大数据背景下金融专业《计量经济学》课程改革探索

肖翠仙 梁 荔

信息技术的飞速发展，使得金融数据呈爆炸式的增长，势必对金融专业的学生在金融数据分析与处理方面提出更高的要求。计量经济学作为一门实践性很强的应用性学科，在培养学生的应用能力上起着重要的作用，金融大数据的发展对人才需求的改变促使其要与时俱进，进行教学改革。

一、金融大数据发展对金融专业计量经济学课程教学的影响

大数据是指不用随机分析法（抽样调查）这样捷径，而采用所有数据进行分析处理，这里的所有数据既包括数字化数据，也包括非数字化数据，具有5V 特点，即大量（Volume）、高速（Velocity）、多样（Variety）、低价值密度（Value）和真实性（Veracity）。就金融大数据而论，它主要由金融机构、厂商、个人和政府当局在投资、储蓄、利率、股票、期货、债券、资金拆借、货币发行量、期票贴现和再贴现等构成，同样具有5V 特点，与传统基于结构化、关系性的金融数据不同，这就使得对金融大数据的处理和分析与传统存在显著差别，其对金融人才提出了新的要求，对金融专业计量经济学课程教学产生深远影响。

（一）大数据促进金融专业计量经济学课程内容要与时俱进

目前，计量经济学课程内容主要是以经典计量经济模型为主，使用的主要是统计推断，也就是以样本信息去推断总体的数量特征与数量关系，故而强调回归分析的假设以及违反经典假设如何修正的相关内容，在讲授时往往把随机扰动的分布、多重共线性、异方差等作为重点。这些课程内容在大数据分析普及前，起着非常重要的作用，那时，对社会经济现象的定量研究主要依赖模型以及算法，为得到精准的结论，强调的是理顺逻辑、理解因果、建立模型、设计精妙的算法使之得到的结论近可能的贴近现实。然而，当数据越来越大越来越多时，结果的有效性更多依赖于大数据本身，这时，更多人开始关注统计推断的弊端，即在计量经济研究中通常潜在假设模型就是具有因果关系的，注重由样本统计结果的显著性来推断总体信息，可实际上，经常样本在数据上是具有统计显著性的，而变量间在经济、社会理论却不一定具有因果关系，大数据的5V 特征使得统计推断不再是数据分析的全部内容，较好地克服了这一弊病，因此，部分传统计量经济学中强调又强调的重点在大数据分析中几乎较少用了，而计量经济学的课程内容对大数据时代快速发展的新颖方法却较少涉及或者根本不涉及，结果是课程内容与大数据时代发展脱钩。因此，目前计量经济学亟待解决的是课程内容的与时俱进，迫切需要把与大数据相关的模型方法增添进来，并适当减少传统经典计量经济学的相关内容。

目前，计量经济学各模型配备的案例中，其样本数都不多，基本上都是结构性、关系性的传统数据，几乎没有金融大数据，使得学生认知中计量经济学模型分析只是适用于样本数不多的传统数据情况，而对于大数据分析没有用，故不易把课程内容与大数据联系起来，更遑论运用所学知识进行大数据分析。因此，计量经济学的教学案例也应与时俱进，适当增加相关的大数据分析，让学生不但认知到计量经济学在大数据时代不是可有可无的，而是有用武之地的，而且在联系实际中能激发学生的学习兴趣，进而提高运用计量模型分析和处理大数据的应用能力。

（二）大数据迫切需要计量经济学课程教学模式的改革

计量经济学的理论与实验课时如何分配一直是教学中的难题。受学时的限制，金融专业配备给计量经济学的学时一般为54 个学时，要在这些学时内把理论吃透及把软件相关操作掌握有一定难度，故而教师对理论课时、实验课时及教学内容的侧重把握上要非常精准。

传统教学上，有些学校对计量经济学课程的安排是全部在实验室上课，讲完理论部分直接进行实验操作，但是理论部分在实验室讲授与在教室讲授，学生的关注度还是存有一定差异，部分学生把专注力放在电脑上，部分学生借电脑的掩护做其他事情，而计量经济学理论难度较大，这种模式易让学生对理论部分一知半解，可好处是对相关内容的实验操作能马上进行，学生对计量经济学的实验操作部分掌握较好；有些学校对这门课的安排是一部分学时在教室上课，一部分学时在实验室上课，通过在教室上课保证学生较好的关注度，从而对理论部分理解更透彻，但是一般是多个知识点后安排实验室课程或者是学完理论课后再上实验课，这就使得理论知识与实验操作存在滞后，学生理论学习时感觉枯燥、实操中进入各个知识点的状态又需要时间，从而使得学习效果打折扣；有些学校以培养科研型人才为目标，需要学生对计量经济学理论具有扎实的基础，主要是在教室进行讲授，虽然学生对实验操作部分掌握得较差，可这类学校的学生学习能力强，实验操作上手很快，但对于培养应用型人才为目标的学校来说，只在教室授课，对学生应用能力的培养还是存在欠缺的。虽然上述课时分配方式各有利弊，但各学校在不断的摸索与探讨中，针对不同的培养目标与学生的实际情况，已经有着较为稳定的教学模式了。可随着大数据的发展，对人才需求的变化，使得这些目前较为稳定的教学模式有着改革的必要性。

金融大数据的发展需要金融专业人才对计量模型的软件操作更好，对实际的运用能力更强，同时，传统计量经济学教学内容与教学重点的变化必定引起教学模式的改变，那么理论内容与实验内容到底该如何配置、侧重点该如何界定、理论课时与实验课时到底该如何分配在不断提高要求的人才需求中急需进行教学模式的改革。

（三）大数据对计量经济学课程教师提出更高要求

现有教授计量经济学的教师对传统计量经济学理论与相关实验操作熟悉，尤其擅长统计推断，但受过系统大数据分析教育的较少，且部分教师自身对金融大数据分析方面了解相对不多，还有部分教师直接是学校毕业后到学校工作，没有在业界呆过，实务经验欠缺，尚不能很好地把大数据融入到计量经济学中。另一方面，计量经济学理论对基础知识、前修课程要求高，包括微积分、线性代数和概率论与数理统计，若加入大数据相关知识，则还需要熟练掌握数据库的存储读取过程和熟练使用SQL语句，以及掌握Excel、R 或Python 等工具对数据进行整理。

故而，大数据时代对计量经济学课程教师提出了更高要求：一是，教师自身要学习大数据分析的新知识，在理解、掌握这些新知识基础上更要懂得灵活运用；二是，大数据的发展给金融领域带来巨大冲击，实务中对大数据分析要求不断发展变化并提出更多挑战，教师需要与业界保持紧密联系，才能把握金融行业对人才需求的方向，有目的地培养市场需求的人才；三是，对于前修基础知识如此多的课程，部分学生存在前修课程知识良莠不齐的情况，有些可能数理基础相对好些，另一些可能计算机基础好些，在课程教授时如何因材施教比传统教学更难了。因此，金融大数据的发展要求计量经济学课程教师除了要有扎实的计量、金融理论知识与熟练的软件实验操作外，还要在有限的学时内把这些知识融合起来，进行系统化、模块化、案例化的升华，再把其以合适的方式教授给基础参差不齐的学生。

二、大数据背景下金融专业计量经济学课程教学改革

大数据时代，金融专业的学生要成为一个真正的应用技术型人才，要有能力从定性与定量两方面结合，多角度深刻地分析实际金融问题，进而找到解决问题的方法或对策。这些应用能力的培养需要金融专业的计量经济学课程从教学内容、教学模式到教师队伍方面进行教学改革。

（一）课程教学内容改革

金融专业计量经济学课程内容要适应金融大数据的发展，可以从下述方面考虑：

1. 适当把经典计量经济学模型部分缩减，比如一元线性回归与多元线性回归部分合并到一起，因为一元线性回归其实在前修课程《统计学原理》和《概率论与数理统计》中都有涉及。这部分适当从计量建模的思想进行探讨，理清建模脉络，对于随机扰动的分布、统计检验等部分淡化数理推导过程，对于多元线性回归部分也适当缩减数理推导，但适当增加实验操作部分。

2. 对于放宽基本假设的多重共线性、异方差等部分缩减，突出原理与实验操作，同样淡化数据推导过程。多重共线性在时间序列中易发生，异方差在横截面数据中易产生，而随着数据可得性越来越易，目前分析数据多是面板数据，而面板数据更注重的是随机效应与固定效应影响。退一步说，即便是单纯的时间序列数据或者横截面数据，如今也是样本量越来越大、数据越来越多，且随着传统计量模型的普及，各软件在进行参数估计时，已在程序中涉及成熟的多重共线性或异方差的多种修正方法，实验操作仅是“鼠标点击”一下，结果随之出来，这时，针对非数理统计专业的学生再强调多重共线性和异方差的检验、修正等的数理推导过程，显然不是良策。

3. 增加内生性的分析。除了遗漏重要变量、测量或样本等原因造成内生性问题外，造成内生性的更多原因是 “反向因果”、“双向因果” 等涉及被解释变量与解释变量间的 “因果” 关系，这不仅关系到经济理论的发展，也关系到实证中模型对经济现象的解释力度，故而现代经济强调因果关系，非常关注计量经济模型的内生性问题。受内生性的复杂性影响，学术界虽重视内生性，对内生性的探索也从未停止，但对于内生性的各种来源、检验与修正还没有统一的定论，如工具变量法是大家公认的修正方法，可是如何找到合适的工具变量、怎样的工具变量才是符合标准的却没法统一。因为针对不同的研究目的、不同的研究内容，同样的被解释变量与解释变量可能需要选取的工具变量却不一致。但是现实中，内生性已然成为稳健性检验中不可避免的问题，故而在计量经济学中适当增加一些成熟的处理得好的内生性的内容，让计量经济学与现代经济关注问题相彰益得，互相促进对方的发展。

4. 增加聚类分析、贝叶斯模型。聚类分析与贝叶斯模型在自然科学与社会科学领域都有广泛应用，经济学中也经常用到，大数据分析中更是常见，故而增加这两个模型，融入计量经济学的建模思想，对大数据进行分析。可能有人会质疑聚类分析、贝叶斯模型计量经济学的建模理论有冲突，可从计量经济学模型研究的完整框架与大数据分析的一般流程进行对比来看（如图1），两者的分析框架其实殊途同归的，不同之处在于大数据分析中的数据准备要复杂。

图1 计量经济学模型研究框架与大数据分析流程

随着课程内容的改变，相应地，前修课程也需要相应调整，如缩减C++ 或Java 语言的课程，增加Python 爬虫、机器学习等计算机的课程，把数据库方面的课程由选修课改成必修课程等。

（二）课堂教学案例要与大数据结合起来

计量经济学理论知识比较抽象，课堂教学与案例结合起来能让学生对知识的应用更立体全面。大数据时代下，需要把计量经济学的课堂教学案例与大数据结合起来，并通过实验课培养学生的动手能力。

针对新增加的计量经济模型方面，其教学案例应与大数据相结合，如聚类分析模型，可以增加用户聚类分析或风控聚类分析等案例；而对贝叶斯模型，可以增加投资组合或金融收益率等方面的案例。

（三）“微课+ 实验” 的教学模式改革

培养应用型人才的高校，强调学生的动手操作与应用能力，大数据发展使得计量经济学在实验室上课成为趋势。然而计量经济学的理论性很强，若理论知识掌握不好，学生会的实验操作就会局限于教师所讲的几个案例，一到实际情况还是不会进行分析。信息时代，“微课”成为可能的补充，使得“微课+ 实验” 的计量经济学教学模式可以实现。

如果计量经济学课程全部在实验室上课，必须克服学生在实验室上理论课专注力不够的现象，可以考虑用 “微课” 来补充。一般实验室上课，先讲理论，然后开始实验操作，但是部分学生可能由于专注力不够或可能由于基础知识不扎实，理论部分弄不明白，开始实验操作时 “摸头不知脑”，实操也就赶不上全班进度，课后想补也存在不知如何下手诸多难点，一次二次不会后易放弃这门课的学习，若有 “微课”，则学生可以有针对性的补习，跟上学习进度。

计量经济学理论知识难度大，内容多，有些知识先让学生实验操作，再回过头来讲原理与步骤时，学生会有 “恍然大悟” 的感觉，如针对 “异方差检验”，直接讲检验原理与步骤，学生觉得枯燥和不知所云，可以先在实验课上教异方差检验的White检验、Glejser 检验、Harvey 检验的实验操作过程，反过来再把步骤作个总结，穿插进检验原理，学生对此知识点普遍会掌握得更好。再辅以检验原理和步骤、实验过程知识点制成的微课，让基础较差、或者课上没有全懂、或者动手操作能力较弱的学生课后补习，对知识点进一步巩固，赶上整个班级的进度，同时提高应用能力。

在实验课上，可以较好地掌握学生从金融大数据的搜集、整理到模型的构建、实验结果及相应对策分析整个实验过程中的动手情况，并要求学生形成综合实验报告上交，即以课堂表现与最终成果的形式促进学生对不懂的地方主动去学习、去思考和动手，这样不仅增加了学生对金融大数据分析的代入感，还促进了学生的大数据分析与应用能力。

（四）打造大数据下计量经济学课程教学精英团队

好的教学效果需要良好的教师团队做保证，精英团队的打造非一日之功，需要多种途径来实行：

1. 鼓励教师积极参与计量经济学课程的教学内容、模式改革。鼓励教师积极申报和参与各级教改项目，在计量经济学的课堂教学过程适当进行教学内容或方式的改革，通过对学生进行调查问卷或面谈形式对改革情况进行评价，进而作出修正、调整。

2. 教研室内部多交流、探讨。教研室内部教师虽然不一定都教授计量经济学课程，但同一教研室教授课程间紧密联系，教授学生较统一，有些问题在课程上有共性、也存在学生共有的问题，教研室内部的交流与探讨可以从整体上把握教学的方向，有利于共性问题的解决，也好做到先修课程与后续课程知识点的衔接等方面。

3. 让教师走出去，参加各种相关教学研讨会，学习国内同行宝贵经验。在教学研讨会议中，关于先进的教学模型、教师与学生的动态关系、对教育新理论的意识等都能得到很好的碰撞与总结，教师多参加教学研讨会，可以发现具有促进作用的先进教学模型、良好的师生互动模式和新的教育理念，进而结合自身的实际工作，利用这些知识和技术、经验来指导今后的教学工作。计量经济学课程正处于大数据发展、经济学偏向因果关系的冲击中，这时尤其需要国内同行间的头脑风暴来推动教学改革。

4. 鼓励教师增强与金融业界的合作，以项目形式加强与业界的联系，提升教师的实务能力。计量经济学教师理论知识扎实，但普遍缺乏实务经验。以项目形式加强与业界的联系，可以整合资源，发挥各自优势，既使得计量经济模型理论与实践在大数据分析中互相促进，又增强了教师的综合素质。

三、结语

大数据时代对金融专业的《计量经济学》课程产生较大冲击，包括课程内容与实践的脱钩、教学模式急需改革、教师团队的更高要求等。因此，金融专业《计量经济学》课程内容需要适当缩减传统计量经济模型，增加与大数据相关的模型，如聚类分析与贝叶斯模型；教学案例要与金融大数据相关，并从大数据的搜集、整理、建模、实验操作、实验结果以及相关对策分析形成综合实验报告；教学以实验操作为主，并辅以 “微课”，从而夯实学生的计量经济学理论知识及提高学生的动手操作能力，促进学生运用计量经济学知识分析和处理金融数据的能力。◆