环节 01
导论
2 学时
课程介绍、方法论、环境配置与 Python 复习。
学分
3
总学时
48
机房实操为主
核心环节
6
爬虫·库·算法·实战
实验项目
6
含选做项
考核权重
50∶50
过程考核 ∶ 期末上机
思政融入点
4
合规·伦理·求真
课程定位与简介
本课程与《Python编程基础》《证券投资学A》衔接，并为后续《量化交易策略实战》提供关键基础知识与技术支撑，是量化交易学习不可或缺的先修技术实训课。
《金融数据挖掘实训》是金融工程专业第5学期核心必修专业实践课，是连接金融理论、数据技术与量化投资的核心基础实训课程。课程核心内容涵盖金融数据挖掘方法论、Python 金融数据分析库、金融数据爬虫与 API 调用技术、数据挖掘算法。
通过阶梯式机房实操，学生将掌握金融数据挖掘核心知识、实操技能与跨学科整合能力，为量化投资、金融风控、数据分析与智能金融产品研发筑牢技术根基，助力达成数据处理、金融科技应用与创新实践等毕业要求。
教学理念：任务驱动＋项目案例，全程结合 AI 工具辅助代码编写、算法调试与思路优化；教学需配备可稳定运行 Python 及数据分析、爬虫库的机房，网络畅通。
先修与后续课程
- 先修课程：Python编程基础、应用经济统计A、计量经济学、金融学A、证券投资学A
- 平行／后续：量化交易策略实战、金融科技与人工智能、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
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
金融数据挖掘技术
18 学时
网络爬虫、Selenium、金融数据 API 调用。
环节 03
金融数据分析常用库
6 学时
Numpy、Pandas、Matplotlib 功能与代码。
环节 04
金融数据挖掘算法
16 学时
关联规则、线性回归、逻辑回归、决策树。
环节 05
金融数据挖掘实战（股票）
6 学时
股票数据挖掘、预处理、分析与报告（选做）。
环节 06
金融数据挖掘实战（债券）
6 学时
债券数据挖掘、预处理、分析与报告（选做）。
课程教材
主教材采用李甫伟《金融数据挖掘》，其余为课程指定参考教材与 AI 辅助编程读本；书目以纯文本书封呈现，不使用出版方图片；
教材
金融数据挖掘
西安电子科技大学出版社
金融数据挖掘
主教材
教材
基于Python的金融分析与风险管理
人民邮电出版社
基于Python的金融分析与风险管理
核心参考
教材
金融人工智能：用Python实现AI量化交易
人民邮电出版社
金融人工智能：用Python实现AI量化交易
拓展参考
