Intro to FinTech (金融科技導論)

Roger Jang (張智星), Jimmy Chen (陳君明)

課程簡介

金融科技(Financial Technology, FinTech)是目前全球金融業與科技業的焦點，它所引發的破壞式創新，正挑戰既有金融服務的供給方式和消費行為。本課程由資工、數學教授群共同開設，旨在釐清 FinTech 本質、相關的創新科技、以及關鍵的趨勢。同時我們也會在課程當中邀請相關學者專家進行演講，並在金融機構（或金融科技新創公司）的協助之下完成期末的AI程式競賽。歡迎想參與或是有志於跨金融與科技領域的同學們，來共同一窺金融科技殿堂之美。

課程目標

• 瞭解與 FinTech 相關的概念與理論
  • 財務基礎、密碼學、量化交易、機器學習、最佳化等
• 實做與 FinTech 相關的專題與系統
  • 學界/業界出題、學生解題

上課時間地點

• 實體上課時間及地點：週三 9:10-12:10，德田館103室（地下演講廳）
• 直播網址：https://ntucc.webex.com/meet/rogerjang
• 本課程為 TAICA 課程，採取非同步教學，所有錄影及教材均公開於網路上，但學生仍須遵循作業、考試等相關規定。
• 上課同步提問：http://slido.com, event code "fintech101".

上課方式及先備知識

• 上課方式：以翻轉教學為止，學生在上課前必須看完 pre-class reading，老師在上課時只負責回答學生問題，或是提供補充教材或習題。
• 先備知識
  • Calculus, Linear Algebra, Probability
  • Machine Learning：你必須知道如何以程式碼來實做基本機器學習的任務
  • Python programming： 本課程以方法論為主，不會實際教授程式語言，但會提供相關線上教材讓同學自行學習

教師分工

• 張智星：
  基礎數學、技術指標、資產配置最佳化、量化交易、機器學習在金融科技的應用
• 陳君明︰
  區塊鏈 (Block Chain) 原理及應用、比特幣 (Bitcoin) 與其他密碼貨幣 (Cryptocurrency)、密碼學背景知識

評分標準

• Percentages
  • Homework: ~30%
  • Midterm exam: ~35%
  • Final project: ~35%
• Grade computation
  • Raw score computation in double precision ==> Rounding to nearest integers ==> Final letter grades
  • Final grades are based on scores and ranking. The instructors reserve the rights to
    • Adjust percentage of each categories if necessary
    • Determine the way to combine scores and ranking
  • No-change policy: We will not change the final grades once they are sent to the academic affairs office, unless it is due to mistakes on our part.
  • Grade statistics: Usually we have 25% of A+ and A

暫定時程

1. 2024/09/04 Intro to the course
2. 2024/09/11 Roger: Math for fintech
3. 2024/09/18 Roger: Technical indicators, quantitative trading, backtest, dynamic programming
4. 2024/09/25 Jimmy: Intro to bitcoin and blockchain
5. 2024/10/02 Jimmy: Hash function and elliptic curve digital signature algorithm (ECDSA)
6. 2024/10/09 Roger: Portfolio optimization
7. 2024/10/16 Jimmy: Ethereum and Other Blockchain/Cryptocurrency
8. 2024/10/23 Roger: Performance indices, feature selection for ML
9. 2024/10/30 Roger: Imbalanced dataset, cost-sensitive classification
10. 2024/11/06 Roger: Missing data imputation in ML
11. 2024/11/13 Jimmy: Advanced Functions and Post-Quantum Cryptography for Blockchain
12. 2024/11/20 Roger: Intro to the final project
13. 2024/11/27 Roger: Invited talk
14. 2024/12/04 Roger: Invited talk
15. 2024/12/11 Roger: AI/ML applications in finance
16. 2024/12/18 Final exam