数学建模、商业分析、量化金融、机器学习、经济管理项目实战开课！

学建模训练营

训练营以数学建模常用算法为切入点，由指导老师带领学员学习并掌握十余种数模算法的原理及应用，以及MATLAB、STATA、SPSS等工具的使用，并通过“高斯杯”全国大学生数学建模学术活动进行实战演练，熟悉完整数学建模参赛过程。

适合人群

目标专业：申请理工科/商科等方向的同学，适用范围广

希望获得数模知识和技能并进行实践的同学

想要通过数模经历丰富定量研究经历的同学

具体安排

模块一

学与练

配套知识与技能学习

（3-4周）

数学建模基本介绍及参赛注意事项：学术活动介绍，任务安排建议，赛前准备提醒

工具学习：MATLAB，Stata，SPSS

算法精讲：层次分析法，TOPSIS，灰色关联，插值拟合，相关分析，回归分析，蒙特卡罗，数学规划。

模块二

完成数模论文与参与学术活动

（2-3周）

完成组队

推进文献阅读，问题分析，算法使用，建模分析等步骤

完成数学建模论文，参加“高斯杯”数模学术活动

你将收获

针对当期学术活动

完成解题代码与论文

数学建模学术活动经历

并用于申请数学建模学术活动证书

商业分析项目实战

项目主题：基于淘宝电商的李宁商品竞争力分析

2022年,整个电商行业在疫情多发散发的环境下面临挑战。李宁持续打磨李宁式体验价值,落实“单品牌、多品类、多渠道”策略,聚焦终端消费者需求,强化顶尖专业运动科技,增强自身的产品竞争力和品牌竞争力。在消费面临挑战的环境下,李宁电商仍然保持稳定的表现。

本项目从李宁服装销售数据入手，通过对服装的销量、价格、款式等方面数据的比较，经过数据预处理，可视化分析，数据挖掘建模，研究其市场占有率高的关键原因，分析“单品牌、多品类、多渠道”策略的落地执行情况，为产品运营出新提供参考意见。

适用人群

目标专业：商业分析/市场营销/管理学等相关专业

需要增加商业数据分析经历，实践完整流程，丰富简历的同学

想要快速补充商业分析领域知识，并掌握Python数据处理和建模技能的同学

希望了解并体验业界常规作业模式，提前感知专业与职业兴趣的同学

具体安排

模块一

学与练

配套知识与技能学习

（3-4周）

基础与常用方法：描述性统计，逻辑回归分析，聚类分析，文本分析，回归分析，主成分分析等

工具学习：Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels，Sklearn等

案例精讲：手机线上销量影响因素分析项目。

模块二

代码能力测试

模块三

具体项目实战与论文报告

（2-3周）

针对项目主题，进行背景调查资料整理利用相关数据，选择或改进适合方法进行实证分析完全项目论文报告

与目标专业匹配的对口经历

并用于申请课程与项目证书

量化金融项目实战

项目主题：基于投资者情绪构建的期权组合策略

历史波动率是度量资产价格历史变动的指标。而隐含波动率则是资产价格未来一段时间的波动率，反映了投资者对标的资产未来价格变动的预期，是市场情绪的体现。

高的隐含波动率意味着市场预期资产价格会朝一方大幅波动或上下大幅振荡。相反，低的隐含波动率意味着资产价格波动较小。研究隐含波动率可以得到更多的市场信号及投资者情绪。

本项目以隐含波动率为指标选取某一时间点的股指平值期权构建期权组合策略，计算不同预期下投资组合的回报率，并分析数据背后的逻辑与意义。不仅会使用量化方法去分析策略的表现，更会使用数据处理跟可视化工具去挖掘策略表现背后的逻辑与归因。

适合人群

· 目标专业：金融工程、金融学、经济学等相关专业

· 想要快速补充实证资产定价等相关知识的同学

· 希望熟练掌握Python数据处理及分析的同学

· 需要增加量化分析经历，实践完整流程的同学

具体安排

模块一

学与练

配套知识与技能学习

（3-4周）

基础与常用方法：金融数据获取，处理，财务分析，金融计量常用方法，实证资产定价；

工具学习：Choice，Python，Numpy，Pandas，Matplotlib，Scipy，Statsmodels等；

案例精讲模块二：大宗交易市场特征分析、三因子模型适用性检验、A股市场多因子模型。

代码能力测试

模块三

具体项目实战与论文报告

（2-3周）

针对项目主题，进行相关文献梳理利用相关数据，选择或改进适合方法进行实证分析完成项目论文报告

你将收获

针对课题完成研究

完成代码与报告

与目标专业匹配的对口经历

并用于申请课程与项目证书

机器学习项目实战

项目主题：纽约时报热点新闻预测模型

互联网信息发布的便利性使得大众每天都在面对爆炸性的信息冲击，大量文本在丰富大众生活的同时也给用户带来了困扰。

人们在面对大量信息的时候往往希望获取特定领域的流行信息，大多数的互联网新闻都会给出订阅热门话题、热门新闻上首页等措施。

以往的热门信息大多靠人工手动完成会耗费大量的时间成本与人工成本，并且也无法保证用户获取到实时的热门新闻。

本次项目将使用纽约时报历史新闻数据，根据文章的信息如：文章字数、主题信息、时间、新闻类型等维度进行热门新闻的预测。

基于机器学习的方法完成网络热门新闻的预测，可以有效的减少新闻工作者的工作量，为用户快速聚焦社会生活中的热门新闻。

适合人群

计划申请数据科学/分析学/人工智能/计算机/统计学等专业的同学

需要增加算法应用经历，实践完整流程，丰富简历的同学

想要快速补充数据挖掘算法知识，并提升编程熟练度的同学

希望加深对算法的理解和应用，提前感知专业与职业兴趣的同学

具体安排

模块一

学与练

配套知识与技能补充

（3-4周）

基础与常用方法：缺失值处理、异常值处理、独热编码、包装法、过滤法、逻辑回归、决策树、Kmeans聚类

工具学习：Python、Numpy、Pandas、Matplotlib、Sklearn等

案例精讲：链家二手房数据处理与分析、鸢尾花分类模型搭建、居民收入水平预测、餐厅年度销售额预测。

模块二

代码能力测试

模块三

具体项目实战与论文报告产出

（2-3周）

针对项目主题，进行思路整理框架搭建利用相关数据完成预处理、特征工程、模型搭建与评价工作完成项目论文报告

你将收获

针对课题完成研究

完成代码与报告

与目标专业匹配的对口经历

并用于申请课程与项目证书

经济管理项目实战

项目主题：政府审计对央企上市公司绩效表现的影响

政府审计作为国家治理的主要手段之一，在我国企业改革发展道路上扮演越来越重要的角色。与此同时，央企在我国经济体制中有着极为关键的地位，经营内容涵盖了能源、通信、军工、科技等各个重要领域。

通过研究政府审计对央企上市公司的绩效影响，可以使我国政府审计在促进央企改革，提升央企经营绩效，促进我国国有资源更加合理被利用，维护国家资产安全等方面的职能不断被完善。

那么，在这种现实背景下，如何运用实证方法来检验分析，并得出政策启示需要被研究。

本项目以政府审计的功能作为研究起点，在公共受托经济责任理论、公司治理理论的基础上，结合我国政府对央企监管的现状，为其发挥对中央企业绩效的影响提供经验数据，加深了公司治理在央企治理问题上的研究深度。

适合人群

计划申请经济学/会计学/管理学等专业的同学

需要增加算法应用经历，实践完整流程，丰富简历的同学

想要快速补充经济学、财管基础知识，并掌握数据分析和编程技能的同学

希望了解并体验业界常规作业模式，提前感知专业与职业兴趣的同学

具体安排

模块一

学与练

配套知识与技能学习

（3-4周）

基础与常用方法：金融终端数据获取，数据清洗，描述性统计，可视化，显著性检验，相关性，回归分析；

工具学习：Choice，Python，Numpy，Pandas等；

案例精讲：上市公司高管薪酬影响因素分析、经济不确定性与企业创新行为研究等。

模块二

代码能力测试

模块三

具体项目实战与论文报告

（2-3周）

针对项目主题，收集经济、公司财务、经营行为相关数据及信息利用清洗后的有效数据，进行指标构建和数据分析，搭建回归模型，进行实证研究完成项目论文报告

你将收获

针对课题完成研究

完成代码与报告

与目标专业匹配的对口经历

并用于申请课程与项目证书