【成均馆大学】新兴专业-金融科技融合专业

成均馆大学Fintech Convergence系（普通研究生院硕士/博士课程）于2020年9月1日成立，目标是在发展迅速变化的金融行业中培养引领创新的专业人才的数字技术。本专业通过金融、数据科学和人工智能的融合教育，培养引领金融行业数字化转型的硕士和博士级人才。

硕士课程分为商科和研究科，商科学生无需论文，修读36学分即可获得硕士学位。硕士项目研究方向和博士项目旨在培养下一代研究人员，他们将引领和奠定全球人工智能金融研究的基础。

【 专业指南及介绍 】

本课程是在普通研究生院新开设的课程，旨在培养适应国家战略领域的优秀人才，引领创新成长。
就读金融科技融合专业系的学生可自愿完成原专业或融合课程，顺利完成原专业或金融科技系课程后，可选择相关系毕业。
通过支持系统和系统，让他们可以自由完成原专业和金融科技融合专业的课程并毕业到期望的部门，融合专业的教育目的通过跨学科融合而焕然一新。

【教育愿景和目标】
金融科技融合专业组织了一个由金融、数据科学和人工智能领域的教授组成的教育研究小组。为实现教育愿景，对△教育、△研究、△国际化、△产学合作制定了详细的目标。
金融科技融合专业制定了培养全球人工智能金融专家的三大战略：△开设人工智能金融专业课程，△数据化教育，△建立全球教育/研究中心。

【开设课程】
金融统计

本课程涵盖了金融专业研究生的概率和统计分析的入门级课程。我们强调学生将在研究生金融和计量经济学课程中遇到的概率和统计理论主题。主题包括概率论、抽样、统计估计和假设检验。

投资分析

本课程为学生提供现代投资分析的理论和实践。教授的主题包括 ﹙a﹚ 不同类型的证券，﹙b﹚ 证券市场和证券如何交易，﹙c﹚ 证券分析，﹙﹚ 投资组合理论，﹙e﹚ 资产定价模型，﹙f﹚ 金融效率市场，﹙g﹚ 行为金融，﹙h﹚ 投资组合管理和评估，﹙i﹚ 债券收益率和债券投资组合管理，﹙j﹚ 引入衍生证券。

金融机器学习

金融实践中使用的数据量越来越大，使用非结构化数据的趋势已经超越了传统的结构化数据。因此，培养应用机器学习方法处理金融任务的能力非常重要，这样学生才能具有竞争力并成为未来金融领域的领导者。为此，本课程旨在通过使用 R 和 Python 为整体数据科学和机器学习奠定基础，从数据收集、组织、分析、可视化、机器学习到报告编写，从而培养在实践中使用财务数据的能力.

财务数据分析

在金融领域，对金融数据的基本理解和分析变得越来越重要。为了对财务数据进行有意义的分析，学生需要知道如何访问关键数据源以及了解财务数据的关键结构。

在本课程中，学生将学习如何访问关键财务数据（Compustat、CRSP、Fn DataGuie 等）、如何处理大数据集以及如何分析数据。本课程的目的是让学生接触关键的财务数据，并提供处理和分析大数据集的有意义的经验，以便学生能够在高级数据分析中打下基础。

本课程将要求学生使用数据处理和分析技能来复制来自优质国际期刊的真实研究论文。此外，学生将被要求扩展他们复制的研究论文。这将使学生接触到访问、处理和分析财务数据的整个过程。


选修课

Python 编程

这是金融科技硕士或博士的python编程基础课程。程序。今天的商业专业人士需要算法概念和计算机编程的基本知识。这两个概念的范围不同。算法是指为解决问题而要遵循的一组指令。计算机程序是计算机必须遵循的一组指令。本课程的目的是学习如何定义算法并使用计算机程序来实现它们。本课程将使商科学生不仅可以与计算机科学专业人士和工程师进行交流，而且还可以在新数字产品的开发中发挥积极作用。需要 Python 编程的基本知识。我们讨论使用算法和计算机编程来解决商业环境中的问题。课程由三个模块组成。首先，我们讨论如何定义业务问题及其解决方案的要求。其次，我们回顾了算法的原理和基本概念。第三，我们使用 Python 将通用算法转换为计算机程序。这将涵盖软件开发的基本周期。

使用 Python 进行数据分析

本课程使用 Python 编程语言来练习描述性统计、推理统计、回归、聚类分析以及机器学习和深度学习的示例。它更侧重于应用而不是理论构建。鼓励学生展示他们发现的例子，教师和其他学生正在做问答。这项研究是一门基于社会科学的跨学科课程，而不仅仅是一门方法论或编程课程。

金融市场和企业融资

本研究生课程的目标是介绍当前公司金融和金融市场的理论研究，涵盖广泛的主题。将特别注意开发经验数据分析技术。学生还将有机会练习书面和口头表达他们的研究想法。

金融衍生品

本课程的目的是向面向金融科技的学生介绍金融衍生品的关键组成部分。通过将分析模型与数值示例、练习和案例研究相结合，本课程强调金融工程工具的实际应用。主要主题涵盖远期合约、期货、期权和掉期的各个方面。本课程将侧重于金融衍生品的对冲和定价。

深度学习

本课程涵盖了基于人工神经网络的深度学习，该深度学习在各种工业领域得到了发展。本课程尤其让学生基本了解现代神经网络及其在计算机视觉和自然语言理解中的应用。学生学习卷积网络、RNN、LSTM、Dropout 等。本课程介绍推动深度学习的主要技术趋势。

金融科技实习

本课程旨在让学生通过在金融科技初创公司或金融机构的实习，培养他们将金融知识应用于实践的能力。学生将了解金融科技的发展如何为金融业的数字化转型做出贡献。

行为金融和金融科技

金融是受金融科技、区块链、大数据等技术革命影响最大的领域。有趣的是，金融科技的发展与“行为金融”的发展息息相关。直到最近，传统的新古典经济学家在很大程度上忽略了金融市场上首席执行官和投资者的心理因素的影响，因为没有足够的数据。然而，随着计算能力和大数据的爆发式增长，研究人员不断发现心理因素是金融市场中非常重要的因素，从而建立了行为金融学领域。在本课程中，我们将从研究有效市场假说开始，这是新古典经济学的支柱。然后我们继续研究行为概念，例如动量和泡沫。我们还研究了 CEO 的自恋、过度自信和生物学特征如何影响公司财务决策，例如财务杠杆和并购。我们研究金融技术如何帮助我们捕捉心理偏见。最后，我们研究区块链技术如何改变金融游戏。

区块链与金融应用

区块链于2008年 10月由中本聪﹙ Satoshi Nakamoto﹚在题为“比特币：一种点对点电子现金系统” ﹙ Bitcoin: A Peer-to-Peer Electronic Cash System﹚的论文中首次引入，它提供了一种新的分类账管理技术方式。近年来，区块链技术作为一项前沿技术，正在几乎所有主要行业寻求其应用，包括保险、交通、医疗、能源、物流和交付、音乐、制造、物联网、社交媒体和公共部门。特别是在金融领域，由于加密货币的出现，区块链技术的应用比其他任何领域都广泛。本讲座介绍区块链技术概述，研究加密货币市场的特点。

人工智能理论

在本课程中，学生将学习人工智能的基本算法，包括解决问题的技术、搜索算法、逻辑代理、知识表示、推理和规划。完成课程后，学生应使用计算机编程语言实现算法。

高级金融理论

本课程将学生带到她或他可以完成金融理论研究的地步。为实现这一目标，我们将讨论金融理论家常用的技能、过去 20 年金融领域的主要发现以及对金融文献进展的理解。

人工智能和信用分析

本课程的目的是帮助金融科技硕士项目的学生了解基本的信用风险分析和人工智能在信用风险管理中的应用。它首先介绍了常用的信用风险模型。然后重点介绍衡量和管理金融行业信用风险的技术。本课程还讨论了建模和计算 AI 技能，以解决信用风险管理中的业务问题。在本课程结束时，学生有望通过人工智能技术更深入地了解信用风险管理。

人工智能与财富管理

本课程将主要关注投资的两种定量方法：最佳资产配置和机器学习以及基于人工智能的资产定价。尽管众所周知，资产配置是最重要的绩效决定因素，但在实践中很少使用定量方法（投资组合优化）。这背后有几个原因，例如是一个黑箱和难以解释结果，但最关键的原因是最优投资组合对输入参数（预期回报和回报协方差）的高度敏感性。由于这些参数中不可避免的估计错误，很难获得稳健而可靠的投资组合。过去几十年投资组合管理的大部分研究都致力于解决经典投资组合优化模型的这一局限性，并且取得了一些显着进展，特别是使用贝叶斯方法和收缩估计器。本课程将假设学生具备基本的投资组合理论，并花大部分时间介绍投资组合优化的最新发展。

金融科技初创公司和风险融资

本课程涵盖学生如何在金融科技领域开发商业模式和初创企业。它研究了在私人和公共证券市场为新成立的公司融资的过程。主题序列大致与典型金融科技初创企业的生命周期相似。我们首先讨论不同类型风险融资的优缺点。其次，我们研究了一种估值私营和上市公司的方法，特别是风险投资环境中的估值方法。第三，我们讨论退出对年轻公司的投资的过程和风险投资融资合同，即条款清单。最后，我们分析了公司的投资银行业务和首次公开募股过程。

人工智能和保险计划

与“大企业”的其他部门相比，保险业长期以来一直不受干扰地运作，远离激进的创业运动，彻底改变和重塑了其他行业。现在是改变的时候了。在过去的几年里，保险业的启动资金急剧增加，推动了所谓的保险技术公司或 InsurTech。在本课程中，我们将浏览 InsurTech 的新热门领域。首先，我们将快速介绍 InsurTech。然后，我们将继续概述保险业及其数字化工作，然后我们将了解 InsurTech 公司的类别以及 InsurTech 技术推动者。从那时起，我们将学习保险科技的商业模式，

监管科技

本课程帮助学生了解监管科技，并在分析金融行业高管并向金融行业高管提出建议的能力方面变得更加自信和有说服力，以应对金融科技领域的最新变化，例如比特币和初始硬币发行等加密货币的法规（ ICO）。学生将了解金融科技和监管科技如何颠覆和改变金融业，例如在了解你的客户 ﹙KYC﹚ 和反洗钱 ﹙AML﹚ 方面，银行业的数字取证、风险管理和公司治理在保护数据和安全方面的挑战，以及不同国家的政府如何在金融科技和监管科技方面采取举措。

投资研讨会

本课程旨在为学生提供一个分析资本市场的框架。每次会议将以研讨会的形式涵盖关于每个主题的主要理论和实证论文。学生必须准备一篇可在会议上发表的学期论文。

高级统计计算

本课程涵盖一般统计计算领域的选定主题。它回顾了所选领域的当前问题和文献，并试图预测未来的方向和发展新的理论。

更多资讯，可以点击我的微聊详细咨询。