《Python金融数据挖掘及其应用》教学大纲.pdf

《Python金融数据挖掘及其应用》是一门针对信息与计算科学专业的专业方向选修课程，旨在培养学生的Python编程技能，特别是在金融数据分析和挖掘方面的能力。课程要求学生具备数学分析、高等代数、概率统计、金融基础知识和Python程序设计基础。通过这门课程的学习，学生将能够运用Python进行金融数据的科学计算、处理、可视化，并进行挖掘建模，最终实现量化投资的实战应用。 课程分为多个章节，每个章节包含基础和综合案例，涵盖以下主要内容： 1. **基础案例**：涉及股票价格指数收益率计算、上市公司净利润增长率计算、股票价格和成交量图表绘制、移动平均线绘制以及沪深300指数预测。学生需理解案例实现的思路、算法和数据结构转换，并能独立完成程序实现。 2. **综合案例一：上市公司综合评价**：讲解了综合评价模型和方法，包括投资规模与效率、成长与价值指标的评价，以及主成分分析模型的运用。学生需掌握数据预处理、模型理解和量化投资策略设计。 3. **综合案例二：股票价格涨跌趋势预测**：涉及技术分析指标、数据获取和计算，以及支持向量机、逻辑回归和神经网络模型的实现与验证。学生需理解业务数据、指标计算和量化投资策略设计。 4. **综合案例三：股票价格形态聚类与收益分析**：介绍股票形态分析、关键价格点提取算法和K-最频繁值聚类算法。学生需掌握这些算法和量化投资策略的设计。 5. **综合案例四：行业联动与轮动分析**：讲解行业联动轮动的指标表示、计算和关联规则挖掘，以及量化投资策略。学生需理解行业联动规则和策略设计。 实践教学部分强调将理论知识应用于实际问题，包括数据获取、预处理、模型构建、结果分析和量化投资策略的实施。实验环节占20学时，旨在强化学生的动手能力和问题解决能力。 通过这门课程，学生不仅能够熟练运用Python进行金融数据处理，还能掌握金融数据分析的核心技术和量化投资策略，为将来在金融行业的就业打下坚实的基础。此外，课程推荐的教材《Python 金融数据分析与挖掘实战》提供了丰富的实例和指导，有助于学生深入理解和掌握课程内容。