《大数据与金融》是金融学专业（金融科技方向）的一门核心专业课程。考虑到大数据技术与金融学的学科交叉特点，本课程融合了计算机专业的大数据分析、数据挖掘等课程与金融中介学、金融市场学等相关知识，以利用大数据分析方法解决金融问题为导向，着重介绍当前大数据原理及大数据在金融领域的应用。课程内容涉及大数据金融原理、金融数据降维处理、关联规则分析、聚类分析、回归分析、树类分析、人工神经网络、文本分析、数据爬虫以及这些技术在金融领域的运用。通过本课程的学习，使学生对教学大纲范围内的大数据基本原理和技术有比较系统和全面的了解；理清大数据与金融的联系；理解应用大数据解决实际问题的思维方式；对大数据与金融相结合的前沿热点有正确的认识；培养学生具有开阔的眼界，以及思考和理解新概念的能力。

《大数据与金融》是金融学专业（互联网金融方向）的一门专业必修课。课程着重介绍当前大数据原理及大数据在金融领域的应用。内容主要包括金融数据降维处理、关联规则分析、聚类分析、回归分析、树类分析、人工神经网络等大数据挖掘的模型与算法，网络爬虫等大数据信息获取方法，本课程重点针对大数据在传统金融、互联网金融、征信、监管科技等领域的应用进行介绍。通过本课程的学习，使学生对本大纲范围内的大数据的基本原理和技术有比较系统和全面的了解；对大数据与金融相结合的前沿热点有正确的认识；理清大数据与金融的联系；理解应用大数据解决实际问题的思维方式；培养学生具有开阔的眼界，以及思考和理解新概念的能力。

总目标：将《大数据与金融》建成一门具有较强实践性和应用性的，适应金融科技交叉学科的优质特色课程。具体而言：

第一，丰富课程内容，在金融学、统计科学、计算机语言等基础上建立该课程的内容。在金融学和金融科技学的指导下，借助统计科学的大数据分析方法，进行数据分析，利用计算机语言实现编程与问题解决。以数据支持实践，由实践反应理论，形成更加综合、全面的课程体系。

第二，拓展课程实践意义，课程将金融学理论与大数据分析相结合，在数据的基础上研究资产定价、风险管理、金融消费者分析、企业评估等问题，在有针对的在具体场景中提出优化金融服务的解决方案。整个思路更具实践意义，能够提升学生对大数据金融分析的基本理论和常用分析方法的掌握，有助于更好地利用大数据方法完成传统的金融功能，在新的金融业态和金融场景中，不断完善金融服务，促进实体经济发展。

金融学、 R语言基础或Python基础

1.李建军，彭俞超，《金融科技学》，北京：高等教育出版社。

2.彭俞超、戴韡等，《大数据金融》，待出版。

3.张宁，《金融科技人工智能实战:以Python为工具》，电子工业出版社。

4.陈强著，《机器学习及Python应用》，北京：高等教育出版社。

5.周志华著，《机器学习》，北京：清华大学出版社。

6.杜尔森·德伦著，丁晓松、宋冰玉译，《大数据掘金——挖掘商业世界中的数据价值》，中国人民大学出版社。

7.王宏志，《大数据分析——原理与实践》，机械工业出版社。

8.刘晓星，《大数据金融》，清华大学出版社。