課程資訊
課程名稱
 金融創新
Financial Innovations 
開課學期
 109-1 
授課對象
 管理學院  財務金融學研究所  
授課教師
 蔡芸琤 
課號
 Fin7033 
課程識別碼
 723 M6000 
班次
  
學分
 3.0 
全/半年
 半年 
必/選修
 選修 
上課時間
 星期五2,3,4(9:10~12:10) 
上課地點
 管二302 
備註
 本課程中文授課,使用英文教科書。財工組5選4（研二修課）。
限碩士班以上
總人數上限：40人 
Ceiba 課程網頁
 http://ceiba.ntu.edu.tw/1091Fin7033_ 
課程簡介影片
 
核心能力關聯
 核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

「金融創新」Fall 2020

原授課教師：李賢源 (台大財務金融系教授，目前正休假研究中)
TEL: 3366-1081; E-mail: shyanlee@ccms.ntu.edu.tw

代理授課教師：蔡芸琤 (東吳巨量資料管理學院 & 台大財務金融系助理教授)
TEL: 0908-959-162; E-mail: pecutsai@gm.scu.edu.tw / pecutsai@ntu.edu.tw

上課方式：線上遠距教學 & 壽險經營管理實務研討 & 程式作業實作 & 專題演講心得回饋報告。
---------------重要---------------
選課須知：歡迎本學期同時修石百達老師的「壽險經營管理實務研討」同學選修 or 週四上午2,3,4節可配合彈性上課的同學。
---------------重要--------------- 

課程目標
 金融創新，變更現有的金融體制和增加新的金融工具，以獲取現有的金融體制和金融工具所無法取得的潛在的利潤。金融創新它是一個為盈利動機推動、緩慢進行、持續不斷的發展過程。

本課程將引導修課學生了解，金融領域中採用資訊領域所進行的創新研究，隨著金融商品與金融產業應用資訊相關技術的不斷發展，其適用性將繼續擴大中，包含「金融行銷」、「金融視覺」、「交易策略執行」、「衍生性商品定價與分析」、「保險科技」、「創新商品設計」等不同主題，知道「如何做?」，建立金融創新之「執行能力」。 
課程要求
 修課同學需具備之基本能力：本課程不會在課堂上對程式語言基礎撰寫做額外的講授，課程內容皆以虛擬碼(pseudocode) 或 Python Sample Code 表示，修課學生可自行選用熟悉的程式語言來完成課堂指定作業。建議修課學生在修習本門課程前，已有程式語言的相關撰寫經驗為佳。程式作業嚴禁抄襲與被抄襲，違規者直接當次作業零分。不接受作業遲交，作業繳交方式為，學生透過各自的 Github 來進行作業提交。 
預期每週課後學習時數
  
Office Hours
 另約時間 
指定閱讀
 課堂上授課教師之自製投影片 (於每週課程進度之一週前公布於 Ceiba)

https://github.com/pecu/FinancialVision

Y.-D. Lyuu, Financial Engineering & Computation: Principles, Mathematics,
Algorithms. Cambridge University Press, 2002. Corrigenda. Taiwan 
參考書目
 . J. Fabozzi and T. D. Fabozzi (Ed.), The Handbook of Fixed Income
Securities. 4th ed. Irwin, 1995

J. C. Hull, Options, Futures, and Other Derivatives. 4th ed. Prentice-Hall, 1999

R. Jarrow and S. Turnbull, Derivative Securities. South-Western, 1996

P. Ritchken, Derivative Markets: Theory, Strategy, and Applications.
HarperCollins, 1996

S. M. Sundaresan, Fixed Income Markets and Their Derivatives. South-Western,
1997 
評量方式
(僅供參考)
  
No.
項目
百分比
說明
1. 
 題演講心得回饋報告 
15% 
 壽險經營管理實務研討之專題演講心得回饋報告。 每次5%，共三次。 
2. 
 程式作業實作 
60% 
 金融視覺之程式作業實作。每次20%，共三次。 
3. 
 課程參與及出席 
10% 
 壽險經營管理實務研討出席三次，每次2%，共6% & 線上課程參與4%。 
4. 
 金融創新專題報告 
15% 
 期末個人金融創新專題報告。 
 
課程進度
週次
日期
單元主題
第1週
 9/18  課程內容介紹與進行方式說明 (線上授課)

https://docs.google.com/presentation/d/e/2PACX-1vTAQ0ns9cSIGCE4Ypfysfb0hEMVPQZmEzAgJWAyAzpU3xwQTzC5hwuVR2O4SXUHOIdjfWfe7qQTyINl/pub?start=false&loop=false&delayms=3000 
第2週
 9/24  壽險發展轉型及保險科技
授課主管：范文偉 代理總經理

上課時間：9/24 周四上午9:10-12:10
教室：管二101 (上下課請向助教司福民進行簽到簽退)

心得報告 Part1 (請於10/8 23:59之前繳交) 
第3週
 10/02  中秋節放假一次 
第4週
 10/09  雙十節彈性放假一次 
第5週
 10/15  客戶行為大數據分析及運用
授課主管：管理資訊分析中心 賴昌作 協理

上課時間：10/15 周四上午9:10-12:10
教室：管二101 (上下課請向助教司福民進行簽到簽退)

心得報告 Part2 (請於10/29 23:59之前繳交) 
第6週
 10/22  數位時代之銀行保險及企業保險
授課主管1：金融機構通路發展部 杜佩璇 資深協理
授課主管2：法人暨電子商務營運部 童恩霖 副總經理

上課時間：10/22 周四上午9:10-12:10
教室：管二101 (上下課請向助教司福民進行簽到簽退)

心得報告 Part3 (請於11/05 23:59之前繳交)  
第7週
 10/30  QuantLib-Python Object (線上授課)

https://quantlib-python-docs.readthedocs.io/en/latest/

https://docs.google.com/presentation/d/e/2PACX-1vRH1IQE4XEWN9frgTXbtE22KQBd8PsIp-WabfkGLMYEkchQ5X4BoUmzVtGeLOANUQNBA755vDlESPs1/pub?start=false&loop=false&delayms=3000 
第8週
 11/06  Quantopian Tutorials (線上授課)

https://www.quantopian.com/tutorials/getting-started

https://docs.google.com/presentation/d/e/2PACX-1vSsVHyOz-PNWlKyg8J1Ayyv6T2D_6UX-KiNWuls_mzlwnOsAIVcxGAj6YqXIMlOjS-6sLYenGEwxc19/pub?start=false&loop=false&delayms=3000 
第9週
 11/13  目標可贖回遠期契約 Target Redemption Forward (線上授課)

https://docs.google.com/presentation/d/e/2PACX-1vQVcx7YvFAdAZadihCZiQAzAhiDJTwTkFwlqKeyZsXJ-wD9eBRz9APAbNhseJb20xtGxJ2GFqo0tnn0/pub?start=false&loop=false&delayms=3000 
第10週
 11/20  各位親愛的師生，大家好：

依據本校109學年度行事曆公告，本校運動會訂於109年11月20日（星期五）、21日（星期六）舉行，前揭日期全校停課，若因教學進度而有授課需求者，請授課教師與修課學生協調後自行調整上課時間。其餘運動會相關事宜，以體育室公告為準。

教務處 敬啟 
第11週
 11/27  金融視覺線上課程 Part1 (線上授課)
課程教材：https://hackmd.io/@Albert0796/ByOOvOiLw

Introduction of rule-based candlestick patterns
- Basic 8 candlestick patterns
- Tricks of rules
- (optional) Faster way with numpy & multiprocessing

HW1: collect at least two customized rule-based patterns with indices

Introduction of two deep learning classification models
- RNN / LSTM
- CNN (Lenet-5)

HW2: use both kinds of model to classify MNIST dataset with at least 90%

Candlestick pattern classification model
- RNN / LSTM
- Encoding (GASF) + CNN (Lenet-5)
- Visualize results (confusion matrix & misclassified patterns)

HW3: use both kinds of model to classify customized candlestick pattern (at least 3 classes) 
第12週
 12/04  金融視覺線上課程 Part2 (線上授課)

Introduction of explainable artificial intelligence (XAI)
- Concept of LIME
- How to implement XAI on candlestick classification model (CNN)
- (optional) More ways to explain: adversarial attack

Introduction of generation model
- Basic autoencoder model
- Variational Autoencoder (VAE) & Adversarial Autoencoder (AAE)
- (optional) VAE / AAE conditions on labels
- (optional) More ways to generate data: adversarial samples 
第13週
 12/11  程式作業實作，線上彈性諮詢時間 Part1。
作業一至作業三繳交截止日，12/25 23:59。 
第14週
 12/18  程式作業實作，線上彈性諮詢時間 Part2。
作業一至作業三繳交截止日，12/25 23:59。 
第15週
 12/25  個人專題報告影片製作。

請學生將報告影片上傳至個人 YouTube 頻道，擇優於課堂進行報告 (2021/1/5寄發上台報告通知)。

影片繳交截止日 2021/1/1 23:59。 
第16週
 1/01  元旦放假一次 
第17週
 1/08  期末個人專題發表 (線上或現場，待議)。