01
课程导论与监管背景
金融监管报告的意义、常见监管机构（如SEC、央行）要求、数据可视化在合规中的作用。
监管导论
02
Python环境与工具链
Anaconda安装、Jupyter Notebook配置、Pandas/Matplotlib/Plotly库介绍。
环境工具
03
Pandas基础
Series与DataFrame创建、数据读取（CSV/Excel）、数据概览（head/info/describe）。
Pandas入门
04
数据清洗实战
处理缺失值、重复值、异常值，数据类型转换。
清洗预处理
05
数据规整与聚合
groupby分组聚合、pivot_table透视表、merge数据合并。
聚合规整
06
时间序列数据处理
日期解析、重采样、滚动窗口计算。
时间序列重采样
07
Matplotlib核心API
Figure与Axes、线图、柱状图、散点图基础绘制。
Matplotlib基础
08
图表美化与样式
颜色、字体、网格、图例、标题定制，Seaborn风格应用。
美化Seaborn
09
金融时间序列可视化
K线图绘制（mplfinance）、移动平均线叠加。
K线均线
10
风险指标可视化
波动率（Volatility）、最大回撤（Max Drawdown）图表制作。
风险回撤
11
投资组合可视化
资产配置饼图、收益分布直方图、相关性热力图。
组合热力图
12
监管报表自动化
使用Pandas生成汇总统计表，导出为Excel格式。
报表自动化
13
交互式可视化入门
Plotly Express基础，散点图、线图、柱状图交互。
Plotly交互
14
Plotly高级图表
面积图、箱线图、小提琴图在监管分析中的应用。
高级统计
15
动态仪表盘
使用Plotly Dash搭建简单的监管数据看板。
Dash看板
16
数据故事与叙事
如何用图表讲述监管合规故事，避免误导性可视化。
叙事合规
17
异常交易检测可视化
基于规则和统计的异常点高亮图表。
异常检测
18
流动性风险可视化
买卖价差、交易量分布、订单簿深度图。
流动性订单簿
19
信用风险可视化
违约率趋势、评级迁移矩阵热力图。
信用热力图
20
市场风险可视化
VaR（风险价值）历史模拟图、压力测试情景对比。
VaR压力测试
21
监管报告模板设计
报告结构、页眉页脚、目录生成（Python-docx）。
模板Word
22
PDF报告生成
使用ReportLab或FPDF将图表和表格整合为PDF。
PDFReportLab
23
HTML报告生成
使用Jinja2模板引擎，将可视化结果嵌入网页。
HTMLJinja2
24
自动化邮件发送
smtplib与email库，定时发送监管报告。
邮件自动化
25
数据库连接与查询
SQLAlchemy连接MySQL/PostgreSQL，直接查询数据。
数据库SQL
26
API数据获取
使用requests库获取金融监管数据（如EDGAR）。
APIEDGAR
27
大数据量处理策略
分块读取、Dask入门、内存优化技巧。
大数据Dask
28
合规性检查可视化
监管规则阈值线、红绿灯预警图。
合规预警
29
项目实战（上）
从数据获取到清洗，构建完整的监管数据集。
实战数据集
30
项目实战（下）
生成包含多图表的综合监管报告，并导出为PDF/HTML。
综合报告