CDA数据分析师.docx

1、CDA数据分析师CDA数据分析师第一阶段：Excel数据分析1.Excel数据处理技巧和高效方法2.Excel数据收集、整合、规范化3.Excel公式、函数、数组及数据分析4.Excel可视化数据分析（排序、筛选、透视表等）5.Excel图表化数据呈现6.商业智能分析（Power BI）第二阶段：数据分析理论基础1.集中趋势、离散测度、均值、中位数、众数、方差、点估计、区间估计等相关的知识2.假设检验 T检验、方差、相关性、列联分析3.回归分析4.主成分分析5.时间序列第三阶段：数据库管理1.MySQL数据库基本操作；2.MySQL数据类型和运算符、数据的CRUD操作；3.MySQL用户管理;

2、4.MySQL数据备份与还原;5.MySQL函数；6.中型、大型数据清洗查询案例；第四阶段：SPSS数据分析（1）数据处理流程、数据的输入输出（2）描述统计分析，常用的统计图形（3）T检验、方差分析、与数据库连接（4）相关、偏相关分析，线性回归（5）Logistic、分类变量回归、ROC曲线（6）缺失值的处理、主成分分析（7）因子分析、K-means聚类，层次聚类（8）神经网络、RFM模型、对应分析、联合分析（9）时间序列、总结第五阶段：数据挖掘算法1.关联规则；2.决策树；3.贝叶斯；4.SVM；5.神经网络。第六阶段：R语言1.R基础编程2.R中高级图表（Echart)与信息压缩3.数据清

3、洗4.统计推断5.客户价值预测_线性回归模型诊断6.逻辑回归与决策树7.KNN、朴素贝叶斯、svm、聚类与客户画像8.汽车金融信用违约预测模型案例第七阶段：案例分析实战1.互联网广告中的大数据应用；2.利用时间序列精准预估零售业的销量及营业额；3.如何在保险行业中使用决策树并展示其成果；4.如何在零售行业中应用Logistic回归和线性回归估计客户生命价值。选修方向一：Python数据分析（13期上海）1.Python编程基础；2.Numpy数组和矢量计算；3.Pandas基础&进阶；4.Python爬虫初级；5.python推荐系统实践；6.案例分析。选修方向二：SAS数据挖掘（12期深圳）

4、1.SAS Base基础编程；2.SAS Base高级编程；3.SAS统计分析；4.SAS电商数据挖据；5.SAS信用评级模型；案例：如何利用客户分群实现保险行业中潜在客户的精准定位案例：如何针对行业特性进行营销组合优化.视频大数据分析周末班第10期CDA2级大数据前沿知识介绍，免费观看大数据基础知识 点击观看第一阶段：大数据前沿知识及hadoop入门1.大数据前沿知识介绍2.课程介绍3. Linux及unbuntu系统基础4.hadoop的单机和伪分布模式的安装配置第二阶段：Hadoop部署进阶1.Hadoop集群模式搭建2. Hadoop分布式文件系统HDFS深入剖析3.使用hdfs提供的

5、api进行hdfs文件操作4. Mapreduce概念及思想第三阶段：大数据导入与存储1.mysql数据库基础知识2.hive安装部署与案例3.sqoop安装及使用第四阶段：Hbase理论及实战1. hbase简介2.安装及配置第五阶段：Spark配置及使用场景1. spark简介、安装及配置2.scala简介、安装及语法讲解第六阶段：spark大数据分析原理1.Spark内核：基本定义、Spark任务调度2.Spark Streaming 实时流计算3.Spark MLlib 机器学习4.Spark SQL 实战第七阶段：hadoop+Spark大数据分析1.实战案例深入解析2.hadoop

6、+Spark的大数据分析之分类3.Logistic回归与主题推荐与南京大学、东南大学合作，颁发“CDA数据分析师”“高级、中级、初级”证书丁亚军南京上度咨询数据分析总监、经管之家论坛SAS、SPSS版版主，CDA数据分析研究院研究员和SAS、SPSS软件讲师。 研究方向为“统计软件与数据分析”、“市场调查分析”、“数据挖掘咨询”。王小川神经网络、数据挖掘、统计分析应用领域专家，国内最大的MATLAB论坛管理员，在硕士与博士期间，参与发表了SCI论文6篇，核心期刊论文5篇，获得同济大学奖学金，精通各类统计学软件，参与编写MATLAB神经网络30案例分析等书籍。翟祥CDA数据分析师讲师/北京林业大

7、学管理学院统计系教授/人民大学统计学博士 具有深厚的数理统计与应用数据分析专业背景，SAS公司骨灰级讲师，具有八年数据分析、数据挖掘的从业经验，独立或带团队完成零售、电信、金融等多个大型数据挖掘项目。李奇中国电子表格应用大会主席，曾在IBM中国担任销售管理团队数据分析项目组长及德勤北京所的数据分析高级咨询顾问。专精于企业数据分析、制定商业智能业务解决方案、软件开发及Excel培训等。赵仁乾北京邮电大学管理科学与工程硕士，现就职于北京电信规划设计院，从事移动、联通集团及各省分公司市场业务财务规划、经济评价及运营咨询。重点研究方向包括离网用户挖掘、市场细分与精准营销、移动网络价值区域分析、潜在价值

8、客户挖掘等。易向军大数据及云计算领域创业者，创始人。在电信及互联网行业有多年从业经验，熟悉数据挖掘实际应用场景，具备丰富的一线实践经验。在运营分析、产品用户体验评测等方面有着深刻认识，致力于数据挖掘知识的宣传推广及相关技术的探索研发。马伯经管之家CDA数据分析研究院讲师，从事互联网、电子商务方向数据分析与数据挖掘的研究与CDA数据分析师的教学工作，研究方向为文本挖掘、电商推荐系统开发、潜在价值客户挖掘，互联网大数据挖掘等。曾珂管理科学工程硕士/CDA数据分析研究院讲师 从事数据分析与数据挖掘的研究与教学，研究方向为互联网、电子商务数据分析与挖掘，擅长基于客户关系管理的数据挖掘、数据可视化、文本

9、挖掘。量化分析课程第一阶段：金融数据处理1. 导入，检查，及操作财务数据2. 单一资产收益之各种定义3. 投资组合收益计算4. 数据预处理第二阶段：风险度量1. 收益与风险权衡2. 单一资产风险3. 投资组合风险4. 波动率估计与建模5. 风险价值6. 风险模型回测6. 期望损失7. 其他风险测度8. 风险调整之投资组合绩效第三阶段：资产定价模型1. 套利定价模型6. 期望损失2. 模型系数估计6. 期望损失3. 模型检验第四阶段：投资组合理论第五阶段：因子模型第六阶段：金融衍生品1. 期权定价2. 买卖权平价关系3. 隐函波动率4. 套期保值方法5. 套期保值优化6. 套期保值与交易成本第七

10、阶段：财报与基本面分析1. 财报分析基础2. Benjamin Graham 经典价值型投资法3. 兼具价值与成长之GARP策略第八阶段、量化交易策略1. 技术分析介绍1.1 K线图形态分析1.2 均线系统1.3 动量交易策略1.4 相对强弱指标（RSI）与市场反转1.5 随机指标KDJ与价格波动2. 高频金融数据分析3. 投资策略实战3.1 通道策略3.2 多指标组合投资策略3.3 量价关系分析3.4 配对交易策略3.5 轮动投资策略3.6 仓位控制3.7 一个趋势存在與否的判断策略3.8 趋势追踪策略3.9 利用均值回归在震荡中获取交易机会蔡立耑美国伊利诺伊大学金融硕士/华盛顿大学经济学博

11、士亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。CDA数据分析就业班第九期视频EXCEL 数据分析入门工具Excel数据收集、整合及高效处理技术和方法Excel函数、数组与数据分析Excel透视表和图表化数据呈现Excel自动化工具宏与交互式界面设计Excel高效分析数据利器VBA案例数理统计-数据分析根基描述性统计抽样估计假设检验方差分析相关性卡方分析回归分析主成分分析、因子分析列联分析数据库管理Mysql基

12、础知识以及表结构管理数据库、表的建立以及简单的查询，数据的运算高级查询、视图。SPSS数据分析数据处理流程图、数据的输入输出描述统计分析，常用的统计图形T检验、方差分析、与数据库连接相关、偏相关分析，线性回归Logistic、分类变量回归、ROC曲线缺失值的处理、主成分分析因子分析、K-means聚类，层次聚类神经网络、RFM模型RFM模型、对应分析、联合分析时间序列、总结案例：员工绩效分析、商品投诉分析、用户购买力分析、信用违约分析等数据挖据实战案例产品精细化运营、球员综合评价用户体检测评、用户信用评分淘宝电商数据分析SAS编程软件的介绍、认证的介绍、sas入门编程（PDV）SAS数据集操作

13、、数据的读入导出sas宏proc sqlSAS电商数据分析sas统计分析：统计描述、相关分析、回归分析、稳健logistics回归、poisson回归、主成分分析、对应分析、联合分析；sas电商数据挖据：数据挖掘简介、访问数据库及文件、RFM、DM回归、神经网络、决策树、购物篮分析、聚类分析、组合模型。知名外企咨询公司实际案例分析（1）零售业中运用逻辑回归和线性回归估计客户生命价值（2）Excel整理快消客户数据实现数据分析及BI数据报表（3）Tableau实现行业的可视化（4）搜索引擎营销（5）在线数字分析案例赏析（6）如何在零售业中实现决策树并展示其成果（7）利用时间序列精准预估零售业销量

14、及营业额（8）如何利用客户分群实现保险业中的现在客户的精准定位（9）营销组合优化选修方向一：PythonPython基础编程Pandas应用Python推荐系统和案例实战Python机器学习选修方向二：RR基础编程R语言数据挖掘R数据挖掘案例实战R-Oracle量化投资长期班Module 1Python数据处理与自动化交易一，Python 编程1，数据类型1.1 数值类型，字符串，列表，元组，字典，集合1.2 可变与不可变2，基本语法2.1 常用运算符2.2 常用语句2.3 函数的定义与调用3，进阶技巧3.1 切片，迭代，列表解析，生成器，迭代器3.2 面向对象3.2.1 类，封装，与继承3.

15、3 函数式编程3.3.1 map/reduce3.3.2 匿名函数3.3.3 装饰器3.3.4 偏函数二，数据探索1， Numpy：数组和向量计算2， Pandas 与金融数据处理2.1 数据清理，转换，合并，重塑2.2 数据聚合与分组运算3，Matplotlib 与数据可视化4，时间序列数据4.1 日期的采样，频率，移动，及算术运算5，基于事件趋动的自动化交易系统实践Module 2宏观角度的投资时间序列, 金融理论，因子模型，财报选股，倉位控制一，数据特征分析1，描述性统计2，参数估计3，假设检验4，回归分析二，金融学1， 收益率1.1 单期简单收益率1.2 多期简单收益率1.3 年化收益

16、率1.4 考虑股利分红的简单收益率1.5 连续复利收益率2，风险测度2.1 方差2.2 下行风险2.3 风险价值2.4 期望亏空2.5 最大回撤3，资本定价模型及评价4， 投资组合理论5，因子模型及评价三，基本面选股1，财报分析基础2，公司估值3，Benjamin Graham 经典价值型投资法4， 兼具价值与成长之GARP策略5， 积极成长策略四，宏观择时五，轮动策略六，时间序列1，自相关性2，平稳性3，白噪声4，时间序列预测5，GARCH 模型6，卡曼滤波器7，协整8， 配对交易七，仓位控制1，凯利公式2，网格交易动态调仓Module 3-量化投资技术分析与金融数据挖掘一，技术分析1，常用

17、技术分析基础1.1 K线1.2 RSI1.3 均线系统1.3.1 移动平均1.3.2 MACD1.4 通道1.5 唐奇安通道1.6 布林带通道1.6.1 随机指标1.6.2 量价关系1.6.3 能量潮OBV指标1.6.4 简易波动指标EMV1.6.5 顺势指标CCI1.6.6 人气指数 AR2，趋势跟踪2.1 动量2.2 线性回归与趋势跟踪2.3 胜率与趋势跟踪2.4 海龟交易系统3，技术指标择时,4，多空策略5，缠论二，金融数据挖掘1，神经网路 Neural Networks2，随机森林 Random Forests3，K最近邻 K-Nearest Neighbors4，支持向量机Suppo

18、rt Vector Machines5，线性判别分析 Linear Discriminant Analysis6，二次判别分析 Quadratic Discriminant Analysis7，逻辑回归 Logistic Regression【量化投资】思想、策略与R语言实战第2天 金融时间序列, 基本面选股策略, 投资组合金融时间序列分析1. 认识金融时间序列2. 时间序列的平稳性检验与白噪声探讨3. 时间序列平滑处理4. 金融时间序列建模预测5. 时间序列波动的集聚效应案例: 以上证综指为例，运用统计方法检验时间序列数据可预测性的前提条件。案例: 运用ARIMA模型进行批量模拟建模，以预测

19、股票未来的收益率。案例: 使用GARCH模型预测波动率，并将其应用于VaR模型的风险管控。量化选股策略6. 基本面分析（FundamentalAnalysis）选股6.1 短期偿债能力指标6.2 营运能力指标6.3 资本结构与长期偿债能力分析指标6.4 盈利能力指标7. Benjamin Graham价值选股7.1 Graham选股公式三个标准7.2 中国股市的检验7.3 经典十项法则及详解7.4 Graham选股策略的实现与市场表现8. GARP 选股策略9. CAPM超额Alpha选股10. 三因子模型选股投资组合配置11. 马科维茨风险-收益模型原理12. Black-Litterman

20、模型第3天 常用技术指标,投资表现衡量,高频数据分析投资绩效表现分析1. 收益分析2. 风险分析3. PerformanceAnalytics包的介绍与应用技术指标、买卖点捕捉4. K线图形态分析5. 均线系统6. 动量交易策略7. 相对强弱指标（RSI）与市场反转7.1 RSI7.2 RSI8. 随机指标KDJ与价格波动9. 高频金融数据分析9.1 非同步交易9.2 交易数据的经验特征9.3 价格变化模型9.4 持续期模型9.5 处理市场微观结构噪声第4天 量化投资策略实战1. 通道策略2. 多指标组合投资策略3. 量价关系分析4. 配对交易策略5. 轮动投资策略6. 仓位控制7. 一个趋势

21、存在與否的判斷策略8. 趋势追踪策略9. 利用均值回归在震荡中获取交易机会10. 追涨杀跌策略11. 支持向量机与股票涨跌预测12. 神经网络与股票涨跌预测讲师介绍：蔡立耑（Terry Tsai），美国伊利诺伊大学金融硕士，华盛顿大学经济学硕士、博士，在国内外如美国、韩国有丰富的授课经验。带领博、硕士生从事投资决策、金融衍生品、风险分析、交易策略等领域的研究。生长于台湾，求学于美国，在台湾的信息与金融业担任高级顾问，不仅拥有扎实的金融理论基础，而且具备广阔的国际视野与前沿的研究理念！主持多项金融大数据研究项目，涉及SAS、R、Matlab、Mathematica、Java 与C#、F# 等多种

22、统计分析工具与编程语言。在数据处理、数据分析以及数据可视化等数据科学领域有丰富的经验和独到的见解。亲身实践各种金融应用，主持研究团队与台湾知名大学与企业合作开展各种金融研究，例如量化投资、风险分析等。在统计套利、金融大数据等领域有丰富的操作经验与授课经验。带领的量化投资研究团队用多种编程语言实现了统计套利以及风险管理自动化程序。课程特色：1：现场教学，可现场和老师互动，解决当下的课程疑惑2：课程内容丰富，囊括了许多量化投资的理论知识3：课程内容新颖，应用前沿的学术理论4：教学过程深入浅出, 以实例与实作印证所学5：学员能快速掌握灵活R语言，能在现实中通过此工具解决量化投资等综合金融问题6：可操

23、作性强，将所介绍理论在实战中一一展示，即学即用，在实战中搭建课程的整体脉络课程目标：本课程旨在有限的三天时间内帮助学员高效实现：1：深入理解量化投资的思想，建立起量化投资的理论直觉2：熟练灵活使用R语言，能藉助R语言工具高效迅速构建量化投资策略3：培养强烈的市场投资直觉，能通过构建量化投资策略敏锐捕捉市场盈利，赢取市场套利空间Python量化投资现场班Python量化投资现场班Python量化基础班：Python语言基础与金融统计分析Part1：Python语言学习与应用1、 Python语言简介2、 运算符与表达式3、 Python控制流4、 Python函数5、 Python模块6、 异常

24、处理与文件操作7、 Python绘图8、 Numpy篇9、 Pandas篇10、 数据库连接Part2 ：金融统计分析概论1、统计学理论（1）统计学概论（2）描述性统计（3）参数估计（4）假设检验2、多变量相关性分析3、线性回归模型案例分析案例一：大型股票数据库读取股票数据案例二：A股市场股票数据绘图案例三：交易数据描述性统计案例四：非金融专业数据获取方法Python量化实战班第一天Part1：金融数据处理高级编程Pandas深入分析金融因子数据生成常见的金融数据整理方式Part2：量化投资概述投资策略回顾与比较基本面、技术分析和量化的联系与区别量化投资概述量化投资风险与管控Part3：量化投

25、资Python平台介绍数据获取回测框架介绍回测注意问题案例分析案例一：市盈率手动计算案例二：Panel数据的存储与提取案例三：简单的均线穿越策略实现Python量化实战班第二天Part1：市场描述策略描述性研究Part2：高级交易策略CTA策略大师选股策略市场中性选股策略技术指标类策略资产配置策略Part3：时间序列模型什么是时间序列数据时间序列的平稳性检验与白噪声探讨时间序列平滑【SMA、WMA EWMA】金融时间序列建模预测【ARMA、ARIMA模型】波动的集聚效应案例分析案例一：如何通过各种数据描述当前市场状态案例二：CTA策略案例三：经典大师选股策略案例四：市场中性选股策略案例五：技术

26、指标类选股策略案例六：资产配置策略案例七：时间序列策略Python量化实战班第三天Part1：投资组合基本概念超额Alpha选股CAPM模型三因子模型选股Part2：投资组合构建单因子测试多因子测试常见的组合构建方法Part3：数据挖掘算法在量化投资中的运用逻辑回归与涨跌预测支持向量机模型与涨跌预测聚类与股票配对Part4 舆情分析与关注度模型文本挖掘概述文本处理技巧中文分词案例分析案例一：单因子全套测试代码案例二：组合构建案例案例三：文本数据处理案例 金多多CVA课程学生管理学生管理模块包含对学生的账号导入、批量注册、学生专业管理、学生班级管理、分组式教学管理等功能。课程管理课程管理模块包含

27、新课程的开设、上课的时间安排、学科测评、成绩管理、学习日志管理、教学远程共享、资料共享、实验报告管理、提问答疑管理等功能管理功能管理模块包含对各类账号权限的分配、登录区域的设定、更新反馈等财务报表分析课程王跃武系湖南大学工商管理学院博士、副教授、硕士生导师。主要学术兼职有:湖南省农村研究院客座研究员、湖南省资兴市咨询专家、广东省新兴经济体研究会智库专家；财经理论与实践、金融理论研究、湖南财政经济学院学报、中国科技论文在线等学术期刊审稿人。自2005年以来已在财经理论与实践、审计与经济研究等重要刊物上发表论文70多篇，其中核心及以上刊物发表30多篇。主持并完成国家社会科学基金后期资助项目1项；主

28、研并完成国家自然科学基金项目2项；主持并完成其他纵向与横向课题6项。出版学术专著竞争力财务经济学企业价值、资本与竞争力分析与人力资源会计应用性研究：理论、方法与尝试，出版教材管理会计学与财务报表分析。主要研究领域包括：理论经济学、财务与会计基础理论、竞争力财务、知识资本会计与财务、管理会计、财务分析等。主要讲授本科与研究生的成本与管理会计、财务报表分析、财务管理、资产评估等课程；指导学生获得IMA案例大赛2015年华中区亚军、2016年华南区二等奖。“财务报表”是我们经济生活中常见的信息产品，是我们理解并判断一个企业经营得怎么样、管理效率如何、财务业绩优劣及其变化等重要内容不可或缺的“窗口”。

29、显而易见，把这个很可能陌生的企业的财务报表读懂、读透，是我们提升各种与之相关的决策之质量、进而增进相关利益的信息基础：第一章 概论第一节 为什么需要财务报表分析第二节 哪些人需要什么样的财务报表分析第三节 财务报表分析的学习第二章 财务报表信息及其解读第一节 财务报表信息的构成及其解读次序第二节 财务报表分析的基本方法体系第三节 财务报表的快速解读第四节 资产负债表的简要分析第五节 利润表的简要分析第六节 现金流量表的简要分析第三章 企业偿债能力分析第一节 企业短期偿债能力分析第二节 企业长期偿债能力分析第四章 企业营运能力分析第一节 概述第二节 企业营运能力的比率分析第三节 营运能力与其他能力的关系第五章 企业盈利能力分析第六章 企业竞争能力分析第一节 企业竞争能力的经济学分析第二节 企业竞争能力的财务分析第七章 企业发展能力分析第一节 企业后续融资能