大數據背景下投資學課程教學改革研究

管河山 王謙

[摘要]大數據時代的到來為證券投資提供了豐富的數據資源，既優化了投資決策渠道，也極大地拓展了投資者的視野。研究對大數據背景下投資學課程教學現存的問題，如大數據思維模式的沖擊、資產選擇和配置方式、數據類型和綜合決策等方面的挑戰進行系統分析，繼而以“有效市場理論”展開了該課程的案例教學探討，從數據采集、數據分析和決策制定三個角度探究了課程教學的改革措施，為培養創新性金融專業人才提出一些建議。

[關鍵詞]大數據;教學改革;投資學

[中圖分類號]G642.3 [文獻標識碼]A [文章編號]2095-3437（2020）05-0090-03

一、引言

經濟社會的快速發展帶來了海量的數據，這些海量數據之間的價值關聯逐步凸顯;從各種類型數據中快速獲取有價值信息的能力，就是大數據技術。大數據量（volume）、多類型（variety）、快速（velocity）、價值（Val-ue）和真實（veracity）等特點使得傳統數據分析和決策方式變得更為困難。如何進一步確保高校教育的與時俱進，充分挖掘大數據時代課程教學的特點，深化學生創新能力和實踐能力的培養是高校教育改革面臨的重要任務之一。

投資學是金融學專業一門重要的基礎課，包含較多的理論知識和實踐經驗。隨著教育行業信息化持續推進，教育改革的深化和發展需要在大數據思維引領下進行。面對復雜、海量的數據，投資者如何制定投資決策變得越來越有挑戰性。金融創新型人才不僅需要具備扎實的金融理論知識，同時也需具備大數據分析和綜合決策的能力。

大數據時代的到來對經濟、金融類專業學生能力培養提出了新的要求，這不僅體現在投資學等專業課程上，對數學、統計學、計算機技術等課程的教學也提出了相應的要求。挖掘大數據時代的課程教學特點，深化創新教育，培養大學生創新能力和實踐能力是高校教書育人所面臨的重要課題。本文從投資學課程教學出發，研究大數據時代課程教學的改革特點和推進途徑，為深化高校經濟類專業課程教學改革提供有價值的參考。

二、投資學課程教學面臨的挑戰

大數據概念已植根于金融類專業教學中，這不僅推動了金融實務的持續創新，更催生了金融模式的深刻變革。經濟社會的發展使得培養創新型金融專業人才離不開大數據，這不僅為高校專業課程教學深化改革指明了方向，同時對現有的教學模式也提出了新的挑戰。

（一）大數據思維對金融問題分析提出新要求

基于大數據的經濟、金融研究與傳統計量研究方法相比出現很多新的特征，比如數據的采集、清洗、分析、使用等均有別于傳統的方法，這也意味著對問題的思考和分析不能墨守成規。目前，大數據技術已經逐漸滲透到銀行、保險、證券、金融監管等方面，并逐步走向成熟。大數據邏輯與傳統邏輯有明顯區別，如傳統方法是理論假說檢驗驅動，而如今是大數據驅動的歸納推理;大數據是自下而上的推理歸納方法，而傳統邏輯則是自上而下的演繹推理方法。

（二）優化資產選擇和資源配置決策方式

作為投資學核心內容的資產選擇和優化資源配置方式需要優化。對投資者而言，股票、債券、期貨、期權等金融產品的數據采集變得容易，這拓展了資產選擇渠道和優化配置的視角。然而，數據量龐大、低價值密度的特點使得尋找有價值的信息輔助決策更為困難;如何有效利用海量數據挖掘出有用的信息，并構建個性化的投資方案日益重要。海量數據加簡單邏輯形成有價值的信息是一件極富挑戰的工作。

（三）數據類型多樣化對分析提出新的考驗

大數據時代不僅需要對海量的結構化數據進行分析，同時也需要對半結構化數據和非結構化數據進行分析整理。傳統的金融理論，比如組合投資理論、有效市場理論和資產定價理論大都是基于結構化的數據展開分析的，教學和實證過程中也大多依賴于結構化數據。然而，僅對結構化數據進行分析的結果可能有所偏倚。實踐證明，對于文本、網頁等非結構化數據的分析也同樣重要。半結構化數據（及非結構化數據）和結構化數據同樣隸屬于整體樣本中的一部分，不管是哪種數據都夾雜著有價值的數據和無價值的數據。這方面，從金融文獻研究、投資者情緒研究的相關研究成果中可見一斑。同時，大數據可擴充的性質要求對各種數據能有效及時地甄別，區分數據的價值。這就要求課程教學特別是案例教學不能僅停留在結構化的數據分析上，而是要拓展到非結構化的數據分析。事實上，教學過程中對結構化數據的重視遠超過非結構化數據，而非結構化數據恰恰是大數據時代的產物和分析的基礎。從具有價值的數據整體挖掘出其內在反映的真實信息并找到簡單邏輯變得極為關鍵，這將關系到下一步的投資決策。非結構化數據分析其內在信息時較為困難，需要進一步完善其分析的方法和技術。

（四）綜合決策的挑戰

權衡投資風險及收益并做出符合自身效用最大化的決策是投資的核心工作，這需要建立在對大數據的處理分析上。分析問題的途徑多了，就會對投資者的綜合決策能力提出新的挑戰：不僅要考慮到投資者的個性特點，同時也要求對多渠道分析結果進行歸納和總結。更為顯著的是，傳統的抽樣實證方式難以實現對問題的系統分析，在大數據背景下，數據樣本總體實證更為重要。傳統實證研究和教學的基本邏輯可以歸納為：先確定研究目標、現象總體和個體，再確定所需變量或指標，最后向全部個體或部分個體獲取數據。顯然，是先有總體再有數據。在大數據背景下難以識別數據的基本特征，很多情況下無法事先掌握所關注問題的完整數據;這種情況下，只有找出這些數據背后的承擔者才能構筑總體，所以是先有數據后有總體。

目前，受大數據分析技術局限性和經濟學專業學生數據處理能力的影響，投資學課程的大數據教學方式改革進展緩慢。大數據分析有利于提高投資決策的效率，是投資學課程教學改革值得探索的研究方向，也是經濟、金融等專業適應新形勢教學改革的必要探索。培養金融類專業人才需要對投資學教學進行改革，以適應社會的發展。

三、投資學的教學改革探討

大數據時代的到來，給課程教學提供了豐富的數據資源，對任課教師的自身素質、專業培養目標及要求提出了新的要求。投資學作為金融的核心課程也需要進一步調整更新，以適應如今所處的信息時代。充分掌握經濟社會發展對專業人才培養的能力要求，調查學生對投資學課程教學的期望和自身創新實踐能力提升的要求，探討課程教學中大數據分析和創新實踐能力的培養，厘清兩者之間的影響機理，可以為課程教學改革提供支撐。

經濟類專業課程既具有很強的理論性，又具有鮮明的實踐性。下文以“有效市場理論”展開案例教學探討，從數據采集、數據分析和綜合決策等方面開展大數據教學改革的探討。

（一）數據采集

目前大多數高校的數據平臺效率低下，要努力建設成以“數據”為核心的綜合信息化平臺，為師生的各項活動提供保障。這樣能提供多渠道積極收集課程教學的相關數據。一方面，針對投資對象的多元化，需采集股票、債券、期貨、期權等結構化的數據，做好相應的數據分析，為實踐教學和案例教學提供支撐。另一方面，也要采集文本、HTML和視頻等非結構化的數據，為課程教學提供豐富的數據資源，并在傳統的理論教學和數據分析的基礎上，重點開展非結構化數據挖掘的相關教學和研討。

以A股市場有效性為例，證券市場大量股價數據被收集，這給有效市場教學提供了豐富的數據資源。采用單位根檢驗方法可通過編譯循環語句處理海量時間序列數據，繼而開展有效市場分析的相關實證。考慮到股票交易數據樣本大，現有研究大多采用了抽樣分析的方式，即側重對市場指數的宏觀分析，淡化對個股數據的探究，顯然，這并未發揮出大數據時代的數據優勢。從理論上說，有效市場應當是對市場整體的分析，因此采用市場指數進行分析是理所當然的。然而，抽樣分析也存在局限性，大數據處理技術能夠對超大規模的數據進行分析處理，對研究對象的特征既能做到總體把握，又能了解局部情況。

因此，考慮到數據表現形式的差異性，我們可以將有效市場檢驗的數據總體劃分為結構化數據和非結構化數據：結構化數據包括個股數據、市場指數等;非結構化數據包括相關研究文獻等。在實證教學中，不同于傳統的市場指數抽樣分析模式，應該采集A股市場的所有市場指數和個股數據進行分析，這與國內學者李金昌提出的大數據時代下統計實證分析模式“發現一總結”是一致的。通過對所有的個股數據進行分析處理（并結合市場指數分析）繼而挖掘出市場信息傳遞規律，其研究結果將更具有說服力，也更符合大數據時代對數據總體分析的特點。另一方面，A股市場有效性的研究文獻較多，以中國知網為例，以“市場有效性”為關鍵字的所有相關中文文獻共計703條;通過對這些文獻的篩選和挖掘，也可以形成有效市場的相關結論。

（二）數據分析方法

結構化數據通常適合傳統金融理論的建模分析。有效市場中的游程檢驗、單位根檢驗和長記憶性檢驗方法都是基于結構化數據的分析。一方面，需要對有效市場檢驗理論進行深入學習和研究;另一方面，對海量數據的分析和實證提出新的要求，這需要強化數學、統計學、計算機技術等課程的教學目標。非結構化數據中最為典型的便是文本挖掘，這涉及文本檢索和文本分類等研究。A股市場研究文獻包括中文和英文，讀取文本數據庫、文本分詞、構建文檔、統計建模是常見的分析途徑，這要求在教學中對相關工具和理論原理進行學習和運用。總之，不同的數據分析方式，對課程理論教學和工具運用的要求有所不同，需要教師提高數據處理和挖掘的能力，這也對學生提出了新的要求。

（三）綜合決策

大數據分析角度和方法的差異可能導致分析結果的大相徑庭。“實驗結論統計歸納”要求對大數據背景下海量數據分析結論進行歸納和總結。而有效市場的分析結論可能存在差異，如何綜合判定并形成有價值的決策是培養學生綜合決策能力的關鍵。這不僅要從統計角度給出“發現一總結”的分析結論，而且要結合專業知識給出相應的經濟學原理分析。

以結構化數據分析為例，有效市場的個股全樣本分析的結果和市場指數分析結果可能存在差異。如果是這樣，則可以嘗試從信息傳遞和投資者行為特征的角度進行深入分析。市場指數從宏觀角度反映出市場狀況，是所有投資者可參考的依據，其對信息傳遞的效率較高;而個股投資者的數量僅限于部分人群，投資者關注度過低或者過高會引起信息傳遞效率偏低（可能是參與者的片面性和非理性投資所造成）和信息過度反應。從非結構化數據分析可知，現有文獻研究對A股市場有效性實證的結論存在爭議。在1993年以前，我國證券市場普遍被認為是沒有效率的;但在1993年以后，我國證券市場是否達到弱勢有效市場卻存在分歧。

由于數據結構和類型的不一致，結構化數據和非結構化數據在相關實證分析中的結論存在顯著差異，這也給有效市場的教學帶來了疑惑和不確定性，但是這其實是可以從理論上給出解釋的。因為有效市場定義中對信息的界定本身就不夠明確，在實證中往往是從有效市場假說中的“收益率的可檢測性”人手，因此，研究結論存在爭議就有其必然性。另外，有效市場成立還需滿足三種理論上的前提假設，這對大數據分析結果的綜合運行和判斷提出了更高的要求。

四、總結

綜上所述，海量的金融和經濟數據的大量涌現，使得傳統投資學教學已不能滿足創新型人才培養的需求，因此，對傳統投資學教學模式進行改革勢在必行。將大數據思維運用到教學中不僅可以拓寬研究范圍，還可以豐富研究思路。本文從有效市場案例教學角度開展分析，為大數據教學內容和方式改革提供參考。當然，大數據時代非常關注對教學資源的共享和利用、以及教學手段和方式的改革，大數據對行業數據關聯的研究也關注頗多。不可否認，經濟大數據研究已經深入人心，這些需要在本科課程教學中給予一定的重視。