Type of Credit: Partially Required
Credit(s)
Number of Students
本課程旨在教授數學基礎與程式基礎都欠缺的碩士生數值方法的基礎學習和應用，課程中會大量使用生成式AI合作並進一步將這些方法應用於財務數學領域。通過本課程，學生將學習如何利用數學工具來解決金融市場中的各種問題，掌握包括數值分析、時間序列分析、模糊邏輯、機器學習等在內的多種技術，並運用這些技術進行金融建模和預測。
能力項目說明
學生將於本課程學習到：
| 週次 | 課程主題 | 課程內容與指定閱讀 | 教學活動與作業 |
| 1 | 數值分析概論 |
|
面授與每週線上作業 |
| 2 | 財務數學概論 |
|
面授與每週線上作業 |
| 3 | 金融數學的數學工具 |
|
面授與每週線上作業 |
| 4 | 時間序列分析基礎 |
|
面授與每週線上作業 |
| 5 | 微分方程的數值解法 |
|
面授與每週線上作業 |
| 6 | 時間序列模型 |
|
面授與每週線上作業 |
| 7 | 高級時間序列模型 |
|
面授與每週線上作業 |
| 8 | 期中考試 | 上機考 | 實體上機考試 |
| 9 | 金融建模中的模糊邏輯 |
|
面授與每週線上作業 |
| 10 | 布朗運動與隨機過程 |
|
面授與每週線上作業 |
| 11 | 貝氏網路 |
|
面授與每週線上作業 |
| 12 | 金融中的機器學習 |
|
面授與每週線上作業 |
| 13 | 金融衍生品與定價 |
|
面授與每週線上作業 |
| 14 | 深度學習與金融應用 |
|
面授與每週線上作業 |
| 15 | 期末專題展示 |
|
期末分組報告 |
| 16 | 期末專題展示 |
|
期末分組報告 |
每週課程需投入時間為5小時。
課堂報告：30%
報告主題程式交付：30%
課堂討論參與度：30%
出席：10%
本課程鼓勵同學使用生成式AI 進行學習與作業產出。
https://allaboutdataanalysis.medium.com/20%E5%80%8B%E6%99%82%E9%96%93%E5%BA%8F%E5%88%97%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5-%E5%AD%B8%E6%9C%83%E5%B9%AB%E4%BD%A0%E5%81%9A%E5%A5%BD%E9%A0%90%E6%B8%AC%E5%88%86%E6%9E%90-c297c631b374