《深度学习与量化投资》实践教学进度表

实践教学授课计划(2025~2026学年第2学期)课程名称深度学习与量化投资授课学时40主讲教师李拴保授课年级/班级2023级智能科学与技术教研室主任张娜主管院长金志伟教务处制

填表说明1．本表由课程主讲教师根据该课程教学大纲的要求在开课前填写，一式四份，经教研室主任、教学单位主管领导审核签字后，教务处、院（部）、教研室和任课教师各执一份。各类课程（包括按周安排的各类实验、实习、实训、课程设计等）都应填报。2．凡是按周安排的教学课程，其教学进度计划应按天填报，其他课程以一次授课学时为单元填报。对于有课内实践项目的课程，必须将对应的实践项目等内容应填写清楚。

一、课程教学目的本课程对学生达到如下毕业要求有贡献：1.项目管理能力：深度理解量化投资服务的行业标准和决策管理方法，能够灵活应用于资产评估、智能征信、智能保险、智能理赔等其它领域，有效提升管理经济效益。（支撑毕业要求11）完成课程学习后，学生将具备以下能力：1.在深度学习领域具备数据建模的应用能力；2.具备初步分析深度学习与量化投资问题的能力；3.培养初步的深度学习与量化投资工程实践能力；4.拓展学生知识面，了解利用深度学习与量化投资算法解决价格预测、指数预测的基本思路和方法。二、教学方法和手段1.案例驱动法：每次课程教师给出题目案例，引导学生设计解决方案、编程。2.小组讨论法：小组内讨论课程中的疑难点。3.翻转课堂法：学生完成题目后，以翻转课堂的方式展示成果，讲解代码和思路。4.教师精讲法：教师对重点、难点进行讲解和总结。三、课程考核方法1.完成基本操作：实验过程包括数据读取，算法实现，分析结果。学生应在规定时间完成指定操作为合格标准；2.加分项：对于设计性实验，能够灵活应用各种资源，发挥创新思维为加分项。四、教学内容及进度安排周次章节学时教学内容教学形式备注9Tushare股票数据获取与技术指标编程实验41.样本历史数据获取，描述特征字段信息。2.技术指标Python编程实现，可视化展示。3.K线组合Python编程实现，可视化展示。上机编程10时间序列分析平安银行与模型拟合及预测价格编程实验41.时间序列分析平安银行收盘价，可视化展示。2.AR、MA、ARMA和ARIMA拟合平安银行收盘价，可视化展示。3.AR、MA、ARMA和ARIMA预测平安银行收盘价，可视化展示。上机编程11支持向量机平安银行涨跌趋势预测41.2019年以来平安银行数据准备编程实现。2.支持向量机模型的训练与预测编程实现。3.支持向量机模型精度的提高编程实现。上机编程12随机森林预测上证指数趋势41.2020年以来上海证券指数数据准备编程实现。2.随机森林模型的训练与预测编程实现。3.随机森林模型精度的提高编程实现。上机编程13循环神经网络平安银行价格预测41.2019年以来平安银行数据准备，数据集划分，编程实现。2.循环神经网络模型与ARIMA模型组合构建，编程实现。3.循环神经网络模型预测与评估，编程实现。上机编程14卷积神经网络预测上证指数趋势41.2020年以来上海证券指数数据准备编程实现。2.卷