大数据背景下《金融统计学》课程教学改革探索

喻 军

(河南财经政法大学 金融学院，河南 郑州 450011)

1 引 言

当前，科技与信息技术的发展正深刻影响着金融业的发展，移动金融、互联网金融、科技金融等新的金融模式不断涌现。如果我们去分析这些新兴金融领域，就会发现它们都关联到一个共同的要素——大数据。大数据本质上就是巨大的数据资料，原本是一个IT行业术语。大数据的概念被引入金融领域以后，冠以名称——金融大数据。金融企业在业务开展过程中，收集到的大量高价值的数据，包括客户身份、资产负债情况、资金收付交易等，以及金融市场每时每刻交易的海量数据，都是构成所谓的金融大数据的基础。

金融行业由于在大数据应用方面具有天然优势，使其成为最早步入大数据时代的主要行业之一。国际知名咨询公司麦肯锡在一份报告中指出，无论是从金融市场还是从应用潜力来看，金融行业都是大数据应用的重点领域。大数据及其相关技术已经被充分应用在银行、保险、证券以及互联网金融等领域。具体场景有很多，典型例子是基于大数据的征信在金融信贷、信用消费评级、信息验证领域的应用；大数据在保险行业的应用场景，包括客户的细分和精细化营销、保险欺诈行为分析等；大数据在证券领域的应用更加具有天然优势，例如，基于历史数据的智能投资策略、股市行情以及风险分析。大数据技术的应用提升了金融行业的资源配置效率，强化了其风险管控能力，有效促进了金融业务的创新发展。

为了应对大数据时代的到来，很多高校开设了与大数据相关的专业。教育部批准的大数据本科专业全称为数据科学与大数据技术，从开设的主要课程来看，主要涉及计算机、数学、统计三个学科。这三个学科难度都不小，可以说是所有专业当中最难的几个学科之一。在金融领域，对大数据人才的能力要求很高，对海量的金融大数据进行分析，并挖掘到有用的信息，不仅需要一定的计算机技术、较多的数学知识，还需要具备扎实的金融功底。面对金融大数据时代的到来，很多高校的金融专业也在尝试改革，有的从专业设置上，有的从课程上。《金融统计学》作为一门融合金融与统计基础知识的课程，恰好可以作为金融大数据分析的基础课程，因此，很多学校越来越重视这门课程，将该课程设为金融数学、统计学、金融学等专业的本科核心课程。不仅如此，一些高校还将该课程纳入金融专业硕士的培养方案中。例如，笔者所在的学校，就为金融专业的研究生开设了《金融统计学》课程。

随着大数据时代的到来，传统的《金融统计学》教学内容已无法适应当前的社会需求，为此，这门课程的教学改革也受到各个高校金融专业的重视。一些高校学者结合自己的教学实践做了一些有益的改革尝试。例如，李玉玲等结合《金融统计学》课程教学实际，从授课模式、作业模式和考核模式三个方面，对金融统计分析课程的教学模式进行了深入探讨[1]。李俊红则强调金融统计教学要适应新金融的需求，尤其是要适应国际货币基金组织统计的需求和我国对金融人才培养的需求，对金融统计的教学内容进行必要改革[2]。汤银芬认为金融统计是一项综合实践性课程，因此，要将Python语言引入金融大数据的统计分析课程教学中，着力培养学生解决实际问题的能力[3]。

尽管对如何改革还没有形成共识，但是，一个共同的观点是《金融统计学》课程应该更加重视培养学生的实践操作能力，尤其是培养学生将各种统计方法应用于金融大数据去分析、处理问题的能力。本文从分析社会对金融从业人员素质要求着手，结合笔者在《金融统计学》实际教学(面向研究生)中的体会，探讨如何构建大数据背景下的《金融统计学》课程体系，从教学目标到课程内容，再到实践教学环节等各个方面对《金融统计学》课程教学改革(包括研究生阶段)提出一些建议。

2 大数据时代金融领域对人才需求的变化

大数据时代的到来，导致很多行业的人才需求也发生了变化。一些和大数据相关的行业都急需大数据人才。2016年《大数据人才报告》指出，极为稀缺的大数据人才供给只有46万人，且在今后5-8年内供给缺口将提升到150万人。LinkedIn在《2016年中国互联网最热职位人才报告》中提出，数据分析师作为最为紧缺的职位，供给指数仅为0.05，对其需求将伴随着大数据在各行业的延伸[4]。报告显示，具有十年以上从业经验的数据分析人才仅占2.2%，0-3年工作经验的数据分析人才占比62%，反映了当下社会逐渐意识到大数据的重要性。2019年发布的《猎聘2019年中国 AI&大数据人才就业趋势报告》指出该领域人才需求呈现成倍增长趋势，约为2015年人才需求的12倍。

金融市场是金融人才的最终流向地，随着金融业态的变化，其对金融人才的能力要求也在动态变化。当前，我国金融领域的人才队伍已不能完全满足金融大数据发展的需要，亟须培养大量兼具金融业务、信息技术和管理等多种知识技能的复合型人才,包括数据科学家和数据工程师[5]。很多金融公司都在试图利用大数据分析来提高自己的竞争力。特别是在大数据领域，要求人才拥有较强的业务理解能力、数据资产管理能力、数据挖掘能力以及数据处理能力。具体来说，基于金融数据库的分析工作可能包括数据管理、数据迁移、数据选择、数据存储、数据测试、数据分析、数据可视化、数据预测等。而具体到应用层级，可以包括金融大数据征信、金融产品创新、金融大数据精准营销，以及金融风险管理等。显然，大数据时代，金融领域产生了很多新的岗位，需要更多的数据分析人才。

3 大数据时代《金融统计学》课程教学改革的必要性

金融统计相关课程的一个重要职责就是培养可以进行金融大数据整理和分析的人才。《金融统计学》作为一门培养学生运用统计理论和统计方法分析金融活动规律的课程，受到了很多高校的重视。但是，深入分析当前《金融统计学》课程的教学现状，我们感觉还存在进一步改革的必要，具体理由如下。

3.1 教学内容需要进一步与大数据分析关联

传统上的《金融统计学》课程讲授的内容主要包括银行与货币统计及分析、金融市场统计及分析、金融企业运营统计、国际收支统计及分析、资金流量统计及分析，以及金融体系国际竞争力的各个组成部分统计分析等[6]。显然，这些传统的授课内容还是偏向于宏观经济(金融)的某个特定问题，及其所涉及的一些简单的统计分析，和现今金融大数据分析要解决的问题还有很大不同。

针对金融大数据分析可能的应用场景，我们认为授课内容要结合具体应用问题，更多强调统计模型及方法。要更多使用案例教学法，针对不同金融领域的复杂数据、海量数据和高维数据，使用分类、聚类、关联分析、时间序列分析，最优化分析以及随机金融模型等工具，进行统计建模和数据分析，使得学生在学习阶段，能够具备广泛的数据应用视野，为其将来从事大数据分析、大数据运用等相关工作储备知识，培养学生解决问题的能力。

3.2 缺少高水平的教材

教材是教学内容的基本载体，其质量的好坏对教学过程及教学效果都有很大的影响。《金融统计学》是一门新兴的课程，目前教学环节中所面临的一大窘境就是高水平教材非常匮乏，可选的教材非常少[7]。根据在淘宝、京东、当当，以及亚马逊等电商平台的搜索统计，目前国内《金融统计学》课程的教材大概也就10几种，评价较高的有上海人民出版社的《金融统计学》(第二版)，另一个就是上海财经大学出版社的《金融统计学》 (第三版)。这些教材在知识点编排和侧重点上略有不同，但是，总体上仍然侧重于货币市场和资本市场统计、有价证券的价值分析、通货膨胀的统计、外债监测统计指标体系、证券价格指数体系、证券投资组合研究、金融风险预警指标体系及其预警方法等，能够将大数据分析和统计学理论知识融合在一起的优秀教材凤毛麟角。

实际应用中，很多大数据分析问题，需要使用计算机编程来处理，当前在金融领域，比较流行的是使用Python语言结合金融统计方法构建模型来分析问题。这方面的教材，国内还是很少见，国外主要有Hilpisch编著的《Python金融大数据分析》以及《Python金融衍生品大数据分析》等。笔者以及一些其他高校教师，在实际教学中，主要使用的是蔡立耑编著的《量化投资以Python为工具》一书。这些都是非常不错的参考书，但是，也存在一个问题，就是它们都不是规范的教材，因此，在教学内容安排上，存在衔接问题。总体而言，当前，不仅《金融统计学》课程缺少优秀教材，现有教材的教学内容与大数据分析的要求也还有差距。

3.3 配套的实验教学内容不足

和大数据相关的课程，最大的特点就是课程的应用性比较强。《金融统计学》是一门实践性很强的课程，因此，课程应该突出课内实验课的教学，甚至可以安排配套的实验课[8]。这门课程实践教学的主要目标应是培养学生使用数理统计知识，熟练运用统计软件或者计算机语言，针对经济与金融中的实际问题，选择合适的统计方法，基于数据挖掘技术、统计分析、分布式系统、云计算、大数据可视化、机器学习等工具，构建一个整体解决方案。

《金融统计学》配套的实验课程，或者课内实践课非常重要，对学生和老师的要求也很高。但是，通过作者调研发现，在实际教学活动中，很多学校(教师)重视课程教学内容的理论性，忽视教学内容的实践应用。通过分析一些学校的教学大纲可以发现，一些学校即使安排了实验课时，也只是安排了基于Excel进行的常规统计分析，或者安排学生使用类似Eviews之类应用软件做一些简单的数据分析。对于金融市场中常见的高频数据、时间序列数据等基本上没有涉及。

3.4 研究生阶段的《金融统计学》教学缺位

由于我们的金融理论研究起步比较晚，尤其是使用模型对金融问题进行定性分析的思维方式刚刚起步。体现到教学领域，特别是在研究生阶段，关于金融学及其相关学科的教学还没有形成一套完整的体系。《金融统计学》的教学工作，就笔者的了解，很多高校金融专业研究生的教学都开设了该课程。但是，囿于各个高校的水平不同，加之在研究生教育上的自由裁量权不同，导致各个高校对《金融统计学》这门课程的安排差别就比较大，具体表现在两个方面。其一，一部分高校金融专业没有安排相关的课程，有些学校这门课程安排在统计学院；其二，即使安排有，也基本上没有统一的培养方案与教学大纲，教学内容更是千差万别。很多从事该课程教学工作的老师，在日常的教学中，都是基于自己的科研领域来安排该课程的教学内容。

4 河南财经政法大学《金融统计学》课程改革的几点实践

大数据背景下，《金融统计学》课程改革的一个核心就是大数据的挖掘与处理。考虑到本科生和研究生的基础不同、人才培养目标不同，针对这两个不同阶段的《金融统计学》课程的教学大纲、教学内容等也必定有所不同。笔者曾作为《金融统计学》一名教学团队成员，给河南财经政法大学金融学专业研究生讲授该课程(实际培养方案中的课程名称为《金融统计分析》)，对该课程的教学工作略有体会，并在实际教学工作中，联合教学团队成员，做了一些改革尝试，具体如下：

4.1 根据培养目标的变化动态完善教学大纲

硕士研究生的课程，不同于本科阶段的为传授基本原理、专门知识和基本技能而开设的系统性基础课程，需要更多注重学生能力的培养。硕士研究生除了要掌握扎实的理论知识，更重要的是培养发现问题、分析问题、解决问题的能力。在大数据背景下，企业和政府对金融工作者要求较高，不但要求从业者具备一定的金融理论知识和统计分析方法，而且，还要掌握信息化时代特有的数据分析方法[9]。新时期金融人才的培养目标在不断变化，因此，我们的《金融统计学》课程的教学大纲也要适时改进，不断修订与完善。

《金融统计学》是金融专业硕士的专业方向课，在金融专业的教学计划中占有重要地位。通过本门课的教学，学生应对金融统计分析方法有系统全面的了解，同时还应注意培养学生的实际动手能力。学习该课程后，学生应达到下列基本要求。第一，熟悉各类金融大数据及其分类；第二，掌握并熟悉运用各种金融统计分析方法；第三，能够依托计算机技术(例如Python语言)，灵活地运用各种金融模型，对各种金融问题进行建模；第四，为学生毕业后在积累一定实际经验的基础上，能够综合地运用各种金融统计分析方法进行量化研究和金融工程产品设计，为创造性地解决各种金融问题打下良好基础。

4.2 根据调整后的教学大纲拓展教学内容

在制定研究生阶段的《金融统计学》大纲以后，我们首先就要根据大纲确定相应的教学内容，根据金融大数据分析可能要处理的问题以及解决这些问题可能需要的统计方法，教学内容分为两大块：金融数据分析与统计方法。

金融大数据分析部分主要涉及银行、保险、证券等领域，具体内容包括如下几个方面。第一，金融大数据分析相关技术，包括大数据处理流程、数据采集、预处理、数据可视化以及数据基本统计信息的获取等；第二，大数据在商业银行的应用，包括客户关系管理、风险管理、征信管理等；第三，大数据在证券期货业中的应用，包括智能化资产配置管理、证券期货业大数据市场分析与量化投资等；第四，大数据在保险业中的应用，包括保险定价、保险营销以及保险欺诈识别等。对于统计方法，我们又分为初级统计方法与进阶方法。初级方法主要包含的内容有直方图、密度估计、正态检验、推断统计、t检验、方差分析、回归分析等，高级统计分析包含多元统计模型、时间序列分析、随机金融与蒙特卡罗模拟等。同时，考虑到课程的实践性，也补充了金融统计分析和量化投资等相关内容。例如，资本资产定价模型、GARCH模型，高频交易数据分析等。

4.3 确定合适的教材

正如前面的分析，无论是面向本科生还是研究生，当前流行的《金融统计学》教材，多数都没有涉及大数据分析，而市场上的一些关于“金融大数据分析”方面的书籍，多是由金融业界人士撰写，虽然实践性很强，但是缺乏相应的理论知识体系介绍，不太适合作为教材使用。

因此，我们在授课的时候，主要使用自编的讲义，主要的参考书目选择了戴维.罗伯特所著的《金融统计与数据分析》(机械工业出版社)，以及Hilpisch编著的《Python金融大数据分析》，这两本书的内容基本上满足了我们教学大纲的要求。尽管如此，这些书籍内容仍然欠缺对银行、保险以及证券等领域的金融大数据的分析。我们在实际教学过程中，对此做了一些必要的补充。同时，也组织教学团队成员尝试编撰自己的教材。

4.4 加大实验课的课时量

我们的《金融统计学》课程教学总课时为46学时，我们安排了16学时的课内实验课。不同于很多教材仅仅安排一些简单的基于Excel的统计分析，或者安排使用类似Eviews之类应用软件做一些简单的数据分析，我们的实验课除了充分利用学校金融实验室的各种软件以及数据库进行金融问题分析，还使用Python语言进行编程，处理具体的金融问题。对于我们所讲授的每一个统计方法，我们都对应给出了多个相应的实际金融问题，然后，要求学生使用Python语言编写程序，给出具体解决方案。Python语言是近年来比较流行的金融大数据分析语言，该语言在处理时间序列数据的时候具有强大的功能。当然，熟练地运用该语言对学生来说也是一个考验。后续，随着教学大纲的调整，师资力量的加强，我们计划再单独开设一门《金融统计实验课》。

4.5 强化培养学生的实践能力

为弥补大数据背景下传统的投资分析方法不能对大量数据进行挖掘分析的缺陷，各高校逐步开设与金融统计分析相关的课程。例如，上海财经大学金融工程与量化投资专业开设了量化投资课程，强调实践教学。与此同时各高校更加注重金融大数据的实际应用，积极参与各式各样的和金融相关的大赛，最典型的就是量化交易大赛。早在2012年，清华大学深圳研究生院、上海交通大学金融工程中心与国泰君安公司为了更好培养量化投资人才，合作开办中国量化投资研究院，并开展“中国大学生量化投资策略大赛”[10]。近年来，由各类企业赞助的各种量化交易大赛也有很多。

在教学活动中，为了强化学生的金融大数据建模能力，在课堂以外，我们还引导学生积极参加各类金融模拟大赛，尤其是各类量化交易大赛。在课程伊始，我们就将学生分组组队，然后，在网上搜寻各类比赛的信息，选择合适的比赛积极参与。当前，各类量化交易大赛基本上都是基于Python或者MATLAB语言编写程序构建交易策略，并基于获取的大数据进行模拟交易，显然，这类实践活动和我们的教学内容恰好完美匹配。同时，我们也将学生的实践结果纳入期末课程成绩评定中，引导学生参与这类比赛活动，不仅提高了学生的实践动手能力，也提高了学生的团队合作能力，这也是学生以后工作所需要的素养。

4.6 充分利用线下与线上教学资源

我们在开展《金融统计学》教学过程中，团队成员充分利用各种线下和线上教学资源，不断提高自身的教学水平。例如，我们和河南财经政法大学统计与大数据学院合作，成立了河南财经政法大学大数据跨学科融合教研室，通过融合教研室，整合金融学院和统计与大数据学院的师资力量，共同探索《金融统计学》课程的教学改革工作。

此外，还组织本课程教学团队成员参与了由南开大学金融学院牵头成立的“智能投顾”虚拟教研室，该虚拟教研室汇聚了国内几十所高校的金融专业教师参与其中，在教研室活动中，针对大数据背景下《金融统计学》的教学工作，也组织了多次研讨。通过学习，我们也受益匪浅，并进一步提升了我们的《金融统计学》教学质量。

5 结 语

大数据时代已经到来，社会对金融人才的能力要求也越来越高，尤其是金融人才的数据分析能力。《金融统计学》是一门培养学生运用统计学知识处理金融问题的课程，在大数据时代，我们有理由相信该课程可以进一步改革，以期更好地将金融、统计与大数据分析结合起来，真正培养学生解决实际复杂金融问题的能力。

河南财经政法大学紧跟时代步伐，对面向研究生的《金融统计学》课程进行了一些教学改革和教学模式的探索，在实际运用中取得了一定效果，课堂学习氛围得到显著改善。以前的授课内容基本上是纯理论讲授，学生感觉枯燥，学习积极性较低。而在课外的实践教学活动中，很多同学积极报名参与各类金融量化交易大赛，一些小组甚至在有些比赛中取得了较好的成绩。总体而言，通过改革，教师驾驭课堂的能力显著提升，师生互动显著增加，课程质量得到实质性提升。同时，改革的成效也得到了学院、学校以及校外一些同行的肯定。