大数据与投资学课程教学改革
2020-03-28王雨桐
王雨桐
摘 要: 本文重点研究了大数据背景下投资学课程教学中存在的问题,对投资学教学案例进行了分析,从数据采集、数据分析方式及综合决策的角度探讨了如何改革投资学课程教学,为投资学教学提供了一定的帮助。
关键词: 大数据时代 教学改革 投资学教学
现代社会的飞速发展给每个行业造成了指数级的信息增长,各种信息关联性越来越强,最终形成了一定规模的信息网。从各式各样的信息中快速准确地获取有用信息的能力被称为大数据技术。在新形势下如何保证高等学校教学的时效性,发挥数据信息时代课程教育的特征,如何充分培养高等学校人才的创新实践能力是目前每个高等学校教育教学改革面临的首个问题。
一、投资学教学概述
投资学是一门介绍金融市场组织运行规律、金融工具的分类使用和定价知识的学科[1](90-92)。二十一世纪,信息化教学逐渐成为教育教学常态,要想继续深化教育教学改革的措施就要适应大数据时代特征。如何从海量的数据信息里找出有利于决策的信息对于投资者来说无疑是一项挑战。想要培养出现代化的金融企业所需要的人才,不但需要人才具备坚实的金融理论知识,而且要求人才对复杂数据内容有一定的综合分析与决策能力。金融市场作为筹措资金和优化资源配置的重要交易场所一直备受各国政府部门的高度关注,是金融学术界的聚焦之地。高等院校的投资学教学,目的在让学生掌握基本的经济基础知识的同时,积累拓展资本市场和货币市场的投资专业知识,让学生具备基本的投资意识和相关分析能力,可以在今后实际工作中灵活应用,在金融市场上获得一定成就。
二、新形势下投资学课程教学面临的挑战
大数据时代的到来,使信息技术与投资学教育教学的关联性进一步加强,使金融工作的创新达到了新的高度,创新了金融模式。新形势下投资学想要培养创新金融人才离不开数据信息的支持,高校人才培养计划要与时俱进,根据社会最新发展需求做出适当调整。
(一)新形势对金融问题的分析能力提出的新标准
在当前大数据时代背景下,与以往金融分析的研究与计量研究方法相比,诸多新分析方法例如数据的获取、采集分析都会有现代高新技术的身影,意味着金融的分析和思考问题的角度都进行着与时俱进的交替。随着大数据时代的到来,大数据技术已经逐步融入银行、保险、证券投资等方面,逐渐形成一个完整的系统。大数据时代下的逻辑和传统逻辑有着明显的差别,举个例子,传统逻辑是按照提出假说检验驱动的,现代化的逻辑思维模式是自下而上的归纳推理,所以新形势对于金融问题的分析提出了新的思维方式的要求。
(二)优化资产选择和资源配置的决策模式
优化资产选择和资源配置是投资学研究的核心内容,大数据时代,投资者获取股票、债券、期权等金融产品相关信息更容易,帮助投资者拓宽了信息渠道,降低了传统模式下资源优化配置的难度,但数据量巨大、数据信息复杂的现状加大了信息决策的难度。当前决策者面临的问题包括如何在巨量的数据信息库里深挖他们想要的信息,并且在此之上提出一套与之匹配的投资方案。
(三)数据信息多样化是金融分析的新挑战
二十一世纪,大数据综合分析是能力的基础,要在此之上进一步培养学生对半结构化和非结构化数据处理分析的能力。过去的金融基础理论大多依赖结构化数据展开分析,理论知识教学和验证过程多基于结构化信息。如果只对结构化数据进行分析会导致分析结果不够严谨,产生部分偏差。金融分析实践证明,对文本及网页等非结构化数据进行分析同等重要,无论哪种数据都包含有价值的数据,所以要求投资学教学只停留在结构化的数据分析显然是不科学的[2](81-83+92),本着严谨的教学态度尝试发展非结构化數据分析的教学方法,延伸数据分析的能力。改变当前投资教学中过于重视结构化数据的教学现状,大数据时代的产物及构成分析数据的关键恰恰是非结构化数据。想要获取非结构化数据内在的信息还需要深入探求合适的分析方法和技术。
(四)综合决策能力的新挑战
目前高校教育中投资学课程的大数据分析教育教学改革进程有限,主要因为传统使用的大数据分析技术存在较多的局限性,同时经济与管理专业的学生缺乏分析处理数据的能力,所以使用大数据分析手段提高学生处理投资决策中的数据的能力是当前高等教育中投资学课程教学改革的主要目的。核心在于权衡投资风险和受益,实现效益最大化,需要依赖投资数据的分析。新形势下有较多获取信息和处理信息的途径,在一定程度上对数据处理者提出了更高的要求,不仅要考虑投资决策的特点,还要对获取的信息分析结果进行总结归纳。
三、大数据背景下投资学教学改革研究
虽然当前高新技术的发展迎来了大数据时代,并给投资学课程教学带来了丰富的数据支持来源和处理分析手段,但对教师的专业信息处理能力和人才培养目标都提出了更高的新标准。作为现代化金融教学核心课程的投资学,应当与时俱进进行新的调整,更好地满足现代社会各行各业对于人才的需求。在投资学教学过程中,应当以现代社会发展需求为目标,培养专业金融人才的数据分析能力及创新实践能力。在当前大数据时代下,如何对投资学教学进行改革是各高校应当考虑的首要问题。由于经济学专业理论性比较强,还要求实践操作能力,因此投资学教学改革应从大数据采集、整理、分析到综合决策等方面进行。
(一)数据采集
在投资学有效市场理论教学过程中,首先,应当提高各高校的数据平台技术并拓展资源包。构建以大数据为核心的信息化平台为师生教学活动的展开提供支持与保障。在以数据为核心的第三方平台下,不仅可以对股票、债券及期权等数据进行详细分析,还可以为投资学实践教学和案例分析提供强大的数据支持。再者,针对HTML、采集文本和视频等非结构化数据,可以在传统的理论教学基础上,重点对非结构化数据挖掘进行相关分析,例如,对当前A股市场的有效性、证券市场中个股的交易数据等进行分析,为投资学教学提供大量的数据支持。考虑到股票市场交易量庞大,可以采用抽样分析的办法,侧重对市场指数进行宏观面的分析,淡化对一般指数的研究。一方面,从理论来看,进行有效性分析应当先对市场整体进行分析调查,然后抽样分析个体自身的局限性,而大数据处理技术能够有效地对海量的数据进行分析处理,从对研究对象的总体把控分析到局部的详细分析。另一方面,考虑到数据表现形式各异,可以将有效市场检验分为结构化数据和非结构化数据,个股指数、大盘指数等划分为结构化数据,参考文献等划为非结构化数据。通过对个股数据进行分类分析处理,可以挖掘金融市场信息传递的规律,使研究结果更具权威性。其次,对于A股市场有效性的相关文献较多,例如在中国知网上以“市场有效性”为关键词就可以搜出相关文献1192条,再进行相关文献分类和筛选,形成有效市场的相关结论。
(二)数据分析方法
一般层面,传统金融的理论建模分析侧重于结构化数据,一方面是深入检验对有效市场理论的研究,另一方面是深化研究对数据的分析论证,同时需要其他专业的理论基础知识支撑,如数学、统计学及计算机技术等。非结构化数据最典型的以文本挖掘为例,如股票市场研究文献,其中包含中文和英文,建模也是常见的分析方式,是投资学教学中的实践工具和理论基础。总的来说,数据分析处理方法不同,对于金融工具和课程理论知识运用的要求也有所不同,需要教师提高数据处理及深层数据挖掘的能力,更好地教授给学生数据分析方法,增强创新意识和提高实践操作能力,强化投资专业技能。
(三)綜合决策
采用不同的数据分析方法和角度,导致分析结果大不相同。结果和结论的统计,基于归纳整理大量数据库里金融市场相关的有效数据。有效市场的分析过程中存在的个体差异,如何对有效市场进行合理判断,最终综合决策能力是当前投资学培养人才计划的核心所在。不仅要结合专业知识体现投资学原理,而且要从统计角度提出理性结论。例如结构化数据分析,在有效市场理论下,个股指数的分析结果与综合指数分析结果存在一定偏差,在这种情况下,可以尝试从信息传递过程分析或投资者投资行为分析等角度进行论证[3](77-80)。由于综合市场指数是从宏观上反映市场运营情况的,因此可作为相关依据供投资者参考。个股投资者群体相对较小,投资者关注度过高或过低都会影响个股指数信息的变化,以及出现对信息过度反应、信息传递效率低等问题。结构化数据和非结构化数据存在差异的主要原因在于数据结构类型的差异,所以在投资学有效市场理论教学中存在一定的不确定性,但是大数据的科学性可以打消存在的疑惑和不确定性[4](37-40)。由于有效市场理论并没有明确界定市场信息,因此探究真实市场规律必然存在争议。
四、结语
当前全球信息技术迅猛发展、竞争激烈,大数据、云计算等创新科技已被普遍运用于金融界,区块链技术已发展成彻底改变以往金融业的新一代互联网科创新。针对互联网科技在金融界多个方面的关联与运用,投资学课程教学一定要密切联系现实,持续创新教授内容与教学模式,迎合当前互联网金融变革引起的投资环境改变,建设优质的教学队伍,培养一支高质量、专业性强的投资学教学团队,提高教学水平,使学生在投资学的学习过程中实现求新求实的目标[5](115-116)。
总而言之,大数据时代的到来,高等院校金融专业人才培养方案不能局限于传统的投资学教学理念和模式,需要与时俱进对教学理念进行深入探讨和对教学模式进行改革。将大数据思维运用到投资学教学中是投资学改革的必然趋势,需要各高校教师在投资学教学中给予足够的重视。
参考文献:
[1]管河山,王谦.大数据背景下投资学课程教学改革研究[J].大学教育,2020(05).
[2]乌拉尔·沙尔赛开.互联网金融背景下投资学教学改革方案研究[J].乌鲁木齐职业大学学报,2017,26(02).
[3]冯小舟.对大数据时代投资学课程体系新规划的思考[J].金融教育研究,2016,29(06).
[4]陈尊厚,胡继成.基于应用创新型人才培养的投资学教学改革思考[J].中国大学教学,2015(09).
[5]郭晨.互联网金融背景下投资学课程教学改革研究[J].教师,2019(08).