全日制

本课程向学生介绍数据库系统的关键概念、结构化查询语言 (SQL) 的基本知识, 以及作为存储数据的多步骤（数据收集、分析和处理）工作的一部分，基础数据库设计。本课程涵盖了数据库系统的概念、SQL 基础知识、数据模型和关系 SQL、SQL 中的多对多关系、数据库和可视化、NoSQL 介绍。

随着网络技术和移动使用的迅速发展，用户生成的数据量呈指数级增长。如果没有分布式技术的帮助，从如此大量的非结构化、动态变化的数据中提取知识是一项极其困难的任务。本课程介绍最先进的大数据分析概念、技术和工具。通过本课程，学生将获得使用行业广泛采用的分布式算法和工具解决大数据问题的实践技术经验。主题包括大数据的基本概念、多节点环境下Hadoop和Spark的安装和配置、分布式算法（推荐系统、集群、分类、主题模型和网络分析）、网络爬虫和使用主要应用程序编程的网络数据提取接口。

本课程旨在拓展学生视野，并加深其对中国金融发展现存问题的认知和理解。学生会以小组形式，在业界导师的指导下，结合中国金融经济相关热点问题完成高质量项目研究。通过理论结合实践的研究方法，帮助学生更新对国内前沿金融市场及投资管理的认知。

*本课程聘请多名就职于金融机构的业界导师授课，授课语言为中文

本课程旨在培养学生在金融领域的学术研究能力。

行为金融学动摇了主流金融学“理性人”的基本假设，建立在“有限理性”基础上的行为金融学，结合市场异象，试图揭示金融市场的非理性行为和决策规律。

本课程将通过心理学和现实情况，从开放性和批判性的角度审视传统金融学理论。通过对投资者行为偏差、金融市场异象、以及华尔街案例使学生深刻理解有别于传统解释的投资者行为规律与市场运行规律。

本课程采用市场真实案例进行分析与评估。基于估值的基本理论，实战估值案例分析，累积实务案例分析技巧与经验，了解公司实际价值。学生们将了解如何评估不同规模、年限、以及财务状况的公司。本课程将会用到所学的金融和财务知识来进行估值评估。

本课程将使用 Python 讲述量化投资组合分析和决策。有助于未来计划从事量化资产管理或系统交易策略的学生学习。课程内容涵盖投资的基本概念、投资组合理论、Smart Beta投资策略、因子建模和风险优化、积极的投资组合管理和设计、动态对冲等。编程和数值算法将是课程重点，学生需要学习Python并应用于实际实践问题中。

本课程介绍证券交易的基础知识，并讨论针对具体证券市场环境，构建相应的算法交易策略模型，给出最优的算法交易策略。课程内容涵盖了市场和价格的性质、交易机制、市场微观结构模型、交易成本和最优交易策略以及高频交易。

本课程讲述金融计量经济学和实证金融工具，着重强调学生对理论知识的应用。课程内容涵盖单变量和多变量线性模型，时间序列模型，波动率的参数和非参数模型以及风险管理模型，课程利用理论知识解决实际问题，将涉及到大量计算机软件的应用。

数据可视化是使用计算机图形显示信息，通过视觉感知有效地传达数据背后的含义。本课程介绍可视化数据的基础概念、数据模型、图形感知、视觉编码和交互技术、数据可视化工具以及用于商业领域的可视化数据案例等。

本课程通过ESG原则、架构、政策和财务四个方面进行绿色债券产品和相关市场的介绍。课程帮助了解绿色债券的设计、结构、定价、交易方式以及投资者特征。课程内容结合一些基本科学信息、气候变化及其他环境问题、现代企业ESG实践的实际案例。学生需要一些有关债券数学和债券市场的基础知识，对现代环境问题和科学有良好的理解。