《金融市场数据分析与数据挖掘》教学大纲
二、课程的对象和性质
本课程的授课对象是金融专业的本科生，作为培养学生实际数据获取、数据分析、以及信息获取技能的金融实践性教学课程和选修课程列入金融学专业的教学计划。
三、课程的教学目的和要求
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，并有进一步学习的基础与能力。
四、授课方法
采用理论讲解和上机实验相、课外研究结合的方法。
理论讲解利用课堂介绍金融数据挖掘的基本原理和基本方法，上机实验主要是结合具体的金融数据分析和数据挖掘案例学习和掌握如何在相应计算软件上完成数据挖掘与数据分析任务，课外研究则是学生在课程学习的基础上的拓展训练，培养利用数据挖掘方法解决实际问题的能力。
五、理论教学内容与基本要求（含学时分配）
第一章：数据采集与数据处理
课时安排：4课时
教学要求：通过本章学习，使学生理解金融数据的基本类型，初步掌握金融数据的采集方法，能利用相应软件对导入数据进行初步处理。
教学重点与难点：数据挖掘的概念、数据挖掘的主要功能、数据的基本处理方法，本章的难点是数据的基本处理方法。
教学内容：
第一节：理解金融数据
1、非定量性数据
2、数据挖掘，一种从海量数据中挖掘知识的新方法
3、数据挖掘涉及的主要学科领域
4、近年来数据挖掘技术的主要发展和主要应用领域
第二节：数据挖掘的主要功能
1、分类与预测
2、序列发现
3、特征化、比较与关联规则挖掘
4、聚类分析
第三节：数据挖掘软件
1、SAS
2、Intelligent miner for data
第二章：分类与预测
课时安排：9课时
教学要求：通过本章学习，要求学生掌握分析和预测的基本统计分析方法和数据挖掘技术，了解各种方法和技术的理论依据，使用条件和软件实现方法。
掌握使用一种或几种分类与预测方法、通过计算软件和实际数据构建银行借款人违约预测模型或违约概率预测模型，或信用卡诈骗预测模型。
教学重点与难点：本章重点是数据挖掘中分类与预测的几种实现方法，难点是对所涉及到的一些基本统计分析原理的理解与掌握。
教学内容：
第一节：判别分析
1、判别分析的统计原理
2、判别分析的假设条件、数据要求与软件实现方法
3、案例1：基于判别分析的企业财务困境预测模型构建
第二节：Logistic回归和Probit过程
1、Logistic回归的统计原理
2、预测变量选定时Logistic回归的软件实现方法
3、预测变量未定时Logistic回归的软件实现方法——逐步回归法
4、Probit过程的统计原理与软件实现方法
5、案例2：基于Logistic回归和Probit过程的企业财务困境预测模型构建
6、案例3：基于Logistic回归和Probit过程的借款人违约概率预测模型构
建
第三节：决策数分类预测法
1、熵与信息增量
2、决策数的构建原理与预测准则
3、决策数分类预测的软件实现方法
4、案例4：基于决策树方法的信用卡诈骗预警系统构建
第四节：预测变量的选取与信号—噪音分析
1、变量预测的信息含量测定方法——信号噪音分析
2、信号—噪音分析的软件实现方法
3、变量转换的必要性与综合预测指标构建
4、案例4：基于信号—噪音分析方法的货币危机预警模型构建
第三章：序列发现
课时安排：5课时
教学要求：通过本章学习，要求学生了解序列发现的概念、相似性的度量方法、序列发现的软件实现方式，序列发现在金融领域的应用，使学生能够利用序列发现概念和数据挖掘软件实现在金融领域的初步应用。
教学重点与难点：本章的重点是时间序列中序列发现和相似性度量，以及在金融领域的应用，难点是趋势分析和相似性度量方法的掌握。
教学内容：
第一节：时序数据和序列数据的挖掘
1、时序数据和序列数据的概念
2、趋势分析
3、趋势分析的软件实现方法
第二节：序列发现的概念
1、何为序列发现
2、相似性的度量方法
3、相似序列发掘的软件实现
第三节：序列发现在金融领域的应用
案例5：股票市场交易决策规则挖掘
第四章：特征化、比较与关联规则挖掘
课时安排：5课时
教学要求：通过本章学习，使学生了解如何用特征化和比较的方式来描述与总结数据，如何在数据中进行关联规则挖掘，了解特征化、比较与关联规则的软件实现方式，了解特征化、比较与关联规则在金融领域的初步应用。
教学重点与难点：本章重点是特征化、比较与关联规则的基本概念与如何在数据挖掘软件中实现数据的特征化与比较分析，实现数据库中的关联规则挖掘，难点是这些数据挖掘功能在实际运用中需要注意与解决的一些问题。
教学内容：
第一节：特征化与比较
1、数据的描述与总结
2、数据概化与基于汇总的特征化
3、属性相关分析
4、类描述：特征化和比较的表示
5、特征化与比较的软件实现
第二节：关联规则挖掘
1、购物篮分析：关联规则的引发
2、基本概念
3、关联规则挖掘
4、关联规则挖掘的软件实现
第三节：特征化、比较与关联规则的应用
案例6：特征化、比较与关联规则在银行客户关系管理中的应用
五、实验教学内容与基本要求（含学时分配）
第一章配套实验教学
课时安排：2课时
实验内容：
1、数据挖掘软件Intelligent miner for data的安装与打开
2、了解数据挖掘软件的基本模块功能
3、数据发掘库的建立、修改与保存
实验要求：通过本次实验教学，要求学生能够掌握数据挖掘软件Intelligent miner for data的安装与打开方法，对数据挖掘软件的构造与各个基本模块有初步了解，能够掌握数据挖掘库的建立、修改与保存方法。
第二章配套实验教学
课时安排：6课时
实验内容
1、SAS的安装与打开
2、SAS数据库的建立（输入与输出）、修改与保存
3、判别分析的SAS程序与结果分析
4、判别分析预测规则的建立
5、Logistic回归的SAS程序与结果分析
6、逐步回归法
7、基于Logistic回归预测规则的建立
8、Probit过程的SAS程序与结果分析
9、基于Probit过程的预测规则的建立
10、决策树的构建与预测检验
11、基于决策树方法的预测规则的建立
12、基于信号—噪音分析的预测变量信息含量测定方法和预测变量选取
13、基于信号—噪音分析的分类预测模型构建
实验要求：通过本章实验教学，要求学生初步掌握运用SAS软件和Intelligent miner for data软件进行分类与预测的方法，掌握进行分类与预测时所需要的基本程序，能够对软件给出的结果进行分析，能够建立基于不同统计分析方法和数据挖掘方法的分类预测模型和预测规则。
第三章配套实验教学
课时安排：2课时
实验内容：
1、怎样利用Intelligent miner for data软件进行时序数据和序列数据的趋
势分析
2、相似序列发现的Intelligent miner for data软件实现
3、基于实际数据的股票市场交易决策规则挖掘
实验要求：通过本次实验教学，要求学生掌握利用数据挖掘软件对时序数据和序列数据进行趋势分析和发掘相似序列的基本方法、基本步骤，能够对发掘结果进行初步的分析，具有运用数据挖掘中趋势分析和相似序列发掘模块功能的初步能力。
第四章配套实验教学
课时安排：2课时
实验内容：
1、在数据挖掘软件中如何进行数据的类描述，如何实现特征化与比较分析
2、在数据挖掘软件中如何进行关联规则挖掘
3、特征化与比较分析在金融领域的实际应用
实验要求：通过本次实验教学，要求学生掌握在数据挖掘软件中实现类描述与关联规则发掘的基本方法、基本步骤，能够对发掘结果进行基本分析，初步掌握数据挖掘软件中特征化和比较等类描述功能、以及关联规则的挖掘功能。