金融工程实验教学如何应对数字金融时代的挑战

李杏 刘博宇 万鹏博

摘 要：金融工程是一门理论与实践相结合的综合性学科。该学科相较于金融学，对学生的数据处理能力提出了更高的要求，很好地契合了当前的数字金融时代背景。为了应对数字金融时代带来的挑战，本文基于多年的金融工程实验教学经验，总结了中国金融工程实验教学的不足及改革方向;并借鉴日本的相关经验，对改进中国金融工程实验教学提出了一系列建议，旨在培养出更适应数字金融时代的金融工程人才。

关键词：数字金融;金融工程;实验教学;日本

一、引言

作为未来金融发展的主要方向，数字金融依靠大数据、人工智能、云计算等技术，为金融行业激发出各种新需求和新业态，现已成为各家金融企业重要的战略发展方向。作为一门理论与实践相结合的综合性学科，金融工程既融合了金融学、经济学与统计学、计算机等学科，又强调数学工具、工程思维和编程方法的综合运用，是“金融业中的高科技”。在数字金融时代下，金融工程很好地契合了当前的时代背景，使得金融工程专业的学生拥有了更加广阔的就业前景。

然而，广阔的就业前景也对人才培养质量提出了更高的要求。比如，多家银行开启了金融科技专业人才招聘，明确提出需要金融、科技、数据复合型人才，并格外青睐懂算法模型、大数据、人工智能等领域的人才，以满足银行业务、风险管理、场景运营、银行科技以及数据治理等数字化转型需要。尽管银行通过薪酬等激励措施，旨在吸引并留住金融科技人才，但很多时候银行在科技人才的招录上往往是“招不来”的。归根结底，是因为中国的数字金融人才底子十分薄弱，与国外的相关人才培育、认证、投入等方面存在较大差距[1]。那么，如何培养出适应数字金融时代的、深刻理解金融工程专业知识并具有一定实践功底的学生，是广大金融工程教育工作者面临的一大挑战。

对于金融工程专业知识，国内大部分经管类高校已构建了理论知识的教学体系和人才培养方案，但是这些高校对实践知识是比较轻视的。中国教育部发布的《教育部2022年工作要点》明确提出，要实施“教育数字化战略行动”;且《高等教育法》规定了高等学校的主要任务是培养具有创新精神和实践能力的高级专门人才。基于此，本文结合多年的金融工程实验课教学经验，分析中国金融工程实验教学的不足并指出改革方向，再结合日本金融工程实验教学的经验，为改进中国金融工程实验教学水平、培养适应数字金融的专业人才建言献策。

二、中国金融工程实验教学的不足及改革方向

不同于金融工程的理论教学，金融工程的实验教学需要学生动手去做——让学生基于市场数据，围绕金融衍生品定价、投资组合风险管理、投资策略的验证及跟踪、跨市场套利方法设计与检验展开实验操作[2][3]，以提高学生解决实际金融问题的能力。

目前，国内大部分经管类高校都开设了专门的金融实验室，配以专业化的软件工具和IT技术平台，可提供银行、保险、证券、期权期货等业务的实验操作环境。以湖北经济学院为例，该学院的国家级实验教学示范中心为全校经管类学生设置了金融投资实验室、实验经济学实验室、经济调查与分析实验室，为学生提供了学习编程、验证金融工程相关模型的实验室环境和仿真系统;同时，该学院的金融学院也开设了《基于高频数据的期货股票量化交易虚拟仿真实验》课程，将金融工程专业的经典理论用到了实验课教学中。但是，面对数字金融时代带来的挑战，结合用人单位对湖北经济学院金融工程毕业生的反馈、学生的评教留言以及其他高校的调研结果，我们认为中国金融工程实验教学尚存在以下不足：

（一）学生未实际接触到海量數据

大数据是数字金融时代的自然资源。在人类的发展史上，从来没有像现在一样，产生了海量数据，并将海量数据变成一项宝贵的资产。作为金融工程专业的学生，如何快速地采集大数据是其必须掌握的基本技能。

受限于经费投入的限制，还有很多经管类高校没有购买Wind、国泰安、Bloomberg等专业数据库，而是采用一些免费的数据库，比如同花顺软件自带的数据库作为替代。但是，这些免费的数据库存在诸多应用上的不便。比如，在采集面板数据时会比较麻烦，无法自动抓取数据;一些数据下载只能追溯到2000年，无法提供衍生品的高频交易数据和实时行情，导致学生未能全面接触到完整数据。

为了能让学生接触到海量数据，我院的一些教师曾经通过其它渠道获得海量数据，然后提供给学生实验操作。但是，这直接导致学生在数据获取上极度依赖教师，使学生在毕业后的实际工作场景中不知道如何获取海量数据、也不熟悉专业数据库的操作，不能满足用人单位的需求。毕竟，从事金融行业，尤其是做金融工程师，离不开Wind等专业数据库的数据支持。很多券商在招聘信息中明确要求应聘者熟练使用Wind、Bloomberg等软件。

因此，本文认为中国金融工程实验教学改革的第一步，是要让学生有实际接触到海量数据的机会，打好数据采集的基本功。唯有这样，学生在踏入职场后才有能力处理好大量金融数据并达成客户和老板想要的结果。

（二）学生的编程基础薄弱

在数字金融时代，金融产品的设计和风险管理需要依靠“数据+技术”手段完成。海量数据只有通过技术手段、深挖其价值后才能变为资产。编程正是处理并分析这些海量数据的必要技术手段。

虽然国内大部分经管类高校为大一学生开设了 C语言、C++、Java等计算机公共课程，但这些课程主要由计算机专业的教师来讲授。因为跨专业的问题，计算机专业的教师们通常不懂金融方面的理论知识，也就很难指导学生用编程技术来分析财经现象。尽管大部分学校在金融工程专业的高年级课程里开设了《计量经济学》，教导大二或大三的学生如何使用Eviews、Stata、SPSS等计量软件，但这些计量软件的程序代码都是“黑箱”，学生只需要通过几句命令或者按钮，便能得到数据的分析结果。

在这种课程体系下，大三的学生在上金融工程实验课时就会对编程难以适应。其原因在于：金融工程实验大多需要在Matlab、Python、R上进行编程。不同的软件的风格形式、思维模式、执行方式，使得学生在计算机公共课程上打下的编程基础难以满足金融工程实验课的要求;而“傻瓜式”的计量软件又使得学生对建模、设计独立算法感到非常陌生。如此一来，学生在金融工程实验课上仅学会了复制代码、简单地调参数、跑程序，对金融工程实验的理解不够深刻，更不懂得如何基于实验原理去修正传统金融模型、设计衍生品、开发量化程序。

基于此，本文认为中国金融工程实验教学应当对前置的计算机课程进行改革，加强学生的编程基础，让学生踏入职场后能够活用编程技术、适应不同金融工作场景的需要。

（三）实验教材落伍

目前市面上关于金融工程理论教学的教材层出不穷。但是，金融工程实验教学的教材则很少且有待改进，具体表现在以下几个方面：

其一，未凸显专业特性。一些金融工程实验教材未能凸显金融工程的专业特性，而是简单地将金融学的实验内容照搬到教材中。比如，有些金融工程实验教材教学生如何使用证券软件、如何做上市公司财务分析、如何计算债券的久期等。这样培养的金融工程的学生与金融学的学生毫无差异。

其二，内容传统。一些金融工程实验教材的实验内容比较传统，仅设置了验证性实验内容，学生只需要按照规定的实验步骤和选项得出固定的实验结果即可[4]。这样的内容设置让学生失去了自主探索的機会，无法培养学生的创新精神，使学生很难适应数字金融时代的岗位需求。

其三，实验样本脱离中国市场。一些金融工程实验教材引用的是美国市场上的案例和数据[5]。众所周知，中美期货市场在保证金、交割时间、波动幅度、交易规则的设置上存在很大差异。如此一来，学生对中国市场的交易规则等还是很陌生。这大大降低了金融工程实验教学的有效性。

其四，对市场热点关注度不够。大部分金融工程实验教材缺乏对市场热点的关注。比如，最近几年场外衍生品规模激增，引发了市场各方的热烈关注。但目前尚未有实验教材引导学生去熟悉场外交易规则，也没有提及场外衍生品的具体投资操作。这对于中国金融工程人才培养事业的发展和衍生品市场的进步都产生了不良影响。

基于此，本文认为中国金融工程实验教学需要对实验教材进行大刀阔斧的改革——要用中国市场的案例设置实验场景，实验内容应当紧扣金融工程的专业特性，并贴合数字金融时代对人才的技能需求，将学生打造成“坐下来就能够写代码，可以写报告，还能设计产品，实施解决方案”的金融工程师。

（四）校企合作效果不理想

校企合作的好坏会直接影响人才培养质量。目前国内大部分经管类高校提倡与企业合作，积极与券商、期货、保险等涉及衍生品交易的企业签署合作协议。但是，这些合作还存在很多问题，比如：

其一，合作未落到实处。合作中没有厘清哪些实验内容由高校教师负责、哪些实验内容由企业的兼职教师负责;并且对企业兼职教师的授课质量缺乏评价标准和约束机制，导致一些企业兼职教师走过场，学生未真正学习到实战经验。

其二，利益分配不均。在实习收益方面，高校、企业、学生三方存在分配分歧，多方利益的难以调和，影响了校企合作的稳定性。比如，在高校与企业联合申报的课题方面，最终的成果是属于高校还是企业未能以法律形式清晰界定。

其三，校企双方的师资缺乏交流。以湖北经济学院金融工程实验教学为例，授课教师多为金融工程专业的博士。尽管这些教师具备扎实的理论功底，但是他们往往缺乏实战经验，不能很好地培养学生的衍生品应用操作技能。另外，从事衍生品交易的企业也需要对投资者进行教育、对员工进行考证培训。目前，企业的这部分培训教育工作主要由人力资源部的员工完成。但是，这些员工在讲授呈现能力、课件及教具的设计制作能力上与高校的专职教师尚存在一定差距。

因此，基于比较优势理论，本文认为中国金融工程实验教学应当进一步加强校企双方的师资交流，稳定合作关系，并提高双方合作内容的深度和广度。

三、日本的经验借鉴

日本作为中国一衣带水的邻邦，因同属于亚洲国家的教育模式，导致两国在教育制度和教学理念上有一定的相似性。相较于中国，日本早在20世纪80年代就已开设“金融工学”即金融工程专业。发展至今，已形成以东京大学、一桥大学、京都大学和大阪大学为代表的金融工程专业国际知名院校。另外，日本的金融工程学界在2019年就已经意识到金融工程与数字金融结合的必要性;并于同年11月由东京大学牵头召开了“金融工程的数字转换”研讨会，还发布了一批金融工程实务与数字金融相结合的实践性课题，强调把研究成果回馈给社会。因此，本文搜集了日本在金融工程专业实验教学和社会实践方面的资料，针对我国金融工程实验教学的不足，在借鉴日本相关经验的基础上，提出如下改进建议：

（一）增加经费投入、购置专业的金融数据库

日本金融工程专业的国际知名院校一般拥有近20个专业的金融数据库，其中不乏日経NEEDS FinancialQUEST、山一證券オンライン版等收费昂贵的数据库。相较之下，中国很多经管类高校对数据库的经费投入非常少。为了让学生切身接触到海量数据，本文建议高校加大对金融数据库的经费投资力度。

但是，这种投资力度的加大不应该是盲目的，而应该是开源节流后的权衡。开源方面，中国高校可以参照日本文部科学省对图书馆数据库资源的运营意见①，除了把一定比例的大学整体预算作为采购金融数据库的经费之外，还可以在数据库的合同方式和支付方法上下功夫;并活用自身的学术信息资源，将各大学图书馆自己的特色项目（例如，将馆藏资料电子化并公开，为使用者提供新的服务模式，与地区、社会、其他机构合作等），努力获得竞争性的外部资金，以应对金融数据库的涨价风险。节流方面，由于目前一些数据库服务商为了提供更多的服务，会将自身数据库的资源涵盖更多的内容，致使数据库之间有些内容是雷同的。为避免过多的经费负担，高校应当在购买金融数据库前做好充分调研，集中资金购买1～2个专业的金融数据库，避免数据库的重复性建设。

另外，考虑到一些数据库费用昂贵，每增加一个端口可能给高校带来5～10万/年的经费负担。为此，本文认为可以借鉴京都大学的做法，对数据采集实行预约制②，即学生按照图书馆规定的时间，提出预约申请，申请通过后则使用图书馆的电脑端口采集数据。

最后，考虑到学生刚开始对数据库的操作界面不熟，中国高校也可以借鉴京都大学的做法，对如何应用数据库召开在线的讲习会或者录制成视频③，提高学生对数据库的操作熟练度。

（二）调整计算机课程设置

考虑到Python是一种免费的、开源的、高级的、通用的编程语言;且相较于Matlab和R，Python的科学计算生态表现得更好。因此，本文建议对金融工程专业的大一学生开设Python编程课，以替代原先的C语言、C++、Java等计算机公共课。具体地，参照日本一桥大学金融工程教育中心的实践经验④，本文建议：

在大一设置《统计学》《微积分》《财务分析》等理论课以及《Python语言及其应用》等实验课。在Python的内容设置上，本文建议暂时不要求大一学生使用Python解决各种金融工程计算问题;而是让学生以入门的心态，用Python做一些简单的财经数据可视化分析和统计分析。比如，学习如何用pandas和matplotlib包对数据进行清洗和可视化分析，如何用numpy包分析个股的市值、市盈率和日收益率的统计规律。

在大二设置《计量经济学》《金融经济论》《数理经济学》等理论课和《计量经济学实验》的实验课。

在大三设置《金融衍生工具》《金融风险管理》《信息处理论》等理论课和《金融工程实验》的实验课。

在大四撰写毕业设计，鼓励运用编程技术来设计、开发和实施新型的金融衍生品。

（三）改编实验教材

与中国一样，日本专门出版的金融工程实验教材非常少，大部分实验内容融入了理论教材的各个章节。另外，日本在金融工程实验教学上更倾向于课前发放讲义、课中现场指导学生进行金融工程实验。基于此，本文结合三菱UFJ信托投资工学研究所编写的《実践金融データサイエンス（实践金融数据科学）》[6]、岡田克彦的《Pythonによるビジネスデータサイエンス（Python的商业数据科学）》[7]、朱顺泉的《量化金融投资及其Python应用》[8]以及东京大学工学部計数工学科金融工学的部分实验讲义，以中国衍生品市场上的数据为实验样本，对金融工程实验教材做出如下改编;其中，每次课初步拟定为5个学时：

一是，精简实验内容、突出专业特性。在金融学的实验内容上，仅保留为金融工程实验教学做铺垫的内容;其余的金融学实验内容则以课程在线资源的形式发布，供学生课外补习。具体地，本文参照日本岡部建次教授的构想[9]，遵循“问题导向式”的思路，设计出金融工程实验课的前2次课内容：

第1次课：在线下课堂，提出疑问“股票交易赚钱吗”。答案是赚不到钱;也有赚钱的人，不过是一时的或偶然的。那么，“赚了钱的人怎么做了内幕交易、套利交易”？“为什么赚不到钱”？因为股价是随机运动的，而且股价包含了公开的信息。谁也不能确切地预测股价的上涨。进一步地，让学生通过英式拍卖的实验设计对内幕交易进行研究;并通过一个Python语言函数的实验，检验股指价格在长时期是否遵循随机游走。

第2次课：在线上课堂，教师展示计算机系统做的某个量化程序，让学生了解使用计算机通过数理的方法赚钱的例子。在线下课堂，让学生通过一个以跟踪误差为核心的实验，对指数基金的投资绩效进行检验。

二是，删掉一些验证性实验内容、增加综合创新性实验设计内容。本文试图将金融工程专业的实验分为基础性实验和拓展性实验。其中，基础性实验对应第3～6次课的实验内容，拓展性实验对应第7～10次课的实验内容。基础性实验的内容如下：

第3次课：在线上课堂，复习数学原理。在线下课堂，教师给予一定的指导和举例，然后给定题设，让学生编写远期利率协议和远期外汇合约的价值及价格所用的Python语言函数;给定题设，让学生编写求外汇期货合约、利率期货合约、股指期货合约的价格使用的Python语言函数。

第4次课：在线上课堂，复习数学原理。在线下课堂，教师选择某一标的资产，带领学生一起设计期货套期保值策略，并让学生编写Python语言函数，计算所设计的套期保值策略的最优套期保值比、利润、方差;然后，让学生自行选择某一标的资产，设计期货跨期套利策略，并编写Python语言函数，计算组合价差和判断套利机会的技术指标，选择开平仓时机，确定套利规模，计算盈亏变动。

第5次课：在线上课堂，复习数学原理。在线下课堂，让学生在给定条件下，设计一个利率互换合约，并编写Python语言函数，确定利率互换合约中的固定利率，计算利率互换合约的价值。

第6次课：在线上课堂，复习数学原理;课后由教师搭建一个期权回测框架，演示其Backtrader回测程序。在线下课堂，给定题设，让学生编写Black-Scholes期权定价模型的欧式看涨、看跌期权的Python语言函数;给定题设，让学生编写二叉树法的无收益资产美式期权定价的Python语言函数;给定题设，让学生编写欧式看涨期权的蒙特卡洛模拟Python语言函数。

需要注意的是，第3～6次課里的编程定价必然离不开“函数展开（泰勒展开、麦克劳林展开）”“中心极限定理”“维纳过程的协方差”“偏微分方程”等数学知识。事实上，这些数学知识也阻拦了很多想要挑战金融工程学的人。为了让实验流程更加流畅、更容易让学生记住，本文认同《金融工学のエッセンス： 難関ブラック？ショールズを見える化する 動的視覚化シリーズ》[10]的倡导，建议模仿日本可视化技术研究所发布的视频（https：//goo.gl/UKl7Xq），制作出类似的讲述数学原理的视频，由教师用线上课堂的形式，既对公式进行简单说明，又通过图表、将实验内容的核心和步骤尽量可视化地传达给学生。

三是，在实验内容里融入对新形势下的思考。考虑到量化投资在中国才刚刚起步以及衍生品推陈出新的速度非常快，本文建议在第7次课进行衍生品分析平台的实务应用;在第8次课设置线上和线下相结合的量化投资平台实验;在第9次课分析场外期权、数字资产衍生品等热点案例，帮助学生更好地把握行业前沿。

第7次课：在线下课堂，进行衍生品分析平台的实务应用[8]。具体地，教师针对某利率衍生品进行建模分析，并对隐含波动率与模型进行分析和校准。然后，让学生自行选取单一风险因子或者多风险因子或者多风险衍生品资产，进行组合建模，出具资产组合风险报告，并校准隐含波动率和模型。

第8次课：在线上课堂，教师介绍数据建模常用的监督学习（决策树集成、核支持向量机、神经网络）和非监督学习（k均值聚类、凝聚聚类、DBSCAN）的Python语言函数，让学生挑选其中的3种方法，加以掌握。在线下课堂，尝试搭建量化投资平台[8]。具体地，教师介绍以Python为基础的量化投资平台，安装配置软件环境;教师使用Python操作MySQL数据库，介绍量化投资中衍生品数据平台的基本类型和处理方法，并公布一些现成代码让学生运行。如果学生学有余力，可以让学生尝试搭建一个自己的衍生品量化投资平台。

第9次课：在线下课堂，师生对场外期权、数字资产衍生品和天气衍生品进行热点追踪。具体地，教师引导学生了解场外期权的交易规则、雪球结构定价与风险深度分析;引导学生了解数字资产合约市场，明晰数字资产衍生品与传统金融衍生品的不同之处;教师讲解一个使用蒙特卡罗方法设计天气期权的案例，并让学生撰写心得体会。

四是，复现衍生品相关的实证论文和产品设计。在第10次课的线下课堂，鼓励学生以小组为单位，搜集已发表的实证论文及其代码或者市场上已公布的金融模型和产品设计;然后，小组仿照成型的操作步骤、复现流程和代码，为日后撰写论文和行业研究报告以及设计金融产品打下基础。

第10次课：在线上课堂，学生提交心得体会和实验报告，师生对此展开线上讨论，教师应当重点关注学生对实验内容的理解程度以及是否加入了自己的思考。在线下课堂，教师对搜集到的衍生品相关的实证论文进行成果复现，并让学生基于Python语言函数、复现尝试某篇实证论文或某个产品设计的结论。

五是，及时更新实验内容。衍生工具创新和资产组合日新月异，为此东京都立大学金融工学研究中心为实务家和研究者搭建了Workshop和Seminar形式的交流平台⑤，积极地与金融机构、公共机构、业界团体及各协会开展合作。中国经管类高校可以借鉴日本的经验，并以Workshop和Seminar的形式，邀请业界专家一起编写、复审、修订实验内容，达到实验内容及时更新和动态变化的目的。

（四）深化校企合作

其一，共建供需对接就业育人项目。为落实教育部在《2022年教育部工作要点》中提出的“推动就业与招生培养联动改革，实施供需对接就业育人项目”，本文建议中国经管类高校可以借鉴日本京都版问题解决型学习方式（Kyoto Project Based Learning， KPBL）[11]，与期货公司、券商等企业合作打造“供需对接就业育人项目”。在合作的初级阶段即“对话型”阶段，企业结合数字金融时代的岗位职责提出需求;高校则根据此需求，主动调整人才培养模式和实验课设置。在中级阶段即“职场体验型”阶段，高校邀请企业兼职讲师来校讲授实战型的实验课或者传授项目经验，高校对企业兼职讲师的授课质量出台完整的评价体系和奖惩机制;与此同时，企业给学生提供实习机会，让学生近距离地接触职场。在高级阶段即“问题解决型”阶段，企业给予实习学生一定的转正机会，激励实习生尽快向职场人转变;高校也可以根据企业的需要，安排高校教师定期或不定期地为其员工进行理论培训，以充分释放资源整合效应，优化双方的人力资源配置。

其二，奖励机制及利益分配协议。目前，国内高校普遍重视纵向课题大于横向课题。日本高校则对来自企业的横向课题非常重视。以北海道大学为例，为了激励教师参与产学合作研究，该校根据教师的学术知识等贡献度设立了相应的报酬即学术贡献费，并将产学联系推进经费比率调整为研究经费的30%⑥。如此一来，北海道大学教师在横向课题的获利不会小于纵向课题。基于日本的经验，本文建议中国高校对产生一定经济价值的横向课题加大激励力度。比如，像日本一样，设置学术贡献费;或者对该横向课题赋予和某一类纵向课题同样的科研考核分数。

其三，针对实习收益和课题成果的分配分歧，本文建议：第一，校企双方可以事先签订TPM协议（Target Performance Mechanism）⑦，设定体现产学研利益的动态分配方案;并报上级部门审议，保障协议合法合规。第二，仿照日本产学合作经验，构建利益冲突管理制度[12]。比如，校企双方平时做好申报、信息公开和记录工作，将因利益冲突而可能产生的问题防患于未然或控制在最小范围内，防止问题再次发生;同时，将校企中合作质量较好的某一阶段作为标杆，通过共享好的实践 “good practice”，主动谋求如何提高利益冲突管理的质量。

四、结语

数字金融时代给金融工程专业的实验教学带来了机会和挑战。本文基于数字金融时代的人才需求，结合多年教学经验，指出中国金融工程实验教学存在学生编程基础薄弱、实验教材落伍等不足之处，指明了未来的教学改革方向;并参照日本高校的相關经验，对改进中国金融工程实验教学提出了调整计算机课程设置、改编实验教材等建议，旨在为经管类高校紧跟时代潮流、着眼实用型人才需求，实现数字金融时代背景下金融工程专业人才培养提供借鉴。

笔者在未来将从以下两个方面来深化研究：一是，基于湖北经济学院《基于高频数据的期货股票量化交易虚拟仿真实验》课程已搜集的实验报告，对学生的实践心得进行文本量化分析，从学生的感受出发，探寻影响实验教学质量的关键因素，为改进金融工程专业的实验教学提供实证支撑;二是，基于目前广受欢迎的人工智能框架Tensorflow，设计高校教师和企业兼职讲师的实验教学评价模型。

注 释：

① https：//www.mext.go.jp/b_menu/shingi/gijyutu/gijyutu4/toushin/attach/1301607.htm。

② http：//www.econ.kyoto-u.ac.jp/～chousa/。

③ https：//archives-kyotouecon.blogspot.com/2022/07/needs-financialqu

est.html。

④ CFEE一橋大学金融工学教育センター：https：//www1.econ.hit-u.ac.jp/finmodel/jpn/index.html。

⑤ 東京都立大学金融工学研究センター：https：//www.biz.tmu.ac.jp/quantitative-finance/workshop/。

⑥ 北海道大学産学？地域協働推進機構https：//www.mcip.hokudai.ac.jp/business/joint_research/burden/。

⑦ 在事先签订的TPM协议中提出一个既定的目标，即校企合作的成果能给企业带来的利润或者效益。若未达到目标绩效，企业以P1的低价支付高校，高校获得课题等合作成果，此时P1相当于高校的成本;反之，企业则以P2（P2>P1）的价格付给高校，高校可以赚取高收益。

参考文献：

[1] 中国金融新闻网.数字金融人才培养是金融科技高质量发展关键专家谈数字金融人才培养[EB/OL].[2021-08-09].http：//stock.10jqka.com.cn/20210809/c631667480.shtml.

[2] 黄璐，倪兴兴，薛松超，等.数字金融背景下的金融工程专业实验教学探索与实践[J].实验技术与管理，2020，37（12）：189-192+198. [3] 方杰，刘俊棋，李杰辉.金融工程专业《金融数学》课程设计及教学改革研究[J].金融理论与教学，2021（3）：101-104.

[4] 邢钰.人工智能背景下对金融工程专业实验教学的思考[J].教育现代化，2017，4（33）：138-140.

[5] 陈彬彬.金融科技背景下金融工程专业实验教学改革分析[J].科教文汇，2020（36）：121-123.

[6] 三菱UFJトラスト投資工学研究所.実践金融データサイエンス：隠れた構造をあぶり出す6つのアプローチ[M].日本：日経BPマーケティング（日本経済新聞出版），2018.

[7] 岡田克彦.Pythonによるビジネスデータサイエンス[M].日本：朝倉書店，2022.

[8] 朱顺泉.量化金融投資及其Python应用[M].中国：清华大学出版社，2018.

[9] 岡部建次.金融工学授業で何をどう教えるかについて-文系学生のための社会人になってから役立つ金融工学授業[C].日本：日本情報経営学会第80回全国大会予稿集，2020.

[10] 浪平博人，寺石雅英.金融工学のエッセンス：難関ブラック？ショールズを見える化する動的視覚化シリーズ[M].日本：ファズボックス，2016.

[11] 杉岡秀紀.京都における産学連携によるグローバル人材育成事例[J].日本：産学連携，2019，15（2）：44-54.

[12] 榊原清則，伊地知寛博.日本における産学連携の実態と利益相反問題[R].日本：経済産業研究所Discussion Paper Series，# 01-DOJ-101，2001.

基金项目：湖北经济学院博士科研启动基金（XJ21BS12）

作者简介：李杏（1989- ），女，湖北钟祥人，湖北经济学院实验教学中心讲师，博士，研究方向为金融工程与风险管理;通讯作者刘博宇（1983- ），男，湖北武汉人，湖北经济学院实验教学中心讲师，博士，研究方向为实验经济学。