CMU博士科研課題

基于數(shù)據(jù)科學的金融科技

課題簡介

基于數(shù)據(jù)科學的金融科技

Data Science driven FinTech?

隨著大數(shù)據(jù)、云計算、人工智能等新一代信息技術(shù)的發(fā)展和應用，金融和科技發(fā)展正在融合。金融科技Fintech能夠有效提供金融服務的可獲得性和便捷性，降低金融交易成本。消費金融的未來取決于金融科技公司在客戶分析方面充分利用大數(shù)據(jù)的能力。

社交媒體的興起為金融科技提供了寶貴的數(shù)據(jù)源，比如目前金融服務已經(jīng)有基于社交媒體輿情監(jiān)控的交易策略。Stocktwits是全世界最大的社交投資平臺，擁有近200萬月活躍用戶。通過對用戶在該社交媒體上發(fā)布的海量內(nèi)容，進行情感分析(sentiment analysis)， 可以深入了解社交媒體對金融科技的影響。

本課題旨在通過通過統(tǒng)計方法和可視化對金融數(shù)據(jù)進行分析，并使用幾種重要的自然語言處理和機器學習算法，提出初步的金融數(shù)據(jù)輿情情感分析。學生能在課題中掌握系統(tǒng)的數(shù)學和計算機能力。

科研流程

課程模塊一：預備課程?

在教學過程正式開始前，有方學者會根據(jù)學生的具體情況提供數(shù)學、統(tǒng)計、英語學術(shù)論文寫作等預備課程。

課程模塊二：科研輔導?

來自美國頂尖人工智能的機器學習科研團隊將在有方學者團隊的配合下，進行8-12周的科研輔導：

微積分、線性代數(shù)和概率統(tǒng)計入門；

學習 Python編程語言和相關(guān)的庫numpy, pandas, scikit-learn, matplotlib；

學習探索性數(shù)據(jù)分析（Explorative data analysis），并通過統(tǒng)計方法和可視化對金融數(shù)據(jù)進行分析

學習回歸分析(regression)，對金融數(shù)據(jù)進行社交媒體效應的評估

學習幾種重要的自然語言處理和機器學習算法，提出初步的金融數(shù)據(jù)輿情情感分析；

課題驗收需要學生完成英文學術(shù)論文的寫作，并向科研團隊進行答辯。

指導速度可能因?qū)嶋H教學情況而異

課程模塊三：論文寫作&發(fā)表?

在科研輔導結(jié)束后

項目導師將輔導學生完成論文寫作

協(xié)助學生完成論文在英文學術(shù)期刊上正式發(fā)表。

整個科研教學流程中，每一位學員都將有學術(shù)督導協(xié)助保障研究階段性作業(yè)和論文的進度，確保取得研究成果。

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力

本項目適合適合申請STEM專業(yè)方向：計算機、數(shù)學等相關(guān)專業(yè)的學生。

英文：

• 文獻閱讀：能在中外不同的文獻平臺上檢索到與課題內(nèi)容契合的文獻，并能撰寫綜述或者進行總結(jié)。
• 英文：具備英文資料（文獻、書籍、網(wǎng)頁）閱讀的能力，能初步撰寫英文文章。

數(shù)學：

• 統(tǒng)計基礎(chǔ)知識
• 微積分（偏微分）
• 線性代數(shù)

計算機：

• 最好有一定的計算機基礎(chǔ)。如果沒有，以下軟件選擇一種或多種，在課題開始后的1-2周進行強化學習并能進行初步的應用。
• Python（Jupyter Notebook, Anaconda）
• ?Linux/Unix command