QF 5262-0

Brief

本課程目的在瞭解國際金融科技的發展趨勢，並探討台灣目前金融科科技產業發展 情形與因應作為。課程內容除了理論基礎介紹外，將邀請金 融科技產業企業領袖與 專業菁英演講，與學生交流互動，學生也須進行實作加深學習效果，希望藉此課程 能讓學生掌握當前國際與台灣金融市 場金融科技最新之實務脈動，分析並預測未來 可能之發展。 在全球金融服務朝向數位化、科技化的趨勢下，為培養未來新鮮人的創新思維能力， 透過合作企業提供的「金融科技競賽」活動，讓同學能夠 將課程所學結合創意， 提出符合未來趨勢的創新金融科技服務，期待各位能提出創意及執行性兼具的創新提案。

Description

Course keywords: 金融科技 Fintech, P2P借貸 P2P Lending, ETF, 保險科技 insurtech, AIoT, 機器人理財 robo advisor, 加密資產 crypto assets, 人工智慧/機器學習AI/ML 課程說明： 本課程旨在釐清 FinTech 本質、創新科技、以及關鍵的趨勢，包括 金融數據分析、風險管理等財金相關知識以及機器學習等創新應用，同時也會在課程當中邀請相關學 者專家演講以拓展課程的廣度。搭配程式實作與口頭報告讓同學可以學以致用。歡迎想參與或是有志於 跨金融與科技領域的同學共同探索此新興領域 - FinTech。 AI 使用規則 ：有條件開放，請註明如何使用生成式AI於課程產出 課程主題： Topic 0: Introduction to FinTech 金融科技簡介 Topic 1: AI X ETF Quantitative Investment Topic 2: P2P Lending Topic 3: HFT (High Frequency Trading) Reference Sites: https://www.stockfeel.com.tw/author/qffers/ https://medium.com/@qffers1 教科書： Lecture Notes/Slides 參考書： 韓傳祥, ETF量化投資學：智能投資的幸福方程式. 五南書局 2023 去年課程大綱 課程內容： 1.Introduction to FinTech 金融科技簡介 2.Robo Advisor 機器人理財 3.Financial Engineering 金融工程 4.Financial Data Analytics 金融數據分析 5.Insurtech and Risk Management 保險科技與風險管理 6.Introduction to Machine Learning機器學習介紹 7.Financial Data & Preprocessing 金融資料 & 前處理 8.Cross-Validation 交叉驗證 9.Ensemble Method 集成方法 10.Regression Method 回歸方法 11.Artificial Neural Network 人工神經網路 12.Recurrent Neural Network 遞迴神經網路 13.Backtesting 回測 14.Seminar 專家演講 教科書： 1.Lecture Notes 參考書： 1.韓傳祥, ETF量化投資學：智能投資的幸福方程式, 2020 2.韓傳祥, 計量財務金融〈金融科技〉, 2018 3.Sebastian Raschka, Vahid Mirjalili, Python Machine Learning: Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow 2, 3rd Edition, 2019. 4.Lopez de Prado, Marcos, Advances in Financial Machine Learning, 2018. 5.Stefan Jansen, Machine Learning for Algorithmic Trading - Second Edition, 2020

Timetable

Scores

Average Percentage 82.62

Std. Deviation 16.08

Remarks

本課程為16週課程

Restrictions

Compulsory

Elective

Cross Discipline

First Specialization

Second Specialization