金融数据分析—以Python为工具 课件 一、金融数据分析概览 .pptx

Python金融数据分析

金融数据分析概览Chapter01

金融数据分析概览1课程概览2金融科技3什么是数据分析？4金融数据5金融数据分析的挑战6课后作业

课程概览随着大数据、人工智能、区块链、云计算等信息技术的发展，金融与技术的结合变得越来越广泛深入，金融科技将成为全球数字经济发展的核心驱动。顺应时代发展的潮流，国家出台了一系列促进金融科技发展的规划和政策。在此背景下金融数据分析变得越来越重要。

课程概览

金融科技金融科技即技术驱动的金融创新，是指由大数据、区块链、云计算、人工智能等新兴前沿技术驱动，对金融市场以及金融服务业务供给产生重大影响的新兴业务模式、新技术应用、新产品服务等。

金融科技数字金融是指通过互联网及信息技术手段与传统金融服务业态相结合的新一代金融服务。数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通讯技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。

相关政策文件及研报《第十四个五年规划和2035年远景目标纲要》《“十四五”数字经济发展规划》《中国人民银行：金融科技发展规划(2022-2025年)》《毕马威2023中国金融科技企业首席洞察报告》《艾瑞咨询：2023年中国银行业数字化转型研究报告》《艾瑞咨询：2023年中国供应链金融数字化行业研究报告》《长江证券：深度解析大模型在金融行业的应用及前景》

课程概览

教材结构

什么是数据分析？数据分析（DataAnalysis）是一个对数据进行检查、清洗、转换和建模的过程，其目的是从数据中发现有用的信息，得出结论并为最终决策提供建议。狭义的数据分析偏重对小数据集的历史信息提取、展现和规律总结，而广义的数据分析还包括数据挖掘。数据挖掘是运用统计、机器学习等理论建立模型，从大数据集中进行模式识别和知识发现的过程。

什么是数据分析？

什么是数据分析？数据是金融科技的核心，围绕数据这个核心，衍生出数据采集（物联网）、管理（区块链）、分析挖掘（云计算、人工智能）等一系列的金融科技应用。

金融数据

什么是数据分析？金融领域的数据可以细分为：宏观经济数据、金融市场数据、金融机构数据、企业数据和个人数据。金融数据具有海量、高维度、低信噪比、时序性等特性。例如，金融中的预测股票的期望收益率问题，期望收益率的波动比已实现收益率的波动要小很多，因此数据的信噪比很低。

金融数据分析的挑战数据孤岛个人隐私保护数据分析本身的挑战2021年被业界称为隐私计算规模化应用元年。隐私计算能够在保障数据安全的前提下，助力金融业数据流通，被主要应用于信贷风控、精准营销、反欺诈、移动支付人脸识别等场景。

课后作业阅读以下金融科技相关政策文件及文献资料（包括但不限于），《中国人民银行：金融科技发展规划(2022-2025年)》《毕马威2023中国金融科技企业首席洞察报告》《艾瑞咨询：2023年中国银行业数字化转型研究报告》《艾瑞咨询：2023年中国供应链金融数字化行业研究报告》《长江证券：深度解析大模型在金融行业的应用及前景》(/p-70499251266781.html)

课后作业回答以下问题：《金融科技发展规划(2022-2025年)》中金融科技发展的4个基本原则、6个发展目标、8项重点任务和5项保障措施分别是什么？金融科技发展现状如何，未来发展趋势有哪些？什么是数字化？以银行为代表的金融机构为什么要进行数字化转型？目前供应链金融发展中存在的主要问题有哪些？区块链在供应链金融中起什么作用？举几个大模型赋能金融行业的具体例子。