数据分析方法在实验教学中的应用研究

陈员龙 吴小英

摘要针对当前金融数据分析方法实验教学方面的一些弊端，本文提出将金融市场的数据分析方法融入到该课程的教学中，实践表明能够极大地提高学生的学习兴趣,并锻炼学生处理与解决实际问题的能力。这一教学模式促进了数学专业同其他专业之间的结合，从而提高金融类院校学生对数学专业认可。

关键词数据分析方法实验教学案例分析CPE课程模式

中图分类号：G642文献标识码：A

0 引言

随着信息与计算科学技术的发展，数据作为信息的主要载体，各行业各业无处不有数据存在，如何从这众多看似杂乱无章的数据中发掘有用的信息，寻找其内在规律，那就还需人们对丰富数据进行分析。数据分析方法，就是分析和处理数据的理论与方法，从中获取有效的、潜在有用的信息。所挖掘出的信息可以帮助人们进行科学的推断与决策。与以前相比，今天的商业活动必须获得更大利润、具有更快的反应、提供更高质量的服务，并且使用更少的人员、更低的成本；因此使得金融数据分析方法这门课程在金融类高校里大受欢迎。

在教学中，笔者发现书中自带的教学案例大都跟不上新的经济形势，而且数据偏小，学生难于直接体验到从中挖掘出的信息的用处；因此只是按照实验指导书的指导，进行机械的操作，体会不到数据分析方法在经济数据中的强大功能。同样，数据分析方法工具中的示例，也都是针对一些经典的数据进行操作，这些数据一部分是为教学假设的数据，一部分是机构多年前收集整理后的数据，在教学的过程中学生基本体会不到数据分析的方法，即使有些学生会按照课本方法进行数据处理，也不知这么做的实际用途。而这将直接导致实验教学中的枯燥无味，葫芦画瓢，达不到课程教学的真实目的。

数据分析方法属于信息与计算科学这个新专业的一门专业课程，发展还属于起步阶段，课程的定位问题尚未得到好的解决，因此教学侧重点定位不清晰和实验教学的案例严重缺乏，本文就这两个问题提出了分别针对理论教学和实验教学的教改方案：基于我校提出的CPE人才培养课程模式，考虑到本科生的数学基础和就业趋向，把本课程定为专业课程。在教学中，考虑到本校学生的整体数学基础比较薄弱，因此在教学中淡化理论分析的细节，着重学生对数据预处理能力的培养，建立与就业为导向的应用型课程的结合，加强实验课程与就业模块的融合，在实验教学中开设一些有关金融市场数据分析的工程项目；针对当前金融危机与欧债危机的双重影响下，金融类课程教学应在内容设置、考核方式、教学手段等方面进行更新调整。文献[2]强调案例教学和应用型人才培养的关系以及针对传统案例教学的不足而提出新的案例教学模式。考虑到本校专业大都是以经济金融类为背景，学生对金融领域尤其是证券市场的信息分析充满浓厚兴趣，毕业后的就业去向主要以金融证券行业为主。因此笔者在数据分析的实验教学中直接引导学生利用实时的股票交易数据进行数据分析方法的上机练习，从而提高学生对本课程的学习积极性。

1 结合证券交易市场的数据进行实验教学

股票是一种高收益与高风险并存的投资理财品种，投资者自然希望能够掌握其内在变化规律，并进行分析与预测，从而达到高收益。但是由于证券市场受到很多市场因素和非市场的影响，而且这些因素之间又有相互不确定性作用，因此要想建立一个确定的模型来描述某只股票的规律是非常困难的。然而也不是无规律可寻，只要对数据处理得当还是能挖掘出有用的信息特征。

在股票交易事务处理中，交易软件数据库每天都有大量交易数据，如每天的开盘价、收盘价、成交量等，这些数据对股民或投资者判断各类股票的走势，做出正确的投资决策；证券交易所管理人员分析各类投资者与所购买股票之间的关系，从而及时发现股市中存在的关联交易、内幕交易等非正常交易行为；上市公司及政府决策部门出台的相关方针政策等方面都具有非常重要的参考价值。

在实验教学过程中，我们并不强调根据股票数据去建立精确的模型分析，我们强调的是将所学的数据分析方法或者模型应用到实例，分析其发生的影响因素。因此，着重从以下几个方面的进行分析：首先，对证券市场的异常行为进行甄别监测，从而能及时准确地感知证券市场的异常操作；接着选取影响大盘指数或某只股票走势的主要因素，然后用这些因素对大盘指数或个股的走势进行预测；最后通过分类的方法对一些股票进行分类，得出对投资者有一定参考价值的判定依据。

1.1 股票走势预测

回归分析与主成分分析是数据分析方法的重点内容，为了使学生更好地理解这部分内容，需要在实验教学中进行大量实例练习，加强学生的动手能力。因此我们在讲解这部分内容时，直接要求学生通过股票交易软件下载相关数据进行主成分分析，确定影响大盘指数或个股走势的主要成分因素，然后建立相应的回归分析模型⑤，对上证指数或股票走势进行短期或中期预测。

毫无疑问，上市公司定期的信息披露、定期的财务公布及其上市股票的成交价、成交量都包含股票走势的重要信息。通常在利好信息前，股价的上涨就已经体现在交易中，因此对于投资者来说，重要的是能通过这数据预测公司未来盈利能力。实验教学中，指导学生采用对历史数据进行回归分析，建立复杂延迟离散动力系统预测模型，对上市公司的未来盈利能力的进行预测，从而寻找未来具有较高盈利增长能力的公司，让学生亲身体会数据分析方法的应用。

1.2 内幕交易行为甄别

内幕交易行为是一种非正常证券交易行为，它直接破坏了证券市场的正常交易规则，造成恶劣的市场交易环境，严重损害了中小投资者利益。因而如何监管市场中的内幕交易行为成为证券监管部门的一个重要职责。尽管监管部门一直致力于对这类非正常交易行为的监管与防范，但由于其交易行为具有难以甄别性、复杂性及给投机者带来超常收益的诱惑，使得这类非正常交易行为时有发生。在中国证券市场上，由于市场信息披露对投资者是不对称的，市场还处在一个制度极其不完善的时期，投资者基本没有自我保护意识和内幕交易处罚不严等原因，使得内幕交易行为问题尤为突出。因此研究内幕交易行为的甄别方法，对投资者具有重要的参考价值。

在对数据分析方法的综合实验教学中，笔者让学生以我国股票市场上所有发生过内幕交易和市法场操纵股票为样本，将全部的交易数据下载下来，利用SAS软件进行数据预处理，然后分别进行关联分析、主成分分析、判别与聚类分析等，确定内幕交易行为的主要表现特征及因素。根据这些特征及因素，对实时交易数据进行数据分析，建立其主要成分的评估指标，根据评估指标值，拟抽出可能涉嫌内部交易的股票，并在后期通过证券交易市场信息披露对其检验。从而进一步对所获得的因素及指标进行相应的修正。

1.3 股票分类研究

我们知道股票的联动效应是极其显著，了解股票之间的相互关系对股价的波动有更清晰的认识。一般证券公司会按照行业板块、地域板块、炒作概念板块等对股票进行基本分类，这些分类可以对投资者起到一定的辅助作用。要想对股票行情有进一步的了解，还需要投资者对股票做更深入的归类， 例如一定时期哪些股票可能成为政策的直接受益股，哪类股票可能将有资产注入题材。为了获得这些信息，我们可以指导学生通过判别分析、聚类分析等数据分析方法进行股票归类处理。这使得学生对这些数据分析方法的应用有更深的理解，从而进一步提高他们对课程学习的兴趣。

我们知道要直接预测某支股票的走势几乎是不可能，但是通过一些数据分析方法，比如相关分析等，寻找出某一类股票的走势与另一类股票走势的潜在关系。比如一般有这样的关系：“如果万科股票下跌6%，那么其它地产股票将在其下跌影响下跟跌5%，甚至10%”。在学习典型相关分析的内容时，我们可以指导学生选用一些股票的历史数据，通过数据分析方法选取股价的主要影响因素，对这些上市公司的股票进行典型相关性研究，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有更具体的认识。

2 结论

引入对金融市场数据分析到数据分析方法实验教学之后，通过对两个年级学生实验报告的对比发现：2009级同学独立完成课程实验报告人数比2008级同学多出20个百分点；期末考核中优秀率比上个学年提高了17%；而且不少同学明确表示对从事证券行业有兴趣，希望进一步了解有关数据分析方法课程的相关学科。

数据分析方法是信息与计算科学专业的一门应用型学科，对它的应用已经不是简单局限在数学学科的范畴。它的应用已经渗透到各行各业的各个领域，这些数据分析方法为决策者提供了解决问题的理论依据。这也使得数据分析方法的实验教学显的尤为重要，结合学生的就业导向及专业背景，将数据分析方法应用于证券市场实战分析，更能够激发学生的学习的积极性，使教学效果获得明显的改善，对学生思考问题的能力的锻炼及提高也有所帮助。

总而言之，把就业与专业相融合的的思想和方法注入到应用型数学专业课程中，一方面让学生在比较轻松的环境下有效地掌握了专业数学知识；另一方面，这一教学理念进一步提高了学生对学习专业数学的积极性，使学生摆脱了对繁重乏味的数学理论证明与数值计算的苦恼。这一方式促进了我院数学专业同其他专业，尤其是金融专业之间的结合，从而使学生愿意把更多的时间精力放到专业课程的学习中， 有利于他们对专业知识的学习与认识，达到对我院学生对数学专业的认可。