金融工程實驗教學如何應對數字金融時代的挑戰

李杏 劉博宇 萬鵬博

摘 要：金融工程是一門理論與實踐相結合的綜合性學科。該學科相較于金融學，對學生的數據處理能力提出了更高的要求，很好地契合了當前的數字金融時代背景。為了應對數字金融時代帶來的挑戰，本文基于多年的金融工程實驗教學經驗，總結了中國金融工程實驗教學的不足及改革方向;并借鑒日本的相關經驗，對改進中國金融工程實驗教學提出了一系列建議，旨在培養出更適應數字金融時代的金融工程人才。

關鍵詞：數字金融;金融工程;實驗教學;日本

一、引言

作為未來金融發展的主要方向，數字金融依靠大數據、人工智能、云計算等技術，為金融行業激發出各種新需求和新業態，現已成為各家金融企業重要的戰略發展方向。作為一門理論與實踐相結合的綜合性學科，金融工程既融合了金融學、經濟學與統計學、計算機等學科，又強調數學工具、工程思維和編程方法的綜合運用，是“金融業中的高科技”。在數字金融時代下，金融工程很好地契合了當前的時代背景，使得金融工程專業的學生擁有了更加廣闊的就業前景。

然而，廣闊的就業前景也對人才培養質量提出了更高的要求。比如，多家銀行開啟了金融科技專業人才招聘，明確提出需要金融、科技、數據復合型人才，并格外青睞懂算法模型、大數據、人工智能等領域的人才，以滿足銀行業務、風險管理、場景運營、銀行科技以及數據治理等數字化轉型需要。盡管銀行通過薪酬等激勵措施，旨在吸引并留住金融科技人才，但很多時候銀行在科技人才的招錄上往往是“招不來”的。歸根結底，是因為中國的數字金融人才底子十分薄弱，與國外的相關人才培育、認證、投入等方面存在較大差距[1]。那么，如何培養出適應數字金融時代的、深刻理解金融工程專業知識并具有一定實踐功底的學生，是廣大金融工程教育工作者面臨的一大挑戰。

對于金融工程專業知識，國內大部分經管類高校已構建了理論知識的教學體系和人才培養方案，但是這些高校對實踐知識是比較輕視的。中國教育部發布的《教育部2022年工作要點》明確提出，要實施“教育數字化戰略行動”;且《高等教育法》規定了高等學校的主要任務是培養具有創新精神和實踐能力的高級專門人才。基于此，本文結合多年的金融工程實驗課教學經驗，分析中國金融工程實驗教學的不足并指出改革方向，再結合日本金融工程實驗教學的經驗，為改進中國金融工程實驗教學水平、培養適應數字金融的專業人才建言獻策。

二、中國金融工程實驗教學的不足及改革方向

不同于金融工程的理論教學，金融工程的實驗教學需要學生動手去做——讓學生基于市場數據，圍繞金融衍生品定價、投資組合風險管理、投資策略的驗證及跟蹤、跨市場套利方法設計與檢驗展開實驗操作[2][3]，以提高學生解決實際金融問題的能力。

目前，國內大部分經管類高校都開設了專門的金融實驗室，配以專業化的軟件工具和IT技術平臺，可提供銀行、保險、證券、期權期貨等業務的實驗操作環境。以湖北經濟學院為例，該學院的國家級實驗教學示范中心為全校經管類學生設置了金融投資實驗室、實驗經濟學實驗室、經濟調查與分析實驗室，為學生提供了學習編程、驗證金融工程相關模型的實驗室環境和仿真系統;同時，該學院的金融學院也開設了《基于高頻數據的期貨股票量化交易虛擬仿真實驗》課程，將金融工程專業的經典理論用到了實驗課教學中。但是，面對數字金融時代帶來的挑戰，結合用人單位對湖北經濟學院金融工程畢業生的反饋、學生的評教留言以及其他高校的調研結果，我們認為中國金融工程實驗教學尚存在以下不足：

（一）學生未實際接觸到海量數據

大數據是數字金融時代的自然資源。在人類的發展史上，從來沒有像現在一樣，產生了海量數據，并將海量數據變成一項寶貴的資產。作為金融工程專業的學生，如何快速地采集大數據是其必須掌握的基本技能。

受限于經費投入的限制，還有很多經管類高校沒有購買Wind、國泰安、Bloomberg等專業數據庫，而是采用一些免費的數據庫，比如同花順軟件自帶的數據庫作為替代。但是，這些免費的數據庫存在諸多應用上的不便。比如，在采集面板數據時會比較麻煩，無法自動抓取數據;一些數據下載只能追溯到2000年，無法提供衍生品的高頻交易數據和實時行情，導致學生未能全面接觸到完整數據。

為了能讓學生接觸到海量數據，我院的一些教師曾經通過其它渠道獲得海量數據，然后提供給學生實驗操作。但是，這直接導致學生在數據獲取上極度依賴教師，使學生在畢業后的實際工作場景中不知道如何獲取海量數據、也不熟悉專業數據庫的操作，不能滿足用人單位的需求。畢竟，從事金融行業，尤其是做金融工程師，離不開Wind等專業數據庫的數據支持。很多券商在招聘信息中明確要求應聘者熟練使用Wind、Bloomberg等軟件。

因此，本文認為中國金融工程實驗教學改革的第一步，是要讓學生有實際接觸到海量數據的機會，打好數據采集的基本功。唯有這樣，學生在踏入職場后才有能力處理好大量金融數據并達成客戶和老板想要的結果。

（二）學生的編程基礎薄弱

在數字金融時代，金融產品的設計和風險管理需要依靠“數據+技術”手段完成。海量數據只有通過技術手段、深挖其價值后才能變為資產。編程正是處理并分析這些海量數據的必要技術手段。

雖然國內大部分經管類高校為大一學生開設了 C語言、C++、Java等計算機公共課程，但這些課程主要由計算機專業的教師來講授。因為跨專業的問題，計算機專業的教師們通常不懂金融方面的理論知識，也就很難指導學生用編程技術來分析財經現象。盡管大部分學校在金融工程專業的高年級課程里開設了《計量經濟學》，教導大二或大三的學生如何使用Eviews、Stata、SPSS等計量軟件，但這些計量軟件的程序代碼都是“黑箱”，學生只需要通過幾句命令或者按鈕，便能得到數據的分析結果。

在這種課程體系下，大三的學生在上金融工程實驗課時就會對編程難以適應。其原因在于：金融工程實驗大多需要在Matlab、Python、R上進行編程。不同的軟件的風格形式、思維模式、執行方式，使得學生在計算機公共課程上打下的編程基礎難以滿足金融工程實驗課的要求;而“傻瓜式”的計量軟件又使得學生對建模、設計獨立算法感到非常陌生。如此一來，學生在金融工程實驗課上僅學會了復制代碼、簡單地調參數、跑程序，對金融工程實驗的理解不夠深刻，更不懂得如何基于實驗原理去修正傳統金融模型、設計衍生品、開發量化程序。

基于此，本文認為中國金融工程實驗教學應當對前置的計算機課程進行改革，加強學生的編程基礎，讓學生踏入職場后能夠活用編程技術、適應不同金融工作場景的需要。

（三）實驗教材落伍

目前市面上關于金融工程理論教學的教材層出不窮。但是，金融工程實驗教學的教材則很少且有待改進，具體表現在以下幾個方面：

其一，未凸顯專業特性。一些金融工程實驗教材未能凸顯金融工程的專業特性，而是簡單地將金融學的實驗內容照搬到教材中。比如，有些金融工程實驗教材教學生如何使用證券軟件、如何做上市公司財務分析、如何計算債券的久期等。這樣培養的金融工程的學生與金融學的學生毫無差異。

其二，內容傳統。一些金融工程實驗教材的實驗內容比較傳統，僅設置了驗證性實驗內容，學生只需要按照規定的實驗步驟和選項得出固定的實驗結果即可[4]。這樣的內容設置讓學生失去了自主探索的機會，無法培養學生的創新精神，使學生很難適應數字金融時代的崗位需求。

其三，實驗樣本脫離中國市場。一些金融工程實驗教材引用的是美國市場上的案例和數據[5]。眾所周知，中美期貨市場在保證金、交割時間、波動幅度、交易規則的設置上存在很大差異。如此一來，學生對中國市場的交易規則等還是很陌生。這大大降低了金融工程實驗教學的有效性。

其四，對市場熱點關注度不夠。大部分金融工程實驗教材缺乏對市場熱點的關注。比如，最近幾年場外衍生品規模激增，引發了市場各方的熱烈關注。但目前尚未有實驗教材引導學生去熟悉場外交易規則，也沒有提及場外衍生品的具體投資操作。這對于中國金融工程人才培養事業的發展和衍生品市場的進步都產生了不良影響。

基于此，本文認為中國金融工程實驗教學需要對實驗教材進行大刀闊斧的改革——要用中國市場的案例設置實驗場景，實驗內容應當緊扣金融工程的專業特性，并貼合數字金融時代對人才的技能需求，將學生打造成“坐下來就能夠寫代碼，可以寫報告，還能設計產品，實施解決方案”的金融工程師。

（四）校企合作效果不理想

校企合作的好壞會直接影響人才培養質量。目前國內大部分經管類高校提倡與企業合作，積極與券商、期貨、保險等涉及衍生品交易的企業簽署合作協議。但是，這些合作還存在很多問題，比如：

其一，合作未落到實處。合作中沒有厘清哪些實驗內容由高校教師負責、哪些實驗內容由企業的兼職教師負責;并且對企業兼職教師的授課質量缺乏評價標準和約束機制，導致一些企業兼職教師走過場，學生未真正學習到實戰經驗。

其二，利益分配不均。在實習收益方面，高校、企業、學生三方存在分配分歧，多方利益的難以調和，影響了校企合作的穩定性。比如，在高校與企業聯合申報的課題方面，最終的成果是屬于高校還是企業未能以法律形式清晰界定。

其三，校企雙方的師資缺乏交流。以湖北經濟學院金融工程實驗教學為例，授課教師多為金融工程專業的博士。盡管這些教師具備扎實的理論功底，但是他們往往缺乏實戰經驗，不能很好地培養學生的衍生品應用操作技能。另外，從事衍生品交易的企業也需要對投資者進行教育、對員工進行考證培訓。目前，企業的這部分培訓教育工作主要由人力資源部的員工完成。但是，這些員工在講授呈現能力、課件及教具的設計制作能力上與高校的專職教師尚存在一定差距。

因此，基于比較優勢理論，本文認為中國金融工程實驗教學應當進一步加強校企雙方的師資交流，穩定合作關系，并提高雙方合作內容的深度和廣度。

三、日本的經驗借鑒

日本作為中國一衣帶水的鄰邦，因同屬于亞洲國家的教育模式，導致兩國在教育制度和教學理念上有一定的相似性。相較于中國，日本早在20世紀80年代就已開設“金融工學”即金融工程專業。發展至今，已形成以東京大學、一橋大學、京都大學和大阪大學為代表的金融工程專業國際知名院校。另外，日本的金融工程學界在2019年就已經意識到金融工程與數字金融結合的必要性;并于同年11月由東京大學牽頭召開了“金融工程的數字轉換”研討會，還發布了一批金融工程實務與數字金融相結合的實踐性課題，強調把研究成果回饋給社會。因此，本文搜集了日本在金融工程專業實驗教學和社會實踐方面的資料，針對我國金融工程實驗教學的不足，在借鑒日本相關經驗的基礎上，提出如下改進建議：

（一）增加經費投入、購置專業的金融數據庫

日本金融工程專業的國際知名院校一般擁有近20個專業的金融數據庫，其中不乏日経NEEDS FinancialQUEST、山一證券オンライン版等收費昂貴的數據庫。相較之下，中國很多經管類高校對數據庫的經費投入非常少。為了讓學生切身接觸到海量數據，本文建議高校加大對金融數據庫的經費投資力度。

但是，這種投資力度的加大不應該是盲目的，而應該是開源節流后的權衡。開源方面，中國高校可以參照日本文部科學省對圖書館數據庫資源的運營意見①，除了把一定比例的大學整體預算作為采購金融數據庫的經費之外，還可以在數據庫的合同方式和支付方法上下功夫;并活用自身的學術信息資源，將各大學圖書館自己的特色項目（例如，將館藏資料電子化并公開，為使用者提供新的服務模式，與地區、社會、其他機構合作等），努力獲得競爭性的外部資金，以應對金融數據庫的漲價風險。節流方面，由于目前一些數據庫服務商為了提供更多的服務，會將自身數據庫的資源涵蓋更多的內容，致使數據庫之間有些內容是雷同的。為避免過多的經費負擔，高校應當在購買金融數據庫前做好充分調研，集中資金購買1～2個專業的金融數據庫，避免數據庫的重復性建設。

另外，考慮到一些數據庫費用昂貴，每增加一個端口可能給高校帶來5～10萬/年的經費負擔。為此，本文認為可以借鑒京都大學的做法，對數據采集實行預約制②，即學生按照圖書館規定的時間，提出預約申請，申請通過后則使用圖書館的電腦端口采集數據。

最后，考慮到學生剛開始對數據庫的操作界面不熟，中國高校也可以借鑒京都大學的做法，對如何應用數據庫召開在線的講習會或者錄制成視頻③，提高學生對數據庫的操作熟練度。

（二）調整計算機課程設置

考慮到Python是一種免費的、開源的、高級的、通用的編程語言;且相較于Matlab和R，Python的科學計算生態表現得更好。因此，本文建議對金融工程專業的大一學生開設Python編程課，以替代原先的C語言、C++、Java等計算機公共課。具體地，參照日本一橋大學金融工程教育中心的實踐經驗④，本文建議：

在大一設置《統計學》《微積分》《財務分析》等理論課以及《Python語言及其應用》等實驗課。在Python的內容設置上，本文建議暫時不要求大一學生使用Python解決各種金融工程計算問題;而是讓學生以入門的心態，用Python做一些簡單的財經數據可視化分析和統計分析。比如，學習如何用pandas和matplotlib包對數據進行清洗和可視化分析，如何用numpy包分析個股的市值、市盈率和日收益率的統計規律。

在大二設置《計量經濟學》《金融經濟論》《數理經濟學》等理論課和《計量經濟學實驗》的實驗課。

在大三設置《金融衍生工具》《金融風險管理》《信息處理論》等理論課和《金融工程實驗》的實驗課。

在大四撰寫畢業設計，鼓勵運用編程技術來設計、開發和實施新型的金融衍生品。

（三）改編實驗教材

與中國一樣，日本專門出版的金融工程實驗教材非常少，大部分實驗內容融入了理論教材的各個章節。另外，日本在金融工程實驗教學上更傾向于課前發放講義、課中現場指導學生進行金融工程實驗。基于此，本文結合三菱UFJ信托投資工學研究所編寫的《実踐金融データサイエンス（實踐金融數據科學）》[6]、岡田克彥的《Pythonによるビジネスデータサイエンス（Python的商業數據科學）》[7]、朱順泉的《量化金融投資及其Python應用》[8]以及東京大學工學部計數工學科金融工學的部分實驗講義，以中國衍生品市場上的數據為實驗樣本，對金融工程實驗教材做出如下改編;其中，每次課初步擬定為5個學時：

一是，精簡實驗內容、突出專業特性。在金融學的實驗內容上，僅保留為金融工程實驗教學做鋪墊的內容;其余的金融學實驗內容則以課程在線資源的形式發布，供學生課外補習。具體地，本文參照日本岡部建次教授的構想[9]，遵循“問題導向式”的思路，設計出金融工程實驗課的前2次課內容：

第1次課：在線下課堂，提出疑問“股票交易賺錢嗎”。答案是賺不到錢;也有賺錢的人，不過是一時的或偶然的。那么，“賺了錢的人怎么做了內幕交易、套利交易”？“為什么賺不到錢”？因為股價是隨機運動的，而且股價包含了公開的信息。誰也不能確切地預測股價的上漲。進一步地，讓學生通過英式拍賣的實驗設計對內幕交易進行研究;并通過一個Python語言函數的實驗，檢驗股指價格在長時期是否遵循隨機游走。

第2次課：在線上課堂，教師展示計算機系統做的某個量化程序，讓學生了解使用計算機通過數理的方法賺錢的例子。在線下課堂，讓學生通過一個以跟蹤誤差為核心的實驗，對指數基金的投資績效進行檢驗。

二是，刪掉一些驗證性實驗內容、增加綜合創新性實驗設計內容。本文試圖將金融工程專業的實驗分為基礎性實驗和拓展性實驗。其中，基礎性實驗對應第3～6次課的實驗內容，拓展性實驗對應第7～10次課的實驗內容。基礎性實驗的內容如下：

第3次課：在線上課堂，復習數學原理。在線下課堂，教師給予一定的指導和舉例，然后給定題設，讓學生編寫遠期利率協議和遠期外匯合約的價值及價格所用的Python語言函數;給定題設，讓學生編寫求外匯期貨合約、利率期貨合約、股指期貨合約的價格使用的Python語言函數。

第4次課：在線上課堂，復習數學原理。在線下課堂，教師選擇某一標的資產，帶領學生一起設計期貨套期保值策略，并讓學生編寫Python語言函數，計算所設計的套期保值策略的最優套期保值比、利潤、方差;然后，讓學生自行選擇某一標的資產，設計期貨跨期套利策略，并編寫Python語言函數，計算組合價差和判斷套利機會的技術指標，選擇開平倉時機，確定套利規模，計算盈虧變動。

第5次課：在線上課堂，復習數學原理。在線下課堂，讓學生在給定條件下，設計一個利率互換合約，并編寫Python語言函數，確定利率互換合約中的固定利率，計算利率互換合約的價值。

第6次課：在線上課堂，復習數學原理;課后由教師搭建一個期權回測框架，演示其Backtrader回測程序。在線下課堂，給定題設，讓學生編寫Black-Scholes期權定價模型的歐式看漲、看跌期權的Python語言函數;給定題設，讓學生編寫二叉樹法的無收益資產美式期權定價的Python語言函數;給定題設，讓學生編寫歐式看漲期權的蒙特卡洛模擬Python語言函數。

需要注意的是，第3～6次課里的編程定價必然離不開“函數展開（泰勒展開、麥克勞林展開）”“中心極限定理”“維納過程的協方差”“偏微分方程”等數學知識。事實上，這些數學知識也阻攔了很多想要挑戰金融工程學的人。為了讓實驗流程更加流暢、更容易讓學生記住，本文認同《金融工學のエッセンス： 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]的倡導，建議模仿日本可視化技術研究所發布的視頻（https：//goo.gl/UKl7Xq），制作出類似的講述數學原理的視頻，由教師用線上課堂的形式，既對公式進行簡單說明，又通過圖表、將實驗內容的核心和步驟盡量可視化地傳達給學生。

三是，在實驗內容里融入對新形勢下的思考。考慮到量化投資在中國才剛剛起步以及衍生品推陳出新的速度非常快，本文建議在第7次課進行衍生品分析平臺的實務應用;在第8次課設置線上和線下相結合的量化投資平臺實驗;在第9次課分析場外期權、數字資產衍生品等熱點案例，幫助學生更好地把握行業前沿。

第7次課：在線下課堂，進行衍生品分析平臺的實務應用[8]。具體地，教師針對某利率衍生品進行建模分析，并對隱含波動率與模型進行分析和校準。然后，讓學生自行選取單一風險因子或者多風險因子或者多風險衍生品資產，進行組合建模，出具資產組合風險報告，并校準隱含波動率和模型。

第8次課：在線上課堂，教師介紹數據建模常用的監督學習（決策樹集成、核支持向量機、神經網絡）和非監督學習（k均值聚類、凝聚聚類、DBSCAN）的Python語言函數，讓學生挑選其中的3種方法，加以掌握。在線下課堂，嘗試搭建量化投資平臺[8]。具體地，教師介紹以Python為基礎的量化投資平臺，安裝配置軟件環境;教師使用Python操作MySQL數據庫，介紹量化投資中衍生品數據平臺的基本類型和處理方法，并公布一些現成代碼讓學生運行。如果學生學有余力，可以讓學生嘗試搭建一個自己的衍生品量化投資平臺。

第9次課：在線下課堂，師生對場外期權、數字資產衍生品和天氣衍生品進行熱點追蹤。具體地，教師引導學生了解場外期權的交易規則、雪球結構定價與風險深度分析;引導學生了解數字資產合約市場，明晰數字資產衍生品與傳統金融衍生品的不同之處;教師講解一個使用蒙特卡羅方法設計天氣期權的案例，并讓學生撰寫心得體會。

四是，復現衍生品相關的實證論文和產品設計。在第10次課的線下課堂，鼓勵學生以小組為單位，搜集已發表的實證論文及其代碼或者市場上已公布的金融模型和產品設計;然后，小組仿照成型的操作步驟、復現流程和代碼，為日后撰寫論文和行業研究報告以及設計金融產品打下基礎。

第10次課：在線上課堂，學生提交心得體會和實驗報告，師生對此展開線上討論，教師應當重點關注學生對實驗內容的理解程度以及是否加入了自己的思考。在線下課堂，教師對搜集到的衍生品相關的實證論文進行成果復現，并讓學生基于Python語言函數、復現嘗試某篇實證論文或某個產品設計的結論。

五是，及時更新實驗內容。衍生工具創新和資產組合日新月異，為此東京都立大學金融工學研究中心為實務家和研究者搭建了Workshop和Seminar形式的交流平臺⑤，積極地與金融機構、公共機構、業界團體及各協會開展合作。中國經管類高校可以借鑒日本的經驗，并以Workshop和Seminar的形式，邀請業界專家一起編寫、復審、修訂實驗內容，達到實驗內容及時更新和動態變化的目的。

（四）深化校企合作

其一，共建供需對接就業育人項目。為落實教育部在《2022年教育部工作要點》中提出的“推動就業與招生培養聯動改革，實施供需對接就業育人項目”，本文建議中國經管類高校可以借鑒日本京都版問題解決型學習方式（Kyoto Project Based Learning， KPBL）[11]，與期貨公司、券商等企業合作打造“供需對接就業育人項目”。在合作的初級階段即“對話型”階段，企業結合數字金融時代的崗位職責提出需求;高校則根據此需求，主動調整人才培養模式和實驗課設置。在中級階段即“職場體驗型”階段，高校邀請企業兼職講師來校講授實戰型的實驗課或者傳授項目經驗，高校對企業兼職講師的授課質量出臺完整的評價體系和獎懲機制;與此同時，企業給學生提供實習機會，讓學生近距離地接觸職場。在高級階段即“問題解決型”階段，企業給予實習學生一定的轉正機會，激勵實習生盡快向職場人轉變;高校也可以根據企業的需要，安排高校教師定期或不定期地為其員工進行理論培訓，以充分釋放資源整合效應，優化雙方的人力資源配置。

其二，獎勵機制及利益分配協議。目前，國內高校普遍重視縱向課題大于橫向課題。日本高校則對來自企業的橫向課題非常重視。以北海道大學為例，為了激勵教師參與產學合作研究，該校根據教師的學術知識等貢獻度設立了相應的報酬即學術貢獻費，并將產學聯系推進經費比率調整為研究經費的30%⑥。如此一來，北海道大學教師在橫向課題的獲利不會小于縱向課題。基于日本的經驗，本文建議中國高校對產生一定經濟價值的橫向課題加大激勵力度。比如，像日本一樣，設置學術貢獻費;或者對該橫向課題賦予和某一類縱向課題同樣的科研考核分數。

其三，針對實習收益和課題成果的分配分歧，本文建議：第一，校企雙方可以事先簽訂TPM協議（Target Performance Mechanism）⑦，設定體現產學研利益的動態分配方案;并報上級部門審議，保障協議合法合規。第二，仿照日本產學合作經驗，構建利益沖突管理制度[12]。比如，校企雙方平時做好申報、信息公開和記錄工作，將因利益沖突而可能產生的問題防患于未然或控制在最小范圍內，防止問題再次發生;同時，將校企中合作質量較好的某一階段作為標桿，通過共享好的實踐 “good practice”，主動謀求如何提高利益沖突管理的質量。

四、結語

數字金融時代給金融工程專業的實驗教學帶來了機會和挑戰。本文基于數字金融時代的人才需求，結合多年教學經驗，指出中國金融工程實驗教學存在學生編程基礎薄弱、實驗教材落伍等不足之處，指明了未來的教學改革方向;并參照日本高校的相關經驗，對改進中國金融工程實驗教學提出了調整計算機課程設置、改編實驗教材等建議，旨在為經管類高校緊跟時代潮流、著眼實用型人才需求，實現數字金融時代背景下金融工程專業人才培養提供借鑒。

筆者在未來將從以下兩個方面來深化研究：一是，基于湖北經濟學院《基于高頻數據的期貨股票量化交易虛擬仿真實驗》課程已搜集的實驗報告，對學生的實踐心得進行文本量化分析，從學生的感受出發，探尋影響實驗教學質量的關鍵因素，為改進金融工程專業的實驗教學提供實證支撐;二是，基于目前廣受歡迎的人工智能框架Tensorflow，設計高校教師和企業兼職講師的實驗教學評價模型。

注 釋：

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一橋大學金融工學教育センター：https：//www1.econ.hit-u.ac.jp/finmodel/jpn/index.html。

⑤ 東京都立大學金融工學研究センター：https：//www.biz.tmu.ac.jp/quantitative-finance/workshop/。

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

⑦ 在事先簽訂的TPM協議中提出一個既定的目標，即校企合作的成果能給企業帶來的利潤或者效益。若未達到目標績效，企業以P1的低價支付高校，高校獲得課題等合作成果，此時P1相當于高校的成本;反之，企業則以P2（P2>P1）的價格付給高校，高校可以賺取高收益。

參考文獻：

[1] 中國金融新聞網.數字金融人才培養是金融科技高質量發展關鍵專家談數字金融人才培養[EB/OL].[2021-08-09].http：//stock.10jqka.com.cn/20210809/c631667480.shtml.

[2] 黃璐，倪興興，薛松超，等.數字金融背景下的金融工程專業實驗教學探索與實踐[J].實驗技術與管理，2020，37（12）：189-192+198. [3] 方杰，劉俊棋，李杰輝.金融工程專業《金融數學》課程設計及教學改革研究[J].金融理論與教學，2021（3）：101-104.

[4] 邢鈺.人工智能背景下對金融工程專業實驗教學的思考[J].教育現代化，2017，4（33）：138-140.

[5] 陳彬彬.金融科技背景下金融工程專業實驗教學改革分析[J].科教文匯，2020（36）：121-123.

[6] 三菱UFJトラスト投資工學研究所.実踐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] 岡田克彥.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] 朱順泉.量化金融投資及其Python應用[M].中國：清華大學出版社，2018.

[9] 岡部建次.金融工學授業で何をどう教えるかについて-文系學生のための社會人になってから役立つ金融工學授業[C].日本：日本情報経営學會第80回全國大會予稿集，2020.

[10] 浪平博人，寺石雅英.金融工學のエッセンス：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.京都における産學連攜によるグローバル人材育成事例[J].日本：産學連攜，2019，15（2）：44-54.

[12] 榊原清則，伊地知寛博.日本における産學連攜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.

基金項目：湖北經濟學院博士科研啟動基金（XJ21BS12）

作者簡介：李杏（1989- ），女，湖北鐘祥人，湖北經濟學院實驗教學中心講師，博士，研究方向為金融工程與風險管理;通訊作者劉博宇（1983- ），男，湖北武漢人，湖北經濟學院實驗教學中心講師，博士，研究方向為實驗經濟學。