大数据环境下的《证券投资学》课程教学探索
时间：2021-02-21 04:00:08 来源：雅意学习网 本文已影响 人 
摘要：现代科技的飞速发展使人类步入“大数据”时代，随之带来的有关宏观经济、金融市场等方面的海量信息对证券投资产生了极大影响。为此，改变传统的《证券投资学》教学模式至关重要。文章根据大数据的相关性、实践性、全局性等特征，对大数据环境下的《证券投资学》课程教学进行了探索。
关键词：大数据；证券投资；教学
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）06-0133-02
一、大数据简介
2011年，McKinsey公司将大数据定义为“超过了典型数据库软件工具捕获、存储、管理和分析数据能力的数据集”[1]。而本质上，大数据不仅意味着数据的大容量，还体现了一些区别于“海量数据”的特点[2]。从某种程度上说，大数据是数据分析的前沿技术，从数量巨大、结构复杂、类型众多的数据中，快速获得有价值信息的能力，就是大数据技术[3]。
随着互联网的发展和智能手机的出现，人们的社交、工作、购物、出行等生活中的点点滴滴的变化都成为了可被记录和分析的数据，经过一段时间的收集、整理与分析挖掘后，便能从中获得有价值的信息。大数据环境的到来，使得数据成为一种资产，一种与物质资产和人力资本相提并论的重要生产要素[4]。哈佛大学社会学教授加里·金曾指出“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”
二、大数据促进《证券投资学》教学改革
大数据时代的开启，增强了全球的“数据”意识，提高了社会的“数据”需求，也改变了《证券投资学》的教学。
1.数据共享提供实操平台。长期以来，尽管中国社会积累了相当丰富的数据资源，但其中绝大多数没有经过有效的整理，电子化、共享化程度低。于是国家开始系统部署大数据发展工作，推动政府部门数据共享与公共数据资源开放。由此，带给证券投资者一种过去所没有的国际国内有关政府、企业的大量数据共享，使得人们通过一台电脑就能知晓宏观经济、金融市场和行业企业的各种变化，从而调整证券投资策略。这就要求《证券投资学》课程增加实操内容，运用多种软件分析证券市场各类数据，提高学生的数据分析能力。
2.相关性分析促进知识运用。大数据所汇集的海量数据资源提供了丰富的相关信息，具体到证券投资领域：各证券交易网站不仅能提供股票价格、成交量、K线图等基本信息，还披露了融资历史、股利政策、公司高管、资产重组等相关信息。通过对这些信息的分析，投资者可以了解上市公司的盈利能力、经营稳定性、可持续发展能力等，从而更准确地判断其股票投资价值。因此，相关性分析要贯穿《证券投资学》的整个教学过程，通过该门课程的教学内容，培养学生的相关性分析思维，以使其运用多种信息指导证券投资。
三、大数据环境下的《证券投资学》教学模式
1.立足《证券投资学》课程发展。《证券投资学》的教学工作者普遍认为传统的以教师为中心、以书本教学为主体的静态教育教学模式不适应该课程的教学[5]。但是一定比例的传统教学是有必要的，学生们需要在该模式中获取证券投资的基础知识：各种投资工具的概念及特点、证券市场、证券投资分析方法以及国内外对证券市场的监管。
在保证基础知识教学质量的前提下，我们可以：（1）营造宽松活跃的教学氛围。大数据环境下，便捷的信息传递表现为手机上的各种新闻推送，于是《证券投资学》的每一堂课可以从一个金融市场新闻开始，例如政府新出台的相关政策、央行的最新举措、股市大盘动态等，以充分调动学生的学习热情。（2）在教学中注重引导。例如证券投资基金的运作方式，可以先让学生以“保证投资人资金安全”为前提设计“游戏规则”，并将结果与大家分享，过程中由教师总结各位学生的想法，指出优点与不足并逐渐引导出目前的基金运作方式，从而加深对“委托—代理”问题的理解。（3）进行师生位置互换。整个教学过程中，教师可以布置日常任务，例如让学生选取某股票指数作为本学期的跟踪对象，在记录涨跌历程的同时尽可能搜集信息找出变动的原因，在每次结束课程内容后，请出个别学生为大家讲解。
2.以全新的视角丰富教学。
（1）相关性。大数据为我们观察世界提供了全新的思维方式，相关性使谷歌可以预测冬季流感传播，Farecast能预测机票价格波动。那么《证券投资学》有没有可利用的“相关性”呢？答案是肯定的。证券投资工具间的相关性是“风险”：债券是风险最小的投资工具，较低的收益率使资本渐渐转向股票，而股票市场的高风险催生出了组合投资，从而产生证券投资基金。之后，人们发现风险不仅能在空间分散，还可以分散在不同的时间，由此，远期、期货、期权、互换等衍生工具便应运而生了。证券市场间也有相关性，除了证券发行与交易市场的相互制约、依存关系，全球证券市场也是相关的。此外，基本分析与技术分析的结果也相互印证，世界各国对证券市场的监管也在相互借鉴、相互配合。相关性对《证券投资学》的教学很有帮助，如果教师能够充分认识并将其体现在讲课过程中，会极大地促进学生知识体系的构建。
（2）实践性。在实践中学习《证券投资学》往往能够事半功倍，在讲解相关基础知识后，教师要继续培养学生的实操能力。首先是基本证券交易操作。要确保学生知悉证券交易规则，了解证券交易程序，同时介绍必要的专业术语，以便其准确理解股票交易网站的各种信息。其次是数据分析，大数据时代使宏观经济分析、产业分析等基本分析数据的获取变得容易，此时，教师需要将Eviews等数据分析软件介绍给学生。技术分析部分，教师可在黑板画图演示教材中典型的K线组合形态，讲解其如何预测股价发展。同时，辅以真实的股价数据，让学生亲自动手验证可靠性。最后，鼓励学生参加各种模拟炒股，让学生独立做出买卖决策，且能随着市场形势的变化不断调整投资组合，在提高资本收益率的同时提高知识的运用能力。
（3）全局性。在信息处理能力较弱的过去人类从总体中抽取样本进行分析。如今，大数据时代不仅带来了海量数据，也带来了处理海量数据的能力。而此时，如果可能的话，我们会收集所有的数据，即“样本=总体”[6]。这是大数据对思维方式的改变，具体到《证券投资学》教学领域，就是教学评价方式的改变，但要注意，这种改变并非要求我们取消传统的考试模式，也不是给予一套新的教学评分标准，而是强调在教学评价过程中关注到每一个学生。例如，在教学过程中进行多轮课堂提问，不一定按照名单顺序，但一定保证涵盖全员；在软件操作学习环节，更要观察每个学生的实际操作；即使是小组作业，也可以随时抽查某个组员对课题成果的了解情况。关注全体学生的教学评价方法，使教师得到的反馈更加真实丰富，在教师积累经验的同时也得到了对教学效果更为准确的评估。
参考文献：
[1]Manyika J，Chui M，Brown B，et al. Big data：the next frontier for innovation，competition，and productivity[J]. McKinsey Global Institute，2011.
[2]李學龙，龚海刚.大数据系统综述[J].中国科学信息科学（中文版），2015，45（1）：1-44.
[3]于艳华，宋美娜.大数据[J].中兴通讯技术，2013，19（3）：57-62.
[4]左建安，陈雅.基于大数据环境的科学数据共享模式研究[J].情报杂志，2013，32（12）：151-154.
[5]陈钧.突出实践应用能力培养的证券投资学课程教学方法探索[J].中国证券期货，2012，（5）：293-295.
[6]Mayer-Sch？觟nberger V，Cukier K. Big data：A revolution that will transform how we live，work，and think[M]. Houghton Mifflin Harcourt，2013.
