Python在财务与会计中的应用 张敏 教学大纲（48课时版本）

PAGE1Python在财务与会计中的应用教学大纲48课时本课程完整覆盖教材第1至第11章，共48课时，其中讲授24课时、上机24课时。以财务业务问题组织Python学习，先巩固数据处理与经营分析，再开展财务危机识别、项目投资决策和机器学习应用，形成从数据整理到结果评价与管理建议的完整学习过程。一、课程目标与基本信息1.课程目标知识目标：理解Python基本语法和数据整理方法；掌握成本、费用、应收账款、薪酬、收入、利润及投资评价的主要指标口径；理解经典财务危机模型、分类、聚类与时间序列预测的基本流程、评价指标和适用边界。能力目标：能完成数据导入、清洗、关联、指标计算、可视化、结果核验与业务解释；能封装简单财务计算函数；能在给定代码框架下运行预测与风险分析模型，区分训练、验证和测试用途，并根据结果提出有依据的管理建议。素养目标：形成数据合规、口径一致、证据可追溯和结果可复现的职业习惯；审慎使用异常筛查和模型预测结果，不将统计关联直接解释为因果关系，不用模型分数代替必要的业务核查。达成要求：能独立完成基础财务分析任务，解释关键代码并手工核对样例；能基于课堂框架完成一项风险、投资或机器学习应用，说明数据限制、评价结果和决策使用条件。2.课程基本信息本课程信息如下表所示：项目内容课程名称Python在财务与会计中的应用选用教材张敏、余浪、刘云菁主编，《Python在财务与会计中的应用》（智能财会丛书），中国人民大学出版社，2026年8月第1版适用专业财务管理、会计学、金融学等专业本科生。课程性质专业课（必修或选修），理论与上机实践相结合先修课程基础会计、中级财务会计、财务管理、统计学；无需编程基础开发环境以教材Python3.14环境为参考，由教师在开课前验证并固定Python及依赖版本。基础环境包括pandas、numpy、matplotlib及Excel读写依赖；按案例配置seaborn、statsmodels、scikit-learn、Prophet、XGBoost、SHAP及TensorFlow等。复杂模型可使用独立环境，不要求所有库均兼容同一解释器版本。统一采用JupyterNotebook或PyCharm，Trae用于辅助理解和调试。配套资源教材全11章代码、脱敏案例数据、即测即评和思考题；配套数据字典、分步代码框架、指标口径表、环境版本清单与实验报告模板。模型案例准备可运行的小规模训练数据和演示输出。总学时48课时，其中讲授24课时、上机24课时；建议16周，每周3课时。二、学时分配与教学组织第1至第9章各4课时，第10、11章各6课时。第2章以CSV/Excel、清洗关联、分组与基础制图为核心，后续各章反复使用这些操作；第10、11章增加课时，用于投资风险量化和三个机器学习场景的分步讲解与实践。章节教材内容讲授上机小计主要实训任务1Python基础知识224指标函数与输入边界测试2Python财务数据采集与整理224读写、清洗、关联、汇总及制图3Python在成本管理中的应用224采购、供应商与生产成本分析4Python在费用管理中的应用224期间费用与异常线索复核5Python在应收账款管理中的应用224账龄、客户风险与催收优先级6Python在职工薪酬管理中的应用224薪酬、考勤及人员变动核对7Python在销售收入分析中的应用224收入拆解、预测评价与折扣弹性8Python在利润管理中的应用224利润表、产品及员工贡献分析9Python在企业财务危机识别中的应用224经典模型、分类预警与时序信号10Python在企业项目投资决策中的应用336投资指标、模拟、敏感性与情景分析11基于Python的机器学习在财务中的应用336违约预测、客户分群及不良贷款率预测合计全11章24244811项实验单元学时口径：讲授包括业务讲解、原理说明、教师演示与共同纠错；上机包括学生操作、结果核验与反馈，同一活动不重复计时。每章设置一个实验单元，共11项，实验单元可跨次课完成。课前预习、课后完善与最终报告提交不计入48课时，核心教学不转移到课外。教学深度：全部章节及各节主题均安排课内教学。基本语法、清洗关联、指标计算和结果核验要求独立完成；复杂回归、机器学习与深度学习要求读懂流程、运行框架、调整必要参数并解释结果，不要求从零编写算法或开展大规模调参。算法推导和模型扩展可选学，但不以选学代替整章教学。三、各章教学内容与要求第1章Python基础知识4课时对应教材1.1Python概述、1.2Python3.14版安装及运行环境、1.3Python运行、1.4Python基本语法、1.5Python学习AI辅助编程工具Trae简介。内容：Python概述；Python安装与运行环境；变量与数据类型、列表与字典、运算符、if/for/while、函数；Trae辅助编程。以毛利率、资产负债率与批量费用统计为情境，练习从业务公式转换为代码。课堂统一使用一种主要开发工具，不逐一讲授所有环境。要求：掌握基本语法与流程控制；会用Trae生成、解释和调试代码；了解Python的发展与特点。能够定义含参数和返回值的简单函数，识别缩进、类型和名称错误；能够解释输入、处理、输出之间的关系。重点难点：可变与不可变对象；嵌套条件与循环；AI生成代码的审查边界。类与对象仅做了解。重点训练百分比与小数转换、空值与零分母处理，避免直接复制代码而不能解释结果。实训任务：讲授2课时完成语法与财务示例，上机2课时完成指标计算程序。先手工核对一条正常数据，再测试零分母、缺失值与不合理输入；根据报错信息修改代码，并用自己的语言解释关键判断语句。成果与评价：提交可重新运行的Notebook或脚本、输入输出样例及简短错误修正记录。检查计算口径、分支处理、函数复用与解释能力，不以代码长度评价成绩。课前与课后：课前按照教师指引尝试安装并记录问题，课堂保留环境检查与补救时间；课后独立增加一个财务指标。Trae使用以不上传敏感数据、保留人工核验为前提。第2章Python财务数据采集与整理4课时对应教材2.1财务数据结构与存储基础、2.2Python财务数据文件基本操作、2.3Python财务数据整理、2.4Python财务数据可视化。内容：表格、时间序列、面板数据结构；os/pathlib文件操作；pandas读写CSV/Excel，了解JSON/XML；数据类型转换、缺失值与重复值处理、合并与分组；matplotlib可视化，了解pyecharts。用同一组财务明细贯穿导入、清洗、分析与导出。要求：掌握DataFrame/Series基本操作与常见清洗方法；能绘制折线图、柱状图、饼图。能够按业务主键识别重复、规范日期和金额类型，完成merge/concat、groupby与数据透视，并导出可复核结果。重点难点：merge/concat与分组聚合；日期处理。XML、pyecharts可简讲。重点核对关联键唯一性、连接方式与记录数变化，防止多对多关联导致金额重复计算；缺失值处理必须说明业务依据。实训任务：讲授2课时、上机2课时。围绕一组财务明细和主表，完成CSV/Excel读写、类型与日期规范、缺失和重复检查、一次多表关联、分组汇总及基础制图。教师提供字段说明和部分代码框架，学生补全关键处理并核对记录数、金额合计和未匹配记录。成果与评价：提交清洗日志、字段说明、完整代码、汇总表和至少两种适用图表。重点检查主键、单位、期间、金额勾稽与图表标签；不能只提交截图或最终图表。巩固安排：JSON/XML与pyecharts在课内简要展示，基础制图重点练习折线图和柱状图。后续业务章节持续复用清洗、关联与汇总方法；课后更换同结构文件重跑程序，不以自学代替本章核心训练。第3章Python在成本管理中的应用4课时对应教材3.1基于Python的采购成本分析、3.2基于Python的生产成本分析。内容：采购成本的价格趋势、供应商绩效与ABC物料分类；生产成本构成、单位成本与成本差异；结合教材案例理解加班时长与不良率分析。将描述统计、分组聚合、相关分析和数据透视表用于成本问题。要求：能按物料、供应商或期间计算采购金额和采购均价，说明加权口径；能按累计金额占比完成ABC分类，并根据给定权重计算供应商评分；能拆解生产成本结构并解释主要变化。重点难点：供应商综合评分的权重设计；金额占比与数量占比的区分；不同量纲指标的同向化与标准化。3σ规则只用于筛查可疑记录，异常不能直接认定为舞弊，相关关系不能作为因果结论。实训任务：讲授2课时、上机2课时。学生完成采购价格趋势与供应商评分，在给定代码框架下完成ABC分类；再用生产成本汇总表解释一个主要差异，并追溯到原始明细。成果与评价：提交物料分类表、供应商评分表、成本结构图和一项采购或生产管理建议。评分关注加权计算、排序累计过程、权重可追溯性及建议与数据的一致性。分层安排：成本结构与供应商评价为必会；最优加班时长等复杂拟合由教师演示，学生解释约束与适用范围，不要求独立完成优化建模。第4章Python在费用管理中的应用4课时对应教材4.1基于Python的销售费用分析、4.2基于Python的管理费用分析、4.3基于Python的财务费用分析。内容：销售费用率、趋势比较与行业对标；管理费用明细分类、部门比较和异常检测；财务费用构成及“存贷双高”线索识别，结合示例理解汇兑损益分析。要求：能计算期间费用率、同比变化和预算偏差；能按部门或费用类别进行汇总，并通过给定规则筛选异常；能结合资金用途、负债期限等信息说明财务费用分析的进一步核查方向。重点难点：费用率分母、比较期间及行业口径一致；上一期数值为零时不直接计算同比增长率。对大额、重复或偏离记录保留凭证线索，区分异常提示与已证实问题。实训任务：讲授2课时、上机2课时。完成销售费用率与管理费用异常筛查，再按教材框架核对财务费用构成和“存贷双高”线索；在汇兑损益示例上解释方向与金额变化。保留筛查规则、阈值及对应原始记录。成果与评价：提交费用分析表、可配置阈值的代码、异常清单及复核建议。评价以口径一致、筛查条件明确、证据留存为主，不以检出的异常数量评价优劣。巩固安排：销售费用、管理费用、财务费用均在课内讲授和核验；选取一项异常记录设计补充核查步骤。对于大额与重复记录，讨论正常业务情形及误报原因。第5章Python在应收账款管理中的应用4课时对应教材5.1应收账款报表层数据分析、5.2业务层数据处理——清洗与特征工程、5.3赊销业绩与销售人员分析——识别业绩驱动型坏账、5.4账龄与客户关系分析、5.5应收账款风险评估模型。内容：应收账款规模与周转、业务明细清洗、账龄与逾期标签、客户和销售人员交叉分析、教材六特征加权风险评分模型。沿用第2章数据整理方法，形成从报表异常到客户明细的分析过程。要求：掌握特征工程（账龄标签、逾期天数）与加权评分法；能统一分析基准日，区分账龄与逾期天数，识别未到期、部分回款等情况；能解释风险分数及催收优先级的含义。重点难点：账龄分组边界、到期日与基准日的关系；余额与回款口径的衔接；评分特征的方向、权重和阈值。评分是课堂规则模型，不等同于违约概率或坏账准备计提依据。实训任务：讲授2课时、上机2课时。完成账龄结构表与客户交叉表，按教材框架实现风险评分；选择一名客户追溯原始记录，比较其账龄、回款与赊销业绩，提出分层催收方案。成果与评价：提交账龄表、客户风险排序、销售人员分析摘要及至少两条有依据的管控建议。抽查临界日期、负余额和缺失到期日的处理，核对应收余额总额。巩固安排：改变分析基准日或一项权重，观察排序变化并解释原因。讨论激励销售与控制回款风险的关系，避免把销售规模直接等同于优质业绩。第6章Python在职工薪酬管理中的应用4课时对应教材6.1报表层数据分析——薪酬总量趋势与结构解读、6.2业务层数据处理——员工档案与薪酬明细清洗、6.3学历结构对薪酬的影响分析、6.4考勤数据与薪酬的关联分析、6.5人员流动与薪酬变动分析。内容：薪酬总量趋势与结构；员工档案、薪酬明细和考勤数据清洗关联；学历分组比较；薪酬异常、离职与薪酬变动分析。利用前序章节已掌握的分组与关联方法完成小型综合核对。要求：能按员工编号与所属期间关联数据，计算薪酬总额、均值、中位数和结构占比；能用规则识别档案缺失、重复发放、离职后发放等待核查线索，并结合考勤解释差异。重点难点：同名员工的区分、月份与入离职日期匹配；补发、奖金、离职结算等特殊事项的识别。学历与薪酬的相关或回归结果不能直接解释为学历的因果作用，也不能单凭模型判断薪酬公平性。实训任务：讲授2课时、上机2课时。完成薪酬趋势与结构分析、员工档案和考勤关联、离职前后发放核对；在给定回归框架中观察学历变量与薪酬的关系，并解释岗位等遗漏因素对结果的影响。成果与评价：提交多表核对代码、薪酬结构表、异常复核清单和结论说明。重点考查关联键、期间口径、误报识别及个人信息保护；员工姓名与编号必须脱敏。教学深度：薪酬总量、档案清洗、学历影响、考勤关联与人员流动五节均在课内覆盖。规则核对与分组统计为必会；回归分析要求运行框架和解释系数，不要求独立推导估计方法。第7章Python在销售收入分析中的应用4课时对应教材7.1基于Python的产品销售收入分析、7.2基于Python的销售收入预测、7.3基于Python的折扣销售弹性分析。内容：销售数据导入与多表合并；产品、门店、区域、客户多维分析；收入趋势与预测结果评价；折扣销售弹性及其经营含义。教材大规模数据先使用保留字段结构的教学子集，完整数据处理由教师展示。要求：掌握收入分组、贡献占比与趋势拆解；能核对销售数量、单价、折扣和收入的口径；理解预测误差指标MAE、MAPE的含义，能根据给定结果比较预测表现；能解释折扣幅度、销量变化与收入变化的区别。重点难点：退货、折扣及含税口径的一致性；预测训练与检验按时间先后划分；真实值为零时MAPE的适用限制；弹性的价格变化口径。观察性数据中的促销变化不能直接认定为折扣的因果效应。实训任务：讲授2课时、上机2课时。独立完成至少两个维度的收入分析，使用教师提供的预测代码框架解释检验期误差；在给定折扣与销量数据上完成弹性计算并说明边界。Prophet不要求独立调参。成果与评价：提交收入汇总表、趋势图、预测评价表及折扣分析说明。核对分组汇总与总收入一致，区分训练期与检验期，禁止只用拟合效果评价预测能力。教学深度：收入多维分析要求独立完成；销售预测和折扣弹性均安排课内讲解及框架实训。复杂季节参数搜索和全量数据性能优化可选学，不以此替代预测评价训练。第8章Python在利润管理中的应用4课时对应教材8.1基于Python的利润表分析、8.2基于Python的产品利润贡献分析、8.3基于Python的员工利润贡献分析、8.4利润管理综合分析与经营优化建议。内容：毛利率、营业利润率、净利润率纵横对比；产品利润贡献与四象限矩阵；员工利润贡献的分组比较；综合成本、费用与收入信息提出经营优化建议。将前序实验的核验方法用于利润分析。要求：掌握利润表指标计算与产品边际贡献分析。能区分毛利、边际贡献和净利润，说明成本费用分摊假设；能解释收入增长但利润未同步增长的可能原因，并结合产品或员工维度定位差异。重点难点：“利润黑洞”产品的识别标准；直接成本与分摊成本、贡献额与贡献率的区别；员工贡献分析中岗位与资源条件的可比性。四象限结果必须说明坐标定义、阈值来源和管理含义。实训任务：讲授2课时、上机2课时。完成利润表指标、产品贡献矩阵与员工贡献分组比较；关联收入、成本或费用数据追溯一个利润变动问题，讨论经营优化建议的收益、代价和实施条件。成果与评价：提交利润分析表、产品矩阵、员工贡献说明和简短经营建议。每项建议需对应指标或明细证据，列出实施条件、潜在代价及后续跟踪指标，不以简单排名代替管理判断。综合运用：以本章成果作为经营分析阶段作业，明确数据范围、核验过程与建议。复杂分摊优化可选学；本阶段同时为后续危机识别和投资决策提供报表阅读与指标分析基础。第9章Python在企业财务危机识别中的应用4课时对应教材9.1数据导入与财务指标体系构建、9.2经典财务危机预测模型、9.3基于机器学习的财务危机预测模型、9.4财务危机预警信号时序分析。内容：导入企业财务数据并建立偿债、盈利、营运等预警指标；实现AltmanZ-Score与BeneishM-Score；以逻辑回归、随机森林建立分类预警框架；观察预警信号的连续变化并结合业务信息复核。要求：能按给定公式计算经典模型分数，说明其适用对象和阈值条件；能构建目标标签，理解训练与检验数据的分工；能比较准确率、召回率、混淆矩阵和AUC，解释不同预警模型的误报与漏报。重点难点：报表口径、指标缺失与极端值；预测时点与信息可得性；同一企业跨期数据的分组或时间划分，防止未来信息泄漏。M-Score用于识别操纵风险线索，不直接证明舞弊；单期阈值判断不能替代连续观察。实训任务：讲授2课时、上机2课时。计算经典模型分数和风险分层；运行教师提供的逻辑回归与随机森林基准代码，比较检验结果；选择一家企业绘制风险信号轨迹，解释模型结论一致或冲突的原因。成果与评价：提交指标口径表、经典模型结果、分类评价表和预警时序图，附人工复核建议。重点检查标签时点、样本划分、阈值依据与证据链，不以单一准确率高低评价实验优劣。教学衔接：本章建立监督学习、样本划分和分类评价基础，第11章在此基础上深化不平衡处理、阈值选择、模型解释与业务价值评估，避免重复完整讲授同一建模流程。第10章Python在企业项目投资决策中的应用6课时对应教材10.1数据导入与项目基础信息分析、10.2资本成本计算与现金流分析、10.3核心投资决策指标计算：NPV、IRR与回收期、10.4风险量化：蒙特卡洛模拟与敏感性分析。内容：项目基础信息与现金流结构；CAPM和WACC；净现值、内部收益率、回收期与获利指数等投资指标；蒙特卡洛模拟、敏感性与情景分析；结合收益、风险及资源约束解释项目优先次序。要求：能识别初始投入、经营期现金流与终结现金流，保持贴现率和现金流口径一致；能封装计算函数并批量评价项目；能在给定分布和参数下模拟NPV，比较关键变量和不同情景的影响。重点难点：现金流时点、税前税后及名义实际口径；非传统现金流可能存在多个IRR或无有效IRR；互斥项目排序冲突的解释；随机变量的分布、相关性与约束不能任意设定，模拟结果并非确定预测。实训任务：讲授3课时、上机3课时，按“基础数据与资本成本、核心投资指标、风险量化与建议”三个环节各安排讲授1课时和上机1课时。完成批量计算、一个项目的模拟、敏感性图与情景比较，手算核验简化现金流。成果与评价：提交项目对比表、可复用计算函数、NPV分布与亏损概率说明、敏感性和情景分析结果及投资建议。报告必须列明贴现率依据、假设、随机种子和约束，不把风险评分视为自动审批结论。教学深度：四节内容全部课内完成。投资指标计算要求独立实现；数值求解、模拟与作图可使用验证过的函数框架。评价重点是现金流口径、模型假设与决策解释，不要求推导随机模拟算法。第11章基于Python的机器学习在财务中的应用6课时对应教材11.1数据导入、探索与预处理、11.2场景一：信贷违约预测模型、11.3场景二：客户流失预测与价值分群、11.4场景三：基于LSTM的不良贷款率时序预测、11.5综合分析：模型应用价值评估与业务建议。内容：探索分析、编码、标准化与样本不平衡处理；信贷违约分类模型比较及SHAP解释；客户流失预测、K-Means价值分群与干预优先级；ARIMA与LSTM时序预测比较；误判成本、干预费用与模型业务价值评估。要求：能在框架内完成训练、验证与测试，比较AUC、KS、精确率和召回率，并解释阈值取舍；能为客户簇命名并提出分层服务建议；能解释序列窗口、时间切分及RMSE、MAE，区分预测误差与业务收益。重点难点：预处理只在训练数据上拟合，重采样只作用于训练数据，不能用测试集调参或选阈值；聚类编号本身没有价值高低含义；时序模型须保持预测日期、期限和评价样本一致。SHAP说明模型贡献，不证明因果；小样本结果不能外推为稳定收益。实训任务：讲授3课时、上机3课时。信贷场景安排讲授1课时和上机1课时，兼顾预处理；客户场景安排讲授1课时和上机1课时；时序预测及综合价值评估安排讲授1课时和上机1课时。全部场景均在课内完成讲解、框架运行或输出复核。成果与评价：提交三个场景的核心输出及统一实验报告，包括分类评价与阈值说明、客户簇画像、不良贷款率预测比较、业务价值假设。LSTM使用小样本和预设参数完成一次训练及预测核验，不要求从零搭建网络或搜索最优结构。实施要求：教师预先验证训练耗时与依赖，准备轻量数据、已训练模型和演示输出用于故障补救。学生至少完整运行一项分类模型、一次聚类和一组时序预测框架；故障补救不免除对代码流程、评价结果和局限的说明责任。四、考核方式与评价标准考核覆盖全部11章，采用过程评价与综合大作业相结合的方式。实验任务与综合作业分别评分，不能以同一份未扩展的实验报告重复计分。期末大作业课后提交，不另占章节教学学时。考核项目权重评价内容平时成绩20%课堂参与与讨论5%，覆盖11章的即测即评10%，数据核验、模型边界和职业规范讨论5%。上机实验30%共11项实验单元。第1至9章每项2课时，第10、11章每项3课时；各项按百分制评分后以其上机课时为权重取加权平均，再折算30%。综合大作业50%包括经营分析和决策建模两个部分。学生从前8章选取一个业务问题，再从第9至11章选取一个专题，提交完整代码、核心输出与报告，并接受关键代码和结论抽查。实验平分标准：数据与业务口径20分，计算或模型流程正确性30分，结果核验与评价20分，代码可运行及可复现15分，图表与业务解释10分，规范提交5分，共100分。基础章节以手工核验和勾稽检查评价，模型章节以样本划分、基准比较和评价口径检查替代，不以最高预测分数论优劣。综合作业要求：经营分析部分可选成本、费用、应收、薪酬、收入或利润；决策建模部分可选危机识别、项目投资评价或机器学习应用。两部分可使用不同数据，但应分别说明来源、业务问题和口径，禁止强行拼接不可比数据。报告建议1500至2500字，关键图表4至6幅。综合作业评分标准：问题界定与数据质量15分，经营分析正确性25分，决策或建模流程25分，核验及可复现性15分，解释与建议15分，规范与独立说明5分，共100分，再折算课程总成绩的50%。其中模型假设、信息泄漏和现金流口径等实质错误须在对应项目扣分。AI与学术诚信：允许使用Trae等工具辅助理解、生成初稿和调试，但须说明使用环节、人工修改和核验记录。不得上传真实客户、员工或未公开财务数据；学生必须解释关键代码及假设，对报告结论负责，引用和独立性问题依学校规定处理。五、建议教学进度按16周、每周3课时安排。表中“讲授”和“上机”为本周课时，跨章周按活动分别计数；同章的讲解与实训相互衔接。若学校采用每次2课时排课，可顺序重组为24次，不改变章节分配。周次教学活动及章节衔接讲授上机检查或提交节点1第1章讲授2课时、上机1课时21基本语法、指标计算与边界测试2第1章上机1课时；第2章讲授2课时21实验1；读写、清洗与关联方法3第2章上机2课时；第3章讲授1课时12实验2；采购成本分析4第3章讲授1课时、上机2课时12实验3；生产成本结构与核验5第4章讲授2课时、上机1课时21销售、管理与财务费用6第4章上机1课时；第5章讲授2课时21实验4；账龄与客户风险7第5章上机2课时；第6章讲授1课时12实验5；薪酬总量与数据整理8第6章讲授1课时、上机2课时12实验6；学历、考勤及人员流动9第7章讲授2课时、上机1课时21收入、预测评价与折扣弹性10第7章上机1课时；第8章讲授2课时21实验7；利润表与贡献分析11第8章上机2课时；第9章讲授1课时12实验8；经典危机模型与作业选题12第9章讲授1课时、上机2课时12实验9；分类预警和时序信号