产学研结合应用于实验类课程的改革与实践——以《金融统计案例分析》课程为例

叶提芳，杨珂玲（湖北经济学院 统计与数学学院，湖北 武汉 430205）

一、引言

为适应现代市场经济发展对经管类人才知识结构和实践能力的需要，增强学生的综合实践能力、就业核心竞争力与创新创业能力， 湖北经济学院信息管理与统计学院长期关注“产学研”的合作共建。 例如，与湖北省统计局共建有湖北省数据分析中心，与武汉市统计局、洪山区统计局、江夏区统计局、宜昌市统计局等政府部门共建实习基地， 与武汉辰智商务信息咨询有限公司、烽火普天软件公司、淘宝、小麦公社、电商云工场、CDA 数据分析研究院等在人才培养、联合科研、对外咨询、学生实习实训、企业高管进课堂、 学生创新创业项目和团队孵化等方面开展合作。 然而，企业的合作共建大多关注学生的实训、实习项目，并没有尝试用于实验类课程的教学中。

作为湖北经济学院金融统计专业的专业必修实验类课程《金融统计案例分析》来说，具有极强的实践性和应用性背景。 然而，在以往的教学中，比较偏重理论的讲授， 实验环节仅限于在实验室对书本案例的软件操作，并未尝试与外界企业的合作教学，学生所学内容多限于书本知识， 很少接触企业的实际问题，在毕业走入社会后，不了解企业真正的需求，不能很快适应实践工作， 造成学与用的脱节。 鉴于此，从2020-2021 学年第2 学期开始的教学中，我们在我校“产学研”结合的历史模式基础上不断探索，并进一步完善， 尝试根据金融统计专业课程的学科特征，在明确其社会实践性的基础上，通过选取企业的具体问题，把课堂理论知识具体化，科学合理设计教学，将“产学研”一体化切实融入《金融统计案例分析》的教学中，收获了一定的教学经验和教学成果。以下主要从课程简介、“产学研” 应用于课程教学情况、“产学研”结合用于实验类课程的研究意义三个方面介绍“产学研”应用于实验类课程的实践与探索。

二、课程简介

（一）《金融统计案例分析》简介

《金融统计案例分析》属于专业必修实验课，是集演示、验证、设计为一体的综合型实验课。 本实验课的学习需要学生已修《统计学》《金融统计模型与方法》《市场调查》《网络大数据采集》《计量经济学》等多门基础课程。该课程的教学目的在于，通过金融案例的实践，要求学生掌握金融大数据的获取方法，利用网络爬虫技术获取金融大数据， 熟练掌握金融统计模型与方法， 让学生能够灵活运用金融统计模型和方法对实际问题做出分析， 会利用python 等软件编写代码将模型结果具体实现并展示出来， 最终能够掌握运用科学合理的统计模型解决金融风险监控与防范等方面实际经济问题的方法。

《金融统计案例分析》核心方法为“金融+统计+编程”分析方法，课程强调对“金融+统计+编程”分析方法的熟练掌握与应用。 事实上，一直以来，统计模型和分析方法在金融量化投资研究中都扮演着重要的角色：1952 年，Markowitz（马科维茨）利用概率论和数理统计的相关理论， 构造了分析证券价格的模型框架，发表了资产组合理论，开启了金融问题定量研究的先河， 它的产生和发展显示了统计分析在金融投资领域应用的强大生命力。据不完全统计，超过半数的诺贝尔获奖经济学家来自统计计量领域。 借用统计理论，将经济理论数学公式化，将经济行为定量化，已成为当今世界经济的热门课题。对期货投资分析来讲，随着市场日趋复杂，数字已成为传递信息的最直接载体， 大量的数学与统计工具在期货分析研究中发挥着不可或缺的重要影响。另外，大数据时代，从数据的获取、整理、清洗到模型的实现，无一不需要熟练的编程技术。可见，“金融+统计+编程”分析方法对金融投资至关重要， 作为一名金融统计专业的学生，必须熟练掌握“金融+统计+编程”分析方法，这是《金融统计案例分析》课程的要求，也是量化金融的人才培养的需求，更是国家培养“金融+统计+编程”的复合型应用型人才的需求。

（二）案例实验和合作企业简介

《金融统计案例分析》采用“产学研结合”的教学模式，教学方法上采用理论与案例相结合的方式，并着重强调软件操作、结果解读、问题分析的能力。 该课程的实验主题是以金融投资为主题的案例实验，主要是基于金融业务场景，以金融学、统计系、证券投资学、财政学、企业会计等理论知识为基础，结合数学与统计模型，利用R 软件或Python 软件，通过完成针对样本数据的分析处理、 交易策略的模型构建、 以及风险管理， 达到学生理论与实践结合的训练。 该实验课程的教学基于湖北经济学院实验教学中心提供的“基于股票多因子策略模型的量化金融虚拟仿真实验教学项目”的虚拟仿真教学平台。

与我们联合授课的企业为深圳点宽网络科技有限公司（以下简称“点宽”，又称Digquant）。 “点宽”深耕金融科技教育领域，致力于向行业输送“金融+大数据+人工智能”的复合型专业人才，构建校企互通的桥梁，推动国内金融科技人才培养建设。“点宽”采用线上和线下融合（OMO）的数字化实践教育服务平台：线下助力国内高校培养“金融+统计+编程”的跨学科融合的人才，提供高等金融科技教育服务，让金融专业的人才懂科技、让科技专业的人才懂金融，助力高校完成“从理论到实践、从学校到企业的最后一公里”；线上基于互联网打造“点宽学院”，提供大数据和人工智能的现代信息技术在金融领域应用的教学服务。

三、“产学研”结合应用于课程教学情况

（一）“产学研”结合应用于《金融统计案例分析》课程的实施方式

《金融统计案例分析》课程包含“基础性认知与验证性实验、专业技能实验、经济社会综合实训”三个实验层次的实验教学体系。 下面主要从这三个层次分别介绍“产学研”结合应用于《金融统计案例分析》课程的实施方式。

1. 基础性认知与验证性实验

基础性认知与验证性实验主要反映基本知识和基本理论，训练基本技能的经典实验和操作。 教学内容具有基础性、入门性、规范性的特点，教师示范、学生做认知、验证性操作训练。 该层次主要关注统计学、大数据采集挖掘和金融学等相关基础知识和基本理论，训练基本技能的经典实验和操作。 该层次的功能在于提供基础性的演示性实验与操作实践环节，使专业基础课程的理论与实践紧密结合起来，进行基本操作技能的训练。 该层次只是学习企业常见问题以及基础的软件操作，使学生初步了解专业基础。

实验的主要内容包括统计学、金融统计模型、网络大数据采集、金融数据统计分析、统计建模、证券投资实务、数据库技术、统计预测与决策等相关知识的R 语言或Python 语言操作。

2. 专业技能实验

专业技能实验主要定位于在学生具备了一定专业理论和知识的基础上，根据金融统计专业要求，以适应社会需求为目标，以培养应用能力为主线，通过大量的实验环节组织实验教学与学习。 该层次注重能力培养，所依托平台为“基于股票多因子策略模型的量化金融虚拟仿真实验教学项目”平台（网址：http://hbjj.digquant.com/）。 该平台共包含三个方面实验内容，分别是：技术指标可视化、因子分析和金融市场整体策略实验。进入平台后，学生可以根据自己的需要选择相应的实验内容。 下面从模块主要内容、功能及操作方法对三个模块做出简要介绍。

第一个模块是技术指标可视化模块， 主要认识金融股票市场上的K 线图、主图指标和副图指标，了解指标的形态和原理， 以及了解指标在金融股票市场上的应用。技术指标是进行股价分析的基础，了解技术指标，能更好地分析股票。该部分实验可以生成股票的K 线图、主图指标和副图指标。 以K 线图为例，首先需要选择标的（例如，选择平安银行），然后选择频率（例如，日线），最后选择复权（例如，不复权），那么日线不复权K 线图便生成了。

第二个模块是因子分析模块， 主要学习股票的因子情况，认识不同的因子在股票标的上的表现，并学习对单因子进行绩效分析，了解因子的收益情况、因子之间的相关分析、以及因子的预测能力等等。该部分实验可以生成股票的单标的因子分析图、 单天单因子多标的分析图和单天多因子多标的分析图。以单因子分析为例，需要首先选择因子（例如，选择NegMktValue 因子），然后进行投资域的选择（例如，选择沪深300），再点击“运行回测”，可以查看因子对应绩效报告。

第三个模块是金融市场整体策略实验模块，需要学生了解各种选股策略，通过经典的Fama 三因子和Fama 五因子策略，了解经典的选股策略，并从多个维度分析策略的交易质量， 以及学习前沿的机器学习模型选股策略，了解选股的思路和实现方法。选择该部分实验后， 共有四个实验策略可供选择，包括：Fama 三因子定价模型、Fama 五因子定价模型、基于支持向量机的选股模型和基于随机森林的选股模型。以Fama 五因子定价模型为例，选择进入之后，共包含四部分内容：一是Fama 五因子选股策略的实验说明； 二是Fama 五因子定价模型的实验代码；三是Fama 五因子定价模型的结果示例；四是Fama 五因子定价模型的运行回测。需要学生在理解Fama 五因子模型的基本理论基础之上，掌握Fama 五因子定价实验代码的编写，根据代码展示Fama 五因子定价模型的结果，包含策略详情、交易详情、周期分析、策略分析、交易分析、策略评分，同时包括实验代码，并可运行显示结果。

3. 经济社会综合实训

该层面的实验可分为两方面： 一是校内综合性实验环节与校外岗位实践相结合。 该层面的实验教学主要是在前两个层次的基础上， 强调综合性实践应用能力的培养，又可以分为两个阶段。第一阶段主要通过校内综合性、 设计性的实验环节训练学生对所学理论知识的综合应用能力， 以及学生独立思考问题、解决问题的习惯，并锻炼学生的团队合作精神与决策能力。第二阶段可与校外实务部门合作，通过让学生校外岗位实习实践， 训练学生对专业知识以及理论的综合应用能力， 达到对相关业务实际流程的熟练操作。 二是开放性、创新型实验教学。 该层面的实验教学属于较高层次， 主要是针对高年级本科生和研究生培养所进行的实验教学方向。 着重培养学生的创新意识与应用专业知识进行相关科研的能力， 使实验室本身成为具有辐射作用的创新型人才培养基地和实验教学改革的研究基地。

（二）产学研结合应用于《金融统计案例分析》课程的实施效果

可以看出，在《金融统计案例分析》的教学过程中，我们选择“产学研”相结合的教学模式，教学方法上选用模型理论（多因子模型、机器学习理论）到模型实践（策略）的方法，将抽象的知识具体化，将技术指标可视化， 将现实的场景代入到实际的教与学的过程中，并结合python 等数据处理技术，使学生能够轻松学习股票技术指标和因子分析， 快速且可回溯性地体验股票多因子量化选股过程， 掌握金融市场整体策略的选股思路和实验方法； 使学生能够熟悉交易流程、交易规则、能够计算交易成本、交易收益；进而使学生熟悉金融市场的各种运行机制， 各种资产定价方法，主要金融指标之间的相互关系、各主体的行为，并能够运用所学理论、知识和方法分析解决金融市场中的实际问题； 使学生掌握自己动手进行资讯分析、金融投资交易；丰富和完善了传统的实验教学模型，使学生体验到在企业工作的真实场景，增强了学生的学习体验和交互性， 提高了他们的学习兴趣，与此同时也更好地培养了学生的综合素质、科研能力和创新能力，成为应用型复合人才，在毕业后满足企业需求，顺利上岗。

四、“产学研”结合用于实验类课程的研究意义

“产学研”结合的教学模式对于提高实验类课程的教学效果有重要作用[1-3]。首先，实验类课程都具有极强的实用性和应用性背景， 如果仅限于书本内容的软件操作，学生不但会失去兴趣，而且不知道所学习的实际意义和社会价值；其次，因为高校与企业合作能够实现各自的资源优势互补， 可将高校与企业的优势融会贯通，对于高校来说，可以帮助学生走出象牙塔，接触社会实际问题，有助于提高学习兴趣和效果，对于企业来说，可以帮助企业解决实际问题。因此，在实验类课程教学过程中尝试进行“产学研”结合的教学模式有着重要的现实意义。 需要注意的是，这里的“产”是指企业生产中遇到的问题，“学”是根据“产”遇到的问题进行课堂教学内容的设计与提炼，“研” 是鼓励学生就课堂理论知识代入企业实际问题进行实践[4]。 在这种模式下，不但帮助企业解决了实际问题，而且提高了学生的创新能力、实践应用能力。对于本研究方向而言，金融投资案例实验具有很强的实践性和应用性， 采取将企业实际问题搬进课堂， 实现了书本的理论内容与企业实际问题的有效衔接，极大提高了教学效果，最终助力培养“金融+统计+编程”的复合型应用型人才。

五、结语

在我校“产学研”结合传统模式基础上不断探索，并进一步完善，我们找到了“产学研”结合用于实验类课程的有效模式， 并将其应用于金融统计专业必修实验课《金融统计案例分析》的教学过程中。 本课程“产学研”结合教学模式的成功将有益于科技创新企业、实体企业、政府部门以及学生自身。首先，科技创新企业可以利用丰富的平台资源进行产品创新、实验与开发；其次，实体企业可以利用中心的平台进行商战决策模拟、员工培训；再次，政府部门可以利用中心降低运营成本；最后，学生在整个学习和实践过程中，能够在最好的实训平台，使用到最新的研究软件、实时的数据资料和现实的创业场所，实现了资源共享和研究开发成果的综合利用， 形成了各尽其能、各取所需的教学模式。