《金融市场数据分析与数据挖掘》教学大纲.doc

《《金融市场数据分析与数据挖掘》教学大纲.doc》由会员分享，可在线阅读，更多相关《《金融市场数据分析与数据挖掘》教学大纲.doc（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、金融市场数据分析与数据挖掘教学大纲一、课程基本信息课 程 编 号其它中文名称金融市场数据分析与数据挖掘课程英文名称Data analysis and data mining课 程 类 别专业选修课适 用 专 业金融学专业先修课程计量经济学、概率论与数理统计学分学时34学时，其中理论课20学时，实验14学时考 核 方 式开卷考试与上机考试相结合成绩评定方法平时0% 期中0 % 期末70 % 实验 30 %大纲撰写人及日期彭寿康于2006年3月修订课 程 简 介本课程主要介绍金融领域数据分析的基本方法、以及数据挖掘的基本方法。内容包括：如何获取和处理数据、金融数据的基本统计分析方法、数据挖掘在金融

2、领域的应用，等。充分利用案例方式进行教学是本课程的一个特色。建 议 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，20052 任若恩著：多元统计数据分析理论、方法、实例，北京，国防工业出版社，1997二、课程的对象和性质本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。三、课程的教学目的和要求通过本课程的学习，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

3、决问题、完成相关研究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。四、授课方法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与数据分析任务，课外研究则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。五、理论教学内容与基本要求（含学时分配）第一章：数据采集与数据处理课时安排：4课时教学要求：通过

4、本章学习，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。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。教学内容：第一节：理解金融数据1、 非定量性数据2、 数据挖掘，一种从海量数据中挖掘知识的新方法3、 数据挖掘涉及的主要学科领域4、 近年来数据挖掘技术的主要发展和主要应用领域第二节：数据挖掘的主要功能1、 分类与预测2、 序列发现3、 特征化、比较与关联规则挖掘4、 聚类分析第三节：数据挖掘软件1、 SAS2、 Intelligent miner for data 第二章：分类与预测

5、课时安排：9课时教学要求：通过本章学习，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：本章重点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。教学内容：第一节：判别分析1、 判别分析的统计原理2、 判别分析的假设条件、数据要求与软件实现方法3、 案例1：基于判别分析的企业财务困境预测模型构建第二节：Logistic回归和Probit过程1、 Logis

6、tic回归的统计原理2、 预测变量选定时Logistic回归的软件实现方法3、 预测变量未定时Logistic回归的软件实现方法逐步回归法4、 Probit过程的统计原理与软件实现方法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第三节：决策数分类预测法1、 熵与信息增量2、 决策数的构建原理与预测准则3、 决策数分类预测的软件实现方法4、 案例4：基于决策树方法的信用卡诈骗预警系统构建第四节：预测变量的选取与信号噪音分析1、 变量预测的信息含量测定方法信号噪音分析2、 信号

7、噪音分析的软件实现方法3、 变量转换的必要性与综合预测指标构建4、 案例4：基于信号噪音分析方法的货币危机预警模型构建 第三章：序列发现课时安排：5课时教学要求：通过本章学习，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：本章的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。教学内容：第一节：时序数据和序列数据的挖掘1、 时序数据和序列数据的概念2、 趋势分析3、 趋势分析的软件实现方法第二节：序列发现的概念1、

8、何为序列发现2、 相似性的度量方法3、 相似序列发掘的软件实现第三节：序列发现在金融领域的应用案例5：股票市场交易决策规则挖掘 第四章：特征化、比较与关联规则挖掘课时安排：5课时教学要求：通过本章学习，使学生了解如何用特征化和比较的方式来描述与总结数据，如何在数据中进行关联规则挖掘，了解特征化、比较与关联规则的软件实现方式，了解特征化、比较与关联规则在金融领域的初步应用。教学重点与难点：本章重点是特征化、比较与关联规则的基本概念与如何在数据挖掘软件中实现数据的特征化与比较分析，实现数据库中的关联规则挖掘，难点是这些数据挖掘功能在实际运用中需要注意与解决的一些问题。教学内容：第一节：特征化与比较

9、1、 数据的描述与总结2、 数据概化与基于汇总的特征化3、 属性相关分析4、 类描述：特征化和比较的表示5、 特征化与比较的软件实现第二节：关联规则挖掘1、 购物篮分析：关联规则的引发2、 基本概念3、 关联规则挖掘4、 关联规则挖掘的软件实现第三节：特征化、比较与关联规则的应用案例6：特征化、比较与关联规则在银行客户关系管理中的应用五、实验教学内容与基本要求（含学时分配） 第一章配套实验教学课时安排：2课时实验内容：1、 数据挖掘软件Intelligent miner for data的安装与打开2、 了解数据挖掘软件的基本模块功能3、 数据发掘库的建立、修改与保存实验要求：通过本次实验教学

10、，要求学生能够掌握数据挖掘软件Intelligent miner for data的安装与打开方法，对数据挖掘软件的构造与各个基本模块有初步了解，能够掌握数据挖掘库的建立、修改与保存方法。 第二章配套实验教学课时安排：6课时实验内容1、 SAS的安装与打开2、 SAS数据库的建立（输入与输出）、修改与保存3、 判别分析的SAS程序与结果分析4、 判别分析预测规则的建立5、 Logistic回归的SAS程序与结果分析6、 逐步回归法7、 基于Logistic回归预测规则的建立8、 Probit过程的SAS程序与结果分析9、 基于Probit过程的预测规则的建立10、决策树的构建与预测检验11、基

11、于决策树方法的预测规则的建立12、基于信号噪音分析的预测变量信息含量测定方法和预测变量选取13、基于信号噪音分析的分类预测模型构建实验要求：通过本章实验教学，要求学生初步掌握运用SAS软件和Intelligent miner for data软件进行分类与预测的方法，掌握进行分类与预测时所需要的基本程序，能够对软件给出的结果进行分析，能够建立基于不同统计分析方法和数据挖掘方法的分类预测模型和预测规则。第三章配套实验教学课时安排：2课时实验内容：1、 怎样利用Intelligent miner for data软件进行时序数据和序列数据的趋势分析2、 相似序列发现的Intelligent min

12、er for data软件实现3、 基于实际数据的股票市场交易决策规则挖掘实验要求：通过本次实验教学，要求学生掌握利用数据挖掘软件对时序数据和序列数据进行趋势分析和发掘相似序列的基本方法、基本步骤，能够对发掘结果进行初步的分析，具有运用数据挖掘中趋势分析和相似序列发掘模块功能的初步能力。第四章配套实验教学课时安排：2课时实验内容：1、 在数据挖掘软件中如何进行数据的类描述，如何实现特征化与比较分析2、 在数据挖掘软件中如何进行关联规则挖掘3、 特征化与比较分析在金融领域的实际应用实验要求：通过本次实验教学，要求学生掌握在数据挖掘软件中实现类描述与关联规则发掘的基本方法、基本步骤，能够对发掘结果进行基本分析，初步掌握数据挖掘软件中特征化和比较等类描述功能、以及关联规则的挖掘功能。