量化投资课程在通识化教育的教学改革优化路径

2024-06-06刘力军

大学·教学与教育 2024年4期

摘要：量化投资将计算机技术与金融业务逻辑深度融合，并依托大量的金融业务数据和不断优化的数学模型，为决策者提供更高的参考价值。随着社会的发展，金融意识将伴随人的一生，量化投资课程不仅是金融专业领域的研究内容，也是所有专业学生应该了解的通识化课程。文章对目前量化投资课程的现状进行分析，通过对数据结构化和算法实例化的方法，创新金融课程的内容设计和教学设计，以达到适合非金融专业学生掌握量化投资课程的目的。

关键词：量化投资；教学改革；通识化

中图分类号：G642 文献标识码：A 文章编号：1673-7164（2024）11-0082-04

随着中国全面进入小康社会，以及日益突出的老龄化趋势，提高全民的金融理财意识，提升全面的生活水平显得尤为重要。目前学校教育更多专注于学术知识的传授和专业技能的培养，却忽略了理财技能的培训。量化投资最早起源于20世纪50年代，国外的量化交易发展比较早，量化投资的技术从各方面都要远超于陈旧的投资方式，已经达到可以在秒内进行投资交易的程度。［1］国内量化交易市场还处于发展初期的阶段，目前，期货市场方面已经有了一定的运用和积累，在证券市场的运用还处在刚刚起步的阶段。国内很多高校已经意识到量化投资人才培养的紧迫性和重要性，部分高校已开设相关课程，并举办不同形式的培训和比赛。［2］例如由清华大学每年主办的“清华华量杯”量化投资大赛等。

一、现状分析

量化投资教学是培养学生将金融知识理论与实践投资相结合的课程体系，构建学生的金融理财意识，塑造工程化的投资方法，是一门跨学科跨专业的综合类实践知识。社会对投资类人才的培养提出了更高的要求，愈发强调人才的创新思维能力和实践能力。［3］课程涉及金融领域、计算机领域、大数据领域等多方面知识结构。对于金融专业学生亦是相当难以掌握的知识体系，对于非金融专业学生的通识化教育更是值得深入研究的问题。

公共选修课“Python量化投资”是一门针对全校所有专业学生的通识化教育课程，目标是让学生学习和了解Python语言基础，对常用计算机开发技术有一个系统的认识；初步了解量化交易的系统知识，对投资方法和投资中的重要技术指标有基本认知，建立起利用计算机技术和Python语言进行量化投资的知识体系。

为了达到良好教学效果的目标，此公选课限定人数30人，每次开课都基本报满，以2021—2022第二学期为例，报名学生来自5个学院的14个专业的18个班级，可见学生对于金融投资知识的热情，以及该知识体系的广泛受众基础。投资学课程教学目前存在的问题主要是课程设置方面除了必要的经济学知识以外，随着计算机科学技术的发展和人工智能的盛行，应该加入相应的计算机编程语言知识，以及人工智能和数据分析等课程，在实验室配置上应有配套的实验环境，在专业教师素养方面应鼓励教师更多进行实践操作演练。在实际教学过程中，主要有以下几个方面的问题：

（一）金融知识缺乏有效的应用场景

量化投资教学不是一门纯理论金融课程，而是一门实践性非常强的课程，首先，涉及的金融知识非常广泛，如经济学、金融学、证券投资学、统计学等多门专业理论知识，另外，还涉及实际的证券交易应用场景。量化交易的技术指标非常多，共有100多种。［4］一是难以开通实际的、多方位的真实交易环境，二是难以通过真实的角色扮演和真实的交易资金体验交易场景。

（二）計算机编程知识晦涩难于理解

计算机编程语言是计算机与人之间通信的语言，是程序设计的重要工具，具体来说，就是人通过计算机编程语言设计计算机要完成的动作，然后计算机根据程序的设定完成人所指定的特定工作。计算机语言有很多种，一般金融工程类专业用到的编程语言以Python为主。

公选课面对的是全校所有专业学生，对于非计算机类专业，尤其是文科类专业学生，理解计算机编程知识有相当大的难度，更别说用编程语言完成量化投资工作任务。举例来说，曾经给学生讲量化交易入门知识的时候，讲到“操作股票数据首先先定义一个变量”，这时立刻有学生问“老师，变量是什么？”，又讲到变量有很多种，包括整型变量，浮点型变量等，学生又会立刻问道“整型是什么意思？”。深入到计算机知识的细节里，就变成了计算机基础课程，而无法达到量化投资课程的教学目的。如果不讲好这些计算机基础知识，学生是无法深入学习量化投资的实现方法的。在授课的一开始，可能就陷入了两难境地。

（三）量化投资通识化教育难上加难

量化交易投资方法通常指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制订策略，极大地减少了投资者人为的情绪波动和非理性的投资决策。量化投资技术包括多种方法，在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。量化策略是指使用计算机作为工具，通过一套固定的逻辑来分析、判断和决策。量化策略既可以自动执行，也可以人工执行。一个完整的策略需要包含输入、策略处理逻辑、输出；策略处理逻辑需要考虑选股、择时、仓位管理和止盈止损等因素。

量化交易系统主要分为三方面的功能：选股、回测和预测。从选股层面上看，目前国内A股市场上超过5000支股票，人工选股已经变成一件不可能完成的任务。利用计算机技术进行筛选，自动完成选股成了必要环节，企业财务指标和公司经济指标可以帮助用户从基本面进行筛选，股票的技术指标可以帮助用户从技术面进行筛选，量化交易策略的制订可以帮助用户自动化交易，人工智能技术的应用可以更大程度地帮助用户获得超额收益。从回测层面上看，回测是根据设定的股票交易策略，基于历史已经发生过的真实数据，从历史某一时间点开始，严格按照设定的策略，模拟真实金融市场交易规则进行模型买入、模型卖出，得出一段时间内的盈利率、回撤率等数据的过程。回测包含对不同股票的回测，也包含对不同时期的回测，如此大规模的数据计算，如果没有量化交易系统显然无法完成。

二、课程内容设计

量化投资教学课程的显著特征是具有较强的综合性、跨界性、实务性，涵盖和融合了经济学、计算机编程语言、数据分析、人工智能，以及必要的操作技能。因此，除了必要的理论知识以外，量化交易实务是重要的课程内容，这对本科生而言是比较陌生的领域，教学内容的设计既要考虑到学生理解和掌握投资体系，量化交易体系，软件开发体系，使三大体系有机结合，达到量化投资的教学目标，又要考虑到学生在相应的课时内能够理解和掌握所授内容，因此在课程内容上应选择实用性的金融知识，便捷性的开发语言和开发工具。

（一）量化投资概述

将课程内容分成三部分，一是Python部分，量化投资的基本工具，基本开发语言，是完成量化交易的必备技能。二是量化部分，利用统计学，以数量形式表示评价结果的方法，通过分析股票历史数据，并对其进行回测和预测的过程。三是投资部分，通过数据模拟，对真实投资行为的真实演化，树立正确的投资理念形成正确的投资价值观。

（二）企业财务指标分析

股票是股份公司发给股东的，借以证明投资者身份及获取收益的凭证。企业的财务指标是一只股票价格变化的生命线。例如每股净资产、净资产收益率等。企业的核心财务指标是量化投资知识体系必不可少的一部分。

（三）股票基础及技术指标

股票是股份公司资本的构成部分，可以转让、买卖，是资本市场的主要长期信用工具。因此关于股票面值的构成，股票的交易规则等内容同样是量化交易的必备知识。关于股票的技术指标更是制定交易策略，进行回测分析的重要基础内容。例如K线的基本意义、移动平均线（MA）原理和计算方法等。这些股票的基础知识和技术指标都是量化交易系统的重要组成部分。

（四）量化策略及人工智能

量化投资策略就是利用量化的方法，针对海量的数据客观分析决策，采用先进的数学模型捕捉交易时机，进行金融市场的分析、判断和交易的策略。因此，量化交易策略就是利用计算机技术自动化筛选企业财务指标，根据股票历史数据和相关技术指标制定交易策略，进行分析、回测及辅助判断的过程。在大量的隐含的股票指标因子中找到更优的解决方案，必然也少不了人工智能的辅助。

（五）Python基础

由于Python语言的简洁性、易读性以及可扩展性，在做科学计算的研究中使用非常广泛，同时也是非计算机专业人员较容易接收的一门语言。Python的数据结构、基本语法以及丰富扩展的库都是做量化投资的重要基础知识。

（六）量化交易系统开发

首先基于金融市场的知识背景，基于企业财务指标进行股票预选，然后根据股票的技术指标或者指标的组合形态制定量化系统的交易策略，采用Python语言开发，一般会用到成熟的Python第三方库。通过对股票数据的测算，以及对历史数据的回测，不断修正完善交易策略，直到达到较为满意的收益率，即完成了一个基本功能的量化交易系统软件。对于更高要求的功能开发，可以加入人工智能的算法，通过对股票历史数据的机器學习，达到一定的预测准确率，从而为用户投资提供辅助。

三、教学过程设计

通识化的量化投资的教学目的是让学生掌握基本的金融知识，基础股票技术指标，利用一定的Python开发语言，能够进行简易的量化交易系统开发，掌握量化投资的基本方法，形成正确的投资价值观。针对证券投资学中实验教学方式过于单一，大多数以教师演示为主的教学过程，［5］优化教学过程设计。

（一）金融知识场景化

将复杂的金融知识用量化的指标进行分析，结合投资理财的观念，树立量化投资正确的价值观，摒弃“炒股”的思路，转向稳健投资、长期投资才能在未来发展的道路上行稳致远。

（二）软件开发导入化

利用计算机编程语言进行软件开发对于计算机专业学生来说尚有难度，对于刚接触Python语言的非计算机专业学生，尤其是文科类学生，编程语言犹如“天书”一般。如何将量化交易的计算过程循序渐进导入到学生的知识体系中，让学生能够较为自然地接受和理解用编程来实现量化交易是一个有挑战性的过程。采用学生广泛熟悉的Excel来进行量化交易知识导入，举例如下：

移动平均线策略是量化投资最为基础的最为广泛使用的策略之一。MA即移动平均线，MA5为五日移动平均线， MA10为十日移动平均线。参考示例图1，Python计算移动平均线代码如下：

ma5=df［'close'］.rolling（5）.mean（）

ma30=df［'close'］.rolling（30）.mean（）

Excel计算移动平均线公式如下：

MA5=SUM（B2：B6）/5

MA10=SUM（B2：B11）/10

移动平均线的“黄金交叉”是指上升中的短期移动平均线由下而上穿过上升的长期移动平均线的交叉，这个时候压力线被向上突破，表示价格将继续上涨，行情看好。而“死亡交叉”则情况相反。

通过以上策略演示，使用Excel表格计算量化策略，并生产图形，帮助非金融专业学生迅速理解量化投资概念，再通过Excel计算方法与Python代码对比，快速导入编程知识，从教学效果来看，学生能够较轻松地接受和理解量化交易过程。

（三）系统设计团队化

为了能让学生知识融合，优势与劣势互补，课程考核采用大作业的形式，以团队化的方式共同完成一项量化投资，团队成员的组成尽量由一名计算机专业学生，金融专业学生，及其他专业学生组成一队，团队成员根据所学金融知识、股票知识、量化策略知识，计算机编程知识制订策略，并完成回测，系统开发，文档制作。

（四）教学过程项目化

项目教学法包括：情景导入、明确任务、收集资料、制定方案、自主协作、具体实施、过程检查、呈现成果，评估检测等过程。针对量化投资课程，让学生以团队形式完成合作项目，团队成员各自分工。随后指导教师对整个项目进行一系列的过程检查，最终以团队答辩的形式进行项目结果考察与评估。