►►►
数学建模训练营
开课时间2024年1月3日
数学建模训练营
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竞赛进行实战演练，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：竞赛介绍，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
用
完成数模论文与参与竞赛
（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”数模竞赛
你将收获
针对当期竞赛
完成解题代码与论文
（往期数模论文示例）
数学建模竞赛经历
并用于申请
（往期数模经历示例）
数学建模竞赛证书
（往期证书示例）
►►►
商业分析项目实战
开课时间2024年1月8日
项目主题：淘宝村的商品特色与消费者行为
淘宝村，一个源于中国的独特现象，代表着农村地区通过电商平台淘宝实现的经济转型。自2009年以来，越来越多的农村居民通过开设在线店铺，销售本地特色产品如农作物、手工艺品等，促进了当地的经济增长。淘宝村不仅改变了传统的农村商业模式，还提升了农民的收入水平，并为乡村振兴和农业现代化做出了重要贡献。如今，淘宝村已成为中国乡村数字化和电子商务发展的典范。
淘宝村的特色一直都是典型的乡村产品，包括粮油干货、瓜果蔬菜、畜禽蛋奶和零食茶饮等，本项目收集了各类淘宝村的店铺数据以及商品的价格、销量和人气等数据，以可视化和挖掘建模的方式解读农村淘宝的经济特征，从商品特色、品质和口碑等方面，探究淘宝村如何实现兴农扶贫的目标。
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
测
代码能力测试
_
模块三
用
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
你将收获
针对课程完成研究
完成代码与报告
（往期报告示例）
与目标专业匹配的对口经历
并用于申请
（往期项目经历示例）
课程与项目证书
（往期证书示例）
►►►
量化金融项目实战
开课时间2024年1月10日
项目主题：股指期权跨期策略之LongGamma
Gamma交易策略是指通过买人期权，同时用标的资产进行delta 对冲，以达到组合的市场中性目的。在用标的资产作Delta对冲的过程中，因标的资产的变化而导致Delta不断变化，当资产价格上涨时，组合的Delta不再是0 了，而是一个正值，看涨期权的Delta会变大，看跌期权的Delta 绝对值会变小。当偏离一定程度时，重新调整Delta = 0 ，调整的方法是卖出现货。
本项目通过探讨期权投资中一种有效的投资策略---- Long Gamma交易策略在期权投资中的应用，分析其中的操作模式及盈利，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。帮助投资者在期权交易中获取利润的同时降低损失，规避风险。
适合人群
· 目标专业：金融学、金融工程、金融科技等相关专业
· 需要增加量化分析经历，实践完整流程，丰富简历的同学
· 想要快速补充量化投资领域知识，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：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：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
模块二
测
代码能力测试
_
模块三
用
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
（往期项目报告示例）
与目标专业匹配的对口经历
并用于申请
（往期项目经历示例）
课程与项目证书
（往期证书示例）
►►►
机器学习项目实战
开课时间2024年1月12日
项目主题：基于机器学习的亚马逊用户购买预测系统
随着电子商务的飞速发展，消费者在线购物的习惯日益增加，亚马逊作为全球电商巨头，每天处理着数以亿计的交易数据。利用这些数据，亚马逊可以通过机器学习技术来预测用户的购买行为，从而为用户提供更加个性化的购物体验，提高用户满意度，同时也能增强平台的市场竞争力和盈利能力。
基于机器学习的用户购买预测系统是一个具有深远意义的项目，它能够帮助亚马逊更好地理解用户需求，优化库存管理，提高营销效率以及增加销售额。本次项目将对用户购买数据进行清洗处理后，构建用户行为特征进而利用机器学习的方法完成预测模型的搭建。
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
测
代码能力测试
_
模块二
用
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
（往期项目报告示例）
与目标专业匹配的对口经历
并用于申请
（往期项目经历示例）
课程与项目证书
（往期证书示例）
►►►
经济管理项目实战
开课时间2024年1月15日
项目主题：企业社会责任与现金持有研究
近年来，社会频发的食品安全事件、药品质检事件、环境污染事件引发了社会公众极大的关注，也诱发了对企业的信任危机。因此，提高企业社会责任意识是关乎我国社会安全稳定的重要问题，也是促进企业实现高质量发展的重要途径。现金持有决策从企业财务角度，为剖析企业社会责任的经济影响提供了很好的视角。企业现金作为企业内部流动性最高的资产，一方面为企业履行社会责任提供了夯实的资金基础，另一方面也会成为管理层掩盖自身机会主义行为的便利工具。那么在这种背景下，企业现金持有行为的变化是否为企业履行社会责任之后的价值体现？企业能否通过履行社会责任抑制无效投资、优化内部行为决策引起了广泛讨论。
基于上述背景，本项目根据企业履行社会责任的动机，参考权衡理论、信息不对称理论、代理理论等，采用我国A股上市公司数据为研究样本，详细分析其对现金持有水平的影响机制，以及这种影响在不同类型上市公司中的差异，以期为改变管理层对企业社会责任的认知，提升社会责任履行意识，将社会责任变为自身的竞争优势提供一定的参考建议。
适合人群
  • 计划申请经济学/会计学/管理学等专业的同学
  • 需要增加经管科研经历，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
测
工具使用能力测试
_
模块三
用
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
（往期项目报告示例）
与目标专业匹配的对口经历
并用于申请
（往期项目经历示例）
课程与项目证书
（往期证书示例）
▼
扫描下方二维码
咨询项目详情
▼
继续阅读
阅读原文
关键词
数据
论文报告
项目实战
同学
项目主题