《金融项目数据分析与开发》教学大纲课程名称：金融项目数据分析与开发课程类别（必修/选修）：选修课程英文名称：FinancialDataDevelopmentandAnalysise其中实验/实贱学时：16总学时/周学时/学分：32/2/2先修课程：Python与大数据分析后续课程支撑：无授课地点：实503机房授课时间：星期三9-10节（2-17周）授课对象：2023经济与金融1-2班开课学院：粤台产业科技学院任课数师姓名/职称：刘黎明/高级答疑时间、地点与方式：1.每次课前和课后，实验楼采用一对一的问答方式2.每次习题课，采用集中讲解方式。课程考核方式：开卷（）闭卷（）课程论文（）其它（V）使用教材：《Python金融数据挖掘与分析实战》，刘鹏等著，机械工业出版社，ISBN9787111696506数学参考资料：课程简介：本课程介绍通过Python编程基础和数据挖掘与分析基础快速掌握金融数据挖掘与分析的工具、技术和方法。全书分为基础、方法和应用三部分：基础篇涵盖Python语法及NumPy、Matplotlib、PySpark等数据处理工具的使用：方法篇解析聚类分析、回归分析等经典数据挖掘技术：应用篇聚焦网络奥情分析、股价预测等8个金融实战场景。课程教学目标及对毕业要求指标点的支撑：毕业要求课程教学目标支撑毕业要求指标点1
1 《金融项目数据分析与开发》教学大纲 课程名称： 金融项目数据分析与开发 课程类别（必修/选修）：选修 课程英文名称：Financial Data Development andAnalysise 总学时/周学时/学分：32/2/2 其中实验/实践学时：16 先修课程： Python 与大数据分析 后续课程支撑： 无 授课时间： 星期三 9-10 节 （2-17 周） 授课地点：实 503 机房 授课对象： 2023 经济与金融 1-2 班 开课学院： 粤台产业科技学院 任课教师姓名/职称： 刘黎明/高级 答疑时间、地点与方式： 1.每次课前和课后，实验楼 采用一对一的问答方式； 2.每次习题课，采用集中讲解方式。 课程考核方式：开卷（）闭卷（）课程论文（）其它（ ✔） 使用教材：《Python 金融数据挖掘与分析实战》，刘鹏等著，机械工业出版社，ISBN 9787111696506 教学参考资料： 课程简介： 本课程介绍通过 Python 编程基础和数据挖掘与分析基础快速掌握金融数据挖掘与分析的工具、技术和方法。全书分为基础、方法和应用三部分：基础 篇涵盖 Python 语法及 NumPy、Matplotlib、PySpark 等数据处理工具的使用；方法篇解析聚类分析、回归分析等经典数据挖掘技术；应用篇聚焦网络舆 情分析、股价预测等 8 个金融实战场景。 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求
热爱祖国，拥护中国共产党的领导，了解马列主义、目标1：在案例实践中培养职业道德、社会责任感和合规A1思想品德素质毛泽东思想、邓小平理论和“三个代表”重要思意识，理解金融数据分析的社会影响。能深入理解金融开发运维中的职业道想：有为社会主义现代化建设服务的思想，为国德准则、行业规范及相关法律法规家富强、民族昌盛而兴奋的志向和责任感：顺应智能金融的趋势，具有大数据分析能力与人工目标2:B6专业知识智能应用能力、参与金融投资竞赛与市场实操能掌握Python金融数据挖掘的基本理论、数据挖掘方法与力、投资分析师养成教育，并且掌握主要课程：程能够熟悉金融科技系统的分析开发语工具，具备扎实的编程基础，能够利用Python进行金融序设计、数据库应用、微观经济学、宏观经济学、言、前端数据库设计、数据挖掘、大数数据的获取、清洗、处理、分析与可视化。计量经济学、会计学原理、中级会计学、财务管理、据分析相关的专业知识。投资学、风险管理、衍生金融工具、国际金融等C2运用专业知识的能力目标3：具有良好的综合应用知识能力和实践能力，能把学能够综合运用所学专业知识，完成一个完整的金融数据挖有效整合数据资源，展现良好的专业知到的经济学和金融学知识运用于实践。识能力掘与分析项目，解决实际金融问题理论教学进程表支撑教学模式周次教学主题授课教师学时数教学内容（重点、难点、课程思政融入点）教学方法作业安排课程线下/混合式目标课后作业：，【Python简史】了解Python的历史。Pycharm的安装与Python工作环境2·【R简史】了解R的历史。刘黎明线下教学课堂讲授目标2设置：Jupyter准备·【Python与R对比】如何选择编程语言。Notebook的使用2
2 目标 1：在案例实践中培养职业道德、社会责任感和合规 意识，理解金融数据分析的社会影响。 A1 思想品德素质 能深入理解金融开发运维中的职业道 德准则、行业规范及相关法律法规 热爱祖国，拥护中国共产党的领导，了解马列主义、 毛泽 东思想、邓小平理论和“三个代表”重要思 想；有为社会 主义现代化建设服务的思想，为国 家富强、民族昌盛而兴 奋的志向和责任感； 目标 2： 掌握 Python 金融数据挖掘的基本理论、数据挖掘方法与 工具，具备扎实的编程基础，能够利用 Python 进行金融 数据的获取、清洗、处理、分析与可视化。 B6 专业知识 能够熟悉金融科技系统的分析开发语 言、前端数据库设计、数据挖掘、大数 据分析相关的专业知识。 顺应智能金融的趋势，具有大数据分析能力与人工 智能应用能力、参与金融投资竞赛与市场实操能 力、投资分析师养成教育，并且掌握主要课程：程 序设计、数据库应用、微观经济学、宏观经济学、 计量经济学、会计学原理、中级会计学、财务管理、 投资学、风险管理、衍生金融工具、国际金融等 目标 3： 能够综合运用所学专业知识，完成一个完整的金融数据挖 掘与分析项目，解决实际金融问题. C2 运用专业知识的能力 有效整合数据资源，展现良好的专业知 识能力 具有良好的综合应用知识能力和实践能力，能把学 到的经济学和金融学知识运用于实践。 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 Python 工作环境 准备 刘黎明 2 •【Python 简史】了解 Python 的历史。 •【R 简史】了解 R 的历史。 •【Python 与 R 对比】如何选择编程语言。 线下教学 课堂讲授 课后作业： Pycharm 的安装与 设置；Jupyter Notebook 的使用 目标 2
章节后习题·【Python的安装】将Python安装在本地。·【JupyterNotebook】学习Jupyter的上手。重点：下载并配置Python开发环境难点：上手使用JupyterNotebook课程思政融入点：介绍Python语言软件与机器学习，培养实事求是的科学态度和职业道德。·Python基础知识。·Python基础语法。·Python变量类型。·Python运算符。课后作业：·Python条件与循环语句。在开发环境中多测·Python函数试Python语法：多刘黎明线下教学课堂讲授2目标2Python入门2使用相关内置函数·Python模块与常用库·Python文件处理章节后习题·Python异常·数据分析相关库重点：学习Python基础语法、了解Python内置数据结构与数据结构。3
3 •【Python 的安装】将 Python 安装在本地。 •【Jupyter Notebook】学习 Jupyter 的上手。 重点：下载并配置 Python 开发环境 难点：上手使用 Jupyter Notebook 课程思政融入点：介绍 Python 语言软件 与机器学习，培养实事求是的科学态度和 职业道德。 章节后习题 2 Python 入门 刘黎明 2 • Python 基础知识。 • Python 基础语法。 • Python 变量类型。 • Python 运算符。 • Python 条件与循环语句。 • Python 函数 • Python 模块 • Python 文件处理 • Python 异常 • 数据分析相关库 重点：学习 Python 基础语法、了解 Python 内置数据结构与数据结构。 线下教学 课堂讲授 课后作业： 在开发环境中多测 试 Python 语法； 多 使用相关内置函数 与常用库 章节后习题 目标 2
难点：学习条件与循环语句，掌握Python内置函数与常用库。课程思政融入点；通过多实践操作，养成熟能生巧、精益求精的开发态度和职业道德。·数据分析工作流程。课后作业：：数据预处理。掌握如何对数据进重点：了解数据分析工作流程刘黎明线下教学课堂讲授目标22数据预处理3行预处理难点：学习并掌握如何对数据进行预处理；章节后习题课程思政融入点：了解数据预处理工作流程，培养实事求是的科学态度和职业道德。·分类分析。·聚类分析。课后作业：·决策树。熟悉各类数据挖掘·回归分析刘黎明课堂讲授的算法并掌握其原2线下教学目标2数据挖掘方法4·关联分析理。·时间序列分析章节后习题重点：了解数据挖掘的算法有哪些难点：掌握数据挖掘中几种算法的原理4
4 难点：学习条件与循环语句，掌握 Python 内置函数与常用库。 课程思政融入点：通过多实践操作，养成 熟能生巧、精益求精的开发态度和职业道 德。 3 数据预处理 刘黎明 2 • 数据分析工作流程。 • 数据预处理。 重点：了解数据分析工作流程； 难点：学习并掌握如何对数据进行预处理； 课程思政融入点：了解数据预处理工作流 程，培养实事求是的科学态度和职业道德。 线下教学 课堂讲授 课后作业： 掌握如何对数据进 行预处理 章节后习题 目标 2 4 数据挖掘方法 刘黎明 2 •分类分析。 • 聚类分析。 • 决策树。 • 回归分析 • 关联分析 • 时间序列分析 重点：了解数据挖掘的算法有哪些 难点：掌握数据挖掘中几种算法的原理 线下教学 课堂讲授 课后作业： 熟悉各类数据挖掘 的算法并掌握其原 理。 章节后习题 目标 2
课程思政融触入点：通过了解数据挖掘的算法的原理，培养实事求是的科学态度和职业道德。：网络奥情简介与方法。，奥情数据采集课后作业：，实战分析。尝试利用爬虫获取重点：了解网络奥情概念：了解奥情采集奥情数据并分析数工具网络奥情采集与刘蔡明线下教学课堂讲授目标22据5热点分析难点：掌握利用爬虫获取奥情数据并分析章节后习题课程思政融入点：引导学生正确认识网络环境，提高网络素养和道德判断能力。培养良好的网络素养，为网络空间的和谐与文明作出贡献。·情感分析介绍。课后作业：·情感分类方法动手操作淘宝家电，情感分类实战演练。目标奥情研判之情感评论情感预测刘黎明线下教学课堂讲授26重点：了解情感分析基本概念和文本预处1, 3分类章节后习题理流程难点：掌握情感分类的方法：掌握利用LSTM对商品评论进行情感分类5
5 课程思政融入点：通过了解数据挖掘的算 法的原理，培养实事求是的科学态度和职 业道德。 5 网络舆情采集与 热点分析 刘黎明 2 • 网络舆情简介与方法。 • 舆情数据采集 • 实战分析。 重点：了解网络舆情概念；了解舆情采集 工具 难点：掌握利用爬虫获取舆情数据并分析 课程思政融入点：引导学生正确认识网络 环境，提高网络素养和道德判断能力。培 养良好的网络素养，为网络空间的和谐与 文明作出贡献。 线下教学 课堂讲授 课后作业： 尝试利用爬虫获取 舆情数据并分析数 据 章节后习题 。 目标 2 6 舆情研判之情感 分类 刘黎明 2 • 情感分析介绍。 • 情感分类方法 • 情感分类实战演练。 重点：了解情感分析基本概念和文本预处 理流程 难点：掌握情感分类的方法； 掌握利用 LSTM 对商品评论进行情感分类 线下教学 课堂讲授 课后作业： 动手操作淘宝家电 评论情感预测 章节后习题 目 标 1，3
课程思政融入点：情感分类模型能识别评论中的价值观倾向，例如对“诚信”“创新”等社会价值观的提及频次分析，可帮助公司及机构针对性地开展价值观引导活动。例如，若发现大量负面评论涉及“虚假宜传”，可及时调整宣传策略。·股市数据分析价值·ARIMA模型·实战：基于SVM和ARIMA的股价预测课后作业：重点：了解股票对于国家、个人的意义手动操作案例：基于目标用机器学习方法SVM和ARIMA的刘黎明难点：掌握ARIMA算法的原理：掌握SVM2线下教学课堂讲授71,3预测股价股价预测和ARIMA对于股票的预测章节后习题课程思政融入点：股票对国家与个人具有多重意义。股票市场既是经济活动的重要载体，也是社会价值观的体现。作为金融从业者，一是理性投资，二是个人应树立长期价值导向面非短期博奔思维。·神经网络预测方法。课后作业：目标用人工智能方法·实战：基于LSTM和GRU的股价预测。刘黎明2线下教学课堂讲授实战调试：基于LSTM81, 3预测股价和GRU的股价预测·实战：股票市场新闻情感分析。6
6 课程思政融入点：情感分类模型能识别评 论中的价值观倾向，例如对“诚信”“创 新”等社会价值观的提及频次分析，可帮 助公司及机构针对性地开展价值观引导活 动。例如，若发现大量负面评论涉及“虚 假宣传”，可及时调整宣传策略。 7 用机器学习方法 预测股价 刘黎明 2 • 股市数据分析价值 • ARIMA 模型 • 实战：基于 SVM 和 ARIMA 的股价预 测 重点：了解股票对于国家、个人的意义 难点：掌握 ARIMA 算法的原理；掌握 SVM 和 ARIMA 对于股票的预测 课程思政融入点：股票对国家与个人具有 多重意义。股票市场既是经济活动的重要 载体，也是社会价值观的体现。作为金融 从业者，一是理性投资，二是个人应树立 长期价值导向而非短期博弈思维。 线下教学 课堂讲授 课后作业： 手动操作案例：基于 SVM 和 ARIMA 的 股价预测 章节后习题 目 标 1，3 8 用人工智能方法 预测股价 刘黎明 2 • 神经网络预测方法。 • 实战：基于 LSTM 和 GRU 的股价预测。 • 实战：股票市场新闻情感分析。 线下教学 课堂讲授 课后作业： 实战调试：基于 LSTM 和 GRU 的股价预测 目 标 1，3
章节后习题重点：了解预测股票的神经网络的方法有哪些：难点：掌握这几种神经网络的算法原理，掌握这几个方法的深度学习框架课程思政融入点：基于神经网络的股票市场预测模型一直是投资者和金融机构关注的重要问题。随着人工智能和机器学习的发展，神经网络成为一种广泛应用于股票市场预测的方法。本章正确引导学生对人工智能及算法作深度探讨与研究。16合计实践教学进程表教学支撑课项目类型（验证/综合周次授课教师学时实验项目名称教学内容（重点、难点、课程思政融入点）方法/设计)程目标·个人信用评分概述。，信用评分的技术与方法。个人信用评分·信用评分卡模型。目标1，刘黎明2综合实验（实战调试：信用评分93：实战：信用评分卡。卡实验报告）重点：了解个人信用评分的需求背景：了解个人信用评分的国内外发展状况：了解信用评分7
7 重点：了解预测股票的神经网络的方法有 哪些; 难点：掌握这几种神经网络的算法原理, 掌握这几个方法的深度学习框架 课程思政融入点：基于神经网络的股票市 场预测模型一直是投资者和金融机构关注 的重要问题。随着人工智能和机器学习的 发展,神经网络成为一种广泛应用于股票 市场预测的方法。本章正确引导学生对人 工智能及算法作深度探讨与研究。 章节后习题 合计 16 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综合 /设计） 教学 方法 支撑课 程目标 9 个人信用评分 （实战调试：信用评分 卡实验报告） 刘黎明 2 • 个人信用评分概述。 • 信用评分的技术与方法。 • 信用评分卡模型。 • 实战：信用评分卡。 重点：了解个人信用评分的需求背景; 了解个 人信用评分的国内外发展状况;了解信用评分 综合 实验 目标 1， 3
的简要历史：了解信用评分卡模型基本流程：了解数据分箱的概念及方法：了解变量筛选的几种方法：难点：能够了解信用评分的模型与方法：能够了解模型评价的几个指标课程思政融入点：通过案例，探讨信用卡使用中的诚信问题，帮助学生树立正确的消费观和价值观。，个人信用等级评估概述。，个人信用评级的方法。·实战：个人信用等级评估。重点：了解什么是个人信用等级评估：了解个人信用个人信用等级评估等级评估的好处：了解决策树算法原理及流目标1，刘黎明综合实验2（实战调试：个人信用10程：了解随机森林算法原理及流程：了解3等级评估）XGBoost算法原理及流程：了解多重共线性的概念及解决方法：难点：掌握数据重采样的儿种方法课程思政融入点：通过案例，探讨信用卡使用中的诚信问题，帮助学生树立正确的消费观和价值观。S
8 的简要历史;了解信用评分卡模型基本流程; 了解数据分箱的概念及方法;了解变量筛选的 几种方法; 难点：能够了解信用评分的模型与方法;能够 了解模型评价的几个指标 课程思政融入点：通过案例，探讨信用卡使用 中的诚信问题，帮助学生树立正确的消费观和 价值观。 10 个人信用等级评估 （实战调试：个人信用 等级评估） 刘黎明 2 • 个人信用等级评估概述。 • 个人信用评级的方法。 • 实战：个人信用等级评估。 重点： 了解什么是个人信用等级评估；了解个人信用 等级评估的好处；了解决策树算法原理及流 程；了解随机森林算法原理及流程；了解 XGBoost 算法原理及流程；了解多重共线性的 概念及解决方法； 难点：掌握数据重采样的几种方法 课程思政融入点：通过案例，探讨信用卡使用 中的诚信问题，帮助学生树立正确的消费观和 价值观。 综合 实验 目标 1， 3
：企业信用评估概述。·企业信用评估的技术与方法。，实战：企业信用评估。重点：企业信用评估了解企业信用制度的概念：了解国内外关于企目标1，业信用评估的现状综合实验刘蔡明2（实战调试：企业信用113难点：了解支持向量机算法的原理及流程：了评估）解朴素贝叶斯算法的原理及流程：了解感知机算法的原理及流程课程思政融入点：通过案例，探讨信用卡使用中的诚信问题，帮助学生树立正确的消费观和价值观。·用户画像的价值。·用户画像的构建。、实战：电商用户画像构建。用户画像重点：初步了解、掌握用户画像的相关内容：目标1，刘黎明实验（实战调试：电商用户2综合123掌握用户画像的标签体系画像构建）难点：掌握用户画像的相关内容：掌握用户画像的标签体系课程思政融入点：用户画像在思政领域的应用仍存在数据隐私保护、算法偏见等问题，需平9
9 11 企业信用评估 （实战调试：企业信用 评估） 刘黎明 2 • 企业信用评估概述。 • 企业信用评估的技术与方法。 • 实战：企业信用评估。 重点： 了解企业信用制度的概念；了解国内外关于企 业信用评估的现状； 难点：了解支持向量机算法的原理及流程；了 解朴素贝叶斯算法的原理及流程；了解感知机 算法的原理及流程 课程思政融入点：通过案例，探讨信用卡使用 中的诚信问题，帮助学生树立正确的消费观和 价值观。 综合 实验 目标 1， 3 12 用户画像 （实战调试：电商用户 画像构建） 刘黎明 2 • 用户画像的价值。 • 用户画像的构建。 • 实战：电商用户画像构建。 重点：初步了解、掌握用户画像的相关内容; 掌握用户画像的标签体系 难点：掌握用户画像的相关内容;掌握用户画 像的标签体系 课程思政融入点：用户画像在思政领域的应用 仍存在数据隐私保护、算法偏见等问题，需平 综合 实验 目标 1， 3
衡技术手段与伦理规范的关系。目标客户运营概述。·K-Means聚类算法。·目标客户的挖掘与分类。·实战：商场客户细分管理。目标客户运营·实战：航空公司VIP客户体系管理。（实战1：商场客户细分目标1，综合实验管理：实战2：航空公司刘黎明4重点：了解销售团队的主要目标：知悉目标客133VIP客户体系管理户运营的概述难点：掌握目标客户的聚类模型：明确目标客1户运营管理课程思政融入点：销售的第一步就是确定自己的目标客户，让学生理解”具体问题具体分析”的辩证思维。：传统营销与新时代营销。·关联规则-Apriori算法智能推荐·关联规则-FP-Growth算法。目标1，（实战1：火锅店推荐，刘黎明综合实验414·精准营销实战。3实战2：基于关联规则的黑色星期五分析）重点：了解营销的两种形式-传统营销与精准营销难点：熟悉精准营销里的Apriori算法和10
10 衡技术手段与伦理规范的关系。 13 目标客户运营 （实战 1：商场客户细分 管理；实战 2：航空公司 VIP 客户体系管理 ） 刘黎明 4 • 目标客户运营概述。 • K-Means 聚类算法。 • 目标客户的挖掘与分类。 • 实战：商场客户细分管理。 • 实战：航空公司 VIP 客户体系管理。 重点：了解销售团队的主要目标；知悉目标客 户运营的概述 难点：掌握目标客户的聚类模型；明确目标客 户运营管理 课程思政融入点：销售的第一步就是确定自己 的目标客户，让学生理解”具体问题具体分 析”的辩证思维。 综合 实验 目标 1， 3 14 智能推荐 （实战 1：火锅店推荐， 实战 2：基于关联规则的 黑色星期五分析） 刘黎明 4 • 传统营销与新时代营销。 • 关联规则-Apriori 算法 • 关联规则-FP-Growth 算法。 • 精准营销实战。 重点：了解营销的两种形式-传统营销与精准 营销难点：熟悉精准营销里的 Apriori 算法和 综合 实验 目标 1， 3