2021全国高校Python金融数据分析实战师资研修班已过期
推荐参加：研发项目管理 2024年深圳12月26-27日

会议时间：2021-07-20 09:00至 2021-07-29 23:00结束

会议地点：线上活动详细地址会前通知

会议规模：100人

主办单位：泰迪杯数据挖掘挑战赛组委会

发票类型：增值税普通发票增值税专用发票

行业热销热门关注看了又看换一换

会议介绍
会议内容主办方介绍

2021全国高校Python金融数据分析实战师资研修班宣传图

互联网、大数据、云计算、人工智能等现代信息技术深刻改变着人类的生产、生活、学习乃至思维方式，深刻展示了世界发展的前景。目前各院校的大数据和人工智能专业教师匮乏、相关落地动手实战应用能力欠缺、授课过程中相关行业实战案例项目缺失等，为加快建设大数据、人工智能相关专业教师队伍，推动各院校建立人才培训和评价体系，特推出全国高校大数据与人工智能师资研修班。本研修班每年在全国范围内滚动开展八期，截止目前已在全国巡回举办50余场，参训教师近6000人次。2021年全国高校Python 金融数据分析实战师资研修班以线上云课堂形式举办，现将有关安排通知如下。

课程特色

1、本研修班课程全程强调动手实操，内容以代码落地为主，以理论讲解为根，以公式推导为辅，通过讲解企业级案例，真正的让学员把所学内容和工作实际有效结合、更好地进行教育教学工作。

2、核心课程部分由讲师手把手一起进行实操演练，在具体应用场景中全面掌握相关技能，助力实训教学工作、实际动手的能力。视频制作精良，讲师真人出镜，全面解析专业必备技能，为相关课程开设和备课、应对科研和项目开发打下坚实基础。

3、课程设有答疑交流讨论群，培训期间助教全程辅助教学，每天提供10小时的实时在线答疑辅导，并进行答疑文档汇总，帮助学员更好地总结学习。

4、本课程配套有基础知识内容，即使零基础学员快也能找到适合自己的学习内容和节奏，快速掌握课程知识和技能。

5、所有课程相关源代码、数据、PPT、案例素材全部提供下载，即学即用，教学更轻松！视频内容支持六个月内免费回看，以便复习和参考。

6、全面实践大数据/人工智能项目流程，包括数据采集、数据存储管理、数据探索、数据处理、特征工程、数据建模等课程，提供知识讲解，助力夯实理论基础，掌握核心技术。

7、参加线上课程学习的学员，如后续本人参加线下课程继续深造，持线上缴费凭证可享受一次免费学习机会（仅限参加同一培训专题方向的线下课程）。

课程模块

Python编程基础、金融量化基础与数据提取、金融数据处理与可视化分析、量化投资基础、金融统计模型、经典量化策略实现、量化交易策略实现和回测、股票因子分析、综合实战：CTA策略构建、综合实战：多因子选股策略构建。

证书颁发

学员经在线培训并考试合格后，可以获得由工业和信息化部教育与考试中心颁发的高级大数据应用工程师职业技术证书，证书可登录工业和信息化部教育与考试中心官网查询。

2021全国高校Python金融数据分析实战师资研修班

泰迪杯数据挖掘挑战赛组委会

会议日程
（最终日程以会议现场为准）

Python金融数据分析实战课程大纲

基础篇（报名成功后即可开始学习）
时间	课程内容	学习平台
正式培训前	Python编程基础 1. Python简介和安装 1.1 Python 基础概念介绍 1.2 学会Python环境配置安装 1.3 学会编写Python第一个脚本 2. 数据类型 2.1 结构化数据与非结构化数据 2.2 六种数据类型在生活中的运用 2.3 字符串、列表、字典的常用使用方法 3. 数据运算符 3.1 常用的七种运算符运用 3.2 运算符优先级 4. 循环和条件语句 4.1 循环语句与案例使用 4.2 条件语句案例使用 4.3 break语句 4.4 continue语句 4.5 pass语句 4.6 案例：实现九九乘法表 5. 函数创建与案例实现 5.1 函数定义和调用 5.2 函数参数传递 6. NumPy工具包与案例实现 6.1 创建简单NumPy数组 6.2 NumPy数组属性与形状转换 6.3 NumPy数值计算 6.4 NumPy排序分析 6.5 NumPy矩阵操作与线性方程组 6.6 案例：NumPy对股票因子数据统计分析 7. Pandas工具包与案例实现 7.1 Pandas基础数据结构Series 7.2 Pandas基础数据结构DataFrame 7.3 Pandas数据提取和排序 7.4 Pandas表统计与整合 7.5 案例：Pandas对期货行情数据统计分析与整合	泰迪云课堂
核心课程篇
时间	课程内容	学习平台
第一课金融量化基础与数据提取
7月20日 18:30-22:00	1股票量化基础 1.1 股票交易基础知识 1.2 股票行情数据集介绍 1.3 Python提取单个股票、多个股票、单天、多天行情数据 1.4 股票指数数据合成方法和Python提取数据 1.5 股票财务报表数据集概览 1.6 Python提取财务报表各表的数据，并分析应用 1.7 股票因子数据分类和介绍 1.8 Python提取单个因子、多个因子的数据，并简单分析 2期货量化基础 2.1 期货交易基础知识 2.2 期货品种分类和介绍 2.3 Python提取各交易所的期货数据 3案例：分析期货品种流动性和波动性 3.1 Python获取所有期货品种一年的行情数据 3.2 求取所有期货品种的日均振幅，并排序处理 3.3 求取所有期货品种的日均成交额、成交量，并排序处理 3.4 分析所有品种的流动性和波动性，并按照交易所分析 4基金量化基础 4.1 基金基础知识 4.2 基金交易规则 4.3 利用指标评价基金绩效	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第二课金融数据处理与可视化分析
7月21日 18:30-22:00	1金融数据读取和存储 1.1 金融数据获取 1.2 Python读取和存储CSV数据集 1.3 Python读取和存储TXT数据集 1.4 Python读取和存储JSON数据集 2金融数据处理 2.1 金融数据缺失值查看 2.2 Python对金融数据缺失值进行删除处理 2.3 Python对金融数据缺失值进行填充处理 2.4 金融数据计算：每日收益率 2.5 金融数据计算：累计收益率 2.6 Python分析金融数据相关性 2.7 金融数据热图绘制与分析 3金融时间数据转化和处理 3.1 Datetime数据介绍 3.2 Datetime数据时间差 3.3 日期转换为字符串格式strftime 3.4 字符串转换为日期格式strptime 3.5 Pandas下的时间格式timestamp 3.6 Pandas下的时间格式DatetimeIndex 3.7 Pandas中的时间函数date_range() 4金融数据可视化 4.1 Pandas内置可视化 4.2 seaborn绘图 4.3 K线Python绘图 5案例：沪深300指数数据时间分析 5.1 Python获取沪深300指数日数据集 5.2 将日数据集转换为月数据集 5.3 对数据集进行可视化分析	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第三课量化投资基础
7月22日 18:30-22:00	1量化理论基础 1.1量化投资概述 1.2量化投资与传统投资区别 1.3量化投资的优势和劣势 2.量化策略基础 2.1国内量化的发展 2.2私募和公募基金的策略类型 2.3CTA趋势策略 2.4统计套利策略 2.5市场中性策略 2.6多因子选股策略 2.7量化指数增强策略 2.8机器学习交易策略 2.9大数据与舆情分析策略 2.10行业轮动策略 2.11事件驱动策略 2.12高频策略 3.策略评价指标构建 3.1Python实现年化收益率 3.2绝对收益率与相对收益率 3.3夏普比率的应用和Python实现 3.4 信息比率的应用和Python实现 3.5 最大回撤的应用和Python实现 4. 技术形态指标分析和实践 4.1 技术指标分类 4.2 talib库安装和Python调用 4.3 Python计算MACD指标，并绘图 4.4 BOLL指标的应用和Python实现绘图 4.5 ATR指标原理应用，以及指标Python计算和绘图 4.6 K线形态分类 4.7 十字晨星形态Python实现和图形绘制 4.8 三只乌鸦Python计算和绘图 4.9上升/下跌三部曲Python实现和绘图 4.10 头肩顶形态量化构建分析	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第四课金融统计模型
7月23日 18:30-22:00	1线性回归模型 1.1线性回归原理 1.2单变量线性回归Python操作实现 1.3多变量线性回归Python操作实现 1.4案例：利用线性回归分析股票与指数之间的关系 2时间序列模型 2.1 MA模型和AR模型 2.2 ARMA模型的求解过程 2.3 ARMA模型Python构建和实现 2.4 案例：应用ARMA模型预测工商银行股价 3协整模型 3.1 协整定义和检验步骤 3.2 平稳性检验 3.3 E-G检验法Python实践 3.4 案例：判断工商银行和建设银行之间股票是否协整 4Python实现期权定价 4.1 蒙特卡洛算法介绍 4.2 期权定价模型 4.3 案例：使用Python实现蒙特卡洛模拟期权定价 5Python实现最优投资组合管理 5.1 均值‐方差前沿组合 5.2 案例：利用Python进行MVF最优化投资组合管理 6Python分析实现在险价值VAR 6.1 VAR的定义和应用 6.2 案例：利用Python测试在险价值VaR	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第五课经典量化策略实现
7月24日 18:30-22:00	1 均线交易策略实现 1.1 均线策略交易原理 1.2 案例：均线策略实现和改进 1.3 均线策略表现评估 2 动量交易策略实现 2.1 动量概念 2.2 动量策略原理和盈利原因 2.3 案例：动量策略Python代码实现 3 均值反转策略实现 3.1 均值反转概念 3.2 均值反转策略原理分析 3.3 案例：均值回归策略Python实现 4 配对交易策略实现 4.1 配对交易策略原理和流程 4.2 协整检验 4.3 案例：配对交易策略Python编写实现	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第六课量化交易策略实现和回测
7月25日 18:30-22:00	1 策略回测框架介绍 1.1 Python执行策略流程 1.2 整体策略框架介绍 1.3 策略初始化 1.4 策略数据获取 1.5 策略逻辑运算 1.6 策略回测机制说明 1.7 平台API实践说明 1.8 案例：使用策略框架使用双均线策略 1.9 拓展：三均线策略的设计和实现 2 策略构建思路 2.1 标的选择 2.2 策略逻辑 2.3 仓位设计 2.4 进场设计 2.5 离场设计 2.6 止盈止损设计 3 案例：使用框架实现BiasAverage策略构建 3.1 BiasAverage策略思路分析 3.2 策略逻辑分析与代码实现 3.3 策略进出场设计与实现 3.4 策略止盈止损设计与实现 3.5 策略回测与绩效分析	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第七课股票因子分析
7月26日 18:30-22:00	1. 因子数据处理 1.1 因子值获取 1.2 因子去极值处理 1.3 因子标准化处理 1.4 因子中性化处理 2. 单因子有效性检验 2.1 因子回归法检验 2.2 因子IC值分析检验 2.3 因子分层回测法检验 2.4 案例：挑选优质的股票因子 3. 多因子分析 3.1 历史收益率加权法合成因子 3.2 历史信息比率加权法合成因子 3.3 主成分分析法合成因子 3.4 因子正交化处理共线性 3.5 因子异方差分析 4. 案例：构建简单多因子选股策略 4.1 挑选5个有效因子 4.2 对因子数据进行处理 4.3 因子相关性处理 4.4 因子合成处理 4.5 构建多因子选股策略并进行绩效分析	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第八课综合实战：CTA策略构建
7月27日 18:30-22:00	1 Dual Turust策略构建 1.1 Dual Turust策略原理 1.2 交易逻辑构建 1.3 离市设计 1.4 策略增加择时改进 1.5 策略表现评估和分析 2 海龟交易策略构建 2.1 策略原理分析 2.2 选择标的 2.3 确定仓位 2.4 确定交易逻辑 2.5 进出场设计 2.6 止盈止损设计 2.7 策略回撤绩效分析与改进思路 3 统计套利策略构建 3.1 套利策略的原理和流程 3.2 挑选套利组合 3.3 套利组合协整检验 3.4 进场自适应均线计算 3.5 套利策略离场设计 3.6 止盈止损设计 3.7 完整策略搭建和回测分析	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第九课综合实战：多因子选股策略构建
7月28日 18:30-22:00	1 案例：资产资本定价模型构建选股策略 1.1 资产资本定价模型分析 1.2 资产定价模型策略选股逻辑设计 1.3 资产定价模型策略进出场设计 1.4 资产定价模型策略实现与分析 2 案例：Fama三因子模型选股策略构建 2.1 Fama三因子模型分析 2.2 Fama三因子的构建方法 2.3 Fama三因子选股策略思路分析 2.4 Fama三因子选股策略实践编写 2.5 Fama三因子选股策略绩效分析 2.6 拓展：Fama五因子模型策略实现 3 案例：实现基于支持向量机模型的多因子选股策略 3.1 机器学习模型选股原理 3.2 支持向量机模型Python实践 3.3 选股策略的特征集和测试集构建 3.4 支持向量机选股逻辑设计 3.5 支持向量机选股策略实践编写 3.6 支持向量机选股策略分析和改进思路	泰迪云课堂
	操作演练/作业	个人PC
	在线答疑	微信群
第十课在线考试
7月29日	高级大数据应用工程师职业技术证书在线考试	泰迪云课堂

会议嘉宾
（最终出席嘉宾以会议现场为准）

张敏

广东泰迪智能科技股份有限公司、培训总监，从事用户数据分析和数据挖掘工作六年，具有丰富的大数据挖掘理论及实践培训经验，对数据具有较高的敏感度，根据数据对其进行全面的统计分析。精通Python、R语言、Matlab等多种数据挖掘工具。擅长市场发展情况监控、精确营销方面的数据挖掘工作。有为南方电网、珠江数码等大型企业长期提供实施服务的经验，主导了电子商务网站用户行为分析及网页智能推荐服务、中医证型关联规则挖掘、电信业务话单量预测、航空公司客户价值分析等多个项目。2017年“泰迪杯数据挖掘挑战赛教练员培训”主讲讲师，2018年广东省Python与深度学习技术师资培训班主讲讲师，2018年第一/三/五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一/二/三期全国高校大数据与人工智能师资研修班主讲讲师，2019年国家电网大数据竞赛河北、湖南省、甘肃省电力系统培训班主讲讲师，先后负责过西安理工大学、广东工业大学、广西师范学院、广西科技大学、闽江学院、广东石油化工学院、上海健康医学院等高校实训课程及德生科技等企业内训和数据挖掘就业班的课程。组织、参与编写图书《Python编程基础》、《Python数据分析与应用》、《R语言编程基础》等。

蔡景波

点宽量化研究部主管。曾任私募的资管部主管，专注于期货策略，曾构建多套期货套利策略，带领团队将套利策略应用于外盘期货，实盘业绩稳健盈利。目前主要负责股票多因子以及数据挖掘方面等项目，目前已为十多家高校师生提供量化实践教育培训服务。第一届粤港澳金融数学建模竞赛专家组成员，点宽量化学院导师，主导量化新兵训练营、量化提升特训营、Python数据分析特训营等线上培训项目。

张新福

点宽高级量化研究员。暨南大学金融专业硕士，擅长利用Python进行数据分析及机器学习；熟悉股票市场规律，擅长利用数据分析研究市场并构建较为优质的量化投资策略，同时具备较为扎实的财务基础，擅长构建深度学习模型对上市公司进行研究。曾就职于著名券商及期货公司，从事上市公司研究及相关数据挖掘。

冯嘉尧

点宽高级量化研究员。英国国王学院金融数学硕士、英国雷丁大学数学统计本科一等学位。擅长运用统计学模型进行数据分析，如聚类分析，因子分析，结构性数据建模和广义线性分析等。具备C++金融数据建模，机器学习模型和金融统计学等知识，能很好地结合金融和数学知识进行金融市场分析。

杨惠

广东泰迪智能科技股份有限公司高级数据分析师，从事人工智能工作多年，擅长计算机视觉和自然语言处理，熟悉常用深度学习算法原理及应用，如神经网络、SVM、强化学习等算法；精通TensorFlow、Python、MATLAB等常用数据挖掘处理工具。具有丰富的实践项目经验。如“智能聊天客服”项目，“车牌智能识别”项目，“京东电商产品评论情感分析”项目，“珠江数码大数据营销推荐应用”项目；“电子商务网站智能推荐服务”项目；“基于Seq2Seq注意力模型实现聊天机器人”项目。具备丰富的培训经验，曾为多家企业、院校服务过专业培训工作。如PPV商业培训、泰迪大数据师资培训、珠海城职院数据分析培训；2018年第一、三、五期全国高校大数据核心技术与应用师资研修班主讲讲师、2019年第一、三、五期全国高校大数据与人工智能师资研修班主讲讲师，2019年国家电网大数据竞赛河北省电力系统培训班主讲讲师。大数据专业系列图书编写委员会成员，负责《Python数据分析与应用》、《R语言编程基础》、《TensorFlow2深度学习实战》、《深度学习与计算机视觉实战》等书籍编写工作。