《金融建模》教学大纲

《金融建模》教学大纲课程编号：112353B课程类型：□通识教育必修课□通识教育选修课□学科基础课□专业核心课R专业提升课□专业拓展课总学时：32讲课学时：16实验（上机）学时：16学分：32考试类型：□考试R考查适用对象：金融工程学，金融学，金融学（国际金融英文班）R是□否适合作为其他专业学生的个性化选修课先修课程：高等数学、线性代数、概率论与数理统计一、教学目标课程教学的目标是使学生理解金融领域数据建模的基本流程，掌握金融数据建模的基本理论和编程技术，解决金融实务中出现的相关问题，培养学生的编程能力以及撰写案例分析报告的能力，为学生进一步深入学习奠定理论基础，锻炼学生的实际操作能力。二、教学内容及其与毕业要求的对应关系（一）教学内容本课程主要介绍金融数据建模的基本概念、方法和技术，以金融方面的数据为依托，构建若干金融数据建模的案例，旨在解决在金融实务中出现的相关问题。本课程的主要教学内容包括：R语言基础、数据的描述性分析、用差分方程进行建模、用线性回归进行建模、用主成分分析和因子分析进行建模等，利用R语言编写程序实现相关计算。（二）教学方法和手段本课程主要以课堂讲授为主，上机实验为辅。教学中采用理论与实践相结合的方式。讲授如何构建合适的金融数据模型解决实际问题，讲授金融数据建模的基本概念、方法和编程技术，特别是利用R语言编程实现相关计算，使得学生能够将理论和实践有机的结合起来，培养学生的编程能力和解决实际问题的能力。（三）毕业要求《保险数据建模》是一门实务性较强的课程。学生通过本课程学习，主要掌握金融数据建模的基本概念、方法和编程技术，利用R语言编程实现相关计算，解决金融实务中出现的相关问题，能够熟练地撰写案例分析报告。三、各教学环节学时分配教学课时分配序号章节内容讲课实验其他合计1R语言基础442数据的描述性分析223用差分方程进行建模224用线性回归进行建模445用主成分分析和因子分析进行建模336复习11合计1616四、教学内容第1章R语言基础知识1.1R语言下载与安装1.2数据类型，向量，因子1.3多维数组、矩阵列表、数据框1.5读写文件1.6语句和函数思政教育：数据类型多种多样，各司其职。每个人也都有自己的特长，在社会上有着不可替代的作用。天生我才必有用，不需要整天拿自己的不足和别人比，学会正视自己，发挥自己的长处，做有用的人。教学重点：R语言工作环境。R语言数据类型、定义、存储。如何读写数据文件，如何编写简单的程序或函数处理数据。教学难点：因子，列表，数据框的理解，语句的编写，嵌套函数。理解：因子定义，数据框存储方式。掌握：R语言数据类型、定义、存储。如何读写数据文件，如何编写简单的程序或函数处理数据。应用：用R语言编写简单的程序，解决金融中的常见问题。复习思考题：1.R语言数据类型有几种？2如何定义向量，矩阵，多维数组，因子？3数据框和列表的区别和联系？第2章数据的描述性分析2.1统计量概述2.1描述数据分布的函数及图像，正态性检验与分布拟合检验2.3作图函数2.4多元数据的数字特征及相关性分析2.5多元数据画图函数思政教育：不积跬步无以至千里，统计规律告诉我们，只要每天都努力，总会成功。数据相关性告诉我们，三天打鱼两天晒网是负相关的两件事，会拖慢我们成功的速度。教学重点：qnorm，pnorm，rnorm，dnorm等描述数据分布的函数，作图函数的掌握，正态性检验与分布拟合检验教学难点：多元数据画图函数了解：多元数据画图函数理解：各种统计量。掌握：描述数据分布的函数，作图函数，正态性检验与分布拟合检验。应用：运用描述数据分布的函数，作图函数分析数据的取值情况和分布特征。复习思考题：1plot函数和line函数的区别和联系？2怎样判断某组数据是否服从正态分布？3怎样做隐函数图像？第3章用差分方程进行建模3.1问题的提出3.2差分方程模型的构建3.3差分方程模型的求解3.4案例分析报告与R语言程序教学重点、难点：教学的重点是根据实际问题构建差分方程模型，利用R语言编程实现相关计算，以及撰写简单的案例分析报告。教学的难点是差分方程的理论知识和R语言编程实现。课程考核要求：了解差分方程的理论知识；掌握如何根据具体实际问题构建差分方程模型解决问题；掌握运用R语言编程实现模型的相关计算；能够较好地撰写案例分析报告。第4章用回归分析进行建模4.1一元线性回归4.2多元线性回归4.3逐步回归4.4回归诊断4.5案例分析报告与R语言程序教学重点、难点：教学的重点是多元线性回归模型的构建，利用R语言编程实现相关计算，以及撰写简单的案例分析报告。教学的难点是多元线性回归模型的参数估计和假设检验的理论知识。课程考核要求：了解多元线性回归模型的参数估计和假设检验的理论知识；掌握如何构建多元线性回归模型；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写案例分析报告。第5章用主成分分析和因子分析进行建模5.1主成分分析5.2因子分析5.3案例分析报告与R语言程序教学重点、难点：教学的重点是主成分分析与因子分析模型的构建，利用R语言编程实现相关计算，以及撰写简单的案例分析报告。教学的难点是主成分分析与因子分析模型的理论知识。课程考核要求：了解主成分分析与因子分析模型的理论知识；掌握运用R语言编程实现模型的相关计算，并能够熟练地解读软件输出的结果；能够较好地撰写案例分析报告。五、考核方式、成绩评定（黑体，小四号字）本课程考核方式为期末考试或提交论文，主要考察学生解决实际问题的能力。平时成绩通过上机实验、出勤率综合确定。一般情况下，平时成绩占总成绩的30%，期末考试成绩占总成绩的70%。六、主要参考书及其他内容（黑体，小四号字）[1]薛毅．统计建模与R语言．北京：清华大学出版社,2007.[2]ReneCarmona.StatisticalAnalysisofFin