《深度学习与量化投资》实验教学大纲

2026《深度学习与量化投资》实验教学大纲编写者：李拴保审核者：金志伟审核（制定）时间：2026.03课程代码3070000364课程名称深度学习与量化投资适用专业智能科学与技术先修课程机器学习与优化方法神经网络与深度学习实验性质独立设课开设学期6实验方式上机周数（学时）40学时学分2课程目标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。教学要求完成课程学习后，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。一、实验的性质、目的和任务《深度学习与量化投资》是智能科学与技术专业的一门专业选修课程，课程主要内容包括初识量化交易、Python金融数据表示、NumPy金融数据应用、Pandas金融数据应用、Matplotlib金融数据可视化、历史数据获取、Ta-Lib指标库、时间序列分析应用、配对交易策略框架、机器学习趋势预测、深度学习价格预测和实盘量化交易。通过课程学习，帮助学生了解机器学习与深度学习算法在量化投资领域的应用与实践，深度学习算法在量化投资领域的工程解决方案，以及深度学习派生算法在量化投资领域的创新与实践；拓展学生认识量化投资服务的广度与深度，创新量化投资服务打下必要的基础。二、实验的基本内容和要求序号实验项目天数（学时数）实验属性内容与要求1Tushare股票数据获取与技术指标编程实验6上机编程1.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。2时间序列分析平安银行与模型拟合及预测价格编程实验6上机编程1.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。3支持向量机平安银行涨跌趋势预测6上机编程1.2019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。4随机森林预测上证指数趋势6上机编程1.2020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。5循环神经网络平安银行价格预测6上机编程1.2019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。6卷积神经网络预测上证指数趋势6上机编程1.2020年以来上海证券指数数据准备编程实现。2.卷积神经网络模型与ARIMA模型组合构建，编程实现。3.卷积神经网络模型预测与评估，编程实现。三、主要仪器设备及材料主机、显示器、键盘、鼠标、U盘或硬盘等微型计算机的主要设备；Python软件；用于练习的文字文档、图片素材、数据资料等。四、实验的考核办法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。五、指导书与参考资料《机器学习与量化投资》，李拴保主编，中国铁道出版社，2025年12月第1版。《Pyt