《金融数据分析——以Python为工具》_一、金融数据分析概览.pptxVIP

Chapter01

金融数据分析概览;

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。;

Python金融数据分析

数字金融

普惠金融

消费金融

小微金融

供应链金融;

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》;

流程框架

分析方法

编程操作

动手实践

网络教学平台

W3School

Kaggle;

流程

基础

金融数据分析

应用;

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。;

大数据风控

量化投资

精准营销

应用金融数据分析

智能投顾

客户关系管理

NumPy

Pandas

MatplotlibPython库

scikit-leam

Tensorflow;

信息技术

金融金融科技

数据分析;

金融数据

金融监管

金融市场;

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。