數學建模、商業分析、量化金融、機器學習、經濟管理項目實戰開課！

學建模訓練營

訓練營以數學建模常用算法為切入點，由指導老師帶領學員學習并掌握十余種數模算法的原理及應用，以及MATLAB、STATA、SPSS等工具的使用，并通過“高斯杯”全國大學生數學建模學術活動進行實戰演練，熟悉完整數學建模參賽過程。

適合人群

目標專業：申請理工科/商科等方向的同學，適用范圍廣

希望獲得數模知識和技能并進行實踐的同學

想要通過數模經歷豐富定量研究經歷的同學

具體安排

模塊一

學與練

配套知識與技能學習

（3-4周）

數學建模基本介紹及參賽注意事項：學術活動介紹，任務安排建議，賽前準備提醒

工具學習：MATLAB，Stata，SPSS

算法精講：層次分析法，TOPSIS，灰色關聯，插值擬合，相關分析，回歸分析，蒙特卡羅，數學規劃。

模塊二

完成數模論文與參與學術活動

（2-3周）

完成組隊

推進文獻閱讀，問題分析，算法使用，建模分析等步驟

完成數學建模論文，參加“高斯杯”數模學術活動

你將收獲

針對當期學術活動

完成解題代碼與論文

數學建模學術活動經歷

并用于申請數學建模學術活動證書

商業分析項目實戰

項目主題：基于淘寶電商的李寧商品競爭力分析

2022年,整個電商行業在疫情多發散發的環境下面臨挑戰。李寧持續打磨李寧式體驗價值,落實“單品牌、多品類、多渠道”策略,聚焦終端消費者需求,強化頂尖專業運動科技,增強自身的產品競爭力和品牌競爭力。在消費面臨挑戰的環境下,李寧電商仍然保持穩定的表現。

本項目從李寧服裝銷售數據入手，通過對服裝的銷量、價格、款式等方面數據的比較，經過數據預處理，可視化分析，數據挖掘建模，研究其市場占有率高的關鍵原因，分析“單品牌、多品類、多渠道”策略的落地執行情況，為產品運營出新提供參考意見。

適用人群

目標專業：商業分析/市場營銷/管理學等相關專業

需要增加商業數據分析經歷，實踐完整流程，豐富簡歷的同學

想要快速補充商業分析領域知識，并掌握Python數據處理和建模技能的同學

希望了解并體驗業界常規作業模式，提前感知專業與職業興趣的同學

具體安排

模塊一

學與練

配套知識與技能學習

（3-4周）

基礎與常用方法：描述性統計，邏輯回歸分析，聚類分析，文本分析，回歸分析，主成分分析等

工具學習：Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels，Sklearn等

案例精講：手機線上銷量影響因素分析項目。

模塊二

代碼能力測試

模塊三

具體項目實戰與論文報告

（2-3周）

針對項目主題，進行背景調查資料整理利用相關數據，選擇或改進適合方法進行實證分析完全項目論文報告

與目標專業匹配的對口經歷

并用于申請課程與項目證書

量化金融項目實戰

項目主題：基于投資者情緒構建的期權組合策略

歷史波動率是度量資產價格歷史變動的指標。而隱含波動率則是資產價格未來一段時間的波動率，反映了投資者對標的資產未來價格變動的預期，是市場情緒的體現。

高的隱含波動率意味著市場預期資產價格會朝一方大幅波動或上下大幅振蕩。相反，低的隱含波動率意味著資產價格波動較小。研究隱含波動率可以得到更多的市場信號及投資者情緒。

本項目以隱含波動率為指標選取某一時間點的股指平值期權構建期權組合策略，計算不同預期下投資組合的回報率，并分析數據背后的邏輯與意義。不僅會使用量化方法去分析策略的表現，更會使用數據處理跟可視化工具去挖掘策略表現背后的邏輯與歸因。

適合人群

·?目標專業：金融工程、金融學、經濟學等相關專業

·?想要快速補充實證資產定價等相關知識的同學

·?希望熟練掌握Python數據處理及分析的同學

·?需要增加量化分析經歷，實踐完整流程的同學

具體安排

模塊一

學與練

配套知識與技能學習

（3-4周）

基礎與常用方法：金融數據獲取，處理，財務分析，金融計量常用方法，實證資產定價；

工具學習：Choice，Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels等；

案例精講模塊二：大宗交易市場特征分析、三因子模型適用性檢驗、A股市場多因子模型。

代碼能力測試

模塊三

具體項目實戰與論文報告

（2-3周）

針對項目主題，進行相關文獻梳理利用相關數據，選擇或改進適合方法進行實證分析完成項目論文報告

你將收獲

針對課題完成研究

完成代碼與報告

與目標專業匹配的對口經歷

并用于申請課程與項目證書

機器學習項目實戰

項目主題：紐約時報熱點新聞預測模型

互聯網信息發布的便利性使得大眾每天都在面對爆炸性的信息沖擊，大量文本在豐富大眾生活的同時也給用戶帶來了困擾。

人們在面對大量信息的時候往往希望獲取特定領域的流行信息，大多數的互聯網新聞都會給出訂閱熱門話題、熱門新聞上首頁等措施。

以往的熱門信息大多靠人工手動完成會耗費大量的時間成本與人工成本，并且也無法保證用戶獲取到實時的熱門新聞。

本次項目將使用紐約時報歷史新聞數據，根據文章的信息如：文章字數、主題信息、時間、新聞類型等維度進行熱門新聞的預測。

基于機器學習的方法完成網絡熱門新聞的預測，可以有效的減少新聞工作者的工作量，為用戶快速聚焦社會生活中的熱門新聞。

適合人群

計劃申請數據科學/分析學/人工智能/計算機/統計學等專業的同學

需要增加算法應用經歷，實踐完整流程，豐富簡歷的同學

想要快速補充數據挖掘算法知識，并提升編程熟練度的同學

希望加深對算法的理解和應用，提前感知專業與職業興趣的同學

具體安排

模塊一

學與練

配套知識與技能補充

（3-4周）

基礎與常用方法：缺失值處理、異常值處理、獨熱編碼、包裝法、過濾法、邏輯回歸、決策樹、Kmeans聚類

工具學習：Python、Numpy、Pandas、Matplotlib、Sklearn等

案例精講：鏈家二手房數據處理與分析、鳶尾花分類模型搭建、居民收入水平預測、餐廳年度銷售額預測。

模塊二

代碼能力測試

模塊三

具體項目實戰與論文報告產出

（2-3周）

針對項目主題，進行思路整理框架搭建利用相關數據完成預處理、特征工程、模型搭建與評價工作完成項目論文報告

你將收獲

針對課題完成研究

完成代碼與報告

與目標專業匹配的對口經歷

并用于申請課程與項目證書

經濟管理項目實戰

項目主題：政府審計對央企上市公司績效表現的影響

政府審計作為國家治理的主要手段之一，在我國企業改革發展道路上扮演越來越重要的角色。與此同時，央企在我國經濟體制中有著極為關鍵的地位，經營內容涵蓋了能源、通信、軍工、科技等各個重要領域。

通過研究政府審計對央企上市公司的績效影響，可以使我國政府審計在促進央企改革，提升央企經營績效，促進我國國有資源更加合理被利用，維護國家資產安全等方面的職能不斷被完善。

那么，在這種現實背景下，如何運用實證方法來檢驗分析，并得出政策啟示需要被研究。

本項目以政府審計的功能作為研究起點，在公共受托經濟責任理論、公司治理理論的基礎上，結合我國政府對央企監管的現狀，為其發揮對中央企業績效的影響提供經驗數據，加深了公司治理在央企治理問題上的研究深度。

適合人群

計劃申請經濟學/會計學/管理學等專業的同學

需要增加算法應用經歷，實踐完整流程，豐富簡歷的同學

想要快速補充經濟學、財管基礎知識，并掌握數據分析和編程技能的同學

希望了解并體驗業界常規作業模式，提前感知專業與職業興趣的同學

具體安排

模塊一

學與練

配套知識與技能學習

（3-4周）

基礎與常用方法：金融終端數據獲取，數據清洗，描述性統計，可視化，顯著性檢驗，相關性，回歸分析；

工具學習：Choice，Python，Numpy，Pandas等；

案例精講：上市公司高管薪酬影響因素分析、經濟不確定性與企業創新行為研究等。

模塊二

代碼能力測試

模塊三

具體項目實戰與論文報告

（2-3周）

針對項目主題，收集經濟、公司財務、經營行為相關數據及信息利用清洗后的有效數據，進行指標構建和數據分析，搭建回歸模型，進行實證研究完成項目論文報告

你將收獲

針對課題完成研究

完成代碼與報告

與目標專業匹配的對口經歷

并用于申請課程與項目證書