“Python 金融數據分析實驗”課程教學中存在的問題及對策研究

劉偉榮，劉安庚，蔡凌飛

（1.上海商學院工商管理學院；2.上海商學院教務處；3.上海商學院商務信息學院，上海 200235）

近年來，Python在金融數據分析領域的應用越來越普及，如何從數據里面發現并挖掘有價值的信息成為一個熱門的研究課題[1]。在應用型人才培養理念下，以Python為分析工具，金融數據分析為載體，用實驗的形式讓學生掌握金融數據分析的方法，既能滿足學生的學習需求，鞏固相關金融理論知識，又能形成一定的金融實踐能力與探索能力。

Python作為一種簡單易學，功能強大的編程語言，在金融數據分析領域越來越受到追捧。Python具有許多優秀特性，一是豐富的擴展庫，Python擁有如NumPy、Pandas、Scikit-learn等豐富的擴展庫，這些庫可以方便地進行數據分析和處理。例如，使用NumPy可以高效地進行數值計算；使用Pandas可以輕松地處理數據；使用Scikit-learn可以進行機器學習。二是強大的可視化能力，Python擁有良好的可視化能力，可以通過Matplotlib、Seaborn等庫生成各種圖表，使得數據分析結果更加直觀和易懂。三是可擴展性，Python可以與其他編程語言相結合，如R、Java等，擴展其功能。例如，可以使用RPy2將Python和R結合使用，使用JPype將Python和Java結合使用。四是開源性，Python的開源性質使其得到了廣泛的社區支持和貢獻，為用戶提供了豐富的資源和工具。用戶可以自由地獲取、使用、修改和分享Python代碼，促進了Python社區的發展和進步。五是基于Python的金融數據分析社區愈發完善，例如，優礦、聚寬、Tushare等開源平臺提供了豐富的數據資源與學習資源。正是這些優良特性，使Python語言在金融數據分析領域的作用越來越重要，使金融數據分析與研究發生了巨大的變革[1]。

“Python金融數據分析實驗”課程是一門具有一定挑戰性的課程，它能夠有效地培養學生的編程能力，提高數據處理和數據分析能力。在今天這個數據時代，數據分析技能尤其受到廣泛的關注，而Python作為一種強大的編程語言，已經成為了數據分析領域的最佳工具之一，學習本課程將對學生未來的職業發展產生很大的幫助。此外，課程以金融數據分析應用場景為目標，能夠讓學生了解科技在金融行業的應用，提高其對于當前宏觀經濟形勢的研判能力。掌握Python在金融等數據分析領域的實戰技能，能夠為社會輸送具有數據素養和分析能力的金融復合型人才[2]。因此，這門課程對金融領域的專業人才培養非常重要。

雖然Python作為工具能有效實現金融數據的處理和分析，有較強的實用性，然而作為一門課程，在教學實施過程中，仍然存在諸多問題。對學生來說，Python這門課程需要的基礎知識比較廣泛，如果學生基礎不夠扎實，他們可能會感到難以理解和應用這門課程的知識。此外，Python代碼的抽象性也可能會讓學生感到困惑，特別是那些沒有編程經驗的學生，他們可能會覺得案例代碼的邏輯難以理解，從而導致他們在學習過程中出現困難和挫折。為了解決課程在教學實施中存在的問題，本文通過在教學中的嘗試與探索，提出針對性的建議和對策，對有效改進此類課程的建設與開展提供思路與參考。

一、“Python 金融數據分析實驗”課程教學中存在的問題

互聯網技術的運用使得大規模數據的收集,以及數據的精準分析提供了可能，容量龐大的金融數據庫對數據分析工具的效率和準確性提出了較高要求[3]。Python作為數據分析工具，在金融數據分析中起到重要作用，能對大批量金融數據有效分析，幫助投資者更好地理解市場趨勢和投資機會。同時還能夠提高分析的準確性和速度，使得金融決策更加明智和精確，并且能快速呈現可視化結果，是金融數據分析的一大利器。在教學中，Python的使用也能使學生更好地理解相關理論知識，也能使學生進一步明確理論在現實中的作用。但作為一門Python與金融數據分析相結合的課程，教學內容存在交叉性，課程內容知識量較大，加上學生基礎各不相同，在教學過程中發現諸多問題亟待解決。

（一）編程基礎不同，難以統一課程進度

由于“Python金融數據分析實驗”課程內容涉及學科交叉，面向專業較廣，而且未設置前置課程，導致面對學生基礎差異大，難以將課程進度統一。這是一個普遍存在的問題，尤其是在涉及編程的課程中。對于沒有編程基礎的學生，課程會更具挑戰性，需要用更多時間來掌握基礎知識。因此，在編程基礎的教學中，需要盡可能細致地講解，并讓學生嘗試編寫程序。這既可以通過一步步程序拆解與實現來幫助學生克服畏難情緒，也可以讓無編程基礎的學生有更多的機會練習，以便在課程中跟上進度。另一方面，對于那些已經有一定編程基礎的學生來說，基礎知識的教學可能會相對簡單。在課堂教學中，這部分學生會認為課程內容缺乏挑戰性。這也是一個需要重視的問題，如果課程內容過于簡單，會導致學生失去興趣和動力，影響其學習效果。

針對上述問題，對編程基礎不同的情況，需要采取多種措施來解決。只有兼顧兩類學生的學習需求，才能提高課程教學質量，這對提升課程教學質量具有重要意義。

（二）編程基礎部分教學較枯燥

Python語言基礎知識是整個課程的基石，掌握好基礎知識是后期能快速上手Numpy、Pandas等模塊的先決條件。本課程的編程基礎主要涉及數據類型、常見數據容器、循環控制等內容，在教學中發現該部分內容講解以“What”為主，很難將金融案例結合到Python編程基礎教學中，導致部分學生會誤認為該課程是一門以編程為主的課程，在未接觸到金融編程案例時便失去興趣。針對上述問題，如何通過課程結構、課程內容調整，改變枯燥的編程基礎內容，將對課程的順利開展起到重要作用。

（三）Python 代碼抽象，演示效果差

Python對金融數據的處理能力強大，它可以處理大量的金融數據，包括交易數據、股票數據、匯率數據以及其他市場數據。這種功能對于金融機構和投資者來說是非常有用的，因為它可以幫助他們作出更好的決策。由于諸多數據分析與處理需要調用第三方庫，在教學演示過程中，雖能體現Python強大數據處理能力，但金融數據處理過程顯“黑箱”化，導致學生不理解金融數據處理的邏輯，而無法在實踐中靈活運用。例如，每日收益率=（當日收盤價/前日收盤價）-1（即：t=pt/pt-1-1）， Python中實現只需用.pct_change()函數就能計算結果，如圖1所示。

圖1 用.pct_change()函數計算每日收益率

“黑箱化”的特點，在教學中不利于展示與詳細講解，同時“黑箱化”在教學中不利于學生理解金融知識，從而導致學生知其然不知所以然。解決這一問題，能使學生在教學中理清金融數據處理的邏輯，幫助學生進一步鞏固金融知識。

CNN具有2種特性：局部連接和參數共享。CNN中相鄰2層的連接方式為局部連接，當前層每個神經元的值是對上一層進行卷積操作得到的，且每次卷積的參數相同。如圖1所示。相同顏色的線表示相同的參數，li+1層神經元的值依賴于上一層神經元的值， li+1 層每個神經元共享參數。

二、教改舉措

針對上述在教學中遇到的問題，通過不斷調整與試錯從中摸索出一些能有效解決上述問題的方法，現總結如下：

（一）線上線下相結合

針對學生基礎差異較大的問題，通過線上線下相結合的方式可在一定程度上改善。Python編程基礎知識的講解較為枯燥且知識點單一，在線上線下相結合的形式下，可以通過不同措施來調動基礎不同學生的注意力，增加學生的學習主動性與積極性。首先，為學生提供線上視頻課程，詳細講解基礎知識，而在課堂教學中，增加趣味性較強的案例分析和課堂討論。基礎不夠扎實的學生可通過線上資源進一步提高和鞏固，通過線上視頻回顧相關內容，幫助基礎薄弱的學生打下堅實基礎。這些措施可以幫助學生更好地消化和鞏固課程知識，為金融數據分析和處理打下堅實基礎。其次，可以設置大量線上練習，供學生在課后選擇性學習。此外增加一些線上小測驗，檢測學生的學習成果，可進一步提升教學效果。通過這些測驗，我們可以及時調整教學內容與進度，保證學生能夠跟上課程進度，增加學習主觀能動性。通過線上線下相結合的方式，可以使學生更好地掌握編程基礎知識，提高他們的學習質量和學習效率。

（二）金融案例與編程知識相結合

針對課程基礎知識部分相對枯燥的問題，通過線上線下相結合的方式可在一定程度上得到解決，但還需要調整課程結構，使教學效果更佳。通過壓縮課堂基礎知識課時，并融入更多金融知識，可進一步提升教學效果。一方面，編程基礎知識課時壓縮并不意味著知識量減少，學生需根據自身基礎，通過線上課程補充。另一方面，部分基礎知識可融入后期的實驗案例中進行講解。這樣既可以快速完成較為枯燥的基礎知識講解，快速進入課程主題，也能增加金融數據分析內容的教學。如在金融知識“最大回撤”概念的講解中，以圖形化的方式先使學生理解“最大回撤”的概念，介紹最大回撤的意義，并通過代碼講解實現“最大回撤”的計算與作圖，使學生學習金融知識的同時，了解其原理，并能使用Python實現，如圖2所示。這樣既能提升授課效率，同時也能使課程內容進一步豐富，提高學生的學習興趣。

圖2 最大回撤案例講解

（三）Python 與Excel 相結合

Excel在金融數據處理和分析中較常見，豐富的函數庫、高級分析工具、VBA程序等功能，足以完成大部分金融計算，Excel在金融數據分析中特點鮮明，可以將操作步驟清晰展示出來，理清各組數據之間的邏輯關系，并能對公式進行解釋說明，如圖3所示，在教學中學生更容易接受與理解。但同時，Excel在金融數據分析中也存在較大缺點，如難以處理大批量數據，作圖不方便等。金融數據的分析與建模往往需要用到大批量數據，Excel在實際處理上能力往往略顯不足。而使用Python教學，則常常需要面對Python數據處理時的“黑箱問題”，在教學中不易將過程描述清楚，而對課程產生畏難情緒。

圖3 用Excel 演示最大回撤

（四）組織討論與分享

討論與分享是提升Python編程能力的重要手段，為提高學生的學習興趣和參與度，可組織討論與分享。首先，向學生提出金融數據分析的案例；其次，分組討論該問題的分析思路；再次，小組嘗試用Excel和Python進行計算；最后，分享分析過程與結果。

對編程技能和數據分析相關知識的學習，討論與交流是重要環節。對同一金融數據分析問題，不同學生有不同的編程思路，通過討論，可促進學生之間相互交流，并從中獲得新的思路和洞見。通過組織小組討論或者課堂分享，學生可以相互交流和學習，特別是對存在的問題能有更清晰的認識，通過共同探討難點和疑問。一方面可以加深對知識點的梳理和理解；另一方面可以增強學生的合作意識和自主學習能力。同時，老師也能在交流過程中進一步了解學生對知識點的掌握情況，以便對教學內容作出調整。

（五）定期調查學生反饋

為了及時了解學生對課程的反饋，可采用投票或問卷的方式，定期開展學生對課程掌握情況、授課方式接受程度進行調查。學生的反饋在一定程度上體現了學生對課程的整體滿意度、課程內容的難易程度、教學方法的實用性等方面的情況，同時能了解每一位學生對知識點的接受程度。

通過投票或問卷的分析，一是可以了解學生對課程的建議和意見，根據反饋及時調整教學內容和方法，提高課程的教學質量。二是可針對部分認為課程難度大的學生，結合線上資源，提出定制化的學習方案，保障學習效果與教學進度。

四、結束語

Python編程語言因其優良特性，在金融數據分析領域的應用越來越普及，《Python金融數據分析實驗》課程具有較強的實用性，因課程存在一定學科交叉性，且學生基礎存在較大差異，在教學實施中仍存在諸多問題。為提高課程質量，提升課程教學水平，本文針對《Python金融數據分析實驗》課程在教學中存在的問題，從教學內容、教學方法、學生反饋等方面提出了一些對策和建議。通過教學實踐的不斷探索與嘗試，這些對策和建議可以有效提高課程的教學質量，幫助不同基礎的學生更好地掌握金融數據分析的方法，提高其在金融領域的競爭力。

隨著ChatGPT等自然語言處理工具的普及，像《Python金融數據分析實驗》這類涉及編程的課程教學理念、教學方式、學習方式都將發生重大改變，在未來的教學中，應結合先進教學理念與教學工具，不斷在教學實踐中總結并嘗試改進，為推進此類課程的建設做出貢獻。