前言：寻找写作灵感？中文期刊网用心挑选的量化投资实验在金融科技教学设计探究，希望能为您的阅读和创作带来灵感，欢迎大家阅读并分享。
摘要：近年来，量化投资能力已成为金融人才的必备素质之一，但相关人才的社会缺口仍较大。在金融科技本科教学中设置量化投资模拟实验，对培育复合型金融人才具有重要意义。鉴于此，该文探讨了量化投资模拟实验教学的设计思路，分析了设置量化投资课程所需的保障，并提出了相应的课程评价方法。
关键词：量化投资；本科；教学设计
近年来，随着金融科技的快速发展和计算机技术的迅速普及，金融市场的投资理念与技术开始向数量化转变，越来越多的证券及衍生品的投资手段开始依托量化技术，金融市场对量化投资人才的需求越来越大。截至2019年年底，全球对冲基金管理资产合计已超过3.1万亿美元，其中量化基金规模占比高达30%左右。相比之下，境内量化私募基金的占比低于10%，存在较大提升空间。可见，量化投资作为当前投资领域的发展趋势，前景十分广阔。当前，已有部分高校认识到培养量化投资人才的重要性和紧迫性，在课程设置中增加了相应的实践性课程。但整体上，高校在金融人才培养过程中仍存在重理论轻实务、量化技术滞后等问题。在此现实背景下，探讨量化投资模拟实验在金融科技本科教学中的设计与应用，对进一步完善金融科技本科生人才培养体系、培养高素质量化投资人才具有重要意义。
1量化投资模拟实验的设计内容
1.1选股模拟。运用量化方法选股时，往往须结合一些数量指标，或是结合一定的计量模型。教师可以介绍传统和新兴的选股指标，有针对性地向学生推荐有关文献，详细阐述量化选股的思路与方法。为更好地激发、培育学生的兴趣与实操能力，学生可自行选择不同的量化模型，并对选股依据提出具有创新性的方案。在这一过程中，学生既培养了文献阅读能力，又掌握了量化选股的基本技能，为后续的实践投资夯实了基础。以Fama-French三因子模型为例，学生可采用账面市值比、市盈率和公司规模指标作为选股依据。具体步骤为：从数据库中下载一定区间内A股股票相应的指标数据，经过数据清理，按照账面市值比高于某一数值、市盈率大于某一数值、公司规模小于某一数值的标准筛选出一定量的股票代码。在掌握最基础的量化选股模型后，学生可进一步加入更有效、更优质的定价因子，探讨获取更高收益率的选股模型。由于量化选股的策略较多，在教学中应贴合学生实际，选取可以让学生将所学知识与技能结合起来的策略。
1.2择时交易模拟。运用量化手段开展择时交易是量化投资模拟实验的重点，也是金融市场实际操作中运用量化技术的关键。这部分课程的学习需要学生对最佳买卖资产时点有较为清晰的认知，且对学生的编程能力要求较高。教师既可以介绍一些传统的择时指标模型，演示择时交易的具体步骤，也可以鼓励学生阅读前沿文献，选择自己感兴趣的指标进行实操。一般而言，有关择时指标的选择有市场情绪、牛熊市指标、趋势追踪、异常指标等。为更好地进行量化择时交易，可以采用融资融券交易股票、期货等有“T+0”操作的投资标的，以更好地检验学生的量化择时交易能力。
1.3课堂量化投资比赛。开展量化选股和量化择时交易课程后，教师可在课堂内举行模拟量化投资比赛，作为评定学生本门课程期末成绩的主要依据。赛程为期四周，初始投资本金为股票账户100万元和期货账户100万元，选股能力主要通过学生在此期间交易股票的最终收益来判定，而择时能力则采用交易期货的最终收益来衡量，最终账户余额作为最后比赛成绩的主要评判依据，占课程总分的60%。此外，学生需要将选股依据、择时指标选取、交易细节等形成详细的文字报告，总结自己在量化投资模拟实验中的优势与不足。若交易依据具有一定的创新性，授课教师可适当为学生加分，此部分成绩占课程总分的40%。
1.4其他量化投资模拟。量化投资的内容丰富繁杂，鉴于课堂时间有限，教师可提供相应的教学资料，供有兴趣的学生深入学习，如衍生品套利、统计套利、程序化交易等。上述方式也将进一步运用统计分析、人工智能、数学方法（如分形理论、随机过程）及计算机技术等（高祥宝，2016）[1]。
2量化投资模拟实验设计的保障
2.1专业知识学习。虽然量化投资课程的重点是量化技术的应用，但其仍以投资学专业知识为基础，是一个将理论知识具体化的过程。以选股为例，指标选取的原则是投资学课程中的相关内容。学生需要学习成长性指标、资本结构指标以及基本面因素和技术性指标，只有掌握关键理论，才能更好地使用量化工具进行选股决策。
2.2以数理、计算机课程为基础。量化投资对数理知识和计算机技能的要求较高，在设置金融科技本科生培养计划时，应加大对数学与计算机课程的重视程度，为后续的量化投资课程打好基础。除了“高等数学”“线性代数”“概率论”“统计学”等基础课程，对于蒙特卡洛方法、数据挖掘等处理方法的学习也至关重要，应当将其作为量化投资课程的前置课程。对于相关数据处理软件，如python、R语言、matlab数据分析软件、SAS、SPSS等，教师可根据学校和课程设置的具体情况有选择性地开展教学。例如，R语言中以quantstrat为核心的系列包开发时间较早，且能免费使用，具有完善的系统和框架（付志刚和沈慧娟，2018）[2]，在目前的高校量化课程中出现频率较高。近几年python较为流行，其在投资实操中的使用频率也越来越高，是比较好的选择之一。
2.3数据资源整合。量化投资模拟实验的首要硬件基础与前提是完善的金融交易数据库和模拟交易系统。当前，虽然大部分高校都具备金融实验室，但存在设备陈旧、教学数据库资源缺乏、软硬件设施不完善等问题（孔傲，2019）[3]。学校应配备正版学习软件，以方便教师的教学。同时，教师可在授课过程中总结相关功能的使用体验并向学院反馈，建议相关软件提供机构进行更新与内测，并增添一些符合教学实际的功能。2.4师资队伍的培养当前的投资学教师普遍偏重理论教学，对于量化投资实验教学的经验不足，对量化投资课程的交叉学科基础知识的重视也不足（杜红军，2017）[4]。因此，应聘请一些具有量化投资背景的全职教师和非全职教师，为学生传授更多关于量化分析和投资实战的经验。此外，金融科技专业教师应该与教授计算机课程和数理化课程的教师进行交流，探讨如何将金融科技类课程与数理、计算机课程更好地交叉融合，打造有复合学科背景的教师团队。2.5优质教材的建设由于量化投资课程在国内设置较晚，目前几乎没有关于量化投资课程的统一教材，且相关书籍也较为缺乏（王彦，2015）[5]。量化投资课程的开设符合当前金融市场对人才的实际需求以及高校金融学专业的改革形势需要，量化投资课程相关教材的建设是课程改革的必然要求，也是重要保障之一。学院教师团队可以在具备一定条件后，尝试撰写金融科技量化投资教学教材，并不断修正、完善。
3量化投资模拟实验效果评价
由于量化投资模拟实验属于较为前沿的教学方式，尚未形成体系完善的整体教学方案。因此，在教学过程中，教师应多与学生交流，总结课程的优点和不足，并做好记录，不断完善课程教学。对量化投资模拟课程的评价，除要对教学方式的整体合理性、科学性进行考查外，还应考虑学生的最终实验报告结果、课程吸收程度、对教学方式的评价等。
4研究结论
适应金融市场对量化投资人才的需求，培养大批兼具金融理论基础与实务操作方法的量化投资人才，是高等教育当前的重要目标之一。将量化投资模拟实验引入金融科技本科教学，提高量化投资教学的实操性，结合学生实际情况进一步探索并完善实验教学模块设计，有助于提高模拟实验教学的教育质量，切实提高学生在量化投资方面的应用能力。
参考文献
[1]高祥宝.量化投资创新性实验教学探索[J].实验室研究与探索,2016,35(8):281-284.
[2]付志刚,沈慧娟.《量化投资实践》课程建设方式探讨[J].教育教学论坛,2018(21):214-215.
[3]孔傲.关于金融类专业“量化投资”课程建设的思考[J].科教文汇,2019(2):99-101.
[4]杜红军.金融学专业《量化投资》课程建设思考[J].教育教学论坛,2017(49):69-72.
[5]王彦.量化投资理论基础概述[J].商场现代化,2015(19):254.
作者:吕大永 单位:刘晶
