课程信息
内容
-
课程简介
一、课程地位与课程目标
(一)课程地位
金融实证研究的一个显著特点是数据分析量大、不确定性因素多,面对当今时代的海量金融数据,基于传统统计技术建立的模型假设条件多,实际应用难以奏效。数据挖掘20世纪90年代中期兴起的新技术,是发现数据中有用模式的过程,其目的在于使用所发现的模式帮助解释当前的行为或预测未来的结果,以人们容易理解的形式提供有用的决策信息。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,具备从事后续金融工程研究的一些量化分析技能。
(二)课程目标
1. 理解数据挖掘的特点和基本流程,掌握数据挖掘的重要思想;
2. 掌握不同类别的数据挖掘方法,包括回归、分类、聚类、降维等;
3. 能够运用工具语言,如R、Python等,进行数据挖掘;
4. 学会运用数据挖掘的方法解决金融研究中的问题。
二、课程目标达成的途径与方法
本课程本着学以致用的原则,结合最新的发展,以课堂教学为主,结合实践教学、课堂讨论、课外作业等方式来达成课程的学习目标。通过讲解数据挖掘的重要思想、建模方法、软件实现的理论教学,使学生理解数据挖掘的建模思想、解决实际问题的办法和思路,掌握数据挖掘的常用工具方法;通过课外实践和课外作业,使学生能够学以致用,学会用数据挖掘的方法解决金融研究中的实际问题,并掌握一门编程语言作为后续学习和研究的工具。
三、推荐教材与主要参考书
(一)推荐教材:
数据挖掘与商务分析:R语言,Johannes Ledolter(美)著,宋涛等译,机械工业出版社,2016.
(二)主要参考书:
1、机器学习与R语言,Brett Lantz(美)著,李洪成等译,机械工业出版社,2017。
2、量化投资以R语言为工具,蔡立耑著,电子工业出版社,2015。
-