环节 01
金融数据导入与格式整理
2 学时
使用 Python 从 RESSET 数据库导入股票、基金基础数据，完成数据查看、格式转换与基础筛选。
学分
2
总学时
32
全程机房单人操作
实验项目
8
含 2 个选做
编程语言
1
Python
考核权重
40∶60
平时成绩 ∶ 期末实验
思政融入点
4
伦理·安全·创新·担当
课程定位与简介
本课程是金融工程专业第五学期的专业拓展课，衔接《Python编程基础》与《计量经济学》，并为《量化交易策略实战》《智能投顾与财富管理实训》提供金融科技方向的能力延伸。
本课程是金融工程专业的一门专业拓展课，旨在培养学生掌握金融科技与人工智能的基本理论、核心技术与实践应用能力。课程系统介绍人工智能技术在金融领域的应用场景，包括智能投顾、智能风控、量化交易等核心领域。
通过理论学习与实验实践相结合，使学生理解人工智能赋能金融创新的内在逻辑，掌握 Python 编程实现金融智能应用的基本技能，培养运用人工智能技术解决金融实际问题的能力，为毕业后从事金融数据分析、量化投资、金融科技产品研发等工作奠定坚实基础。
教学理念：一人一机、任务驱动。8 个实验从数据导入一路走到策略优化，全部要求本人独立完成并提交代码与分析报告；每个实验结果都必须能被复算，AI 生成的代码须逐段运行验证后方可进入报告。
先修与后续课程
- 先修课程：金融学A、Python编程基础、计量经济学
- 平行／后续：量化交易策略实战、智能投顾与财富管理实训
- 开课单位：经济与金融学院 金融工程系
- 实验条件：Windows 操作系统、Python、RESSET 金融研究数据库、互联网接入
教学内容与学时分配
以下为核心教学环节，实验类课程以项目化上机实操展开。
环节 02
金融数据清洗与缺失值处理
2 学时
对金融数据做缺失值、异常值、重复值处理，输出清洗后规范数据集。
环节 03
金融数据统计分析与可视化
6 学时
计算描述性统计量，绘制折线图、柱状图、热力图，完成数据趋势与相关性可视化。
环节 04
基础金融风控分类模型实现
6 学时
调用 Python 机器学习库，用逻辑回归构建简易信用风险预测模型，生成结果并解读指标。
环节 05
金融时间序列趋势拟合与预测
6 学时
使用简单回归模型对行情数据进行趋势拟合，完成短期预测与图表展示。
环节 06
简易量化交易策略编写与回测
8 学时
基于均线等简单规则编写交易策略，完成回测、收益计算与基础绩效分析。
环节 07
金融文本基础情感分析
2 学时（选做）
对财经短句、公告做分词与情感判断，输出情感分值（选做）。
环节 08
量化策略参数优化与改进
2 学时（选做）
对已完成的量化策略调整参数，对比效果并完成优化分析（选做）。
课程教材
主教材为《金融智能：理论与实践》，是金融科技新形态教材；其余为课程内容对应的三个方向：金融科技体系、智能投顾业务形态与 Python 编程实现。
教材
金融智能：理论与实践
高等教育出版社
金融智能：理论与实践
主教材
教材
金融科技学
高等教育出版社
金融科技学
核心参考
教材
智能投顾：大数据智能驱动投顾创新
清华大学出版社
智能投顾：大数据智能驱动投顾创新
专题参考
教材
Python金融大数据分析（第2版）
人民邮电出版社
Python金融大数据分析（第2版）
编程参考
