课程目标

经济学和金融学中的实证研究在技术上依赖于对计量方法的掌握，在主题上则依赖于对数据的获取和处理能力。而随着宏观经济数据、工业企业数据库、海关数据库、人口普查与抽样调查数据、农村金融/家庭金融调查数据、低频股价数据、上司公司财务及治理数据的广泛使用，其中蕴含的高价值研究主题已日渐稀缺，转向数量更为庞大但处理也更为艰难的数据成为必然。
而这些庞大的新数据集，无论工商数据、裁判文书数据、股票论坛数据、高频股价数据还是建立在详细地理坐标下的各类时空数据，均庞大无比，甚至于庞大之外还添杂乱：动辄百G，甚至数T；散布于多张表，甚至于文档之中。传统的以数据分析为目标的SAS、SPSS、Stata、Matlab等软件，碰上这类数据，即便不至于束手无策，常常也难比登天。
本讲座将介绍一个Python语言与PostgreSQL数据库相结合的并行大数据处理方案，该方案专为这类大规模数据处理与分析而设，将助你轻松遨游大数据的海洋，在更广阔的主题上开展激动人心的经济学及金融学实证研究。

适用人群

无需任何基础，只需对“编程与大数据分析在经济学等社会科学”中的应用状况感兴趣即可。

课程概述

内容大纲：

1.“经济学-金融学”研究中的普遍规律 

   1.1 科学研究的基础

   1.2 研究对象的分布

   1.3 实证研究的抽象阶梯

   1.4 实证研究的生态系统

2.“经济学-金融学”研究中的大数据化 

   2.1 经济学研究中的大数据化

   2.2 金融学研究中的大数据化

   2.3 经济学、金融学大数据的特点

 

3.“经济学-金融学”研究中的大数据解决方案

   3.1 整体方案：Python + PostgreSQL

   3.2 为何选Python

   3.3 为何选PostgreSQL

   3.4 实证分析中的PostgreSQL配置方案

 

4.“经济学-金融学”中的大数据并行方案

4.1  单机版并行方案

4.2  集群版并行方案

4.3  应用场景举例