Python金融数据分析与挖掘（微课版）教学大纲教案.docxVIP

XXX大学数据科学与大数据技术专业课程教学大纲

Python金融数据分析与挖掘

一、课程基本信息

课程编号

课程名称

Python金融数据分析与挖掘/FinancialDataAnalysisandMiningusingPython

课

程

基

本

情

况

课程类型

专业方向课程

学分/学时

5/80（其中：讲课学时：45实践学时：35）

开课时间

第3学期

先修课程

Python程序设计、高等数学、线性代数、机器学习

适用专业

数据科学与大数据技术

考核方式

考查

使用教材

课程负责人

开课学院

二、课程简介

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，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。

三、课程目标

（一）课程目标设置

课程目标1: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，培养学生具备较好的数据敏感度、数据建模意识和规范的数据分析流程。

课程目标2:掌握金融数据处理及挖掘分析基本技能，具备较好的量化投资实证研究能力，培养学生具备一定的行业应用背景及应用技能。

课程目标3:了解量化投资与数量化分析基本概念，培养学生科学投资及价值投资理念，引导学生用好金融科技、恪守职业规范与风险意识。

（二）课程目标与毕业要求指标点的对应关系

课程目标

毕业要求

毕业要求指标点

支撑程度

课程目标1

3

毕业要求3：具有从事专业相关的项目工作所需的数学等基础知识；具有扎实的大数据技术领域的基本理论和基本知识，熟练掌握数据挖掘技术与应用、神经网络基础、数学建模、机器学习、人工智能、多元统计分析、Hadoop大数据技术、网络爬虫技术与实战、图像识别及其应用、电商数据挖掘及其应用、文本数据挖掘及其应用、金融大数据分析等专业知识。

H

课程目标2

4

毕业要求4：具有基本的项目实施与管理知识，掌握大数据科学与技术的基本思维方法和研究方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态，具备从事大数据应用系统设计与实现的能力等方面知识的综合应用能力，以及相关的科研、设计、调试、维护运行和管理的能力，整合不同数据源，

不同结构类型数据的能力和探索数据背后价值的能力

H

课程目标3

2

毕业要求2：具备较好的人文素养与情怀，具有人文社科、信息交流、法律与环境、社会与公共安全等知识，其中人文社科包括文学、外语、哲学、政治学、社会学、管理学、经济学、心理学等方面的常识或基本知识。

M

5

毕业要求5：充分理解团队合作的重要性，具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力以及一定的组织管理能力。

M

注：课程目标对毕业要求指标点的支撑强度分别用“H”（高）、“M”（中）、“L”（弱）表示。

四、课程教学内容

（一）课程教学内容与学时安排

课程内容

教学方法

学时安排

理论讲授

实践教学

第二章科学计算包Numpy

讲授法、实验教学法

3

2

第三章数据处理包Pandas

讲授法、实验教学法

5

5

第四章数据可视化包Matplotlib

讲授法、实验教学法

2

3

第五章机器学习与实现

讲授法、实验教学法

5

5

第六章金融数据基础

讲授法、实验教学法

4

1

第七章基础案例

讲授法、实验教学法

10

5

第八章综合案例一：上市公司综合评价

讲授法、实验教学法

3

2

第九章综合案例二：股票价格涨跌趋势预测

讲授法、实验教学法

5

5

第十章综合案例三：股票价格形态聚类与收益分析

讲授法、实验教学法

5

5

第十一章综合案例四：行业联动与轮动分析

讲授法、实验教学法

3

2

合计

45

35

（二）课程目标与教学内容的对应关系矩阵图

章节

课程目标1

课程目标2

课程目标3

第二章科学计算包Numpy

H

第三章数据处理包Pandas

H

第四章数据可视化包Matplotlib

H

第五章机器学习与实现

H

第六章金融数据基础

H

M

第七章基础案例

H

M

第八章综合案例一：上市公司综合评价

H

H

第九章综合案例二：股票价格涨跌趋势预测

H

H

第十章综合案例三：股票价格形态聚类与收益分析

H

H

第十一章综合案例四：行业联动与轮动分析

H

H

注：课程章节对课程目标的支撑强度分别用“H”（高）、“M”（中）、“L”（弱）表示；矩阵应覆盖所有必修环节。

（三）课程教学安排

第二章科