Intro to FinTech (金融科技導論)

Schedule of Fall 2024

[Week01, 2024/09/04] [Week02, 2024/09/11] [Week03, 2024/09/18] [Week04, 2024/09/25] [Week05, 2024/10/02] [Week06, 2024/10/09] [Week07, 2024/10/16] [Week08, 2024/10/23] [Week09, 2024/10/30] [Week10, 2024/11/06] [Week11, 2024/11/13] [Week12, 2024/11/20] [Week13, 2024/11/27] [Week14, 2024/12/04] [Week15, 2024/12/11] [Week16, 2024/12/18]

Note that the schedule will be updated as we move on.

2024/09/04
- Agenda
  - Intro. to the course by Roger using course website
  - Intro. to math/method part by Roger:
  - Intro. to blockchain part by Jimmy
- In-class activities
  - In-class survey
    - What you want to learn from this class?
- Assignment
  - Please go over the course website thoroughly to understand all the regulations.
    - You need to view "Pre-class reading" before coming to the class. Please gather your questions and we can discuss them in the class.
    - For "Optional" part, it's optional and not in the midterm exam. But I highly suggest your should read this part if you are not familiar with the corresponding topics.
  - Get familar with Python. You are going to use it in our assignment and final project.
    - Python 入門教學課程(Video)
    - 30天學python
2024/09/11
- Pre-class reading
  - 基本金融知識
    1. Compounding:
    2. IRR:
    3. 柴鼠兄弟：銀行定存怎麼算利息錢？一次搞懂利率&殖利率 (8 min, 2017)
    4. 柴鼠兄弟：股票怎麼買？600秒學完股票交易基礎 (10 min, 2018)
    5. 柴鼠兄弟：股票國語言-基本/籌碼/技術/消息 (8 min, 2018)
    6. 市場先生：ROI是什麼意思？股票的投資報酬率怎麼算？
  - 數學基礎
    1. Matrix formulas:
    2. Lagrange multipliers
      1. Lagrange Multipliers | Geometric Meaning & Full Example (12 min, 2019)
      2. Exercises for Lagrange multipliers
    3. Variance of differences of random variables | Probability and Statistics | Khan Academy (11 min, 2010)
- Optional:
  - 數學基礎：Lagrange multipliers
    1. Lagrange乘數 (14 min, 2013)
    2. Lagrange Multipliers Practice Problems (17 min, 2017)
    3. IRR 可能有兩個合理解答都滿足數學條件
  - 機器學習簡介
    1. Intro. to machine learning:
    2. Commonly used datasets for ML:
    3. K-nearest-neightbor:
  - Python
    1. Python 用於機器學習的練習題：Python: Machine learning - Scikit-learn Exercises, Practice, Solution
2024/09/18
- Pre-class reading
  - 技術指標
    1. K 線圖 (Candlestick chart):
    2. 股票技術分析 (Technical analysis):
    3. MA 技術指標:
    4. RSI 技術指標:
  - 基本金融知識
    1. CMoney: 為什麼 EPS(每股盈餘)不是越高越好？一分鐘帶你搞懂股價、EPS、本益比的關係（EPS & 本益比）
    2. CMoney: 股票股利、現金股利是什麼？配股、配息怎麼計算？（從股息「配股配息」看出經營者心態）
    3. CMoney: 什麼是除權除息？投資台股必須了解的事
    4. 市場先生：除權除息是什麼？除權息如何計算？一次看懂除權息
    5. 市場先生：什麼是夏普率(Sharpe Ratio)？要如何計算？
    6. Sharpe ratio:
  - 數學基礎
    1. Jensen's inequality (which leads to AM-GM inequality)
      - Jensen's inequality：
      - Exercises on mean inequality (Some with solutions!)
    2. Cauchy-Scharz inequality
      - Quick Cauchy Schwarz Proof: (5 min, 2018)
      - Another simple way to prove it: $(ax-p)^2+(bx-q)^2+(cx-r)^2=0$ has a single root or no root at all. ==> $\Delta \leq 0$ ==> $(a^2+b^2+c^2)(p^2+q^2+r^2)\geq(ap+bq+cr)^2$, Q.E.D.
      - Exercises of Cauchy-Schwarz Inequality (Some with solutions!)
- Optional:
  - 基本金融知識
    1. What is Sharpe Ratio? (Conversion of SR)
  - 技術指標（有點像是在算命...）
    1. 柴鼠兄弟：技術面：徹底搞懂技術線圖七大元素～先從各種K線開始 (股票技術面) (10 min, 2018)
    2. 柴鼠兄弟：技術面：判斷股價強弱的關鍵~先學會看均線 (股票技術面) (9 min, 2018)
    3. 柴鼠兄弟：技術面：為什麼股市老手愛看量？從買賣雙方冷熱認識成交量原理 (11 min, 2019)
    4. 柴鼠兄弟：技術面：拆解分析KD技術指標二條曲線背後如工藝品般的三道工法 (12 min, 2020)
    5. 柴鼠兄弟：技術面：台積電RSI怎麼算才能跟電腦一樣？看股價相對強弱快慢RSI技術指標順便學起來 (10 min, 2021)
  - 數學基礎
    - Problem-Solving Trick No One Taught You: RMS-AM-GM-HM Inequality: (8 min, 2018, great animation!)
2024/09/25 (by Jimmy)
- Pre-class reading
  - CryptoCurrency & BlockChain
    - 密碼貨幣與區塊鏈 (1)： (141 min, 2021)
- Optional
  - Intro. to Fintech: BlockChain and CryptoCurrency:
2024/10/02
- No class due to typhoon 山陀兒.
2024/10/09
- Pre-class reading
  - 基本金融知識
    1. 柴鼠兄弟：基本面：股票怎麼選？基本面先問這三題 (股本/EPS) (8 min, 2018)
    2. 柴鼠兄弟：基本面：0050也藏有ROE不死鳥啊！新手學基本面二大指標評估企業賺錢能力 (7 min, 2018)
    3. 柴鼠兄弟：基本面：買貴還是買便宜？股票估值的基本面三大指標～(本益比/股價淨值比/殖利率) (8 min, 2018)
    4. 柴鼠兄弟：基礎篇-什麼是ETF? (9 min, 2018) （若你有興趣鑽研 ETF，可參考 ETF 全系列。）
    5. Stocksardine: 股價淨值比 – 簡單但常被誤用的指標
  - Dynamic programming (DP)
    1. Intro to Dynamic Programming:
    2. Back to the future: The optimal strategy when the stock price is fully know in advance:
  - LLM & RAG
    - 生成式AI輕度簡介： (29 min, 2024)（李宏毅）
    - 相關性03：文本匹配（TF-IDF、BM25、詞距）： (19 min, 2024)（王數森老師）
    - Word Embedding and Word2Vec, Clearly Explained!!!: (16 min, 2023)（by Stat Quest with Josh Starmer）
    - RAG introduction:
- Optional
  - Other applications of DP
    1. DP for longest common subsequence (LCS):
    2. DP for matrix chain product (MCP):
  - LLM & RAG
    - 以生成式AI為基礎的知識檢索 (69 min, 2024/07/03)（楊德倫的口試）
    - 相關性01：搜索相關性的定義與分檔 (21 min, 2024)（王數森老師）
    - 文字探勘之前處理與TF-IDF介紹
    - Unsupervised Learning - Word Embedding (41 min, 2024)（李宏毅老師）
    - Approximate Nearest Neighbours in FAISS: Cell Probe 101: (7 min, 2023)（by Mark）
2024/10/16 (by Jimmy)
- Pre-class reading
  - Abstract Algebra
    - Part 1 (pages 01-10): (25 min, 2017)
    - Part 2 (pages 11-19): (23 min, 2017)
  - CryptoCurrency & BlockChain
    - CryptoCurrency and Blockchain (2) [part 1]: (92 min, 2021)
- Optional
  - BlockChain and CryptoCurrency:
  - Sage 數學軟體簡介:
2024/10/23
- Pre-class reading
  - 基本金融知識
    1. 市場先生：其實90%的人都不需要「資產配置」？理財專家沒告訴你的真相
    2. 市場先生：資產配置投資策略是什麼？資產類別有哪些?比例分配怎麼做？資產配置選擇時要注意的4件事
  - Modern portfolio theory (MPT)
    1. Linear combination of random variables:
    2. Portfolio optimization:
  - 機率與統計
    - Maximum likelihood estimate:
  - Machine learning
    1. Performance evaluation:
- Optional
  - RAG & LLM (Must-see guide for term project)
    - RAG 的實作與優化（by 楊德倫）： (22 min, 2024), Github
    - RAG 系統的優化（by ihower）
  - 基本金融知識
    1. 柴鼠兄弟：存股一定打敗銀行定存？常被忽略的三個弱點和一個關鍵... | 夯翻鼠FQ2 投資理財 (7 min, 2018)
    2. 柴鼠兄弟：2018存股怎麼選？新手秒懂的-放山雞選股法(概念篇) | 夯翻鼠FQ4 投資理財 (6 min, 2018)
    3. 柴鼠兄弟：不意外！台股平均20年殖利率排行前三名是他們? 放山雞選股法(網站實作篇) | 夯翻鼠FQ5 投資理財 (7 min, 2018)
    4. 柴鼠兄弟：存股如何決定的進場時機？2018台股萬點對新手的意義 | 夯翻鼠FQ6 投資理財 (7 min, 2018)
    5. 柴鼠兄弟：錢往哪裡去？投資理財必學的升息&降息～(央行vs美國聯準會FED) | 夯翻鼠FQ21 (9 min, 2018)
    6. 柴鼠兄弟：股票殖利率為什麼只看現金不看配股？三種配息算法比比看就知道 | 夯翻鼠FQ&A19 除權息 (6 min, 2020)
  - 機器學習
    1. 分類方法
      - Naive Bayes classifiers: , StatQuest
      - Quadratic classifiers:
    2. 機器學習程式範例
      1. 機器學習使用Python-基本範例說明（蔡淑芬）：範例程式
      2. 機器學習使用Python-Feature selection（蔡淑芬）：
      3. 機器學習使用Python-人臉辨識（婁敦傑）：範例程式
      4. 機器學習使用Python-OCR（高晟瑋）：範例程式
      5. Python 用於機器學習的練習題：Python: Machine learning - Scikit-learn Exercises, Practice, Solution
2024/10/30
- Pre-class reading
  - NLP
    - 中文斷詞：
    - 文件分類：
  - Derivative-based optimization
    - Gradient descent: (62 min, 2021)
  - Derivative-free optimization
    - Genetic algorithms:
    - Simulated annealing:
    - Downhill simplex search:
- Optional
  - BLEU score
    - Bleu score by Andrew Ng (16 min, 2018)
    - BLEU metric by HuggingFace (5 min, 2022)
2024/11/06
- Pre-class reading
  - Performance indices: video: intro (61 min, 2021), exercise (20 min, 2021)
  - Feature selection: (24 min, 2021)
  - Missing data imputation:
- In-class activities
  - Invited talk by 韓承佑老師:
    - Title: 機器學習用於台股交易實戰
    - Abstract: 本簡報介紹進階機器學習技術在台股交易的應用。首先，介紹無代碼和低代碼工具，強調數據驅動的科學交易方式。接著，討論如何使用機器學習開發交易策略，從股票特徵提取到模型訓練，並提及基因演算法、符號回歸和神經網路等技術。簡報也分析了技術指標與數據運算方法，說明特徵提取的重要性。最後，介紹模型選擇和回測方法，並介紹 Alpha 101 和 DoubleEnsemble 等先進技術的應用。
2024/11/13
- Pre-class reading
  - CryptoCurrency and Blockchain (2) [part 2]: (64 min, 2021)
  - CryptoCurrency and Blockchain (3): (74 min, 2021)
  - 量子計算對資訊安全的威脅與應對之道: (59 min, 2021)
- Optional
  - Intro. to Fintech: BlockChain and CryptoCurrency:
  - 量子計算: (46 min, 2023)
2024/11/20
- Pre-class reading
  - MLP & DNN:
  - Backpropagation:
- Optional:
  - AI 用於金融的科普
    - 金融擁抱AI的機會與挑戰: (62 min, 2021)
    - AI專案的美麗與哀愁: (26 min, 2021)
    - 從辨識到維運 ─ AI專案落地的下一步：(31 min, 2022)
- In-class activities
  - 113 學年度第 1 學期期中課程教學意見調查結果
  - Online board for exams (log in hackmd to edit): 2024, 2023
2024/11/27
- Pre-class reading
  - K-means clustering:
  - Hierarchical clustering:
- In-class activities
  - 9 to 11: Invited talk of "高頻交易入門介紹 & 高頻交易資料處理" by 楊植翔老師 at 威旭資訊:
    - 交易的哲學與歷史
      - 交易不僅是技術，更是對人性與態度的檢驗。
      - 從交易所的起源到技術分析與基本面分析的發展，剖析市場演進。
    - 量化交易的核心理念
      - 基於歷史數據及數學模型，執行具正期望值的策略。
      - 成功的量化交易策略需具備持續性、穩健性與直覺性。
    - 高頻交易的特性
      - 討論低延遲技術在高頻交易中的關鍵作用。
      - 分析交易執行過程中速度與效率的取捨。
    - 策略設計與實例分析
      - 從回測到實際執行，強調策略需經得起市場變化的考驗。
      - 通過案例解讀市場行為與策略的交互影響。
2024/12/04
- Pre-class reading
  - Feature extraction
    - PCA:
- In-class activities
  - 人工智慧公開挑戰賽初賽第二名（TEAM_6511）的報告： (22 min, 2024)
    - 成員：鄭文翔（r12922011@ntu.edu.tw）、陳柏禎（r13922142@g.ntu.edu.tw）、許雅筑（p13922004@ntu.edu.tw）、蕭博文（r13921102@ntu.edu.tw）
  - HW02 的優勝同學，各有10分鐘可以報告
    - 楊子平 r11922028@ntu.edu.tw
    - 宋景旭 b09201029@ntu.edu.tw
    - 沈昱宏 stanley.shen2003.c@nycu.edu.tw
  - 反詐騙
    - 世界上最有時間的人！英國推出「AI阿嬤」反制詐騙　電話瞎扯40分鐘讓歹徒崩
    - AI Scambaiters: O2 creates AI Granny to waste scammers’ time
2024/12/11
- Pre-class reading
  - Least-squares estimate: (To be added next semester)
  - LDA: (to be added next semester)
- In-class activities
  - HW03 的優勝同學，各有10分鐘可以報告
    - 簡謙益 r12922109@ntu.edu.tw – 會到德田103上課教室
    - 楊子平 r11922028@ntu.edu.tw –
    - 王承郁 p13922005@ntu.edu.tw –
  - Solution to sample exams
2024/12/18
- Final exam info
  - 座位表 (Seating chart)
  - 模擬練習考試 (Simulation exam)
- Final exam requirement
  - This exam is a synchronized in-person computer-based test. We are going to use the computers in the computer center for the exam.
    此考試為同步實體上機考試。直接使用計算機中心的電腦來考試。
  - You are allowed to prepare one A4-sized cheat sheet, written on both sides.
    可以準備一張A4紙的雙面小抄。
  - Calculators are permitted (as long as they do not have internet access).
    可以使用計算機（但是不能上網）。
  - Mobile phones and personal computers are strictly prohibited during the exam (do not use your phone as a calculator).
    手機及個人電腦全程不能使用（所以請勿使用手機來當計算機）。
  - The exam will begin promptly at 9:10 AM and will last exactly two hours, based on the school bell as the official time.
    考試於九點十分準時開始，考試時間兩個小時整，以學校鈴聲為準。

Intro to FinTech (金融科技導論)

Roger Jang (張智星), Jimmy Chen (陳君明)

Weekly recording

Schedule of Fall 2024