。3、启发式教学：针对重要知识点采用提出问题、分析问题、解决问题的思路进行授课, 潜移默化地培养学生的相应能力;强调实践经验的重要性,在实践中学习。七、课程考核及成绩评定考核方式：考查考试形式：开卷评定方式：五级制在培养方案中，金融大数据分析课程考核的方式列为考查；具体成绩由平时作业、 课堂提问与出勤、期末考试三局部，具体占比分别为30%、10%、60%,成绩评定方式采取 五级制。课程考核内容、考核形式及支撑课程目标（对应第1、2、3讲,支撑毕业要求指标点2.1）课程目标（指标点）考核内容考核形式及占比（）成绩课 堂 提 问作 业 测 评平

19、 时 测 试实 验 报 告课 程报 告课程论文期 中 考 试期末考试总比（%）课程目标1 （指标点2.2）通过本课程的学习，使学生初步掌握 金融数据分析的基本方法，掌握几种 重要的数据挖掘方法，掌握如何利用 计算软件分析数据、解决问题、完成 相关研究。5153050课程目标2（指标点4.3）通过本课程的学习和相关软件的使 用，使学生了解数据分析和数据挖掘 在金融领域的重要运用，使之能够利 用所学到的数据分析与数据挖掘方法 开展金融领域的应用研究，并有进一 步学习的基础与能力.5153050合计103060100课程目标2.。.八、课程资源教材：张尧庭等编:数据挖掘入门及应用，北京，中国统计出版社，2001.参考书目：1.迈克尔著、金马译:金融研究方法论大全，北京，清华大学出版社，2005.九、有关说明先修课程：统计学、概率论与数理统计、计量经济学、微观经济学、宏观经济学和证券 投资学后续课程：公司治理、金融工程、固定收益证券 学生自学局部的内容与要求：无是否双语教学：否双语教学的要求与比例：无实践环节的纪律与考前须知：有实践环节的请填写此局部，无实践环节的请填写“无实 践环节，其他需要说明的事项：无