大数据背景下投资学课程教学改革研究
来源:用户上传
作者:管河山 王谦
[摘要]大数据时代的到来为证券投资提供了丰富的数据资源，既优化了投资决策渠道，也极大地拓展了投资者的视野。研究对大数据背景下投资学课程教学现存的问题，如大数据思维模式的冲击、资产选择和配置方式、数据类型和综合决策等方面的挑战进行系统分析，继而以“有效市场理论”展开了该课程的案例教学探讨，从数据采集、数据分析和决策制定三个角度探究了课程教学的改革措施，为培养创新性金融专业人才提出一些建议。
[关键词]大数据;教学改革;投资学
[中图分类号]G642.3 [文献标识码]A [文章编号]2095-3437（2020）05-0090-03
一、引言
经济社会的快速发展带来了海量的数据，这些海量数据之间的价值关联逐步凸显;从各种类型数据中快速获取有价值信息的能力，就是大数据技术。大数据量（volume）、多类型（variety）、快速（velocity）、价值（Val-ue）和真实（veracity）等特点使得传统数据分析和决策方式变得更为困难。如何进一步确保高校教育的与时俱进，充分挖掘大数据时代课程教学的特点，深化学生创新能力和实践能力的培养是高校教育改革面临的重要任务之一。
投资学是金融学专业一门重要的基础课，包含较多的理论知识和实践经验。随着教育行业信息化持续推进，教育改革的深化和发展需要在大数据思维引领下进行。面对复杂、海量的数据，投资者如何制定投资决策变得越来越有挑战性。金融创新型人才不仅需要具备扎实的金融理论知识，同时也需具备大数据分析和综合决策的能力。
大數据时代的到来对经济、金融类专业学生能力培养提出了新的要求，这不仅体现在投资学等专业课程上，对数学、统计学、计算机技术等课程的教学也提出了相应的要求。挖掘大数据时代的课程教学特点，深化创新教育，培养大学生创新能力和实践能力是高校教书育人所面临的重要课题。本文从投资学课程教学出发，研究大数据时代课程教学的改革特点和推进途径，为深化高校经济类专业课程教学改革提供有价值的参考。
二、投资学课程教学面临的挑战
大数据概念已植根于金融类专业教学中，这不仅推动了金融实务的持续创新，更催生了金融模式的深刻变革。经济社会的发展使得培养创新型金融专业人才离不开大数据，这不仅为高校专业课程教学深化改革指明了方向，同时对现有的教学模式也提出了新的挑战。
（一）大数据思维对金融问题分析提出新要求
基于大数据的经济、金融研究与传统计量研究方法相比出现很多新的特征，比如数据的采集、清洗、分析、使用等均有别于传统的方法，这也意味着对问题的思考和分析不能墨守成规。目前，大数据技术已经逐渐渗透到银行、保险、证券、金融监管等方面，并逐步走向成熟。大数据逻辑与传统逻辑有明显区别，如传统方法是理论假说检验驱动，而如今是大数据驱动的归纳推理;大数据是自下而上的推理归纳方法，而传统逻辑则是自上而下的演绎推理方法。
（二）优化资产选择和资源配置决策方式
作为投资学核心内容的资产选择和优化资源配置方式需要优化。对投资者而言，股票、债券、期货、期权等金融产品的数据采集变得容易，这拓展了资产选择渠道和优化配置的视角。然而，数据量庞大、低价值密度的特点使得寻找有价值的信息辅助决策更为困难;如何有效利用海量数据挖掘出有用的信息，并构建个性化的投资方案日益重要。海量数据加简单逻辑形成有价值的信息是一件极富挑战的工作。
（三）数据类型多样化对分析提出新的考验
大数据时代不仅需要对海量的结构化数据进行分析，同时也需要对半结构化数据和非结构化数据进行分析整理。传统的金融理论，比如组合投资理论、有效市场理论和资产定价理论大都是基于结构化的数据展开分析的，教学和实证过程中也大多依赖于结构化数据。然而，仅对结构化数据进行分析的结果可能有所偏倚。实践证明，对于文本、网页等非结构化数据的分析也同样重要。半结构化数据（及非结构化数据）和结构化数据同样隶属于整体样本中的一部分，不管是哪种数据都夹杂着有价值的数据和无价值的数据。这方面，从金融文献研究、投资者情绪研究的相关研究成果中可见一斑。同时，大数据可扩充的性质要求对各种数据能有效及时地甄别，区分数据的价值。这就要求课程教学特别是案例教学不能仅停留在结构化的数据分析上，而是要拓展到非结构化的数据分析。事实上，教学过程中对结构化数据的重视远超过非结构化数据，而非结构化数据恰恰是大数据时代的产物和分析的基础。从具有价值的数据整体挖掘出其内在反映的真实信息并找到简单逻辑变得极为关键，这将关系到下一步的投资决策。非结构化数据分析其内在信息时较为困难，需要进一步完善其分析的方法和技术。
（四）综合决策的挑战
权衡投资风险及收益并做出符合自身效用最大化的决策是投资的核心工作，这需要建立在对大数据的处理分析上。分析问题的途径多了，就会对投资者的综合决策能力提出新的挑战：不仅要考虑到投资者的个性特点，同时也要求对多渠道分析结果进行归纳和总结。更为显著的是，传统的抽样实证方式难以实现对问题的系统分析，在大数据背景下，数据样本总体实证更为重要。传统实证研究和教学的基本逻辑可以归纳为：先确定研究目标、现象总体和个体，再确定所需变量或指标，最后向全部个体或部分个体获取数据。显然，是先有总体再有数据。在大数据背景下难以识别数据的基本特征，很多情况下无法事先掌握所关注问题的完整数据;这种情况下，只有找出这些数据背后的承担者才能构筑总体，所以是先有数据后有总体。
目前，受大数据分析技术局限性和经济学专业学生数据处理能力的影响，投资学课程的大数据教学方式改革进展缓慢。大数据分析有利于提高投资决策的效率，是投资学课程教学改革值得探索的研究方向，也是经济、金融等专业适应新形势教学改革的必要探索。培养金融类专业人才需要对投资学教学进行改革，以适应社会的发展。 三、投资学的教学改革探讨
大数据时代的到来，给课程教学提供了丰富的数据资源，对任课教师的自身素质、专业培养目标及要求提出了新的要求。投资学作为金融的核心课程也需要进一步调整更新，以适应如今所处的信息时代。充分掌握经济社会发展对专业人才培养的能力要求，调查学生对投资学课程教学的期望和自身创新实践能力提升的要求，探讨课程教学中大数据分析和创新实践能力的培养，厘清两者之间的影响机理，可以为课程教学改革提供支撑。
经济类专业课程既具有很强的理论性，又具有鲜明的实践性。下文以“有效市场理论”展开案例教学探讨，从数据采集、数据分析和综合决策等方面开展大数据教学改革的探讨。
（一）数据采集
目前大多数高校的数据平台效率低下，要努力建设成以“数据”为核心的综合信息化平台，为师生的各项活动提供保障。这样能提供多渠道积极收集课程教学的相关数据。一方面，针对投资对象的多元化，需采集股票、债券、期货、期权等结构化的数据，做好相应的数据分析，为实践教学和案例教学提供支撑。另一方面，也要采集文本、HTML和视频等非结构化的数据，为课程教学提供丰富的数据资源，并在传统的理论教学和数据分析的基础上，重点开展非结构化数据挖掘的相关教学和研讨。
以A股市场有效性为例，证券市场大量股价数据被收集，这给有效市场教学提供了丰富的数据资源。采用单位根检验方法可通过编译循环语句处理海量时间序列数据，继而开展有效市场分析的相关实证。考虑到股票交易数据样本大，现有研究大多采用了抽样分析的方式，即侧重对市场指数的宏观分析，淡化对个股数据的探究，显然，这并未发挥出大数据时代的数据优势。从理论上说，有效市场应当是对市场整体的分析，因此采用市场指数进行分析是理所当然的。然而，抽样分析也存在局限性，大数据处理技术能够对超大规模的数据进行分析处理，对研究对象的特征既能做到总体把握，又能了解局部情况。
因此，考虑到数据表现形式的差异性，我们可以将有效市场检验的数据总体划分为结构化数据和非结构化数据：结构化数据包括个股数据、市场指数等;非结构化数据包括相关研究文献等。在实证教学中，不同于传统的市场指数抽样分析模式，应该采集A股市场的所有市场指数和个股数据进行分析，这与国内学者李金昌提出的大数据时代下统计实证分析模式“发现一总结”是一致的。通过对所有的个股数据进行分析处理（并结合市场指数分析）继而挖掘出市场信息传递规律，其研究结果将更具有说服力，也更符合大数据时代对数据总体分析的特点。另一方面，A股市场有效性的研究文献较多，以中国知网为例，以“市场有效性”为关键字的所有相关中文文献共计703条;通过对这些文献的筛选和挖掘，也可以形成有效市场的相关结论。
（二）数据分析方法
结构化数据通常适合传统金融理论的建模分析。有效市场中的游程检验、单位根检验和长记忆性检验方法都是基于结构化数据的分析。一方面，需要对有效市场检验理论进行深入学习和研究;另一方面，对海量数据的分析和实证提出新的要求，这需要强化数学、统计学、计算机技术等课程的教学目标。非结构化数据中最为典型的便是文本挖掘，这涉及文本检索和文本分类等研究。A股市场研究文献包括中文和英文，读取文本数据库、文本分词、构建文档、统计建模是常见的分析途径，这要求在教学中对相关工具和理论原理进行学习和运用。总之，不同的数据分析方式，对课程理论教学和工具运用的要求有所不同，需要教师提高数据处理和挖掘的能力，这也对学生提出了新的要求。
（三）综合决策
大数据分析角度和方法的差异可能导致分析結果的大相径庭。“实验结论统计归纳”要求对大数据背景下海量数据分析结论进行归纳和总结。而有效市场的分析结论可能存在差异，如何综合判定并形成有价值的决策是培养学生综合决策能力的关键。这不仅要从统计角度给出“发现一总结”的分析结论，而且要结合专业知识给出相应的经济学原理分析。
以结构化数据分析为例，有效市场的个股全样本分析的结果和市场指数分析结果可能存在差异。如果是这样，则可以尝试从信息传递和投资者行为特征的角度进行深入分析。市场指数从宏观角度反映出市场状况，是所有投资者可参考的依据，其对信息传递的效率较高;而个股投资者的数量仅限于部分人群，投资者关注度过低或者过高会引起信息传递效率偏低（可能是参与者的片面性和非理性投资所造成）和信息过度反应。从非结构化数据分析可知，现有文献研究对A股市场有效性实证的结论存在争议。在1993年以前，我国证券市场普遍被认为是没有效率的;但在1993年以后，我国证券市场是否达到弱势有效市场却存在分歧。
由于数据结构和类型的不一致，结构化数据和非结构化数据在相关实证分析中的结论存在显著差异，这也给有效市场的教学带来了疑惑和不确定性，但是这其实是可以从理论上给出解释的。因为有效市场定义中对信息的界定本身就不够明确，在实证中往往是从有效市场假说中的“收益率的可检测性”人手，因此，研究结论存在争议就有其必然性。另外，有效市场成立还需满足三种理论上的前提假设，这对大数据分析结果的综合运行和判断提出了更高的要求。
四、总结
综上所述，海量的金融和经济数据的大量涌现，使得传统投资学教学已不能满足创新型人才培养的需求，因此，对传统投资学教学模式进行改革势在必行。将大数据思维运用到教学中不仅可以拓宽研究范围，还可以丰富研究思路。本文从有效市场案例教学角度开展分析，为大数据教学内容和方式改革提供参考。当然，大数据时代非常关注对教学资源的共享和利用、以及教学手段和方式的改革，大数据对行业数据关联的研究也关注颇多。不可否认，经济大数据研究已经深入人心，这些需要在本科课程教学中给予一定的重视。
转载注明来源:https://www.xzbu.com/9/view-15185689.htm
