=课号版权申明 =01510313
=教学目标=CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ BY-NC-ND]
掌握金融大数据系统和工具，并能够使用这些工具来建模和分析金融大数据。 了解市场投资的基本概念，掌握基本的数据分析方法和工具，具备使用工具对金融数据建模和分析能力。=课程信息=
=预计学习成效=课号：01510313
完成本课程的学习后，学生首先对二级市场的投资理论和模型形成基本的概念，并具备了搭建、验证和使用量化数据分析模型的能力。通过课外阅读和调研，掌握金融工程的基础理论工具，形成学习研究报告。最后，学生通过实践环节，制作自己的多因子模型或其它种类的量化策略，采用历史数据和实时行情验证策略的有效性。简写：FBDQA
==教学目标==
=教学内容=掌握金融大数据系统和工具，并能够使用这些工具来建模和分析金融大数据。
==大数据部分==了解市场投资的基本概念，掌握基本的数据分析方法和工具，具备使用工具对金融数据建模和分析能力。
计算机系统的基本原理。==教学团队==
计算机系统-实验。[[陈震]] （[[互联网+实验室|智能系统实验室]]）
大数据系统的原理与技术，在实践中运用大数据技术。[[汪浩]]
机器学习与机器智能助教： [[刘为为]]、池映天、倪运升
大数据智能的理论，了解大数据系统与机器智能的相辅相成的关系，在实践中运用机器智能技术。==课程资源==[[普量云]]： 量化平台
==量化部分== [http://101.6.160.75:8080/plouto/edu/web plouto-quant]
1. 第一讲：量化分析基础 主要内容：量化投资分析的背景、流派和主流分析方法 教学要素：讲授 教学时数：2 实验时数：0 课外活动：阅读相关文献 课外学时：6=教学管理=
2. 第二讲：从主观投资中汲取精华 主要内容：证券二级市场主观投资方法概述 教学要素：讲授 教学时数：2 实验时数：0 课外活动：阅读相关文献 课外学时：8==时间地点==
3. 第三讲、第四讲：多因子模型基础与应用（1）（2） 主要内容：建立多因子模型的基本方法和案例分析 教学要素：讲授、非课堂实践 教学时数：4 实验时数：20 课外活动：阅读相关文献 课外学时：10教室：六教6A117 /李兆基科技大楼B558/B570教室
4. 第五讲：量化投资策略与实战分析 主要内容：如何建立基本的投资策略 教学要素：讲授、非课堂实践 教学时数：2 实验时数：20 课外活动：阅读相关文献 课外学时：6时间：每周周五第三第四大节
5. 第六讲：量化投资中常见问题剖析 主要内容：针对经常犯的错误进行针对性分析和案例剖析 教学要素：讲授、非课堂实践 教学时数：2 实验时数：20 课外活动：阅读相关文献 课外学时：20=教学计划=
6. 第七讲、第八讲：打造量化交易体系（1）（2） 主要内容：如何构建实战交易体系，并通过真实数据进行严格测试验证 教学要素：讲授、非课堂实践 教学时数：4 实验时数：20 课外活动：阅读相关文献 课外学时：20[[2018年春季-金融大数据与量化分析-教学计划|2018年春季-教学计划]]
7. 答辩：量化分析自学内容及交易体系验证报告==大数据== 主要内容：以现场答辩的方式演示说明自己的交易体系特征 教学要素：研讨会[[量化金融-大数据| 金融大数据]] 教学时数：14 实验时数：0==量化金融== 课外活动：撰写报告 课外学时：20[[金融大数据与量化分析-量化金融| 量化金融]] ==主要参考== [[2018年春季-金融大数据与量化分析-参考书目| 量化金融-参考书目]] [[2018年春季-金融大数据与量化分析-参考论文| 量化金融-参考论文]]