Đề cương chi tiết môn học thống kê ứng dụng | Trường Đại học Kinh tế – Luật

Môn học cung cấp các gói phầm mềm ứng dụng và thực hành viết code các mô hình tài chính cơ bản và nâng cao thuộc các kiểu dữ liệu trong tài chính. Thông qua môn học, sinh viên có thể sử dụng ngôn ngữ lập trình để phân tích dữ liệu. Tài liệu giúp bạn tham khảo, ôn tập và đạt kết quả cao. Mời đọc đón xem!

lOMoARcPSD| 46348410
264
TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT
KHOAI CHÍNH – NGÂN HÀNG
ĐỀ CƯƠNG CHI TIẾT MÔN HỌC TRÌNH ĐỘ ĐẠI HỌC
1. Thông tin tổng quát (General information)
- Tên môn học tiếng Việt
Gói phần mềm ứng dụng trong tài chính 2
- Tên môn học tiếng Anh
Program backage for finance 2
- Mã số môn học:
- Thuộc khối kiến thức:
Kiến thức chuyên ngành
- Số tín chỉ:
03
- Số tiết lý thuyết/ số buổi:
45
- Số tiết thực hành/ số buổi:
- Môn học tiên quyết:
Quản trị tài chính, Kinh tế lượng
- Môn học song hành:
2. Mô tả môn học (Course description)
Môn học cung cấp các gói phầm mềm ứng dụng và thực hành viết code các mô hình tài chính cơ
bản nâng cao thuộc các kiểu dữ liệu trong tài chính. Thông qua môn học, sinh viên thể sử
dụng ngôn ngữ lập trình để phân tích dữ liệu, phân tích các vấn đề về giá tài và tính toán rủi ro tài
sản trên thị trường. Ngôn ngữ được sử dụng trong môn học là Python. Python là một trong những
ngôn ngữ hiện nay được áp dụng phổ biến tính toán trên nền dữ liệu lớn (big data) có tập hợp kiểu
đa dạng và phức tạp bởi lý do đây là ngôn ngữ lai tạp giữa thống kê, lập trình, truy vấn dữ liệu và
xử lý dữ liệu nên về thiêt kế nó thể lập trình được (gồm các hàm và biến), vừa có thể truy vấn
xử dữ liệu được (gồm bảng, vector, matrix), vừa thể vẽ đồ thị, hồi qui model lưu trữ
kết quả hồi qui (gồm các list, function).
3. Tài liệu học tập (Course books, reference books, and softwares) - Sách, giáo
trình chính:
[1]. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. McKinney, W.
(2012). NXB O'Reilly Media, Inc.
- Tài liệu tham khảo:
[2]. Financial Modelling in Python, S. Fletcher & C. Gardner, NXB Wiley.
[3]. Python for Finance: Mastering Data-Driven Finance. Yves Hilpisch (2019). NXB O'Reilly
Media
[4]. Python for Finance Cookbook. Eryk Lewinson (2020). NXB Packt
[5]. Python crash course: A hands-on, project-based introduction to programming. Matthes, E.
(2019). NXB Matthes.
lOMoARcPSD| 46348410
265
4. Mục tiêu môn học (Course goals)
Mục tiêu
[1]
Mô tả mục tiêu tổng quát
[2]
Trình độ
năng lực
[3]
Các CĐR được phân bổ cho
MH
[4]
G1
Cung cấp cho sinh viên các
kiến thức cơ bản nâng cao
về cách lập trình Python,
cách thức ứng dụng trong
việc phân tích dữ liệu,
hình trong tài chính, cách vẽ
biểu đồ theo từng nhu cầu
riêng biệt, viết code tối
ưu hiệu quả cho từng
hình tài chính
4
CĐR 1: Kiến thức
Kiến thức về khoa học máy tính, khoa học
dữ liệu (B)
B1. Có kiến thức về lập trình và sử dụng
phần mềm ứng dụng trong quản lý,
kinh doanh trong lĩnh vực tài chính.
G2
Giúp sinh viên trau dồi các
kỹ năng chuyên môn như kỹ
năng ứng dụng công nghệ;
các kỹ năng giao tiếp và làm
việc nhóm.
4
CĐR 2: Kỹ năng hoạt động nhóm, phân
tích đánh giá và giải quyết vấn đề
(G)
G1. Có kỹ năng hình thành và tổ chức
nhóm hiệu quả.
Kỹ năng áp dụng các kỹ thuật công nghệ
tài chính trong đổi mới tài chính, đặc biệt
trong lĩnh vực thanh toán, quyết định
đầu phát triển sản phẩm tài chính,
phân tích dữ liệu lớn tài chính, tài chính
internet, an ninh mạng và dữ liệu (H)
H1. Có kỹ năng áp dụng công nghệ tài
chính, phân tích dữ liệu lớn vào
quản lý và phát triển dịch vụ tài
chính, ngân hàng.
G3
Giúp cho sinh viên phát triển
phương pháp duy tự học
tự nghiên cứu những
code trong hệ thống Python
với những kiến thức đã học.
4
CĐR 3: Khả năng học tập suốt đời trong
môi trường hội nhập phát triển công
nghệ (J)
J1. Có kỹ năng học, tự học và nghiên
cứu.
J2. tinh thần ham học hỏi khả
năng sử dụng công nghệ mới
5. Chuẩn đầu ra môn học (Course learning outcomes)
lOMoARcPSD| 46348410
266
CĐR MH
[1]
Mức độ
giảng dạy
[3]
Ghi chú
LO1
I, T, U
LO2
I, T, U
LO3
I, T, U
LO4
I, T, U
LO5
U
I (Introduce): giới thiệu; T (Teach): dạy; U(Utilize): sử dụng
6. Đánh giá môn học (Course assessment)
Thành phần
đánh giá
[1]
Bài đánh giá (Ax.x)
[2]
CĐR môn học
(LOx)
[3]
Mục tiêu môn
học (Gx)
[4]
Tỷ lệ (%)
[4]
A1. Đánh giá
quá trình
A1.1. Bài cá nhân tại lớp: mỗi chương một
bài tập tính toán hoặc trả lời câu hỏi lý
thuyết.
A1.2. Bài tập thực hành nhóm: thực hiện bài
tập ứng dụng với dữ liệu thực tế sau đó
thuyết trình trước lớp về quá trình thực hiện
và kết quả thu được (khuyến khích trình bày
bằng tiếng anh).
LO1, LO2,
LO3, LO4,
LO5
LO3, LO4,
LO5
G1, G2, G3
30%
A2. Đánh giá
giữa kỳ
A2. Bài tập thực hành, ứng dụng ngôn ngữ
Python trong phân tích dữ liệu cơ bản, mô tả
và trực quan hóa dữ liệu.
LO1, LO2,
LO3, LO4
G1, G3
20%
A3. Đánh giá
cuối kỳ
A3. Bài thực hành kiểm tra kiến thức môn
học với nội dung nằm trong tất cả các
chương. Yêu cầu sinh viên nắm vững lý
thuyết, biết phân tích vấn đề và áp dụng tổng
hợp các kiến thức đã học.
LO1, LO2,
LO3, LO4
G1, G3
50%
7. Nội dung môn học
Chương 1: Tổng quan về python (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Thông tin chung, xu hướng phát triển, cộng đồng người dùng của ngôn ngữ lập trình
Python, từ đó tạo nền tảng kiến thức giúp sinh viên tiếp thu các vấn đề liên quan khác trong
môn học và ứng dụng.
lOMoARcPSD| 46348410
267
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Nắm được các thông tin tổng quan cơ bản về ngôn ngữ lập trình Python.
lOMoARcPSD| 46348410
-
268
khả năng cài đặt, ch hợp ngôn ngữ lập trình Python phần mềm hỗ trợ giao diện trên
máy tính cá nhân.
- Hiểu rõ các dạng tính toán cơ bản trong Python.
Nội dung cụ thể:
- Giới thiệu Python.
- Xu hướng phát triển của Python.
- Cài đặt và cấu hình Python.
- Python cơ bản:
o Biến số.
o Các dạng dữ liệu cơ bản: Tuple, List, Dictionary…
o Toán tử: số học, so sánh, gán, logic, thành viên… - Cấu
trúc điều kiện.
- Cấu trúc vòng lặp.
Chương 2: Các dạng dữ liệu cơ bản trong Python (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Giới thiệu lại toàn bộ các kiểu dữ liệu từ cấu trúc, bán cấu trúc phi cấu trúc những
đặc trưng của từng loại dữ liệu. Người phân tích cần biết các kiểu dữ liệu đầu vào để
dùng các thuật toán phân tích phù hợp và tối ưu hóa.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được các dạng dữ liệu khác nhau, tính chất và đặc trưng của từng dạng dữ liệu.
Nội dung cụ thể:
- Dữ liệu có cấu trúc:
o Dữ liệu chuỗi thời gian.
o Dữ liệu chéo. o Dữ
liệu bảng.
- Dữ liệu phi cấu trúc.
- Dữ liệu bán cấu trúc.
Chương 3: Thư viện Numpy (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Tính năng ứng dụng của thư viện Numpy trong xử dữ liệu dạng số học của Python,
ví dụ minh họa ứng dụng cần thiết làm nền tảng cho các chương tiếp theo.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được cấu trúc dữ liệu mảng trong Numpy.
lOMoARcPSD| 46348410
-
269
- Có khả năng ứng dụng, tính toán và thao tác trên dữ liệu mảng.
Nội dung cụ thể:
Giới thiệu Numpy.
- Mảng 1 chiều: khởi tạo, truy xuất, cập nhập và thao tác trên mảng một chiều.
- Mảng nhiều chiều: khởi tạo, truy xuất, cập nhập và thao tác trên mảng nhiều chiều.
- Chuyển đổi trong array.
Chương 4: Thư viện Pandas (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Cách thức nhập dữ liệu xử dữ liệu với dạng dữ liệu cấu trúc ứng dụng cao trong
lĩnh vực tài chính ngân hàng với thư viện Pandas, phân tích xử các loại dữ liệu,
tả và trực quan hóa dữ liệu.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được các dạng cấu trúc dữ liệu được cung cấp bởi thư viện Pandas.
- khả năng nhập dữ liệu, tính toán, thao tác trên dữ liệu với các hàm được cung cấp bởi
thư viện Pandas.
- khả năng trực quan hóa dữ liệu bằng các hàm vẽ biểu đồ đơn giản được cung cấp bởi
thư viện Pandas.
Nội dung cụ thể:
- Giới thiệu Pandas.
- Cấu trúc dữ liệu trong Pandas:
o Series: khởi tạo, thao tác trên Series.
o DataFrame: khởi tạo, thao tác và nhập dữ liệu với DataFrame.
- Làm việc với dữ liệu rỗng:
o Kiểm tra dữ liệu rỗng. o
Xử lý dữ liệu rỗng.
- Trực quan hóa dữ liệu.
Chương 5: Trực quan hóa dữ liệu (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Trực quan hóa đơn biến đa biến, phù hợp tả dữ liệu các hình hồi quy tuyến
tính và xử lý trên nhiều loại dữ liệu. Giúp người học hiểu rõ hơn tính cần thiết, tiện ích và
các ứng dụng Python trong mô phỏng, mô tả và phân tích định tính trong kinh tế, tài chính
và kinh doanh.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Có khả năng vẽ các dạng biểu đồ mô tả, thể hiện quan hệ giữa các biến số bằng ứng dụng
của các hàm được cung cấp bởi thư viện Matplotlib và Seaborn.
lOMoARcPSD| 46348410
-
270
Nội dung cụ thể:
- Các biểu đồ thông dụng với Matplotlib.
- Các biểu đồ thông dụng với Seaborn.
Cấu trúc biểu đồ dạng lưới với Seaborn.
Chương 6: Phân tích dữ liệu chuỗi thời gian (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Giới thiệu một số lỗi đặc trưng của dữ liệu chuỗi thời gian như hiện tượng tự tương quan
dữ liệu không dừng; dẫn đến làm các ước lượng không chuẩn đối với các hình chuỗi
thời gian các cách xử lý. Ứng dụng hình ARIMA và Auto-ARIMA hình đặc
trưng nhất trong dự báo giá hay tỷ suất lợi nhuận của một tài sản trong tài chính và các câu
lệnh ứng dụng của Python để đánh giá hiệu quả của dự án như NPV, IRR.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Ứng dụng Python trong phân dữ liệu chuỗi thời gian, kiệm định khắc phục các lỗi
trường gặp với dữ liệu chuỗi thời gian.
- Ứng dụng trong mô hình ARIMA.
- Ứng dụng trong bài toán giá trị thời gian của tiền với NPV, IRR.
Nội dung cụ thể:
- Phân rã dữ liệu chuỗi thời gian.
- Kiểm định tính dừng.
- Kiểm định tự tương quan.
- Ứng dụng mô hình ARIMA.
- Giá trị thời gian của tiền với Python.
- Giá trị hiện tại thuần (NPV).
- Tỷ suất hoàn vốn nội bộ (IRR).
Chương 7: Mô hình định giá tài sản và ứng dụng trong dữ liệu bảng (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Phương pháp ứng dụng các hình định giá tài sản ứng dụng cho dữ liệu bảng trong
lĩnh vực tài chính ngân hang như CAPM, FAMA-FRENCH, mô hình hồi quy đa biến OLS,
FEM, REM với Python.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Ứng dụng mô hình CAPM, FAMA-FRENCH, mô hình hồi quy đa biến OLS, FEM, REM
với Python.
Nội dung cụ thể:
- Ứng dụng mô hình CAPM với Python.
- Ứng dụng mô hình FAMA-FRENCH với Python.
lOMoARcPSD| 46348410
-
271
- Ứng dụng mô hình hồi quy tuyến tính đa biến OLS, FEM, REM với Python.
Chương 8: Mô hình phân tích biến động (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Hiểu được phương pháp ứng dụng các hình phân tích biến động, đánh giá rủi ro như
ARCH, GARCH với Python. Làm nền tảng cho người học nghiên cứu các mô hình mở
lOMoARcPSD| 46348410
272
rộng cũng như phương pháp mô phỏng MC để đánh giá rủi ro của cổ phiếu. Trên nền tảng
đó, người học thể mở rộng ứng dụng sang đánh giá rủi ro của dự án, các tài sản khác
bằng Python.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Có khảng ứng dụng mô hình ARCH, GARCH với Python ứng dụng phương pháp phỏng
Monte-Carlo với Python.
Nội dung cụ thể:
- Ứng dụng mô hình ARCH với Python.
- Ứng dụng mô hình GARCH với Python.
- Mô phỏng Monte- Carlo theo ước lượng GBM.
- Dự báo giá cổ phiếu với phương pháp mô phỏng Monte-Carlo.
Chương 9: Ứng dụng Python trong máy học (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
Tuần/
Buổi
học (1)
Nôi dung
(2)
CĐR
Hoat đông dạy và
Bài
h
môn
học
(3)
học
(4)
đán
giá
(5)
1
Giới thiệu môn học
Tổ chức học và cách đánh giá SV
Chương 1: Tổng quan về python
- Giới thiệu Python.
- Xu hướng phát triển của Python.
LO1
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
A1.1,
A2,
A3
lOMoARcPSD| 46348410
273
- Giới thiệu cơ bản về máy học (Machine Learning – ML), và một vài ứng dụng cơ bản được xử lý
trên nền Python, là kiến thức nền tảng để tiếp cận ML và các ứng dụng cao cấp hơn về sau.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Nắm được thông tin tổng quan về máy học và phương pháp phân tích dữ liệu theo hướng tiếp cận
máy học, ứng dụng cơ bản trong bài toán hồi quy tuyến tính và phi tuyến đơn giản.
Nội dung cụ thể:
- Giới thiệu về máy học.
- Ứng dụng hồi quy tuyến tính với hướng tiếp cận máy học.
- Ứng dụng hồi quy phi tuyến với hướng tiếp cận máy học.
8. Kế hoạch giảng dạy chi tiết (Course content & teaching plan):
Lý thuyết – tại lớp
- Python cơ bản:
o Biến số.
o Các dạng dữ liệu cơ
bản: Tuple, List, Dictionary… o
Toán tử: số học, so sánh, gán, logic,
thành viên… - Cấu trúc điều kiện.
- Cấu trúc vòng lặp.
Học ở nhà: đọc
tài liệu, làm bài
tập.
2
Chương 2: Các dạng dữ liệu cơ bản trong
Python
- Dữ liệu có cấu trúc: o Dữ liệu chuỗi
thời gian. o Dữ liệu chéo. o Dữ liệu
bảng.
- Dữ liệu phi cấu trúc.
- Dữ liệu bán cấu trúc.
LO2,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A2,
A3
- Cài đặt và cấu hình Python.
hỏi, ứng dụng
thực hành.
lOMoARcPSD| 46348410
274
3
Chương 3: Thư viện Numpy -
Giới thiệu Numpy.
- Mảng 1 chiều: khởi tạo, truy xuất,
cập nhập và thao tác trên mảng một
chiều.
- Mảng nhiều chiều: khởi tạo, truy
xuất, cập nhập và thao tác trên mảng
nhiều chiều.
- Chuyển đổi trong array.
LO2,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A2,
A3
4-5
Chương 4: Thư viện Pandas -
Giới thiệu Pandas.
- Cấu trúc dữ liệu trong Pandas: o
Series: khởi tạo, thao tác trên Series.
o DataFrame: khởi tạo, thao tác
và nhập dữ liệu với
DataFrame.
- Làm việc với dữ liệu rỗng: o Kiểm
tra dữ liệu rỗng. o Xử lý dữ liệu
rỗng.
- Trực quan hóa dữ liệu.
LO2,
LO3,
LO5
A1.1,
A1.2,
A2,
A3
6-7
Chương 5: Trực quan hóa dữ liệu
- Các biểu đồ thông dụng với
Matplotlib.
- Các biểu đồ thông dụng với Seaborn.
- Cấu trúc biểu đồ dạng lưới với
LO2,
LO3,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành.
A1.1,
A1.2,
A2,
A3
Seaborn.
Học ở nhà: đọc
tài liệu, làm bài
tập.
8
Thi giữa kỳ
lOMoARcPSD| 46348410
275
9-10
Chương 6: Phân tích dữ liệu chuỗi thời
gian
- Phân rã dữ liệu chuỗi thời gian.
- Kiểm định tính dừng.
- Kiểm định tự tương quan.
- Ứng dụng mô hình ARIMA.
- Giá trị thời gian của tiền với Python.
- Giá trị hiện tại thuần (NPV).
- Tỷ suất hoàn vốn nội bộ (IRR).
LO3,
LO4,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A1.2,
A3
11-12
Chương 7: Mô hình định giá tài sản và
ứng dụng trong dữ liệu bảng
- Ứng dụng mô hình CAPM với
Python.
- Ứng dụng mô hình FAMA-FRENCH
với Python.
Ứng dụng mô hình hồi quy tuyến tính đa
biến OLS, FEM, REM với Python.
LO3,
LO4,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A1.2,
A3
13-14
Chương 8: Mô hình phân tích biến động
- Ứng dụng mô hình ARCH với
Python.
- Ứng dụng mô hình GARCH với
Python.
- Mô phỏng Monte- Carlo theo ước
lượng GBM.
- Dự báo giá cổ phiếu với phương pháp
mô phỏng Monte-Carlo.
LO3,
LO4,
LO5
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A1.2,
A3
15
Chương 9: Ứng dụng Python trong máy
học
- Giới thiệu về máy học.
- Ứng dụng hồi quy tuyến tính với
hướng tiếp cận máy học.
- Ứng dụng hồi quy phi tuyến với
hướng tiếp cận máy học.
LO4
Dạy: giảng, đặt
câu hỏi, nêu vấn
đề, giải đáp. Học:
nghe giảng, thảo
luận, trả lời câu
hỏi, ứng dụng
thực hành. Học ở
nhà: đọc tài liệu,
làm bài tập.
A1.1,
A3
9. Quy định của môn học (Course requirements and expectations)
a. Lên lớp đủ thời gian quy định theo Quy chế đào tạo: vắng mặt quá 20% số giờ giảng
sinh viên sẽ bị cấm thi cuối kỳ.
b. Hoàn thành tất cả các bài tập theo nhóm và bài tập cá nhân. Điểm quá trình được chia
bình quân cho tổng số bài GV cho chỉ nh cho bài nộp đúng hạn (Những bài không
nộp đúng hạn tính điểm 0)
lOMoARcPSD| 46348410
276
c. Đọc tài liệu tham khảo bắt buộc theo yêu cầu của giảng viên: Giảng viên sẽ kiểm tra
bằng cách gọi tên ngẫu nhiên yêu cầu trình bày một số nội dung trong bài đọc, đề thi
giữa kỳ và cuối kỳ sẽ bao gồm những nội dung yêu cầu đọc thêm.
d. Tham dự kiểm tra giữa kỳ và kỳ thi cuối kỳ:
i. Giữa kỳ: Trong trường hợp bất khả kháng, sinh viên không tham dự kiểm tra
giữa kỳ sẽ được giảng viên bố trí thời gian kiểm tra bổ sung.
ii. Cuối kỳ: Thực hiện theo quy chế đào tạo của Trường
e. Thực hiện các hoạt động học tập khác do giảng viên yêu cầu.
10. Bộ phận và giảng viên phụ trách môn học
- Khoa - Bộ môn phụ trách môn học: Khoa Tài chính - Ngân hàng
- Giảng viên phụ trách môn học: các giảng viên Khoa Tài chính – Ngân hàng
Địa chỉ văn phòng: Phòng A301 – Tòa nhà Điều hành và học tập Trường ĐH Kinh tế - Luật
Email gv: thanhnp@uel.edu.vn
Tp. Hồ Chí Minh, ngày tháng năm 2021
TRƯỞNG BỘ MÔN TRƯỞNG KHOA CB PHỤ TRÁCH LẬP ĐỀ CƯƠNG
(Ký ghi rõ họ tên) (Ký ghi rõ họ tên) (Ký ghi rõ họ tên)
TS Nguyễn Anh Phong TS Nguyễn Anh Phong ThS Ngô Phú Thanh
| 1/13

Preview text:

lOMoAR cPSD| 46348410
TRƯỜNG ĐẠI HỌC KINH TẾ - LUẬT
KHOA TÀI CHÍNH – NGÂN HÀNG
ĐỀ CƯƠNG CHI TIẾT MÔN HỌC TRÌNH ĐỘ ĐẠI HỌC
1. Thông tin tổng quát (General information)
- Tên môn học tiếng Việt
Gói phần mềm ứng dụng trong tài chính 2 - Tên môn học tiếng Anh Program backage for finance 2 - Mã số môn học:
- Thuộc khối kiến thức: Kiến thức chuyên ngành - Số tín chỉ: 03
- Số tiết lý thuyết/ số buổi: 45
- Số tiết thực hành/ số buổi: - Môn học tiên quyết:
Quản trị tài chính, Kinh tế lượng - Môn học song hành:
2. Mô tả môn học (Course description)
Môn học cung cấp các gói phầm mềm ứng dụng và thực hành viết code các mô hình tài chính cơ
bản và nâng cao thuộc các kiểu dữ liệu trong tài chính. Thông qua môn học, sinh viên có thể sử
dụng ngôn ngữ lập trình để phân tích dữ liệu, phân tích các vấn đề về giá tài và tính toán rủi ro tài
sản trên thị trường. Ngôn ngữ được sử dụng trong môn học là Python. Python là một trong những
ngôn ngữ hiện nay được áp dụng phổ biến tính toán trên nền dữ liệu lớn (big data) có tập hợp kiểu
đa dạng và phức tạp bởi lý do đây là ngôn ngữ lai tạp giữa thống kê, lập trình, truy vấn dữ liệu và
xử lý dữ liệu nên về thiêt kế nó có thể lập trình được (gồm các hàm và biến), vừa có thể truy vấn
và xử lý dữ liệu được (gồm bảng, vector, matrix), vừa có thể vẽ đồ thị, hồi qui model và lưu trữ
kết quả hồi qui (gồm các list, function).
3. Tài liệu học tập (Course books, reference books, and softwares) - Sách, giáo trình chính:
[1]. Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. McKinney, W.
(2012). NXB O'Reilly Media, Inc.
- Tài liệu tham khảo:
[2]. Financial Modelling in Python, S. Fletcher & C. Gardner, NXB Wiley.
[3]. Python for Finance: Mastering Data-Driven Finance. Yves Hilpisch (2019). NXB O'Reilly Media
[4]. Python for Finance Cookbook. Eryk Lewinson (2020). NXB Packt
[5]. Python crash course: A hands-on, project-based introduction to programming. Matthes, E. (2019). NXB Matthes. 264 lOMoAR cPSD| 46348410
4. Mục tiêu môn học (Course goals)
Trình độ Các CĐR được phân bổ cho Mục tiêu
Mô tả mục tiêu tổng quát MH [1] [2] năng lực [3] [4] G1
Cung cấp cho sinh viên các 4 CĐR 1: Kiến thức
kiến thức cơ bản và nâng cao
Kiến thức về khoa học máy tính, khoa học
về cách lập trình Python, dữ liệu (B)
cách thức ứng dụng trong
B1. Có kiến thức về lập trình và sử dụng
việc phân tích dữ liệu, mô
phần mềm ứng dụng trong quản lý,
hình trong tài chính, cách vẽ
kinh doanh trong lĩnh vực tài chính.
biểu đồ theo từng nhu cầu
riêng biệt, viết mã code tối
ưu và hiệu quả cho từng mô hình tài chính G2
Giúp sinh viên trau dồi các 4
CĐR 2: Kỹ năng hoạt động nhóm, phân
kỹ năng chuyên môn như kỹ
tích đánh giá và giải quyết vấn đề
năng ứng dụng công nghệ; (G)
các kỹ năng giao tiếp và làm
G1. Có kỹ năng hình thành và tổ chức việc nhóm. nhóm hiệu quả.
Kỹ năng áp dụng các kỹ thuật công nghệ
tài chính trong đổi mới tài chính, đặc biệt
là trong lĩnh vực thanh toán, quyết định
đầu tư và phát triển sản phẩm tài chính,
phân tích dữ liệu lớn tài chính, tài chính
internet, an ninh mạng và dữ liệu (H)

H1. Có kỹ năng áp dụng công nghệ tài
chính, phân tích dữ liệu lớn vào
quản lý và phát triển dịch vụ tài chính, ngân hàng. G3
Giúp cho sinh viên phát triển 4
CĐR 3: Khả năng học tập suốt đời trong
phương pháp tư duy tự học
môi trường hội nhập và phát triển công
tự nghiên cứu những mã nghệ (J)
code trong hệ thống Python
với những kiến thức đã học.
J1. Có kỹ năng học, tự học và nghiên cứu.
J2. Có tinh thần ham học hỏi và có khả
năng sử dụng công nghệ mới
5. Chuẩn đầu ra môn học (Course learning outcomes) 265 lOMoAR cPSD| 46348410 Mức độ Ghi chú CĐR MH
Mô tả CĐR (mục tiêu cụ thể) [2] giảng dạy [1] [3]
Có khả năng ứng dụng và thao tác cơ bản trên I, T, U LO1
ngôn ngữ Python trong việc xử lý dữ liệu.
Hiểu được đặc trưng của các dạng dữ liệu và I, T, U LO2
phương pháp xử lý cơ bản.
Hiểu được các vấn đề ứng dụng nâng cao Python I, T, U LO3
trong phân tích dữ liệu tài chính ngân hang.
Hiểu được các ứng dụng của Python trong phân I, T, U LO4
tích các mô hình giản đơn và phức tạp.
Có khả năng làm việc nhóm một cách hiệu quả U LO5
thông qua các bài tập nhóm và thuyết trình.
I (Introduce): giới thiệu; T (Teach): dạy; U(Utilize): sử dụng
6. Đánh giá môn học (Course assessment) Thành phần
CĐR môn học Mục tiêu môn
Bài đánh giá (Ax.x) Tỷ lệ (%) đánh giá (LOx) học (Gx) [2] [4] [1] [3] [4] A1. Đánh giá
A1.1. Bài cá nhân tại lớp: mỗi chương một LO1, LO2, G1, G2, G3 30% quá trình
bài tập tính toán hoặc trả lời câu hỏi lý LO3, LO4, thuyết. LO5
A1.2. Bài tập thực hành nhóm: thực hiện bài
tập ứng dụng với dữ liệu thực tế sau đó LO3, LO4,
thuyết trình trước lớp về quá trình thực hiện LO5
và kết quả thu được (khuyến khích trình bày bằng tiếng anh). A2. Đánh giá
A2. Bài tập thực hành, ứng dụng ngôn ngữ LO1, LO2, G1, G3 20% giữa kỳ
Python trong phân tích dữ liệu cơ bản, mô tả LO3, LO4
và trực quan hóa dữ liệu. A3. Đánh giá
A3. Bài thực hành kiểm tra kiến thức môn LO1, LO2, G1, G3 50% cuối kỳ
học với nội dung nằm trong tất cả các LO3, LO4
chương. Yêu cầu sinh viên nắm vững lý
thuyết, biết phân tích vấn đề và áp dụng tổng
hợp các kiến thức đã học.
7. Nội dung môn học
Chương 1: Tổng quan về python (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Thông tin chung, xu hướng phát triển, cộng đồng người dùng của ngôn ngữ lập trình
Python, từ đó tạo nền tảng kiến thức giúp sinh viên tiếp thu các vấn đề liên quan khác trong môn học và ứng dụng. 266 lOMoAR cPSD| 46348410
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Nắm được các thông tin tổng quan cơ bản về ngôn ngữ lập trình Python. 267 lOMoAR cPSD| 46348410 -
Có khả năng cài đặt, tích hợp ngôn ngữ lập trình Python và phần mềm hỗ trợ giao diện trên máy tính cá nhân.
- Hiểu rõ các dạng tính toán cơ bản trong Python. Nội dung cụ thể: - Giới thiệu Python.
- Xu hướng phát triển của Python.
- Cài đặt và cấu hình Python. - Python cơ bản: o Biến số. o
Các dạng dữ liệu cơ bản: Tuple, List, Dictionary…
o Toán tử: số học, so sánh, gán, logic, thành viên… - Cấu trúc điều kiện. - Cấu trúc vòng lặp.
Chương 2: Các dạng dữ liệu cơ bản trong Python (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Giới thiệu lại toàn bộ các kiểu dữ liệu từ cấu trúc, bán cấu trúc và phi cấu trúc và những
đặc trưng của từng loại dữ liệu. Người phân tích cần biết rõ các kiểu dữ liệu đầu vào để
dùng các thuật toán phân tích phù hợp và tối ưu hóa.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được các dạng dữ liệu khác nhau, tính chất và đặc trưng của từng dạng dữ liệu. Nội dung cụ thể:
- Dữ liệu có cấu trúc:
o Dữ liệu chuỗi thời gian. o Dữ liệu chéo. o Dữ liệu bảng.
- Dữ liệu phi cấu trúc.
- Dữ liệu bán cấu trúc.
Chương 3: Thư viện Numpy (3 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Tính năng và ứng dụng của thư viện Numpy trong xử lý dữ liệu dạng số học của Python,
ví dụ minh họa ứng dụng cần thiết làm nền tảng cho các chương tiếp theo.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được cấu trúc dữ liệu mảng trong Numpy. 268 lOMoAR cPSD| 46348410 -
- Có khả năng ứng dụng, tính toán và thao tác trên dữ liệu mảng. Nội dung cụ thể: Giới thiệu Numpy.
- Mảng 1 chiều: khởi tạo, truy xuất, cập nhập và thao tác trên mảng một chiều.
- Mảng nhiều chiều: khởi tạo, truy xuất, cập nhập và thao tác trên mảng nhiều chiều.
- Chuyển đổi trong array.
Chương 4: Thư viện Pandas (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Cách thức nhập dữ liệu và xử lý dữ liệu với dạng dữ liệu có cấu trúc ứng dụng cao trong
lĩnh vực tài chính ngân hàng với thư viện Pandas, phân tích và xử lý các loại dữ liệu, mô
tả và trực quan hóa dữ liệu.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Hiểu được các dạng cấu trúc dữ liệu được cung cấp bởi thư viện Pandas.
- Có khả năng nhập dữ liệu, tính toán, thao tác trên dữ liệu với các hàm được cung cấp bởi thư viện Pandas.
- Có khả năng trực quan hóa dữ liệu bằng các hàm vẽ biểu đồ đơn giản được cung cấp bởi thư viện Pandas. Nội dung cụ thể: - Giới thiệu Pandas.
- Cấu trúc dữ liệu trong Pandas:
o Series: khởi tạo, thao tác trên Series.
o DataFrame: khởi tạo, thao tác và nhập dữ liệu với DataFrame.
- Làm việc với dữ liệu rỗng:
o Kiểm tra dữ liệu rỗng. o Xử lý dữ liệu rỗng.
- Trực quan hóa dữ liệu.
Chương 5: Trực quan hóa dữ liệu (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Trực quan hóa đơn biến và đa biến, phù hợp mô tả dữ liệu ở các mô hình hồi quy tuyến
tính và xử lý trên nhiều loại dữ liệu. Giúp người học hiểu rõ hơn tính cần thiết, tiện ích và
các ứng dụng Python trong mô phỏng, mô tả và phân tích định tính trong kinh tế, tài chính và kinh doanh.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Có khả năng vẽ các dạng biểu đồ mô tả, thể hiện quan hệ giữa các biến số bằng ứng dụng
của các hàm được cung cấp bởi thư viện Matplotlib và Seaborn. 269 lOMoAR cPSD| 46348410 - Nội dung cụ thể:
- Các biểu đồ thông dụng với Matplotlib.
- Các biểu đồ thông dụng với Seaborn.
Cấu trúc biểu đồ dạng lưới với Seaborn.
Chương 6: Phân tích dữ liệu chuỗi thời gian (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Giới thiệu một số lỗi đặc trưng của dữ liệu chuỗi thời gian như hiện tượng tự tương quan
và dữ liệu không dừng; dẫn đến làm các ước lượng không chuẩn đối với các mô hình chuỗi
thời gian và các cách xử lý. Ứng dụng mô hình ARIMA và Auto-ARIMA là mô hình đặc
trưng nhất trong dự báo giá hay tỷ suất lợi nhuận của một tài sản trong tài chính và các câu
lệnh ứng dụng của Python để đánh giá hiệu quả của dự án như NPV, IRR.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Ứng dụng Python trong phân rã dữ liệu chuỗi thời gian, kiệm định và khắc phục các lỗi
trường gặp với dữ liệu chuỗi thời gian.
- Ứng dụng trong mô hình ARIMA.
- Ứng dụng trong bài toán giá trị thời gian của tiền với NPV, IRR. Nội dung cụ thể:
- Phân rã dữ liệu chuỗi thời gian.
- Kiểm định tính dừng.
- Kiểm định tự tương quan.
- Ứng dụng mô hình ARIMA.
- Giá trị thời gian của tiền với Python.
- Giá trị hiện tại thuần (NPV).
- Tỷ suất hoàn vốn nội bộ (IRR).
Chương 7: Mô hình định giá tài sản và ứng dụng trong dữ liệu bảng (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Phương pháp ứng dụng các mô hình định giá tài sản và ứng dụng cho dữ liệu bảng trong
lĩnh vực tài chính ngân hang như CAPM, FAMA-FRENCH, mô hình hồi quy đa biến OLS, FEM, REM với Python.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Ứng dụng mô hình CAPM, FAMA-FRENCH, mô hình hồi quy đa biến OLS, FEM, REM với Python. Nội dung cụ thể:
- Ứng dụng mô hình CAPM với Python.
- Ứng dụng mô hình FAMA-FRENCH với Python. 270 lOMoAR cPSD| 46348410 -
- Ứng dụng mô hình hồi quy tuyến tính đa biến OLS, FEM, REM với Python.
Chương 8: Mô hình phân tích biến động (6 tiết)
Mục tiêu: Giúp sinh viên nắm được:
- Hiểu được phương pháp ứng dụng các mô hình phân tích biến động, đánh giá rủi ro như
ARCH, GARCH với Python. Làm nền tảng cho người học nghiên cứu các mô hình mở 271 lOMoAR cPSD| 46348410
rộng cũng như phương pháp mô phỏng MC để đánh giá rủi ro của cổ phiếu. Trên nền tảng
đó, người học có thể mở rộng ứng dụng sang đánh giá rủi ro của dự án, các tài sản khác bằng Python.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Có khả năng ứng dụng mô hình ARCH, GARCH với Python và ứng dụng phương pháp mô phỏng Monte-Carlo với Python. Nội dung cụ thể:
- Ứng dụng mô hình ARCH với Python.
- Ứng dụng mô hình GARCH với Python.
- Mô phỏng Monte- Carlo theo ước lượng GBM.
- Dự báo giá cổ phiếu với phương pháp mô phỏng Monte-Carlo.
Chương 9: Ứng dụng Python trong máy học (3 tiết)
Mục tiêu: Giúp sinh viên nắm được: Tuần/ Nôi dung
CĐR Hoat đông dạy và Bài h Buổi (2) môn học đán học (1) học (4) giá (3) (5) 1 Giới thiệu môn học
LO1 Dạy: giảng, đặt A1.1,
Tổ chức học và cách đánh giá SV câu hỏi, nêu vấn A2,
đề, giải đáp. Học: A3
Chương 1: Tổng quan về python nghe giảng, thảo - Giới thiệu Python. luận, trả lời câu
- Xu hướng phát triển của Python. 272 lOMoAR cPSD| 46348410
- Cài đặt và cấu hình Python. hỏi, ứng dụng thực hành.
- Giới thiệu cơ bản về máy học (Machine Learning – ML), và một vài ứng dụng cơ bản được xử lý
trên nền Python, là kiến thức nền tảng để tiếp cận ML và các ứng dụng cao cấp hơn về sau.
Kết quả dự kiến: Sau khi hoàn thành bài học sinh viên có thể:
- Nắm được thông tin tổng quan về máy học và phương pháp phân tích dữ liệu theo hướng tiếp cận
máy học, ứng dụng cơ bản trong bài toán hồi quy tuyến tính và phi tuyến đơn giản. Nội dung cụ thể:
- Giới thiệu về máy học.
- Ứng dụng hồi quy tuyến tính với hướng tiếp cận máy học.
- Ứng dụng hồi quy phi tuyến với hướng tiếp cận máy học.
8. Kế hoạch giảng dạy chi tiết (Course content & teaching plan):
Lý thuyết – tại lớp - Python cơ bản: Học ở nhà: đọc o Biến số. tài liệu, làm bài o Các dạng dữ liệu cơ tập.
bản: Tuple, List, Dictionary… o
Toán tử: số học, so sánh, gán, logic,
thành viên… - Cấu trúc điều kiện. - Cấu trúc vòng lặp. 2
Chương 2: Các dạng dữ liệu cơ bản trong LO2, Dạy: giảng, đặt A1.1, Python LO5 câu hỏi, nêu vấn A2,
- Dữ liệu có cấu trúc: o Dữ liệu chuỗi
đề, giải đáp. Học: A3
thời gian. o Dữ liệu chéo. o Dữ liệu nghe giảng, thảo bảng. luận, trả lời câu
- Dữ liệu phi cấu trúc. hỏi, ứng dụng
- Dữ liệu bán cấu trúc. thực hành. Học ở nhà: đọc tài liệu, làm bài tập. 273 lOMoAR cPSD| 46348410 3
Chương 3: Thư viện Numpy - LO2, Dạy: giảng, đặt A1.1, Giới thiệu Numpy. LO5 câu hỏi, nêu vấn A2,
- Mảng 1 chiều: khởi tạo, truy xuất,
đề, giải đáp. Học: A3
cập nhập và thao tác trên mảng một nghe giảng, thảo chiều. luận, trả lời câu
- Mảng nhiều chiều: khởi tạo, truy hỏi, ứng dụng
xuất, cập nhập và thao tác trên mảng thực hành. Học ở nhiều chiều. - nhà: đọc tài liệu, Chuyển đổi trong array. làm bài tập. 4-5
Chương 4: Thư viện Pandas - LO2, A1.1, Giới thiệu Pandas. LO3, A1.2,
- Cấu trúc dữ liệu trong Pandas: o LO5 A2,
Series: khởi tạo, thao tác trên Series. A3
o DataFrame: khởi tạo, thao tác và nhập dữ liệu với DataFrame.
- Làm việc với dữ liệu rỗng: o Kiểm
tra dữ liệu rỗng. o Xử lý dữ liệu rỗng.
- Trực quan hóa dữ liệu. 6-7
Chương 5: Trực quan hóa dữ liệu LO2, Dạy: giảng, đặt A1.1,
- Các biểu đồ thông dụng với LO3, câu hỏi, nêu vấn A1.2, Matplotlib. LO5
đề, giải đáp. Học: A2,
- Các biểu đồ thông dụng với Seaborn. nghe giảng, thảo A3 -
Cấu trúc biểu đồ dạng lưới với luận, trả lời câu hỏi, ứng dụng thực hành. Seaborn. Học ở nhà: đọc tài liệu, làm bài tập. 8 Thi giữa kỳ 274 lOMoAR cPSD| 46348410 9-10
Chương 6: Phân tích dữ liệu chuỗi thời LO3, Dạy: giảng, đặt A1.1, gian LO4, câu hỏi, nêu vấn A1.2,
- Phân rã dữ liệu chuỗi thời gian. LO5
đề, giải đáp. Học: A3
- Kiểm định tính dừng. nghe giảng, thảo
- Kiểm định tự tương quan. luận, trả lời câu
- Ứng dụng mô hình ARIMA. hỏi, ứng dụng
- Giá trị thời gian của tiền với Python. thực hành. Học ở
- Giá trị hiện tại thuần (NPV). nhà: đọc tài liệu,
- Tỷ suất hoàn vốn nội bộ (IRR). làm bài tập. 11-12
Chương 7: Mô hình định giá tài sản và LO3, Dạy: giảng, đặt A1.1,
ứng dụng trong dữ liệu bảng LO4, câu hỏi, nêu vấn A1.2,
- Ứng dụng mô hình CAPM với
LO5 đề, giải đáp. Học: A3 Python. nghe giảng, thảo
- Ứng dụng mô hình FAMA-FRENCH luận, trả lời câu với Python. hỏi, ứng dụng
Ứng dụng mô hình hồi quy tuyến tính đa thực hành. Học ở
biến OLS, FEM, REM với Python. nhà: đọc tài liệu, làm bài tập. 13-14
Chương 8: Mô hình phân tích biến động LO3, Dạy: giảng, đặt A1.1,
- Ứng dụng mô hình ARCH với LO4, câu hỏi, nêu vấn A1.2, Python.
LO5 đề, giải đáp. Học: A3
- Ứng dụng mô hình GARCH với nghe giảng, thảo Python. luận, trả lời câu
- Mô phỏng Monte- Carlo theo ước hỏi, ứng dụng lượng GBM. thực hành. Học ở
- Dự báo giá cổ phiếu với phương pháp nhà: đọc tài liệu, mô phỏng Monte-Carlo. làm bài tập. 15
Chương 9: Ứng dụng Python trong máy LO4 Dạy: giảng, đặt A1.1, học câu hỏi, nêu vấn A3
- Giới thiệu về máy học. đề, giải đáp. Học:
- Ứng dụng hồi quy tuyến tính với nghe giảng, thảo
hướng tiếp cận máy học. luận, trả lời câu - hỏi, ứng dụng
Ứng dụng hồi quy phi tuyến với thực hành. Học ở
hướng tiếp cận máy học. nhà: đọc tài liệu, làm bài tập.
9. Quy định của môn học (Course requirements and expectations)
a. Lên lớp đủ thời gian quy định theo Quy chế đào tạo: vắng mặt quá 20% số giờ giảng
sinh viên sẽ bị cấm thi cuối kỳ.
b. Hoàn thành tất cả các bài tập theo nhóm và bài tập cá nhân. Điểm quá trình được chia
bình quân cho tổng số bài GV cho và chỉ tính cho bài nộp đúng hạn (Những bài không
nộp đúng hạn tính điểm 0) 275 lOMoAR cPSD| 46348410
c. Đọc tài liệu tham khảo bắt buộc theo yêu cầu của giảng viên: Giảng viên sẽ kiểm tra
bằng cách gọi tên ngẫu nhiên yêu cầu trình bày một số nội dung trong bài đọc, đề thi
giữa kỳ và cuối kỳ sẽ bao gồm những nội dung yêu cầu đọc thêm.
d. Tham dự kiểm tra giữa kỳ và kỳ thi cuối kỳ:
i. Giữa kỳ: Trong trường hợp bất khả kháng, sinh viên không tham dự kiểm tra
giữa kỳ sẽ được giảng viên bố trí thời gian kiểm tra bổ sung.
ii. Cuối kỳ: Thực hiện theo quy chế đào tạo của Trường
e. Thực hiện các hoạt động học tập khác do giảng viên yêu cầu.
10. Bộ phận và giảng viên phụ trách môn học
- Khoa - Bộ môn phụ trách môn học:
Khoa Tài chính - Ngân hàng
- Giảng viên phụ trách môn học: các giảng viên Khoa Tài chính – Ngân hàng
Địa chỉ văn phòng: Phòng A301 – Tòa nhà Điều hành và học tập Trường ĐH Kinh tế - Luật Email gv: thanhnp@uel.edu.vn
Tp. Hồ Chí Minh, ngày tháng năm 2021 TRƯỞNG BỘ MÔN TRƯỞNG KHOA
CB PHỤ TRÁCH LẬP ĐỀ CƯƠNG
(Ký ghi rõ họ tên)
(Ký ghi rõ họ tên)
(Ký ghi rõ họ tên)
TS Nguyễn Anh Phong TS Nguyễn Anh Phong ThS Ngô Phú Thanh 276