新文科背景下數據驅動金融工程學創新教學設計與實踐

摘 要：新文科教育背景下，金融工程學領域迎來了前所未有的教學機遇與挑戰。探討了如何針對數據驅動的特性，對金融工程學的教學進行創新設計與實踐。教學變革強調跨學科整合、實踐與應用和數據與技術驅動；從教學目標與核心技能、實踐應用、數據倫理與隱私和編程與技能4個方面闡述了新的教學設計；針對創新實踐應用方面，從模擬交易平臺、數據分析比賽和實踐案例教學3個維度進行設計。

關鍵詞：新文科；數據驅動；金融工程學；創新教學設計與實踐

中圖分類號：F832

文獻標識碼：A

Doi：10.3969/j.issn.1672-2272.202312050

Innovative Teaching Design and Practice of Financial Engineering Driven by Data under the New Liberal Arts Background

Wang Hua1 ，Gu Tao2

（1.School of Finance， Guangdong University of Finance amp; Economics， Guangzhou 510320， China; 2. School of Business Administration， Southwest University of Finance and Economics， Chengdu 611130， China）

Abstract： With the introduction of the new liberal arts educational background， the field of financial engineering is facing unprecedented teaching opportunities and challenges. This paper discusses how to innovate the teaching design and practice of financial engineering in the context of the new liberal arts， focusing on the characteristics of data-driven teaching. The educational reform emphasizes interdisciplinary integration， practical application， and data and technology-driven approaches. The new teaching design is elaborated from four aspects： teaching objectives and core skills， practical application， data ethics and privacy， and programming and skill acquisition. Regarding innovative practical applications， the design is approached from three dimensions： simulated trading platforms， data analysis competitions， and case-based teaching.

Key Words：New Liberal Arts; Data-Driven; Financial Engineering; Innovative Teaching Design and Practice

0 引言

金融工程學課程是高校金融學、金融工程、投資學等專業的核心課程，也是高校經濟管理類、數學類、計算機類專業的必修或選修課程，其作為金融學的最新發展課程，標志著金融科學走向產品化與工程化，對金融行業乃至整個經濟領域產生了極其深遠的影響[1]。

在新文科建設背景下，跨學科課程突破了傳統文科課程的知識壁壘，對于文科人才培養具有重要的實踐價值[2]。數字化時代，數據已成為了決策的關鍵。與此同時，新文科背景下提供了一個跨學科的、綜合性的教育觀念，強調對人文、社會、自然等各種知識的融合與整合。金融工程學發展與數字技術的進步緊密相關。當前，應考慮如何把握數據驅動的趨勢，并將其應用于金融工程學教學中，如何在這一背景下進行創新教學設計與實踐。這為金融工程學教學帶來了新的機遇與挑戰[3]。

1 新文科背景下的教學變革新趨勢

1.1 重視跨學科整合

新文科是跨學科的知識整合。金融工程學是一個典型的跨學科領域，涵蓋了金融學、數學、統計學、計算機科學等多個學科。為了解決復雜的金融問題，金融工程學教學中可以整合這些學科的知識與方法，培養學生的綜合素質。與數學和統計學交叉，可以利用偏微分方程與隨機過程，例如Black-Scholes模型，來定價復雜的衍生品；使用統計模型和大數定理來估計金融資產的風險，例如VaR （Value at Risk）。與計算機科學交叉，利用高頻交易算法和機器學習技術，為交易策略提供決策支持；使用數據挖掘和人工智能技術，對大量的金融數據進行分析與預測。與經濟學交叉，理解經濟周期、利率政策等宏觀經濟因素如何影響金融市場；研究在金融決策中的非理性行為，以及這種行為如何影響市場動態。與金融學交叉，理解資本的配置、投資組合選擇和資本資產定價模型；研究公司的融資、投資和風險管理決策。與運籌學和系統工程的跨學科整合，利用線性規劃、動態規劃等方法，優化投資組合和交易策略；構建系統動態模型，模擬金融市場的行為與互動。

為了成功地進行跨學科整合，任課教師需要具備跨學科的知識背景，持續更新自己的知識儲備，并與其他學科教師開展緊密合作。同時，金融工程學也為其他學科提供了一個應用其理論和方法的實踐平臺，從而推動了各學科的發展與創新。

1.2 強調實踐與應用

在新文科背景下，跨學科整合和實踐應用的重要性被高度重視。對于金融工程教學而言，不僅需要讓學生掌握理論知識，還需要培養他們的實踐能力與應用思維。因此，應在教學中加強以下實踐環節：①項目式學習，設計真實的金融問題為案例，讓學生通過團隊合作的方式完成項目，如構建投資組合優化模型、開發算法交易策略等；②與金融機構合作，邀請金融機構提供實際的數據和問題，讓學生在課程中進行分析和解決，設計實習和實訓項目，使學生可以在真實的工作環境中進行學習與鍛煉；③模擬交易平臺，使用模擬交易平臺，如Bloomberg Terminal或MATLAB等，讓學生進行虛擬交易，實踐他們的策略和技能。

案例分析采用真實的金融事件與案例，如金融危機、公司并購事件等，讓學生進行深入分析與討論，強調實踐和應用的重要性。邀請實踐經驗豐富的專家講座，如邀請來自金融機構、研究機構和政府部門的專家，分享他們的實踐經驗與看法，拓寬學生的視野。并通過校友資源，邀請多位校友進課堂。

總之，新文科背景下的金融工程教學強調實踐與應用，培養學生的綜合素質和實踐能力，使他們能更好地適應金融行業的發展與變化。

1.3 數據與技術驅動

在大數據和人工智能推動下，數據分析與處理能力成為新文科的核心能力。隨著信息化社會發展和大數據技術的普及，數據分析與處理能力已成為專業人士所必需的核心技能，而這同樣適用于新文科領域。數據驅動學習是指依托信息技術手段實現支持與構建學習過程的方法，通過發揮數據的驅動作用，以滿足學習需求、促進有效教學[4]。隨著互聯網與移動設備的普及，生活中產生的數據量在飛速增長。這些數據不僅來自于科技、商業領域，也涉及到社會科學、人文學科等領域，如社交媒體數據、消費者行為數據、文化研究數據等。數據為新文科研究提供了豐富的素材。例如，在社會學、傳播學、文化研究等領域，研究者可以通過對大量數據的分析來探討社會趨勢、人們的行為模式和文化現象。而傳統的研究方法，如問卷調查、深度訪談等，雖然能獲取深入的信息，但在時間和資源上的開銷較大。而數據分析方法可以更快速、高效地處理大量數據。數據分析不僅是處理和解讀數據，更重要的是對數據的來源、質量、意義進行深度思考。這種思維方式對于新文科領域的研究至關重要。

2 數據驅動下的金融工程學創新教學設計

數據驅動的教學方法著重于利用大數據和先進的數據分析技術來提高教學效果與學生的實踐能力。在金融工程學中，這種方法尤其重要，因為金融市場和產品的復雜性需要大量的數據支持與分析。設計數據驅動下的金融工程學創新教學需要整合當前的大數據技術與傳統金融工程學的理論框架，從而為學生提供現代化且具有高度應用導向的學習體驗。

2.1 確定教學目標與核心技能

金融工程學的教學目標是為學生提供金融市場知識和數學、統計學基礎知識。訓練學生掌握現代金融工具與技術，以解決實際金融問題。培養學生的數據驅動思維，使其能在大數據環境下進行金融分析與決策。強化學生的編程和技術應用能力，使其能開發與應用金融工程模型。培養學生的創新思維和團隊合作能力，鼓勵其在金融工程領域進行獨立研究和項目實踐。

金融工程學的主要教學目標：掌握金融數據的收集、處理和分析方法。熟悉至少一種編程語言，如Python、R或MATLAB，能編寫金融模型與算法。理解并應用隨機過程、時間序列分析、風險管理等金融數學模型。了解金融市場的運作機制、金融產品和金融工具。能評估與管理金融風險，如市場風險、信用風險和操作風險。在金融工程的研究與實踐中，能提出新的思路與方法。在多學科背景下與他人合作，完成金融工程項目。

在數據驅動背景下，金融工程學的教學和實踐更加注重數據與技術的應用，培養學生的數據分析能力和技術應用能力成為教學的重點。

2.2 強調金融模型的實踐應用

隨著人工智能等金融科技在金融領域的發展，金融行業中存在的一些問題都可以借助科技工具得以處理，這對金融行業從業人員的知識與技能提出了更高的要求，也進一步給應用型高校金融工程專業的實踐教學帶來了新的挑戰[5]。在金融工程學教學中，金融模型的實踐應用非常重要。通過實踐和應用金融模型可以幫助學生更好地理解理論，并為未來的職業做好準備。利用軟件平臺如Bloomberg、MATLAB或Quantlib進行模擬交易，幫助學生理解金融模型如何在資產定價、風險管理和投資策略中應用。選擇真實的金融事件或策略，要求學生使用金融模型進行分析與解釋。學生可以團隊合作，設計金融工程項目，如創建新的金融衍生品、制定投資策略等。項目中，學生需要應用金融模型進行定價、風險評估和策略優化。提供真實的金融數據，如股票價格、債券收益率或外匯匯率。學生可以使用模型進行數據分析、預測與策略制定。與金融機構或企業合作，提供實習或項目機會，讓學生在真實環境中應用模型，增強學生的實際操作經驗。

通過采用多種方法和技能，可以確保學生在金融工程學教學中充分實踐和應用金融模型，為他們的未來職業做好準備。這樣可以幫助學生看到模型在實際應用中的限制和潛在風險。

2.3 強調數據倫理與隱私

當前，人工智能與金融業的融合發展加快了金融科技的興起，對金融工程專業人才培養提出了更高要求，同時也對《金融數據挖掘》課程教學提出了更高的要求[6]。在金融工程學的教學中，強調數據倫理與隱私是至關重要的，尤其在數字化和大數據時代。在金融工程核心課程中應增加數據倫理和隱私的專門章節或模塊。設計專門的課程，如《金融數據倫理與隱私》課程為學生提供深入學習的機會，分析與數據泄露、濫用或其他倫理問題相關的金融事件，實際上，數據泄露和倫理問題在金融行業是一個持續存在的問題，特別是在數字化和技術進步的背景下。各個機構都需要不斷加強安全措施和倫理規范。

2.4 強調編程與數據技能

在金融工程學教學中，編程與數據技能是核心的技能之一，因為現代金融模型和策略通常需要數據處理、模擬和實際執行。常用的編程語言包括Python、R、MATLAB等，根據課程內容和目標，選擇適當的語言進行教學。對于初學者，先進行基礎的編程培訓，教授基本的數據結構、算法和編程思維。設計金融相關的編程項目和作業，如創建簡單的量化交易策略、模擬股票價格等，有助于學生將編程技能應用到實際的金融問題中。使用真實或模擬的金融數據，教授學生如何導入、清洗、處理和分析數據。介紹常用的數據處理庫和工具，如Python的pandas和numpy。

3 實踐操作與案例分析

3.1 模擬交易平臺

隨著金融大數據、人工智能金融、區塊鏈金融、金融云等新興金融科技的迅猛發展，金融工程人才培養和教學面臨挑戰[7]。模擬交易平臺為金融工程學專業的學生提供了一個實驗和學習的環境，他們可以測試和執行交易策略。例如，QuantConnect：基于云的算法交易平臺，支持多種編程語言，如C#、Python等。提供免費的歷史股票、期貨、外匯和加密貨幣數據。包括回測工具、實時交易連接和社區共享算法。NinjaTrader：適合日交易者和期貨交易者，提供實時和歷史市場數據，包括圖表、分析工具和自動交易功能。

3.2 數據分析比賽

將任務驅動教學法運用于金融工程課堂教學中具有一定的優勢[8]。在金融工程學中，數據分析比賽是一種好的方式，能提供實際經驗、增強學生的團隊合作能力，并促進創新思維培養。根據課程內容選擇相關的金融問題，如預測股票價格、優化投資組合、識別欺詐交易等。設定明確的評價標準，如預測準確度、策略回報率等。選擇適當的數據源，可以是真實的金融數據、模擬數據或公開的數據集。鼓勵學生組成團隊參賽，每個團隊可以有3～5名學生。團隊合作可以培養學生的溝通與協作能力。如與金融機構或企業合作，將比賽的題目和數據與實際業務問題結合起來。這可以增加比賽的現實意義，并為學生提供更多的就業機會。總之，數據分析比賽是一種有效的教學方法，能激發學生的興趣，增強他們的實際操作能力，同時也為學校和老師提供了解學生學習能力的機會。

3.3 實踐案例

在復合應用型人才培養的新文科背景下，發現教學環節中存在的問題，對癥下藥開展“金融工程學”課程建設與改革是大勢所趨[9]。金融工程學中的實踐案例教學是一個強有力的工具，可以幫助學生理解復雜的金融概念、模型和策略，并將理論知識應用于實際問題。金融業變革驅動金融工程人才培養模式的創新要求[10]。根據課程內容與學生的水平選擇相關的金融案例，如股票定價、信用風險管理、高頻交易策略等。案例應包括真實的背景信息、數據和存在的問題。首先，為學生提供案例的背景信息，如市場環境、公司歷史和相關事件；其次，描述案例中的主要問題與挑戰。提供與案例相關的數據，如歷史價格、交易量、財務報告等。教授學生如何導入、處理和分析數據，使用適當的統計和金融模型。鼓勵學生組成團隊，共同討論案例中的問題與應對策略。通過團隊合作，學生可以交流觀點、分享知識和提出解決方案。根據案例的問題，設計并實施相關的金融策略，如投資組合優化、風險管理、交易執行等。使用適當的工具和技術，如編程、數值模擬和優化算法。對策略的結果進行評估，與預期效果進行比較。分析策略的優點與缺點，討論可能的改進方法。在案例結束時，組織總結和反思，分享學生的經驗與教訓。分析案例中的關鍵因素和決策過程，提取普遍的原則和方法。實踐案例教學是金融工程學中的一個重要組成部分，能幫助學生理解復雜的概念，培養實際操作能力。

4 結語

在新文科背景下，應探索如何在新的教育背景下融合數據科學與金融工程學，以達到更好的教學效果。傳統的文科知識與現代數據技術相結合，為金融工程學提供了全新的視角。教學設計中，不僅要注重傳統的金融理論知識，還需強調數據處理、編程技能和機器學習的應用。此外，跨學科的知識與技能，如批判性思維、道德倫理等，也成為了重要的教學內容。實踐環節則通過實際的金融項目和模擬交易等方式，讓學生將所學知識應用到真實情境中，從而加深對理論知識的理解，提升實際技能。

未來金融工程學的教學可能會與其他學科，如社會學、心理學、人類學等更加深度地融合，讓學生從多維度理解金融市場的復雜性。隨著科技進步，量子計算、增強現實、虛擬現實等將被引入到金融工程學的教學中，為學生提供更為真實和沉浸式的學習體驗。未來的教學模式可能會更加注重實踐經驗的積累，如與金融機構合作開展實際項目，或通過虛擬模擬環境讓學生體驗金融決策過程。隨著數據廣泛應用，如何在保護隱私、避免偏見的同時利用數據進行金融分析和決策，可能會成為金融工程學教學的一個重要組成部分。金融和技術領域的快速變化可能會促使教育模式轉向更加注重持續教育和自主學習，幫助學生在職業生涯中持續更新知識和技能。隨著全球金融市場的日益一體化，金融工程學的教學可能會更加注重國際化和多元文化的內容，培養學生具有全球化視角和跨文化溝通能力。總之，新文科背景為金融工程學的教學提供了新的思維方式與方法，而技術和數據不斷進步則為教學內容和形式提供了無限的可能性，金融工程學教學將得到進一步創新發展。

參考文獻：

[1] 何曉光，黃金波. 金融工程學課程思政元素探究 [J]. 西部素質教育， 2022， 8（1）： 47-49.

[2] 陳沛. 解構與重構：“新文科”視域下跨學科課程教學的創新理念與實踐探索 [J]. 黑龍江高教研究， 2023， 41（1）： 156-160.

[3] 于楊， 尚莉麗. 新技術革命背景下新文科建設的價值指向與路徑探索 [J]. 教育理論與實踐， 2021， 41（21）： 3-6.

[4] 蘇陽， 彭國強， 葉強. 數據驅動學習：新時代學校體育教學的創新趨向與發展應對 [J]. 天津體育學院學報，2022， 37（2）： 181-187.

[5] 唐恩林.人工智能背景下金融工程專業實踐教學模式構建[J].興義民族師范學院學報， 2022（5）：92-97.

[6] 關鵬.人工智能背景下“金融數據挖掘”PBL教學模式探索與實踐[J].科教文匯，2021（27）：144-146.

[7] 陳有為，郭建峰．虛擬仿真實驗教學資源平臺的建設與管理——以西安郵電大學金融工程專業為例[J]．教育，2021（7）：389-390.

[8] 宋盈盈.關于任務驅動教學法在《金融工程學》教學中的研究與應用[J].教育科學，2022（5）：51-54.

[9] 唐珊，茍竹林.新文科背景下應用型本科院校“金融工程學”課程建設與改革[J].成都工業學院學報， 2023， 26（2）：56-59.

[10] 潘海峰.金融科技背景下金融工程專業立體式實踐教學體系構建研究[J].牡丹江教育學院學報，2021（2）：95-97.

（責任編輯：要 毅）

基金項目：廣東財經大學金融學院2023年度教學改革建設項目；廣東省省級一流本科專業建設點：省級一流專業——金融工程（廣東財經大學）項目（教高廳函〔2022〕14號）

作者簡介：王華（1984-），男，博士，廣東財經大學金融學院講師，研究方向：金融工程學；古韜（1991-），男，博士，西南財經大學工商管理學院講師，研究方向：戰略與營銷管理、消費者行為。