大数据下投资学课程教学改革研究.docVIP

大数据下投资学课程教学改革研究 ［摘要］大数据时代的到来为证券投资提供了丰富的数据资源，既优化了投资决策渠道，也极大地拓展了投资者的视野。研究对大数据背景下投资学课程教学现存的问题，如大数据思维模式的冲击、资产选择和配置方式、数据类型和综合决策等方面的挑战进行系统分析，继而以“有效市场理论”展开了该课程的案例教学探讨，从数据采集、数据分析和决策制定三个角度探究了课程教学的改革措施，为培养创新性金融专业人才提出一些建议。 ［关键词］大数据；教学改革；投资学 一、引言 经济社会的快速发展带来了海量的数据，这些海量数据之间的价值关联逐步凸显；从各种类型数据中快速获取有价值信息的能力，就是大数据技术。大数据量（Volume）、多类型（Variety）、快速（Velocity）、价值（Val?ue）和真实（Veracity）等特点使得传统数据分析和决策方式变得更为困难。如何进一步确保高校教育的与时俱进，充分挖掘大数据时代课程教学的特点，深化学生创新能力和实践能力的培养是高校教育改革面临的重要任务之一。投资学是金融学专业一门重要的基础课，包含较多的理论知识和实践经验。随着教育行业信息化持续推进，教育改革的深化和发展需要在大数据思维引领下进行[1]。面对复杂、海量的数据，投资者如何制定投资决策变得越来越有挑战性。金融创新型人才不仅需要具备扎实的金融理论知识，同时也需具备大数据分析和综合决策的能力。大数据时代的到来对经济、金融类专业学生能力培养提出了新的要求，这不仅体现在投资学等专业课程上，对数学、统计学、计算机技术等课程的教学也提出了相应的要求。挖掘大数据时代的课程教学特点，深化创新教育，培养大学生创新能力和实践能力是高校教书育人所面临的重要课题。本文从投资学课程教学出发，研究大数据时代课程教学的改革特点和推进途径，为深化高校经济类专业课程教学改革提供有价值的参考。 二、投资学课程教学面临的挑战 大数据概念已植根于金融类专业教学中，这不仅推动了金融实务的持续创新，更催生了金融模式的深刻变革。经济社会的发展使得培养创新型金融专业人才离不开大数据，这不仅为高校专业课程教学深化改革指明了方向，同时对现有的教学模式也提出了新的挑战。（一）大数据思维对金融问题分析提出新要求。基于大数据的经济、金融研究与传统计量研究方法相比出现很多新的特征，比如数据的采集、清洗、分析、使用等均有别于传统的方法，这也意味着对问题的思考和分析不能墨守成规。目前，大数据技术已经逐渐渗透到银行、保险、证券、金融监管等方面，并逐步走向成熟。大数据逻辑与传统逻辑有明显区别，如传统方法是理论假说检验驱动，而如今是大数据驱动的归纳推理；大数据是自下而上的推理归纳方法，而传统逻辑则是自上而下的演绎推理方法[2]。（二）优化资产选择和资源配置决策方式。作为投资学核心内容的资产选择和优化资源配置方式需要优化。对投资者而言，股票、债券、期货、期权等金融产品的数据采集变得容易，这拓展了资产选择渠道和优化配置的视角。然而，数据量庞大、低价值密度的特点使得寻找有价值的信息辅助决策更为困难；如何有效利用海量数据挖掘出有用的信息，并构建个性化的投资方案日益重要。海量数据加简单逻辑形成有价值的信息是一件极富挑战的工作[3]。（三）数据类型多样化对分析提出新的考验。大数据时代不仅需要对海量的结构化数据进行分析，同时也需要对半结构化数据和非结构化数据进行分析整理。传统的金融理论，比如组合投资理论、有效市场理论和资产定价理论大都是基于结构化的数据展开分析的，教学和实证过程中也大多依赖于结构化数据。然而，仅对结构化数据进行分析的结果可能有所偏倚。实践证明，对于文本、网页等非结构化数据的分析也同样重要。半结构化数据（及非结构化数据）和结构化数据同样隶属于整体样本中的一部分，不管是哪种数据都夹杂着有价值的数据和无价值的数据。这方面，从金融文献研究、投资者情绪研究的相关研究成果中可见一斑。同时，大数据可扩充的性质要求对各种数据能有效及时地甄别，区分数据的价值。这就要求课程教学特别是案例教学不能仅停留在结构化的数据分析上，而是要拓展到非结构化的数据分析。事实上，教学过程中对结构化数据的重视远超过非结构化数据，而非结构化数据恰恰是大数据时代的产物和分析的基础[4]。从具有价值的数据整体挖掘出其内在反映的真实信息并找到简单逻辑变得极为关键，这将关系到下一步的投资决策。非结构化数据分析其内在信息时较为困难，需要进一步完善其分析的方法和技术。（四）综合决策的挑战。权衡投资风险及收益并做出符合自身效用最大化的决策是投资的核心工作，这需要建立在对大数据的处理分析上。分析问题的途径多了，就会对投资者的综合决策能力提出新的挑战：不仅要考虑到投资者的个性特点，同时也要求对多渠