《数据挖掘与财务决策》教学大纲

《数据挖掘与财务决策》教学大纲英文名称：DataMiningandFinancialDecision前置课程：会计学，中级财务会计，高级财务会计等课程概述：信息技术的快速发展与广泛应用对经济和社会产生了巨大影响，与此同时，大量数据喷涌而出，如何从数据中提取出最具价值的信息具有重大意义。数据挖掘技术可以从海量数据中挖掘出价值信息，帮助信息使用者做出判断与决策。企业的财务数据中包含了财务状况、盈利能力和营运能力等数据信息，同时也隐含了企业的风险状况、盈利能力等，使用数据挖掘技术可以从财务数据中挖掘出会计信息使用者感兴趣的价值信息，进而帮助其做出财务决策。本课程首先介绍数据挖掘的基本概念、常用的数据挖掘工具等，然后具体介绍数据挖掘中的经典方法：分类方法、聚类方法、推荐系统和离群点检测等，最后介绍这些常用技术在财务决策中的应用，并用相应的软件实现经典的财务决策案例。教学目的：知识目标：《数据挖掘与财务决策》是会计学、审计学、财务管理等相关专业的专业选修课或任意选修课。通过该课程的学习，使得学生理解并掌握常用的数据挖掘技术和方法，包括算法的基本原理、主要步骤，掌握数据挖掘技术在财务决策中的应用过程。能力目标：教学过程中，注重理论联系实际，将各种财务决策的经典案例与数据挖掘方法相结合进行深入分析与应用，增强该课程的实用性。学生在学习该门课程后，可以根据财务决策的具体决策任务和需求，选择合适的数据挖掘技术，进行财务数据建模以挖掘出价值信息，进而进行下一步的分析与决策。同时，学生在未来的会计与企业管理工作中，可以更加有效的利用所学知识与技术发挥职能作用。素质目标：本课程在教学过程中注重融入思政元素，结合数据挖掘技术在我国会计行业的应用案例，反映我国企业在面对新技术时不畏艰难、激流勇进的精神面貌及使命担当，培养学生精益求精的大国工匠精神，激发学生科技报国的家国情怀。教学方法：《数据挖掘与财务决策》课程注重理论与实践相结合，教学过程中即需要学生掌握各种数据挖掘技术的原理，又能理解相关挖掘技术在财务决策中的应用，并能根据具体财务决策要求选择合适的挖掘技术进行数据建模，因此采用课堂讲授与上机实验相结合的方式进行教学，同时结合测试、作业、讨论等教学方法。课堂教学主要采用多媒体教学手段，首先讲解各种数据挖掘算法的基本概念与基本理论，然后结合不同的财务决策场景作为案例进行分析，充分提高学生的学习兴趣。在上机实验中，结合具体的财务决策场景进行实验编程，不但对所学的数据挖掘方法进行进一步理解和深化，同时更能锻炼学生分析问题和解决实际问题能力。各章教学要求及教学内容:概述建议课时：2学时教学要求：通过本章学习，掌握数据挖掘的概念，了解常见的数据挖掘技术，理解数据挖掘在财务决策中的应用。教学内容：1.1数据挖掘概述1.1.1数据挖掘基本概念1.1.2广义的数据挖掘1.1.3狭义的数据挖掘1.2数据挖掘基本技术1.2.1分类技术1.2.2聚类技术1.2.3推荐技术1.2.4离群点技术1.3数据挖掘在财务决策中的应用1.3.1财务指标分析1.3.2财务预算决策1.3.3财务舞弊识别1.3.4财务风险识别1.3.5企业价值分析课程思政：以“大智移云物区”为代表的新技术对各行各业产生了巨大的影响，本章介绍这些新技术对会计行业产生了怎样的影响，以及会计行业所采取的应对措施。本章思考题：1.什么是数据挖掘？2.解释一下分类的概念。3.聚类是什么事什么？聚类与分类的区别是什么？4．离群点检测有什么作用？5.数据挖掘在财务决策中有什么作用？结合一个具体财务场景谈谈。数据挖掘工具建议课时：4学时（教学2课时+实验2课时）教学要求：通过本章学习，了解常见的数据挖掘工具，掌握Python的基础编程语言及Python中常见的数据挖掘模块。教学内容：2.1数据挖掘工具介绍2.1.1PTYHON2.1.2R语言2.1.3Weka2.2PYTHON程序基础2.2.1基础数据类型2.2.2基本语法结构2.2.3Numpy数值计算基础2.2.4Pandas统计分析基础2.3PYTHON数据挖掘模块2.3.1scikit-learn简介2.3.2scikit-learn数据挖掘模块实验内容：Python基础编程实验。Scikit-learn数据挖掘模块实验。本章思考题：1.常用的数据挖掘工具有哪些？2.Python中的循序语句有哪种语法结构？3.Python中的条件语句有哪种语法结构？4.什么是Python的标识符？5.Python中Numpy主要提供了哪些工具？认识数据与数据预处理建议课时:4课时（教学2课时+实验2课时）教学要求:通过本章学习，理解数据对象和属性的基本类型，掌握数据的描述性统计分析、数据可视化方法和预处理方法，理解数据相似度的概念。教学内容:第3章认识数据与数据预处理

3.1认识数据

3.1.1数据对象及属性类型

3.1.2数据的基本统计描述

3.1.3数据可视化

3.1.4度量数据的相似度和相异度

3.2数据预处理

3.2.1数据清理

3.2.2数据集成

3.2.3数据规约

3.2.4数据变换与数据离散化

课程思政：如今我们处于“大数据”时代，介绍大数据的概念、大数据的特点、财务大数据的特点与价值。实验内容：1.数据采集实验。2.数据预处理实验。本章思考题：1.数据的基本类型有哪些？2.数据预处理的过程包括哪些步骤？3.数据规范化的常用方法有哪些？4.数据清理的目的是什么？5.为什么要进行数据规约？第四章分类与预测建议课时:10课时（教学6课时+实验4课时）教学要求:通过本章学习，要求学生掌握几种常用分类方法的基本原理、分类的流程及，并能在Pythong中调用对应的编程模块实现具体财务决策场景的任务。教学内容：4.1基本概念与知识 4.1.1相关概念 4.1.2分类的目的4.1.3预测的目的 4.1.4分类的作用 4.1.5预测的作用 4.1.6分类在财务决策中的用途 4.1.7预测在财务决策中的用途4.1.8分类模型的具体实现步骤4.1.9预测模型的具体实现步骤4.2回归模型 4.2.1线性回归模型 4.2.2多元线性回归模型 4.2.3非线性回归模型 4.3决策树 4.3.1二叉决策树 4.3.2回归树 4.4Bayes分类器 4.4.1定义与基本原理 4.4.2不同类型的Bayes分类算法4.4.3相关函数介绍4.4.4示例代码 ：使用GaussianNB进行分类的示例4.5LMSE分类器 4.5.1定义与基本原理 4.5.2不同LMSE算法介绍 4.5.3LMSE算法分类 4.5.4对应函数介绍4.6支持向量机4.6.1定义与基本原理4.6.2不同SVM算法介绍4.6.3相关函数介绍4.6.4示例代码4.6.5结果解释4.7基于支持向量机模型的预测与分析4.7.1数据收集4.7.2数据预处理4.7.3决策树和支持向量机模型的预测与分析4.8神经网络4.8.1定义与基本原理4.8.2不同神经网络算法介绍 4.8.3神经网络的Python实现 4.9基于神经网络的股价走势预测和分析4.9.1数据收集与数据预处理4.9.2模型构建实验内容：1.常用分类方法的编程实现。2.基于分类方法的财务风险识别模型的构建。课程思政：以某大型国企为例，详细介绍数据挖掘技术在财务决策中的应用，并分析由此带来的变革效果和社会效应。本章思考题：1.你对分类中的数据集有什么理解？2.最容易理解的分类方法是哪一种？3.分类与回归有什么区别？4.你对支持向量机中的支持向量有什么理解？5.分类通常应用于财务决策中的哪些场景？第五章聚类分析建议课时安排:6课时（教学4课时+实验2课时）教学要求:通过本章学习，要求学生掌握几种常用聚类方法的基本原理、聚类过程以及编程实现。理解聚类方法在财务决策中的应用，重点掌握聚类在财务风险识别中的应用。教学内容：5.1基本概念与知识 5.1.1聚类模型的概念 5.1.2聚类分析的目的 5.1.3聚类分析的作用 5.1.4聚类分析在财务决策方面的用途5.1.5聚类分析模型的具体实现步骤 5.2K-Means聚类法 5.2.1K-Means聚类法原理 5.2.2K-Means聚类法步骤介绍 5.2.3K-Means函数的实现5.2.4K-Means函数语法介绍 5.2.5基于K-Means算法的企业财务困境聚类分析。 5.3PAM聚类法 5.3.1PAM聚类法原理介绍 5.3.2PAM聚类法流程介绍 5.3.3PAM聚类法的实现步骤 5.3.4PAM函数的Python实现 5.3.5PAM函数语法介绍 5.3.6基于随机生成数据样本的PAM聚类分析 5.4层次聚类法 5.4.1层次聚类法原理 5.4.2层次聚类法实施步骤 5.4.3层次聚类法的实现 5.4.5基于随机生成样本数据的层次聚类法聚类分析 课程思政：近些年来，电子商务发展迅猛，对经济产生了日益广泛而深刻的影响，结合某电商企业介绍各种数据挖掘技术在电子商务中的应用，进而分析对财务工作产生的影响。实验内容：聚类算法在财务决策中的应用。本章思考题：1.聚类与分类最大的不同是什么？2.K-means中的means是什么意思？3.一般在什么场景中需要使用聚类算法而不是分类算法？4.聚类算法有哪些限制？第六章推荐算法建议课时安排:6课时（教学4课时+实验2课时）教学要求:通过本章学习，要求学生掌握常用的推荐算法的基本原理、基本流程及编程实现，并理解推荐算法在财务决策中的应用。利用推荐算法解决财务决策中的难题。6.1推荐算法概述 6.1.1推荐算法的发展史 6.1.2推荐算法的价值 6.1.3推荐与搜索的关系 6.1.4推荐算法的应用 6.2推荐算法分类 6.2.1个性化推荐 6.2.2非个性化推荐 6.3算法评估 6.3.1内部评估 6.3.2外部评估（ExternalEvaluation） 6.4财务决策—推荐算法建模 6.4.1推荐算法PYTHON 6.4.2财务决策推荐算法PYTHON建模 实验内容：财务决策推荐算法PYTHON建模。本章思考题：1.什么是个性化推荐？2.什么是非个性化推荐？3.推荐算法的内部评估指标有哪些？4.推荐算法的外部评估指标有哪些？5.推荐算法面临的挑战有哪些？第七章离群点检测建议课时安排:6课时（教学4课时+实验2课时）教学要求:通过本章学习，要求学生掌握常用的离群点检测的基本原理及其基本流程。理解离群点方法在财务决策中的应用，理解离群点数据的意义，可以根据实际需要从财务数据中检测出离群点数据。教学内容：第7章离群点检测

7.1离群点概述

7.1.1离群点基本概念

7.1.2离群点成因

7.1.3离群点类型

7.1.4离群点检测面临的挑战

7.2离群点检测方法

7.2.1基于统计学的离群点检测

7.2.2基于邻近度的离群点检测

7.2.3基于聚类的离群点检测

7.2.4基于分类的离群点检测

7.3财务决策—离群点检测建模

7.3.1数据集介绍

7.3.2数据预处理

7.3.3离群点检测

实验内容：离群点检测在财务决策中的应用（2学时）本章思考题：1.离群点检测在财务决策领域有什么作用？2.离群点形成的成因有哪些？3.离群点的类型有哪些？4.基于邻近度的离群点检测的算法思想是什么？5.有哪些常见的基于聚类的离群点检测方法？第八章财务决策案例-财务舞弊识别建议课时安排:4课时（教学2课时+实验2课时）教学要求:通过本章学习，使学生掌握企业财务舞弊的基本类型、识别方法与分析工具，能够结合实际案例进行判断与分析，提高风险识别能力和职业判断能力。教学内容：8.1财务舞弊概述 8.1.1财务舞弊概念 8.1.2财务舞弊数据挖掘意义 8.2财务舞弊数据收集 8.2.1财务指标数据选取 8.2.2财务指标数