Py数据基础及实战3

打造基于产教融合的就业育人综合服务平台打造基于产教融合的就业育人综合服务平台第8章金融服务机构资金流量预测教案课程名称：Python数据分析与挖掘实战课程类别：必修（专业核心课）适用专业：数据科学与大数据技术、人工智能、计算机科学与技术、统计学、信息管理与信息系统等相关专业总学时：64学时（其中理论28学时，实验36学时）总学分：4.0学分本章学时：7学时（理论3学时，实验4学时）材料清单《Python数据分析与挖掘实战（第2版）（微课版）》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标本章以金融服务机构资金流量预测为案例，讲解时间序列ARIMA模型在金融业务中的完整应用流程。涵盖案例背景与目标分析、数据探索与预处理、ARIMA模型定阶与检验、模型评价与预测结果对比。使学生掌握非平稳序列的处理、ARIMA建模及模型评估的全流程实战能力。基本要求了解案例的背景、数据说明与目标。熟悉金融服务机构资金流量预测的流程与步骤。掌握数据平稳性的检验和处理方法。掌握用ARIMA模型对资金流量进行预测的方法。掌握ARIMA模型的检验与评价方法。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题、理解并掌握知识、发展各种能力和提高思想觉悟。时间序列分析中，为什么要先进行平稳性检验？非平稳序列直接建模会有什么问题？案例中为什么需要截取平稳部分的数据？截取的依据是什么？周期性差分的作用是什么？案例中为什么以7天为周期进行差分？ARIMA模型的三个参数p、d、q分别代表什么含义？如何确定它们的值？模型评价中，除了对比真实值与预测值，还有哪些评价ARIMA模型效果的方法？探究性问题探究性问题需教师在深入钻研教材的基础上精心设计，从重点、难点问题切入进行插入式提问，或对引导性提问中尚未涉及但重要的内容加以设问。BIC准则和AIC准则在模型定阶中有什么区别？为什么本案例选择BIC准则？ARIMA模型的残差检验为什么重要？残差序列是白噪声说明什么？如果资金流量数据存在明显的节日效应，ARIMA模型应如何调整？拓展性问题拓展性问题需教师深刻理解教材意义、掌握学生学习动态后，根据不同学习层次提出切实可行的、关乎实际应用的操作问题，亦可提供拓展资料供学生研习探讨。在实际金融业务中，除了资金流量预测，时间序列模型还有哪些应用场景？SARIMA模型与ARIMA模型有什么区别？在什么情况下应该使用SARIMA模型？请调研一个使用时间序列模型进行金融预测的实际案例，并分析其建模流程。主要知识点、重点与难点主要知识点案例的背景、数据说明与目标。数据探索与预处理的方法。ARIMA模型的构建与检验方法。模型评价与结果分析的方法。重点数据探索与预处理的方法。ARIMA模型的构建与检验方法。模型评价与结果分析的方法。难点ARIMA模型的构建与检验方法。模型评价与结果分析的方法。教学过程设计理论教学过程背景与目标。数据探索与预处理。分析与建模。模型评价。实验教学过程构建ARIMA模型预测资金赎回量。教材与参考资料教材翟世臣，张良均．Python数据分析与挖掘实战（第2版）（微课版）[M]．北京：人民邮电出版社，2026．参考资料张良均，王路，谭立云，苏剑林．P