吴小英 陈员龙

摘 要：为了改善金融投资类理论课程的教学效果，本文提出量化投资分析实验教学融入到正常教学实践环节，实践表明课程的融入能更好帮助学生理解与应用理论知识，提高学生对相关课程的学习兴趣，锻炼学生团队创新协作能力，处理与解决实际问题的能力。这一教学模式促进了统计专业与金融学专业之间的结合，从而提高学生对应用统计专业的认识。

关键词：量化投资分析;实验教学;证券投资分析;统计

引言

在习近平新时代的社会主义建设时期，应用型高等本科教育也应该适应现代化市场经济的发展需要，转变传统高等教育的重理论、轻实践的教学观念，以就业需求为导向，加强应用实践教学。作为金融类应用型高等本科院校的试点，金融学院的培养目标是应用型人才的培养，就业主要面向基层、业务、操作与管理第一线，为华南地区的金融市场建设提供需要的德、智、体全面发展的应用型复合型金融专业人才。建立完善的实践实习教学体系，是提高大学生的实践应用的综合能力的有效的方法，加强新时代下应用型本科院校毕业生在人才市场的竞争力，为习近平新时代社会主义经济建设输送具有扎实的专业基础知识、优良的个人综合素质、较强的专业操作与实践动手能力和一定创新及协作的意识优秀金融类专业毕业生。

因此作为华南地区的老牌金融院校应该适应市场经济的发展，培养学生运用基础理论知识解决实际问题的能力，激发学生的创新能力，在专业课程教学设置以就业为导向，适当增加应用实践课程的比重，尤其是金融投资的综合实验课程，促进学生对课堂理论知识学习的浓厚兴趣。由于一般二本高校学生对理论知识掌握的程度不深，因此在这类课程的教学中只能偏重于实践操作的方式。本文根据个人多年证券投资分析课程的教学实践，浅谈量化团队实践教学手段在证券投资分析这类金融数据分类课程的实践教学中的作用。

一、量化分析团队激发学习兴趣

证券投资市场是一个高收益与高风险并存的金融市场。技术分析有着诸多的不确定性，操盘手对其操作合理能够为投资者带来丰厚的财富报酬，预测不当也为投资者带来巨大的财富损失。因此在给学生讲授此类课程，仅从课本的理论方面介绍投资的基本面分析与技术分析，学生很难感受市场的激烈波动带来的心理作用及技术分析的真正作用，从而对课程的学习会觉得枯燥无味，很难对其产生浓厚的兴趣。引入一些就业导向型的实践教学手段对激发大学生的学习兴趣会起到正常教学意想不到效果。

为了提高学生学习积极性，我们根据学校的金融大环境，通过学校的证券市场实盘数据模拟平台，建立量化投资实践操盘小组，组织学生以老带新、以强带弱的方式进行量化分析。这样使得学生能亲自体验购买股票是这种重要的证券投资方式，加深学生对证券投资分析课程的基础理论知识的理解。由于股票投资的风险与收益都有极大的不确定，价格的波动不具备一般的规律性，因此把学生从理论学习过程引入实盘操作的实践中来需要进行一些有经验的同学的指导分析。我们设计分组团队的方式进行实盘模拟训练，在分组实践的过程中，我们让学生分工协作，按照数学建模的指导思路，给学生分组虚拟分划一定账号资金，给定一定周期的时间进行比赛式的操盘，要求各组按照所学的数据分析知识与证券投资分析的技术指标进行量化建模分析。证券市场的因素有着很大的不确定性，我们不能对股票的收盘价，开盘价，交易量等数据获得具体的模型分析[1]，因此在量化分析过程中需要对很多数据整理，需要大家的协作完成数据的整理，遴选，分类，根据数据分析方法及数据挖掘的理论进行各种数据的分析调试，丰富学生的处理问题的手段，帮助大家对已学专业知识进行进一步的实践巩固。通过这些量化分析的过程，大家对股票市场的股价异动行为进行甄别监测，从而对个股的走势进行预测，股票进行分类，为本组的决策做出量化分析依据，决定买入卖出的时机[2]。通过这些分析的学习，学生能更好的理解相关课程的联系，当虚拟账户资金变化可以给他们带来学习上的成就感。股票数据的实时模拟训练，给大家提供技术分析的机会，通过对基础理论的实践应用，为课程知识的串联发挥良好的作用，使学生对课程技术指标在股票投资决策中的作用有了近距离的认识，增加课程的趣味性、实操性。

二、量化建模分析促进学习认知

在对分组量化分析方法的实验教学中， 笔者让学生通过分工协作的方式，对某些股票的交易数据，运用计算机软件（如SAS，R语言）对股票数据进行判别分析，关联分析、因子分析聚类分析等，建立股票市场的量化模型，这突出量化分析的规则性、纪律性、系统性、及时性与确定性特点，让学生认识证券市场的各种不确定性因素都将及时系统的反应到市场的交易数据中。虽然各种市场的反应都会蕴涵在数据中，但策略设计、策略检测、策略的实施都与个人临场决策分不开，因此可以通过各种数学、统计模型进行分析观察，运用量化投资模型对各种策略进行细致的量化分析，避免决策实施过程中的随机性因素的干扰。这帮助学生认识人为因素、个人对市场的实施判断与投资者的交易理念的关系，这使得人在做一些复杂决策过程中的交易失误。通过量化投资分析的预测可以帮助降低人为犯错的几率。量化投资分析就是将个人的投资理念、决策思想、个人经验和直觉通过一定的数学模型反映在量化的数据结论中，借助于计算机软件分析大量交易数据和信息来为确定投资和交易决策。在指导学生认识量化分析给决策带来的确定性同时，也要让其明白量化投资分析主要依赖交易数据的建立的数学统计模型，这使得同学在进行量化投资分析的过程中存在较大的模型风险，也就是说当你使用了一个错误的数学模型进行交易分析时比较产生巨大的投资风险。为了防范这种模型选取的风险，正常分析过程中应尽可能采用更为稳健的数学统计模型，即模型的参数和函数应该适应多种市场环境。

最后，我们以一个构建量化投资模型的实例过程阐述实践教学的设计，模型数据与2018年10月至12月券商板块的45只股票3个月数据为样本，利用数据分析的相关分析，典型分析，聚类分析等手段选取了6只代表性股票：中信证券，国信证券，海通证券、广发证券、光大证券、长江证券重点构建一个量化投资模型，进行分析。通过图形分析对比各种技术指标分下，从量能与价格的联动指出1月底將有一段较好的上涨趋势，后期学生对此得到很好的验证，对量化投资实践方法产生积极的学习热情。

三、分组实践教学存在的问题与效果

一是证券市场的量化分析需要一定的统计，数据分析、数据挖掘的知识背景，但这些课程之间的教授不一定都对证券技术分析了解，老师在课程教学的过程则形成相对孤立的内容教学，没有形成连贯性，使得实践课程的教学进展缓慢，学生在一个学期的时间内还未能很好的进入状态。二是目前这一类的实验课程的教材较少，教学内容跟不上实践的变化，需要指导教师能够补充上课实例，填补教材中的不足。

引入量化分析团队实践教学到证券投资分析实验教学之后，通过对我院进三年学生的实操性的对比发现：16级同学完成课程实验数据的分析整理，选股准确率，对课程的兴趣比前两级学生明显提高;期末考核对选股准则的分析，数据方法的分析手段等动手操作能力有显著提高，而且不少同学明确表示对证券技术分析有兴趣，希望进一步了解有关课程的进行深入学习。比如：一般情况直接基本面与技术分析预测某个股票的短期走势是很难的，但是通过同类行业或区域板块的交易数据的量化分，可以寻找历史交易数据的某一类股票的的价格走势计算出此板块行业的相关性关系，在交易数据存在一定的联动性。我们可以指导学生通过典型相关分析的手法，发现上市公司的股票之间的一些相关性产业，使得在选股中能够及时调整购买策略，，从数学模型的定量分析中认识股票的联动性。这使得学生对所学数学知识与证券投资理论知识有更具体的认识。相比证券投资分析理论知识的纯理论学习，学生在近3年的中国股票市场的量化分析实验总结中还是能发现一些股票板块具有采用客观、公正而理性的量化投资风格。这对进一步开展证券投资分析的量化分析实验教学提供了可行的实践经验。有效的增加传统证券投资课程的实践补充，为应用型高校的一般实验教学方式提供多样性选择。总之，证券市场量化实战分析实验课程，能够更好激发学生在应用类课程学习兴趣，教学效果取得明显的改善，学生动手能力，自我学习能都有较大的提高。

参考文献

[1] 李姝锦，胡晓旭，王聪.浅析基于大数据的多因子量化选股策略[J].2016，17，106.

[2] 李国强，李雯.证券投资分析第2版[M].北京.机械工业出版社，2017.6.