教學參考計劃（32學分）總課時數：32課時學分：2學分一、課程性質、目的和要求金融數據分析關注金融領域的數據獲取、分析、展示及其在數據可視化、風險管理、投資組合優化、金融建模等方面的應用，它通過經濟學、統計學、數學和計算機科學等方法，系統解讀和分析金融市場數據（如股票價格、收益率、匯率等）和財務數據(財務指標、財務報表等)。在大數據時代，金融數據分析的重要性將日益突顯，持續學習和創新將是掌握這門學科的不竭動力。通過對本書的學習,學生可以初步掌握金融時間序列線性模型、協整與向量自回歸模型、GARCH族模型、極值事件、分位數回歸與金融風險計量、Copula函數及其應用、面板與空間計量模型與應用、機器學習、深度學習與數據分析、文本數據分析等內容的理論與方法,具備系統的金融數據分析的知識框架。教師在教學中應注重將知識學習與研究能力相結合,提升學生的學術研究能力,培養學生運用所學的研究方法開展與課程相關的金融前沿和實際問題研究。同時,作者將盡可能多的中國金融改革發展和應對各類金融危機事件取得的成就融入教材之中,并以此切入,開展課程思政。二、預修課程高等數學、線性代數、概率論與數理統計、統計學、宏觀經濟學、微觀經濟學、金融學、金融市場學、證券投資學、計量經濟學。三、教學方法作為經濟管理類專業定量能力培養的課程,建議采用理論講授、案例討論和上機操作相結合的教學方法,同時輔以課后作業練習、課外閱讀以拓寬視野,強化定量分析能力的培養。本書先通過基本理論講授和例題講解使學生掌握基本知識與基本原理;然后通過上機操作使學生掌握基本的計算建模分析方法并培養通過編程來處理金融數據的能力;最后,通過專題學習和案例分析,鞏固和提高學生對理論內容的理解程度和應用水平。四、教學計劃本書的講授分為理論教學和實踐教學兩部分,對應的課時分別稱為理論課時和實踐課時。其中理論課時主要講解課程的每個知識要點、例題和專題,使學生掌握本課程的基本知識、基本原理和基本方法;實踐課時主要訓練學生學會使用R和Python處理金融數據。實踐教學可通過在機房專門的集中學習,或者學生上課時自備電腦,在理論學習的同時穿插上機學習等方式實現。本課程具體教學安排建議如下所示。序號教學內容理論課時實踐課時總課時1第1章導論1.1金融數據分析概述 1.2常見的統計分布1.3收益率及其分布特征1.4R軟件和Python軟件介紹1.5專題1：金融數據的可視化2132第2章金融時間序列線性模型2.1相關性和平穩性 2.2簡單自回歸模型2.3簡單移動平均模型 2.4簡單ARMA模型 2.5單位根非平穩時間序列2.6季節模型2.7長記憶時間序列模型2.8專題2：基于ARIMA模型的中國居民消費價格指數預測3143第3章協整與向量自回歸模型3.1協整分析 3.2向量自回歸（VAR）模型3.3格蘭杰因果檢驗3.4VAR模型與脈沖響應函數3.5VAR模型與方差分解 3.6結構向量自回歸（SVAR）模型3.7TVP-VAR模型 3.8專題3金融開放、系統性金融風險與金融高質量發展的關系分析 2134第4章GARCH族模型4.1波動率模型的特征及結構4.2ARCH模型 4.3GARCH模型4.4IGARCH模型4.5GARCH-M模型 4.6指數GARCH模型4.7TGARCH模型4.8APARCH模型 4.9專題4：基于GARCH模型的人民幣匯率建模與應用3.514.55第5章極值事件、分位數回歸與金融風險5.1極值事件概述 5.2金融風險計量指標VAR和ES5.3風險度量制5.4基于GARCH模型的VAR計算5.5基于極值理論的VAR計算5.6分位數回歸模型與金融風險計量5.7系統性金融風險計量模型 5.8專題5中國系統性金融風險評估報告3.514.56第6章市場有效性與事件分析法6.1有效市場理論6.2有效市場假說的實證檢驗6.3事件分析法6.4專題6:康美藥業財務造假事件分析1127第10章機器學習與數據分析 10.1機器學習概述 10.2分類分析 10.3回歸分析 10.4聚類分析10.5關聯規則挖掘分析10.6模型評估與選擇10.7專題10:基于機器學習的上證指數走勢預測研究30.53.58第11章深度學習與數據分析11.1神經元 11.2BP神經網絡 11.3卷積神經網絡 11.4循環神經網絡 11.5深度學習模型優化策略 11.6專題11:基于深度學習的上市公司財務風險預警研究30.