大數據金融論文大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇大數據金融論文范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

一、2021屆畢業論文指導教師分配表（詳見附件1）

二、 畢業論文寫作與指導的具體安排

論文輔導時間：2020年10月1日至2021年4月1日

具體安排：

工作安排

具體內容

具體要求

截止時間

選題

確定論文題目

根據自己的專業、結合實習情況，以項目為基礎選擇論文題目，并經指導教師審核通過。

2021年1月1日

提綱

構思論文結構、擬訂論文提綱

結合企業實踐內容確定論文結構列出提綱。

2021年2月1日

寫作與批改

初稿

按照論文提綱撰寫初稿，主動與論文指導老師聯系審核與批改。

2021年3月1日

二稿

按照論文指導老師的要求反復修改、完善、補充。

2021年4月1日

定稿

達到論文基本要求，定稿電子版發給論文指導老師。

2021年4月10日

交稿

打印提交

雙面打印，畢業返校時以班級為單位提交。

2021年6月

 

三、 指導教師聯系方式

姓名

職稱

郵箱

QQ

電話

方黨生

副教授

2541790217@qq.com

2541790217

15136166829

楊冬梅

講師

339097597@qq.com

339097597

18625779090

李春花

講師

19772728@qq.com

19772728

18638793098

魏瑤

講師

43665723@qq.com

43665723

15838313791

馬杰

高級講師

Hnhymj@126.com

 

13838067063

杜旭陽

助理講師

604696049@qq.com

604696049

17396370961

高艷云

副教授

37742562@qq.com

37742562

13939020929

錢鈺

講師

397019111@qq.com

397019111

15093132377

梁慧丹

助理講師

1620280267@qq.com

1620280267

15188395423

秦航琪

助理講師

1191084277@qq.com

1191084277

15670930099

范迪

助理講師

1261810070@qq.com

1261810070

18339270887

 

四、畢業論文參考題目

大數據技術及應用專業

1) 大數據時代下的網絡信息安全

2) 大數據對市場調查技術與研究方法的影響

3) 大數據環境下社會輿情分析方法研究

4) 大數據在房屋租賃的應用

5) 大數據在互聯網金融領域的應用

6) 大數據在電子商務下的應用

7) 大數據時代下線上餐飲變革

8) 大數據在養殖業中的應用

9) 大數據對商業模式影響

10) 大數據在智能交通中的應用

11) 基于大數據小微金融

12) 大數據在農副產品中的應用

13) 大數據在用戶行為分析中的應用

14) 基于大數據的會員價值分析

15) 大數據對教育模式的影響

物聯網應用技術專業

1）物聯網技術在蔬菜大棚中的應用

2）物聯網技術對智能家居的應用

3) 物聯網技術對智能物流監管的應用

4) 物聯網技術在企業的應用

5) 計算機物聯網技術帶來的影響

6) 物聯網技術在校園安全的應用

7) 淺談物聯網技術的應用與發展

8) 物聯網技術在企業的應用

9) 計算機物聯網技術在各個行業的應用

10) 物聯網技術在食品安全追溯方面的應用

11)物聯網技術在樓宇智能化系統的應用

12)物聯網技術在智能停車場系統的應用

13)物聯網技術在安保行業的應用

14)物聯網技術在智能交通行業的應用

15)基于物聯網技術的校園宿舍安防系統的設計與實現

 

信息統計與分析專業

1) 某企業競爭力調查分析

2) 淺談企業統計數據質量

3) 人口素質與經濟增長的關系研究

4) 地區競爭力初步分析

5) 農業結構調整與糧食安全保證問題研究

6) 我國中小企業發展現狀與對策

7) 對某市房地產開發的市場分析

8) 消費者購買動機調查分析

9) 某產品市場需求調查

10) 某產品銷售預測

11) 某產品銷售統計分析

12) 某產品競爭力分析

13) 產業結構變動分析

14) 大數據發展對統計工作的影響分析

15) 鄭州租房狀況分析

 

五、畢業論文（設計）格式規范要求（詳見附件2）

六、畢業論文（設計）格式模板（詳見附件3）

 

 

 

 

 

 

附件1：2021屆畢業論文指導教師分配表

 

附件2

 

河南信息統計職業學院

畢業論文格式及規范要求

 

   河南信息統計職業學院畢業論文（設計）統一的規格要求如下：

（一）開本  

A4白紙（210mm×297mm）

（二）裝訂

 長邊左側裝訂

（三）全文編置

1．頁碼

全文頁碼自正文起編列，正文與附錄可連續編碼。頁碼以阿拉伯數字左右加圓點標示，置頁邊下腳中間。

2．邊距

正文至附錄的文字版面規范為：天頭25mm；地腳25mm；左邊距30mm；右邊距25mm。上述邊距的允許誤差均為±1mm。

3．行字間距

正文至附錄的行字間距按5mm設置；字間距為1mm，或由Word自動默認。

（四）編排構成

1．前置部分

（1）封面設置

第一排：“河南信息統計職業學院”，華文行楷一號字，居中排列，第一排前空兩行（三號字）；

第二排：“畢業論文（設計）”，黑體一號字，居中排列；

第三排：“        級           專業      班”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第二排空二行（三號字）；

第四排：“題目                           ” 黑體三號字，居中排列，“題目”兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第三排空六行（三號字）；

第五排：“姓名          學號            ”，  黑體三號字，居中排列，“姓名“兩字中間留兩個漢字的空位，橫線空格處填寫相應內容，填寫內容使用宋體三號字；

第六排：“指導教師            職稱              ”， 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字；

第七排：“系別        ” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第六排空兩行（三號字）。

第八排：“        年    月    日” 黑體三號字，居中排列，橫線空格處填寫相應內容，填寫內容使用宋體三號字，與第七排空兩行（三號字）。

（2）聲明

本人必須聲明所呈交的論文是學生本人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發表或撰寫的研究成果。要求學生本人簽名。

（3）內容提要

第二頁為內容提要。內容提要是對全文基本觀點的集中提煉和說明。提要中應闡明本論文（設計）要解決的主要問題及其依據，并指出創新之處。內容提要以300-500字為宜。其中“內容提要”為黑體三號字，每字間空一格，居中排列。“內容提要”下空一行編排具體內容，具體內容按照中文文章格式排列，使用宋體四號字。

（3）關鍵詞

關鍵詞是揭示文獻主體信息的詞匯。關鍵詞在內容提要之后空一行設置。其中“關鍵詞”三字用黑體三號字與“內容提要”對應居中排列，而后另起行設置關鍵詞3-5個，用宋體四號字。各詞匯間不用標點符號分隔，空一格漢字字符。

（4）目錄頁

“目錄”二字用三號加黑宋居中排列，字間空三格；“目錄”下空一行排全文的主要標題，用四號仿宋體。對目錄中的每一個標題都要標注頁碼。

2．正文部分

一部完整的畢業論文（設計）正文部分一般應由以下要素構成：論文正文文字；結論；注釋；參考文獻。

（1）正文文字

論文（設計）的正文文字在署名后空一行排列，用四號仿宋字體打印。

（2）結論

畢業設計的體會和總結；該設計的結論、優點及有待探討的問題。

（3）注釋

注釋是用于對文內某一特定內容作必要的解釋或文字說明。注釋的內容置于與當前頁主題文字的分線以下，以帶圓圈的阿拉伯數字標示，左空二格排列，用小五號宋體字。

（4）參考文獻

參考文獻是作者著文時研究和參閱的相關資料。“參考文獻”四個字用三號黑體字左頂格標示。參考文獻的內容置于主體文字之后空一行排列，其順序與主體文字中的序號編排相對應，以帶方括號的阿拉伯數字左頂格用五號宋體字排出全部內容。參考文獻要列出書名，作者姓名、出版社及出版日期、并標明序號。在論文中引用所列的參考文獻時，只要在方括號內注明所列文獻的序號即可。

（5）畢業論文（設計）正文部分3000～5000字。

 

 

 

 

 

附件3

 

河南信息統計職業學院

畢業論文（設計）

 

       級               專業     班

 

 

 

 

 

 

 

 

題    目                                   

姓    名                學號               

指導教師                職稱               

系    別                                   

 

20    年    月    日

 

 

聲    明

 

本人鄭重聲明所呈交的論文（設計）是我個人在導師的指導下獨立完成的。除了文別加以標注和致謝的地方外，論文中不包含其他人已經發表或撰寫的研究成果。

 

論文作者簽名：    

20　  年  月

日

 

 

 

 

 

 

 

 

 

內 容 提 要

××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

 

關鍵詞 ：××××× ××××× ××××× ×××××

目   錄 1 前言 1

1.1 1

1.2 1

1.3 4

1.4 4

2 5

2.1 5

2.2 5

2.2.1 5

2.2.2 6

2.3 7

3 8

3.1 9

3.2 10

4 11

4.1 12

4.1.1 13

4.1.2 14

4.1.3 15

4.1.4 18

4.1.5 20

5 結論 22

5.1 結論 23

5.2 問題與不足 26

5.3 未來展望 27

參考文獻 28

 

 

1 ×××××××××××××××× 1.1 ×××××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

1.2 ×××××××××××××××× 1.2.1 ×××××××× ××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××××

 

 

 

 

 

 

參考文獻 [1] 江正榮編.地基與基礎施工手冊.北京：中國建筑工業出版社，1997

[2] 高大釗主編.土力學與基礎工程.北京：中國建筑工業出版社，1998

……………………………………………………………………………………………………………………………………………………………………………… 

[8] 趙玉良.房屋地基基礎變形事故原因分析及處理.河北建筑工程學院學報，2007，25（2）

[9] 袁迎曙，賈福萍，蔡躍. 銹蝕鋼筋混凝土梁的結構性能退化模型[J].土木工程學報，2001，(3)

[10] A. Castel, R. Francois, G.Arliguie. Mechanical Behavior of Reinforced Concrete Beams－Part 2: Bond andNotch Effects[J]. Materials and Structures. 2000, (3)

………………………………………………………………………………………………………………………………………………………………………………………… 

[12] 中華人民共和國國家標準.建筑地基基礎設計規范（GB50007-2002）

[13] 中華人民共和國國家標準.建筑邊坡工程技術規范（GB50330-2002）.

 

 

 

 

 

 

 

 

 

論文（設計）指導評語

 

 

 

 

 

 

建議論文成績                 指導教師                           

20     年     月      日    

論文（設計）答辯評語

 

 

 

 

 

論文成績                答辯組組長                        

20     年     月      日    

答 辯 組 成 員

姓  名

性別

年齡

職稱

工作單位

 

 

 

 

 

 

 

 

 

 

 

 

 

 

篇（2）

[ 3 ] 王喜文.日本強化ICT領域國際競爭力[N].中國電子報，2012-06-15（003）.

[ 4 ] The White House. Big Data Across the Federal Government[EB/OL].[2014-08-08].http：//whitehouse.gov/sites/default/files/microsites/ostp/big_data_fact_sh-eet.pdf.

[ 5 ] The Wall Street Journal. Big-Data Success Stories： Splunk[EB/OL].[2014-08-08].http：///ve-nturecapital/2011/10/21/big-data-success-stories-s-plunk/.

[ 6 ] The New York Times. Harvard Releases Big Data for Books[EB/OL].[2014-08-08].http：///2012/04/24/Harvard-releases-big-data-for-books/

[ 7 ] Spolanka. OverDrive announces a series of “Big Data”reports[EB/OL].[2014-08-08].http：//libraries.wr-ight.edu/noshelfrequired/2012/04/11/overdrive-an-no-unces-a-series-of-big-data-reports/.

[ 8 ] Xavier Amatrain，Justin flix公布個性化和推薦系統架構[EB/OL].[2014-08-08].http：///article/2013-04-04/2814767-netflix-ml-architecture.

[ 9 ] 云推薦[EB/OL].[2014-08-08].http：///.

[10] 中國科學院.李國杰院士：大數據成為信息科技新關注點[EB/OL].[2014-08-08].http：///xw/zjsd/201206/t20120627_3605350.shtml.

[11] 李奕.大數據應用方式：從數據服務、信息服務到知識服務[N].中國計算機報，2012-07-09（024）.

[12] Big data：The next frontier for innovation，competition and productivity[EB/OL].[2014-08-08].http：///Features/Big Data.

[13] 李晨暉，崔建明，陳超泉.大數據知識服務平臺構建關鍵技術研究[J].情報資料工作，2013（2）：29-34.

[14] 秦曉珠，李晨暉，麥范金.大數據知識服務的內涵、典型特征及概念模型[J].情報資料工作，2013（2）：18-22.

篇（3）

[中圖分類號]F832[文獻標識碼]A [文章編號]1673-0461（2014）08-0035-04

互聯網金融監管之棋局

􀳁李丹

（西南政法大學，重慶401120）

[摘要]大數據時代背景下，互聯網技術的突飛猛進、金融壟斷的困境以及民間借貸政策的寬松為互聯網金融在中國興起提供了合適的“土壤”，作為有別于傳統金融的新模式，其在中國的出現形成了一場新的棋局。在此新局中，互聯網金融有不同于傳統經濟的風險類型――數據獲取、技術缺陷、迷信速度、網絡安全和權力異化，風險特征也異于傳統金融――擴散快、主體脆弱、易交叉傳染，而給“當局者迷”帶來了困惑，因此破解此迷局時，要結合其風險從交易技術、交易結構、權力契約三個層面理清互聯網金融的監管體系，破解這一“迷局”促進互聯網金融的進一步健康發展。

[關鍵詞]互聯網金融；風險；監管層面

[中圖分類號]F832[文獻標識碼]A [文章編號]1673-0461（2014）08-0035-04

[參考文獻][1] 齊愛民，陳文成.網絡金融法[M].湖南：湖南大學出版社，2002:1.

[2] 姚文平.互聯網金融[M].北京：中信出版社，2014：20.

[3] 宮曉林.互聯網金融模式及對傳統銀行業的影響[J].南方金融，2013（5）：88.

[4] 韓壯飛.互聯網金融發展研究[D].開封：河南大學碩士論文，2013：21.

[5] 姚文平.互聯網金融[M].北京：中信出版社，2014：9.

[6] 黃健青，陳進.網絡金融[M].北京：電子工業出版社，2011：188.

篇（4）

doi：10.3969/j.issn.1673 - 0194.2017.06.162

[中圖分類號]G642.0 [文獻標識碼]A [文章編號]1673-0194（2017）06-0-02

0 引 言

隨著計算機互聯網、移動互聯網、物聯網、云計算、社交網絡等現代網絡新技術突飛猛進的發展，人們通過網絡瀏覽、搜索、購物等行為產生的數據日益增多，致使人們邁入了數據以大量性、多樣性、價值性和高速性為特征的大數據時代。在我國，大數據已提升到國家戰略的層面，國務院于2015年頒布的《促進大數據發展行動綱要》指出，“深化大數據在各行業創新應用”，在文化、教育等領域全面推廣大數據應用和開展大數據應用示范。十八屆五中全會通過的“十三五”規劃綱要進一步提出了將“實施國家大數據戰略，推進數據資源開放共享”。

目前，大數據及大數據技術已經滲透到經濟、社會、生活的方方面面，并影響著人們的理念、行為和習慣，其中，本科高等教育也深受影響。隨著大稻蕕募鈾俜⒄梗現代教學技術不斷轉型升級，出現了慕課、微課、翻轉課程等新的教學方法，對傳統的本科教學也提出了前所未有的新要求。如何追隨大數據時展帶來的深刻改革，對教師掌握日新月異的現代教學理念，提高教學效果具有重要的意義。國內已有學者探討了大數據對應用經濟學、國際經濟學、財政學、統計學和管理統計學等課程教學的影響及相應的調整策略。盡管劉濤雄和徐曉飛（2015）、姜疆（2016）、申紅艷 等（2014）探討了大數據時代的宏觀經濟分析，但鮮有文獻研究大數據對宏觀經濟學教學的影響。因此，本文擬在大數據時代探討宏觀經濟學本科的教學改革。

1 宏觀經濟學傳統教學模式中的問題

宏觀經濟學是經濟管理類專業中一門承上啟下的基礎課程，是經濟管理類碩士與博士研究生入學考試的必考課程。宏觀經濟學研究整體經濟現象，解釋同時影響許多家庭、企業和市場的經濟變化，主要考察國民收入的決定與變動、短期的經濟波動、長期的經濟增長、就業、通貨膨脹和國際收支等問題。當前大部分高校的宏觀經濟學還是采用傳統的教學模式，存在諸如注重理論教學、輕實踐教學；教學方式單一、學生自主學習意愿不強；考核方式偏向固定化等問題。

1.1 注重理論教學，輕實踐教學

宏觀經濟學是理論性和實踐性均比較強的一門基礎課程，該課程的理論可以指導解決現實生活中的經濟問題和現象。但在傳統的教學中，主要以講授抽象難懂的理論知識為主，如國民收入決定理論模型、IS-LM模型、AD-AS模型等，為了讓學生能夠理解清楚宏觀經濟學理論的內涵，任課教師往往會用大量的時間去講解這些理論知識，盡管在一定程度上有利于學生掌握理論知識，但占據了太多的課堂時間、消耗了教師太多的精力，教師在課堂上基本沒有多余的時間和精力區開展實踐性教學。

1.2 教學模式單一，學生自主學習意愿不強

大多數高校的宏觀經濟學仍采用教師課前備課，課堂上講授教材附帶或自作的PPT，課后解答疑難問題單一的傳統教學模式。這種教學模式以教師為主體，教師在課堂上講授的內容是學生獲取知識的主要途徑，而且教師課堂講授占據了大部分的課堂時間，留給學生在課堂上討論的機會和時間并不多，學生在課堂上以被動聽講為主，導致學生自主學習意愿不強，這不利于提高學生提問、探索、思考問題的能力。傳統的課堂教學深受時間和空間的限制，教師完全掌握了教學進度，學生基本上按教學大綱進行學習，自主安排學習的空間不多，這不利于激發學生學習的積極性。

1.3 考核方式偏向固定化

傳統的宏觀經濟學考核方式主要以期末考試為主，課程成績一般按照平時成績（包括出勤、作業、課堂表現、期中考試成績等）與期末考試成績3∶7或4∶6的比例加權平均組成。這種考核方式盡管在一定程度上能夠相對客觀地檢驗學生掌握宏觀經濟學基本概念、原理和規律等內容的情況，但也可能存在教師在試題命題過程中因為沒有為主觀題和客觀題設置合理的比例，而出現學生平時上課不認真聽講，通過考前死記硬背獲得高分的問題，未能檢驗學生運用宏觀經濟學理論分析并解決問題的能力。傳統的考核方式也未對學生的學習態度、實踐能力進行考核。

2 大數據時代宏觀經濟學教學改革的探討

大數據時代為宏觀經濟學教學帶來了海量的數據和新穎的案例等資料，為宏觀經濟學課堂教學提供了既豐富又生動的素材，為推進宏觀經濟學教學改革提供了強有力的保障。在大數據時代，對宏觀經濟學教學進行改革，可以提高教學效率、激發學生學習興趣、培養學生獨立思考和解決問題的能力，更有利于經濟管理類專業學生掌握宏觀經濟學基礎知識，為學習國際經濟學、金融經濟學、財政學等后續專業課程奠定扎實的基礎，并為參加研究生入學、政府機關、金融機構、高校等用人單位的招聘考試做好充分準備。

2.1 形成基于大數據的教學理念

大數據時代要求人們要形成大數據思維，同樣，大數據背景下的宏觀經濟學課程教學改革也需要具備大數據的思維。為了形成基于大數據的教學理念，任課教師要緊緊跟隨大數據時展的步伐，積極參加各種運用大數據改進教學的培訓、進修，認真學數據時代先進的教學技術和方法，并不斷將這些教學技術和方法引入宏觀經濟學課堂教學中。

2.2 多渠道豐富教學內容

第一，添加大數據時代的海量數據信息資料，豐富教學內容。傳統的宏觀經濟學教學存在理論性較強的問題，在大數據時代，任課教師可輔之以海量數據信息資料來豐富教學內容。與純粹理論知識教學不同，基于現實經濟現象的數據案例教學更加生動有趣，更能激發學生學習的積極性，更有助于學生牢固掌握抽象的宏觀經濟學理論知識，并提高運用宏觀經濟學理論分析問題和解決問題的能力。比如，在講授居民消費價格指數（CPI）時，可分別引入基于掃描數據、網絡搜索數據、谷歌趨勢（Google Trends）預測CPI等案例分析。宏觀經濟學課程中，所有章節的內容基本都可以通過互聯網查找到大量相關的數據信息資料，利用這些資料可以更新、修訂教學大綱、教案和講義，有利于豐富教學內容，也有助于提高教學效果。

第二，增加運用大數據技術進行宏觀經濟分析的內容。在經濟新常態下，我國經濟發展面臨著更加錯綜復雜的國內外形勢和更加繁重艱巨的任務，因此，宏觀經濟決策對宏觀經濟分析提出了更高的要求?！笆濉币巹澗V要中指出“完善政策制定和決策機制：注重運用互聯網、統計云、大數據技術，提高經濟運行信息及時性、全面性和準確性”。因此，在大數據時代的宏觀經濟學教學改革有必要加入宏觀經濟分析。

傳統的宏觀經濟分析主要通過對比宏觀經濟指標、構建宏觀經濟計量模型、仿真宏觀經濟動力系統，對宏觀經濟運行形勢及其發展趨勢加以判斷和預測。大數據時代的數據規模大、類型多，拓寬了宏觀經濟分析所用數據信息的來源，并提高了數據信息獲取的時效性。目前，國內外運用大數據的概念、方法和技術進行宏觀經濟分析的研究主要集中在宏觀經濟預測（尤其是現時預測）、宏觀經濟分析技術、宏觀經濟政策和宏觀經濟數據挖掘等領域。

第三，借助大數據時代媒體報道拓寬知識面。在學習教材的基礎上，可推薦學生通過互聯網；物聯網；經濟信息聯播、經濟半小時、經濟信息聯播等財經類電視節目；《21世o經濟報道》《經濟觀察報》《金融時報》《經濟學人》等報紙雜志的財經報道，多渠道關注宏觀經濟熱點問題，拓寬學生的知識面。

2.3 加強實踐性教學

培養學生熟練運用宏觀經濟學理論與方法分析國內外現實生活中的經濟問題和現象是宏觀經濟學教學的目標。因此，任課教師在講授理論知識和方法的基礎上，更應注重實踐教學。

大數據時代的宏觀經濟學本科實踐教學，應當以培養學生的主動性和創造性為根本出發點，任課教師可以以宏觀經濟學理論知識和豐富的大數據資源為基礎，結合與大數據相關的課題、論文，將宏觀經濟領域的研究思想、研究方法、研究前沿引入教學。具體而言，教師可通過引導學生如何觀察現實經濟問題進行選題，如何結合宏觀經濟學理論構建數學模型，如何查找和整理文獻，如何搜集大樣本的宏觀經濟數據，如何撰寫學術論文并加以修改等方式增加研究性教學。鼓勵學生積極參與到研究中，使學生在研究過程中不斷學習和實踐，培養學生獨立思考的習慣，提高其研究學習能力。

此外，還可采取“走出去”與“請進來”相結合的戰略開展實踐性教學?！白叱鋈ァ笔侵附M織學生到當地的統計局、發改委、經信委等與宏觀經濟運行緊密相關的政府部門和互聯網、金融、電信、零售等應用大數據的企業進行參觀學習，加強與這些單位開展深入合作，建立校外實訓實習基地，讓學生真正參與宏觀經濟學實踐活動。“請進來”是邀請這些單位既熟悉宏觀經濟學分析，又精通大數據分析的工作人員到學校為學生開展報告、經驗交流座談會。

2.4 采用“以學生為中心”的教學模式

大數據時代的在線教學平臺、翻轉課堂、微課、慕課，為實現宏觀經濟學教學模式，由“以教師為中心”轉換為“以學生為中心”提供了保障。具體來說，教師可先根據課程標準和教學實踐的要求，制作宏觀經濟學課程教學大綱，接著按照微課、慕課、翻轉課堂等教學模式的要求，從學生學習需求的角度出發，將每章節內容制作成PPT、視頻、練習題、測試題、討論題、評分標準等資料，然后將這些資料上傳至教學平臺，為學生提供豐富的學習資源，也為學生提供更多自主學習的空間，這樣學生可隨時隨地通過在線教學平臺進行自主學習。

在線教學平臺采用交互式的短視頻學習模式，以10分鐘左右的片段式多媒體視頻為主，并在線完成配套的測試題，讓學生在輕松有趣的環境下掌握枯燥無味的宏觀經濟學原理，有利于激發學生的學習興趣，提高學習效率。在線教學平臺為學生和教師、學生和學生、教師和教師之間搭建了交流平臺，通過平臺可以相互發表觀點、交流意見、提問、解答等，有利于增加師生的互動，也有利于培養學生思考、分析和解決現實經濟問題的能力。此外，在線教學平臺會將學生的學習行為進行記錄，并根據記憶退化曲線提醒學生哪些內容需要及時復習，進一步運用大數據技術對平臺記錄的學生信息進行分析，可提煉出學生的學習能力、性格特征、學習狀態等信息，依此開展有針對性的個性化教育。

2.5 實施多元化考核

在大數據背景下，宏觀經濟學課程應采用多元化考核方式，既考核學生對宏觀經濟學理論知識的理解程度，也考核學生綜合運用宏觀經濟學知識的能力，同時，也考核學生在線學習和參與宏觀經濟學實踐教學等情況。如，其可根據教學平臺記錄學生完整的在線學習過程（包括每一個知識點內容的學習進度、完成配套練習和測試的情況，完成答題的時間、答題的熟練程度、答題的順序和答題的次數等），并結合參加實踐性教學的情況、對各部分內容掌握的情況、課堂表現、出勤等綜合考核，給出合理的課程成績以及相應的評價。

3 結 語

大數據時代的到來，為宏觀經濟學課堂教學提供大量的數據和豐富生動的案例等資料。在宏觀經濟學教學改革中，應緊扣大數據時展的脈搏，充分把握好大數據時代帶來的有利條件，整合一切可以整合的大數據資源，合理運用翻轉課堂、微課、慕課等新教學方法，更好地發揮大數據服務宏觀經濟學本科教學改革，不斷提高教學效果。

主要參考文獻

[1]白雪.大數據時代下高校應用經濟學教學改革模式探析[J].經濟師，2016（3）.

[2]方霞.教育大數據助力《國際經濟學》課堂教學改革[J].金融理論與教學，2016（3）.

[3]盧盛峰.大數據背景下《財政學》本科教學改革探析[J].湖北經濟學院學報：人文社會科學版，2015（2）.

[4]朱建平，李秋雅.大數據對大學教學的影響[J].中國大學教學，2014（9）.

[5]劉帆.大數據時代經管類專業管理統計學教學改革研究[J].中國管理信息化，2016（15）.

篇（5）

大數據作為一種有用的信息資源，在商業、金融等領域發揮著越來越重要作用，也逐漸成為社會科學的國際前沿應用研究內容之一。然而，在經濟學領域，大數據還鮮少被用到（據統計，截至2014年12月，google中學術搜索到的與“大數據”有關的研究論文共3026篇，其中僅有29篇是和經濟學相關）。但因海量經濟數據資源的快速增長，計算技術和能力的不斷提高，以及方法論的不斷發展，將大數據分析技術運用于經濟學已成為一個值得探討的新課題。展望未來，由于經濟學是一門理論與實踐相結合的學科，將大數據應用于經濟學，有可能會開辟一個全新的經濟學發展領域。

一、大數據在經濟學領域應用的基本原理

大數據在經濟學中應用的基本思路以大樣本數據統計與機器學習技術為基礎。其中大樣本統計的過程概括如下：用N個代入變量得出對應的N個測量結果與K個潛在的預測因子，比如：以居民消費價格CPI指數預測為例，首先通過GOOGLE數據搜索或其他軟件，篩選出同CPI有關的一系列關鍵詞（比如糧食產量、原油期貨價格、氣候溫度、價格改革政策等），然后通過這些關鍵詞在文本數據（新聞、微博、評論、研究報告、學術論文等）出現的時間頻次，計算它們之間的相關關系和邏輯路徑關系，從而得到測量結果N和預測因子K。在許多情形下，每一個代入變量的信息是足夠豐富的，但不具有結構性，故可能會產生很多潛在預測因子，因此，需要注意的是：若是過度擬合，即預測因子K的個數可能會遠遠大于觀測變量N的個數時，雖然模型可完美解釋觀測到的結果，但樣本外數據的解釋力卻很差。在這種狀況下，構造一個最大化樣本解釋力的模型便成為首要目標，同時構建的模型還不能出現因過度擬合所導致的樣本外無力解釋的情形。因模型構建不同，使用方法也隨之改變，懲罰預測因子的過度使用方式也不同。如Lasso回歸模型，在滿足一系列約束條件下，依據最小化離差平方和來選擇模型系數。通過將樣本分為“訓練樣本”和“測試樣本”（“訓練樣本”用來估計模型參數，“測試樣本”用來評估模型）進行過度擬合。而在評估預測效果時，一般交叉使用樣本內預測與過度擬合，但目前這種交叉驗證的方法在當前的實證微觀經濟學中也鮮少用到。

機器學習的一個非常重要假設就是機器學習的環境是相對穩定的，也就是樣本數據（訓練樣本與測試樣本情形相同）獨立產生于同一過程。但由于現實環境會隨著時間發生改變，故這一假設并不合理，因此，在高頻使用新數據的應用中，往往通過對自身持續“再訓練”，從而使得模型可以隨著時間與環境的變化對預測結果進行調整。當然，對于機器學習，有些經濟學家提出了盧卡斯批判的疑問，即若根據模型的預測結果進行政策調整，則政策調整后的現實結果可能與初始模型的預測結果有差異，因為政策的改變會影響數據間的潛在行為關系，但這一疑問在其他預測模型，比如計量經濟模型、結構方程模型和聯立系統模型中也都存在。

二、大數據對經濟學的影響及前景

如今，隨著數據樣本容量的急劇增加，使得大數據的使用方式不盡相同。作為一個規律性科學，經濟學需要廣泛、詳細的數據，并運用統計技術來處理新型數據，大數據的出現可能會在社會學與計算機科學間構建一架橋梁，其學科價值可能在于創造新的思維方式，這將會導致對經濟學的新思考和研究方法創新，甚至會帶來分析經濟學方法的質變。

一方面，由于多維度的精細間隔，大數據可以為經濟學研究人員提供更多研究變量和視角，可以研究以前難以測度的行為理論，這為經濟理論研究提供了一種全新的測量方法。例如：麻省理工大學助理教授Alberto Cavallo設計的“百萬價格”項目，該項目旨在通過一個網絡程序，獲取網上物品價格，繼而運用這些數據計算得出通脹指數，該通貨膨脹指數就是阿根廷的精確透明通貨膨脹指標，其實時價格數據的捕捉能力和準確度，使得該指標作為政府測量通脹的替代選擇。又如，谷歌提供的請求式數據選擇也提供了一個探索新機會的理由，目前一個備受矚目的例子就是“及時預報”，在某些方面它可以通過龐大經濟社會數據集進行短期精確預測。

篇（6）

白宮里的大數據戰略

如今，美國已進入“大數據”時代?！按髷祿睂π畔⒈〞r代的嶄新描述，它的基本單位是“太”（TB），而1000個“太”則等于一“拍”（PB）。這個單位有多大？舉個例子，美國國會圖書館是世界上最大的圖書館之一，它所有印刷品的信息量加起來只有15太，而全美國僅在2010年一年的新增數據量就足足有3500拍，這比13億中國人人手一本1500頁的書加起來的信息量還要大。

奧巴馬政府意識到大數據技術的重要性，將其視為“未來的新石油”。2012年3月，奧巴馬政府在白宮網站了《大數據研究和發展倡議》。2012年5月，美國數字政府戰略，更是提出要通過協調化的方式，以信息和客戶為中心，改變聯邦政府工作方式，為美國民眾提供更優的公共服務。其中關鍵，就是政府必須保證美國民眾可以隨時隨地通過任何平臺或設備獲取政府信息和公共服務。美國國家科學基金會、國家衛生研究院、國防部、能源部、國防部高級研究局、地質勘探局等六個聯邦部門和機構承諾，將投入超過2億美元資金用于研發“從海量數據信息中獲取知識所必需的工具和技能”。

美國最重要的數據開放平臺就是奧巴馬政府在2009年推出的Data.gov，Data.gov也是美國“開放政府”承諾的關鍵部分。依照原始、地理數據和數據工具三個門類，涵蓋了農業、 氣象、金融、就業、人口統計、教育、醫療、交通、能源等大約50個門類，匯集了“從家庭和企業能耗趨勢分析到全球實時地震通知等，甚至還可以查詢從好奇號火星漫步者發回來的數據中得知火星的天氣情況”。

為了確保美國民眾能方便快捷地找到政府服務欄目，美國在各聯邦政府層面實施了“數字分析項目”，“這是政府IT部門第一次摸清公眾都在網站上尋找什么信息、在哪里尋找這些信息，以及他們是否能夠順利找到信息等情況。”政府IT部門還對聯邦政府網站在移動設備上的使用進行了優化，并開發了移動應用程序，確保美國公民隨時、隨地，通過任何設備都能獲取政府信息。

大數據戰略在企業

除了政府，美國企業也同樣擁有對于數據重視和應用的歷史傳統。

早在大數據概念火熱起來之前，美國信息技術產業在大數據產業已經有了很多技術積累，這使得美國的大型信息技術企業可以迅速轉型為大數據企業。有的企業自身是大數據技術的推出者，谷歌就是典型代表。大數據核心技術Hadoop是雅虎員工Doug Cutting根據谷歌2003年的學術論文研究而來。有的企業則通過收購業內已經存在的大數據企業來建立大數據業務，典型代表是IBM。自2005年以來，IBM出資160億美元收購了超過30家大數據企業。大數據不同于傳統的結構化數據，而是充斥了非結構化數據和半結構化數據，美國在結構化數據庫領域有數據庫行業的領頭羊甲骨文公司，但甲骨文公司也推出了大數據業務。甲骨文公司成為了業界首個以全面、軟硬件集成的產品滿足企業關鍵大數據需求的公司。它可幫助客戶進一步提高效率、簡化管理并洞察數據的內在本質，從而最大限度地挖掘數據的商業價值。

篇（7）

一、大數據與高校

伴隨著人類存儲信息量的增長，越來越多的領域開始加入大數據陣營，越來越多的行業開始利用大數據分析，大數據給我們帶來的影響已經悄然成為社會各行業運行的基礎。

高校作為社會培養人才的一個重要的組成部分，目前多數學校仍延續著傳統的教育范式，教學策略依賴教師的經驗，教師的學術嚴重落后于社會科技的發展，學校的評估機制存在很多漏洞等等。許多專家發現了高等教育存在的問題，卻沒有更好的解決辦法，以前我們常說“讓事實說話”，現在我們大聲呼吁“讓數據說話，用說話的數據”。

二、迎接大數據

迎接大數據的到來首先要做的就是思維模式的改變。大數據科學本身其實是許多學科例如統計學，數據挖掘技術，機器學習，計算機技術，方法論相結合的跨學科科技，以多種理論為基礎而誕生的新興科技，使用者必須要對自己原本的思維模式進行相應的變革。

大數據首先強調的是“大”，采集一切有關甚至表面上看似“無關”的數據，也就是以后用于分析的數據要是全體數據，我們稱之為“全數據”；其次，采集的數據講究的是模糊，而不是精確，數據的種類模糊，數據的分析模糊，而預測分析的準確度來源于數據量之大，正所謂“量變帶來質變”；最后，就是對于大數據分析的結果，我們要明確“是什么”，而不必在乎“為什么”。于是，大數據體系形成了思維的改變去采集數據，從而獲得“大數據”，利用數據分析技術和算法來得到更為有效更為精準的數據。

三、使用大數據

（一）大數據的來源。高校中其實蘊含著更加豐富的數據，從學生的角度來說，學生的消費，家庭情況，宿舍活動，選課信息，學習進度，作業完成進度，考試成績的比對，參與的社團，參加的競賽，參加的活動，已經畢業的學生就業情況，社會職業供求關系，就業的滿意度調查等等太多數據，從教師的角度，教學過程的監控，教學內容的整理，課程設計，，學生的成績變化，論文質量，參與活動，科研項目等等數據，還要從社會，從家長，從宿舍，從第三方機構采集數據。由此可以看到整個校園的數據其實是一個極度龐大的數據，這些數據的集合才是“大數據”。

（二）大數據不是單純的“數字化”。例如，某個教師采用計算機多媒體課件，或者使用在線視頻課程，或者加入MOOC的陣營，這僅僅是簡單的將原本文字的東西變成“0和1“而已，這是數字化，不是大數據，充其量算是實現“大數據”而使用的計算機技術。我們真正要做的是在這些計算機平臺中去采集我們需要的數據，甚至收集我們看似毫無關聯的數據。

（三）廣義量化的數據。建立大數據，需要將一切信息進行量化，把文字量化，把數字量化，把地理位置量化，把溝通語言量化，把一切可以量化的信息都變成數據，構建大數據平臺。

（四）大數據的作用。高校的大數據，要還原真實的教學質量，真實的就業情況，真實的師資力量，真實的管理決策成效，不能簡單的用問卷調查得出“好、不好”的結論。大數據發掘了時間價值，節約了時間，歷史數據的總結，實時數據的分析，以及對未來的預測。這一切都是建立在時間這個維度上的大數據成果。

四、小心大數據

（一）數據的隱私和安全。在高校中，學生的成績，學生的基本信息，學生在網站上發表的信息，對老師客觀的評價，學生參與的活動，教師的論文，就業信息等等一些相對可以公開的數據，但是經過分析和預測得到的評估結果，卻涉及到了個人隱私。這也就是非隱私數據經過大數據分析得到的隱私結論的現象。那么我們該如何保護這些隱私，是需要相應的規范去保護，對于數據的使用和加工者要有詳細的法律責任，以保護非隱私數據提供者的合法權益。

（二）永久存在的數據。高校對于學生在校期間或者對于教師在校期間所有發生的數據，比如大到一次獎學金，一次公開獲獎，小到每次活動記錄，一次出勤，一次缺勤，這些曾經否定我們進步的數據在大數據的時代變成了永久存在的數據，我們如何對待和處理這部分數據，是一個值得深思的問題。

（三）知“難”而“退”。高校利用大數據的分析得出對于某個學生的學習建議，讓該學生能夠輕松避開自己的弱項，選擇相對平坦的路線進行學習，那么這樣的結果是不是教育者希望看到的。我們一直崇尚學生學者要迎難而上，不要輕言放棄，要主動迎接挑戰，現在有了大數據分析，他們可以輕松避開困難，為學生創造一條平坦的道路。這樣的結果是我們作為教育者希望得到的嗎？

結 語

任何新的變革，都需要時代的磨練，大數據時代剛剛起步，他要走的路還很長很長，他需要完善的地方還很多很多。現在我們要做的就是接受大數據，然后忘記大數據，讓大數據這個理念變成“計算機”一樣的通俗，一樣的深入人心。我們需要關注大數據，使用大數據，我們也需要和大數據一起成長，更好的發揮它的作用。高校未來離不開大數據，大數據的發展也離不開高校，讓每個學生、每個教師都步入大數據時代，去體會其中的奧妙，去感受他給我們帶來一場劃時代的變革，每個高校建立大數據信息平臺勢在必行。

篇（8）

[中圖分類號] F83 [文獻標識碼] A [文章編號] 2095-3437（2014）14-0029-02

一、背景

數據是與自然資源、人力資源一樣重要的戰略資源，其背后隱含著巨大的經濟價值。近年來，“大數據”研究已經備受關注。[1]例如，2012年，美國政府在國內了“大數據”研究和《發展倡議》，投資約兩億美元發展大數據研究，用以強化國土安全、轉變教育學習模式和進一步加速科學和工程領域的創新速度和水平。繼1993年美國宣布“信息高速公路”計劃后，這項決定標志著美國的又一次重大科技發展部署。美國政府認為“大數據”研究勢必對未來的科技、經濟等各領域的發展帶來深遠影響。在大數據應用的技術需求牽引下，數據科學研究和人才培養引起了各國的重視。美國哥倫比亞大學和紐約大學、澳大利亞悉尼科技大學、日本名古屋大學、韓國釜山國立大學等紛紛成立數據科學研究機構；美國加州大學伯克利分校和伊利諾伊大學香檳分校、英國鄧迪大學等一大批高校開設了數據科學課程。

二、機器學習理論

機器學習（machine learning）是繼專家系統之后人工智能應用的又一重要研究內容，在某種意義上，機器學習或將認為是數據挖掘的同義詞。數據挖掘是指有組織、有目的地收集數據、分析數據，從海量數據中尋找潛在規律，并使之為決策規劃提供有價值信息的技術。機器學習是人工智能的核心部分，在金融、工業、商業、互聯網以及航天等各個領域均發揮著重要的作用。對機器學習研究的進展，必將對人工智能、數據挖掘領域的發展具有深遠影響。

機器學習方法主要包括：Exper System（專家系統）、K-Nearest Neighbor（K近鄰算法）、Decision Tree（決策樹）、Neural Net（神經網絡）、Support Vector Machine（支持向量機）、Cluster Analysis（聚類分析）等。近幾年，研究人員將遺傳算法、神經網絡、系統理論以及當代數學研究的最新進展，應用于金融領域。這使得金融領域數據挖掘在金融管理中備受青睞。例如，產品定價、金融風險管理、投資決策甚至金融監管都越來越重視金融數據挖掘，通過數據挖掘發現金融市場發展的潛在規律與發展動態。機器學習理論及其在金融領域的應用成為了一個比較熱的研究領域。[2] [3]

三、金融數據的特點

在眾多機器學習方法中，基于Logistic回歸、判別分析等傳統的統計方法，對金融模型假定條件非常嚴格，在實際應用中很難達到理想效果。其原因在于對金融數據的非線性和非平穩性的操作具有片面局限性，在實際處理金融數據時，既定假設與金融市場發展實際并不完全一致，這樣可能會影響模型的推廣能力和泛化能力。

基于分類樹方法、K-近鄰判別分析、遺傳算法等傳統的非參數統計方法，其預測能力較好，但不能量化解釋指標的程度。例如，K-近鄰判別分析是一種非參數距離學習方法，通常按照數據樣本之間的距離或相關系數進行度量，這樣會受到少數異常數據點的影響。但是，在相同樣本容量下，如果對于具體問題確實存在特定參數模型可以應用時，非參數方法效率相對較低。以神經網絡、支持向量機等為典型的機器學習方法，優點在于可以有效處理金融數據的非線性特性，并且不需要事先嚴格的統計假設，這樣會表現出較強的適應效果，充分體現人工智能、機器學習等方法的魅力。神經網絡預測精度是各種機器學習方法中相對較好的，因為在一定程度上，神經網絡可以按照任意精度近似非線性函數，為高度非線性問題的建模和算法提供相應支持。盡管神經網絡技術進步有目共睹，但仍然存在一些難題。例如，通常難以確定隱層節點數，并會存在“過學習”現象和局部極小值等問題。

四、支持向量機

傳統的統計模式識別方法是在樣本數目足夠多的情況下進行的，但是樣本數目足夠多在實際問題里面往往難以保證。1968年Vapnik等人首次提出了統計學習理論，專門從事有限樣本情況下機器學習規律的研究。在此基礎上，1995年Vapnik等人首先提出支持向量機（Support Vector Machine，簡稱SVM）的學習方法，它是數據挖掘中的一項新的技術。SVM是機器學習研究領域的一項重大成果，主要研究如何根據有限學習樣本進行模式識別和回歸預測，使在對未知樣本的估計過程中，期望風險最小。近年來，它被廣泛地應用于統計分類以及回歸分析中。近幾年的研究成果表明，SVM在實用算法研究、設計和實現方面已取得豐碩的成果，其在理論研究和算法實現方面都有突破性進展，逐漸開始成為克服維數災難和過學習等傳統問題的有力手段。支持向量機可以成功處理回歸分析和模式識別等諸多問題，并可推廣于預測和綜合評價等領域，因此可應用于管理、經濟等多種學科。支持向量機屬于一般化線性分類器，可以認為是提克洛夫規則化（Tikhonov Regularization）方法的一個特例，其特點是他們能夠同時最小化經驗誤差與最大化幾何邊緣區。支持向量機的優點表現在：1.它通過使用結構風險最小化代替傳統的經驗風險最小化，使用滿足Mercer 條件的核函數，把輸入空間的數據變換到高維的Hilbert 空間，將向量映射到一個更高維的空間里。在這個空間里建立有一個最大間隔超平面，實現了由輸入空間中的非線性分析到Hilbert 空間中的線性分析。2.訓練的復雜度與輸入空間的維數無關，只與訓練的樣本數目有關。3.稀疏性。決定最大間隔超平面的只是少數向量――支持向量，就推廣能力方面而言， 較少的支持向量數在統計意義上對應好的推廣能力。4.本質上，SVM算法是一個二次優化問題，能保證所得到的解是全局最優的解。綜上所述，SVM在一定程度上解決了以往困擾機器學習方法的很多問題，例如，模型選擇與“過學習”問題、非線性和高維小樣本等維數災難問題、局部極小問題等。[4]正是由于SVM具有完備的理論基礎和出色的應用表現，使其在解決高維小樣本、非線性、壓縮感知以及高維模式識別問題中表現出獨特的優勢，正成為自神經網絡之后，機器學習領域中新的研究熱點之一。[5] [6]

同其他機器學習方法比較，支持向量機更具嚴密的理論基礎，因而在模型表現上也略勝一籌，被成功應用于模式分類、非線性回歸，從使用效果來看，其結果較為理想。但從實踐角度分析來看，模型參數的選擇過度依賴人們的實驗方法和實踐技能，在一定程度上降低了模型的推廣泛化能力和應用領域。同時計算方面，訓練時間過長、核參數的確定，在大訓練樣本情況下， SVM面臨著維數災難，甚至會由于內存的限制導致無法訓練。目前支持向量機在金融數據挖掘方面也存在一定的局限性，主要表現以下幾方面：動態適應性、魯棒性、特征變量異質性調整、模型推廣精度等不盡如人意；建模方法與技術還有待進一步完善；支持向量機研究金融數據挖掘和金融問題的成果雖然不少，但大多集中在股票價格和股票市場走勢預測方面，關于公司財務危機預測、套期保值分析、金融市場連接機制分析及其創新成果方面有待加強。

五、結論

大數據時代下金融專業的數學重在以下方面的應用：深度學習（Deep Learning）、機器學習和數據挖掘、分布式計算，如MR、Hadoop等，在大數據中預測最先取得突破的技術環節將會是分析中的大數據挖掘與關聯分析、存儲結構和系統、數據采集和數據化。目前金融問題的研究方向和發展趨勢，主要集中在計量經濟方法，例如，格蘭杰因果分析、向量自回歸、條件異方差、隨機波動分析等。這些計量經濟方法和技術大部分使用了線性技術，以及與金融市場不太吻合的理論假設，基于這些方法的結果，例如，資產預測價格、發展動態以及風險評估結果和實際出入較大，影響了金融管理的效率。對于我們大學教師來說，如何將已有分析數據算法整合，讓學生抓住重點，挖掘到比較可靠的信息或知識，都將成為金融專業數學研究的方向和目標。

[ 注 釋 ]

[1] Anand Rajaraman Jeffrey David Ullman.大數據――互聯網大規模數據挖掘與分布式處理[M].北京：人民郵電出版社，2012.

[2] Kumar， P.R. and Ravi， V. 2007. Bankruptcy prediction in banks and firms via statistical and intelligent techniques-a review. European Journal of Operational Research， 180（1）：1-28.

[3] M. Oet， R. Eiben， T. Bianco，D.Gramlich， S. Ong， and J.Wang，“SAFE： an early warning system for systemic banking risk，”in Proceedings of the 24th Australasian Finance and BankingConference， SSRN， 2011.

篇（9）

1 數據挖掘的功能

數據挖掘是從大量的數據中四棟搜索隱藏于其中的具有特殊關系性的信息過程。它是數據庫知識發現KDD中的一個步驟。知識發現KDD過程由以下3個階段組成：數據準備、數據挖掘、結果表示和解釋。數據挖掘跟許多學科都交叉關聯，包括數據庫技術、統計學、機器學習、人工智能、云計算和可視化等。

數據挖掘的實際應用功能可分為三大類和六分項：分類和聚類屬于分類去隔類；回歸和時間序列屬于推算預測類；關聯和序列則屬于序列規則類。分類常被用來根據歷史經驗已經分好的數據來研究它們的特征，然后再根據這些特征對其他未經分類或是新的數據做預測。聚類是將數據分群，其目的是找出群間的差異來，同時找出群內成員間相似性?；貧w是利用一系列的現有數值來預測一個數值的可能值?；跁r間序列的預測與回歸功能類似，只是它是用現有的數值來預測未來的數值。關聯是要找出在某一事件與數據中會同時出現的東西。

2 降維

從降維的角度講，整個數據挖掘的過程就是一個降維的過程。在這個過程中，需要對數據刪除線性關系比較強的特征數據，再用一些算法，如信號分析算法、傅里葉轉換、離散小波轉換等算法，從數據中提取特征，再對數據做主成分析處理，得到最后的特征，再用數據挖掘算法來將這些特征轉化為人類可讀取的數據或信息。

3 分布式數據挖掘解決方案

隨著分布式計算技術、云計算技術、hadoop生態圈和非結構化數據庫等技術的發展，以及對大數據挖掘的需求，出現了一批分布式數據挖掘，比較典型的有Apache推出的基于Hadoop的Mahout和加利福尼亞大學伯克利分校AMP實驗室推出的基于Spark的MLBase。在Mahout中主要實現3種類型的數據挖掘算法：分類、聚類（集群）和協同過濾。相比Mahout而言，MLbase更好的支持迭代計算，它把數據拆分成若干份，對每一份使用不同的算法和參數運算出結果，看哪一種搭配方式得到的結果最優。

4 大數據下的具體應用實例――生物信息學的應用

生物信息學（Bioinformatics）是生命科學、計算機科學、信息科學和數學等學科交匯融合形成的一門交叉學科。近年來隨著先進儀器裝備與信息技術等越來越廣泛和深入的整合到生物技術中來，生物醫學研究中越來越頻繁的涉及到大數據存儲和分析等信息技術。在使用計算機協助生物信息時，處理僅有計算機輔助的方式存儲數據很顯然是不夠的，生物信息學研究的目的是運用計算機強大的計算能力來加速生物數據的分析，理解數據中所包含的生物學意義。當前生物信息學研究的熱點有：

（1）由以序列分析為代表的組成分析轉向功能分析。

（2）由對單個生物分子的研究轉向基因調控忘了等動態信息的研究。

（3）完整基因組數據分析。

（4）綜合分析。

生物信息數據具有如下特點：高通量與大數據量；種類繁多，形式多樣；異構性；網絡性與動態性；高維；序列數據等特點[5]。針對這樣的生物數據信息，要結合當前的大數據分析方法進行分析和理解。當前數據挖掘實現對生物信息分析的支持主要有：生物數據的語義綜合，數據集成；開發生物信息數據挖掘工具；序列的相似性查找和比較；聚類分析；關聯分析，生物文獻挖掘等方面。

參考文獻

[1]許凡.大數據時代的數據挖掘技術探討[J].電子技術與軟件工程，2015（08）.

[2]洪松林.數據挖掘技術與工程實踐[M].北京：機械工業出版社，2014（11）.

[3]李榮.生物信息數據挖掘若干關鍵問題研究與應用[D].復旦大學（博士論文），2004（11）.

[4]宋杰.生物信息數據挖掘中的若干方法及其應用研究[D].大連理工大學（博士論文），2005（04）.

[5]孫勤紅.基于梯度采樣局部收斂的生物信息大數據挖掘[J].科技通報，2015（10）.

作者簡介

孫勤紅（1979-），女，山東省人?，F為三江學院計算機科學與工程學院講師。研究方向為人工智能、數據挖掘。

篇（10）

金融學課程是理論性、時效性和應用性較強的學科。在經濟全球化進程加速的國際背景下，我國經濟和金融快速發展，社會上迫切需要培養大量的具有扎實理論基礎、了解金融發展現狀、掌握金融技能的人才，解決我國金融業的發展和經濟穩定的問題。在高等院校中開設公共選修課，由學生自主選擇學習，是體現學生個體差異性的必然要求，對拓寬學生的知識視野，優化學生的知識結構，促進學生知識、能力、素質的協調發展，提高學生的科學和人文素養，促進學生創新意識、創新精神的養成和創新能力、實踐能力的提高，培養各種技能，發揮個性優勢，提高綜合素質，增強就業競爭能力，拓寬就業渠道起到積極作用。

現階段金融教學迫切需要進行改革和創新，借鑒先進國家的課程設置，結合我國具體國情，通過開設前沿創新科學的金融學課程，重視學科交叉，拓寬學生的學術視野。在高等院校開設《互聯網金融》選修課程，系統地、有側重地介紹互聯網金融的發展現狀，分析案例模式，比較互聯網金融與傳統金融理論和實踐異同，介紹互聯網金融的監管，讓學生在互聯網金融的學習過程中學習如何整合金融市場信息，與金融市場發展步伐保持一致，養成不斷更新知識系統的習慣。

一、開設《互聯網金融》選修課的目的和意義

2013年被稱為互聯網金融元年。云計算、大數據、移動支付、網絡社交等新一代信息通訊技術風起云涌，余額寶、p2p、網絡金融社區等基于互聯網平臺的新型機構正在迅速崛起，互聯網和金融業強強聯合對傳統運營模式產生了顛覆性的影響。隨著互聯網金融的不斷發展，對傳統金融的挑戰，必然推動現代金融學的發展。開設《互聯網金融》公開課課程具有如下目的與意義：一是為了了解互聯網金融的學生普及知識，探討互聯網金融的內涵和外延，討論互聯網金融與傳統金融機構的應對策略，豐富學生的知識結構。二是讓學生了解互聯網金融的發展背景、現狀和未來的發展走勢。三是鼓勵學生培養創新思維，理解互聯網金融貸款模式、第三方支付、眾籌等模式的創新與挑戰。四是全面認識技術變革帶來的影響，介紹金融大數據分析與互聯網金融，發揮學科交叉教學的作用。五是培養學生用思辨的思考方式分析新時期下金融市場風險，完善市場監管，建立互聯網金融監管平臺。

二、《互聯網金融》選修課的課程內容體系設置

（一）教材的篩選

互聯網金融是一門新興的研究領域，目前尚未有系統的教材可以直接采用，本課程的教學材料由相關的專著和市場信息整理而得。本課程使用三本相關專著：一是羅明雄、唐穎、劉勇合著的《互聯網金融》，二是盛佳編寫的《互聯網金融第三浪：眾籌崛起》，三是芮曉武和劉烈宏合著的中國互聯網金融發展報告（2013版）。這三本專著較為系統全面地詮釋了互聯網金融發展過程所取得的成就與出現的問題，并進行了較深入的分析。

（二）教材內容的安排

本課程主要涉及以下教學內容：第一章互聯網金融的概況、內涵和外延，第二章互聯網金融浪潮回顧，第三章第三方支付互聯網金融，第四章p2p網貸，第五章眾籌興起與發展，第六章大數據金融，第七章互聯網金融機構模式分析，第八章互聯網金融風險控制與監管。課程內容介紹上以中國互聯網金融業的興起與發展為主線，重視與美國互聯網金融業模式做比較。

（三）教學手段的利用

在教育思想上，本課程強調創新性、實用性、研究性，培養學生的學習和研究興趣，以期對傳統金融教學系統做有益的補充和拓展。我主要采用的教學手段如下：一是課堂講授，以生動精辟的語言講述互聯網金融知識，啟發學生多做前瞻性思考和研究性探討。二是充分利用多媒體教學手段，播放一些與教學內容相關的影像資料、紀錄片等，通過形式多樣的多媒體教學手段，調動聲、光、色，更強烈地刺激學生，活躍課堂氣氛，提高學生的學習研究興趣，達到良好的教學效果。三是充分調動和發揮學生的主觀能動性，積極主動地根據教學內容提出觀點，并通過項目討論互動的形式，培養學生的創新意識和能力。

（四）考核方式的設計

本課程考核最

成績由平時考核成績和期末考核成績等組成。各部分成績均以百分制單獨記分，加權平均記為最后成績總分，各部分權重分別為總成績的35%、65%。平時考核成績由三個部分組成，在學習本課程期間要求學生寫課程學習心得、課堂作業、課堂考勤。期末采取開卷考試的方式，以論文的形式考核。為確保論文質量，提前四周布置論題范圍，確定課程論文的寫作方法及規范要求。

三、《互聯網金融》課程開設所面臨的難點

互聯網金融是互聯網與金融兩個原本不相干行業之間的合作、融合，互取其長?；ヂ摼W金融通過網絡技術實現資金融通提供了一種新興金融服務模式?；ヂ摼W金融的特點：金融服務高效化、便捷化、低成本化、長尾化和大數據化。整個互聯網金融行業呈現出多元化、差異化的發展路徑，出現了第三方支付、人人貸、電商+信貸、眾籌、傳統金融信息化、直銷銀行、互聯網金融門戶和虛擬信用等多種模式。相關方面的知識和案例可謂目不暇接，日新月異，如何精挑細選，如何精辟生動地講解，緊密聯系實際，需要授課者做大量細致的學習和準備工作，以達到較好的課堂教學效果。對于這樣一個新興邊緣課程，必要時請實務部門的專業人士客座講授，有利于學生了解該課程的最新動態，增強對實際操作的感性認識，使任課教師獲益匪淺?；ヂ摼W金融課程本身主要體現了相關學科交叉融合的特色。金融學與金融創新、財務管理、統計學、計算機科學和互聯網技術的交叉互補應通有機結合。多學科的內容要求改進課程教學方法和教學手段，考慮現代金融實證和實用性，改變傳統的“填鴨式”教學方式，加強實踐環節，推廣案例教學、專題討論等各種新穎的教學方法方式，培養學生將抽象的理論知識運用于實際工作的能力。正確處理好知識的持續性與變革性的關系，教學內容既保持課程內容的相對穩定性，使學生掌握本課程的基礎理論知識，又不斷吸納新知識、新信息，對該領域發展的前沿信息不斷更新升級。

互聯網金融課程的學科交叉的特點對選課學生的專業基礎素質提出了更高要求。由于課程對多個學科的交叉和滲透的特點，在選修本課程前，對金融學、金融市場學、金融監管等課程要有必要的了解和學習。為了解決這個問題，在開設課程時可以考慮此公選課程主要面向大三和大四具有一定金融學和經濟學基礎的學生授課，保證教師與學生的有效互動，達到教學質量要求。

高等院校應該加大對公選課的支持力度和資金投入，尤其是對于課程涉及的教學資料和工具的購置應予以支持，對于優秀的公選課要給予適當的褒獎和獎勵，調動教師的工作積極性，打造精品課程。高校應重視教師資源的優化配置，積極邀請知名學者和專家做兼職教授或講座講授，加強學校師資力量，開闊學生的專業視野，優化學生的知識結構。

四、結語

互聯網金融是一種新興的現代金融形式，其并不僅局限于為傳統金融所忽視的市場，而且不斷拓展金融服務的生產可能性邊界和核心服務領域。其作為一門與金融相關的公共選修課，學生按照興趣選擇一個跨學科課程，能夠吸引學生的學習，培養綜合素質，加強對金融市場信息的反映。本課程的開設有必要順應現代經濟金融發展的趨勢，保證教學內容的先進性甚至是超前性。教師在授課過程中需要不斷研究學習新知，探索新的教學方法，盡力保證教學質量和效果。

參考文獻：

[1]龔映清.互聯網金融對證券行業的影響與對策[j].證券市場導報，2013，11.

[2]劉麗萍.關于公司金融課程教學的研究[j].安徽工業大學學報（社會科學版），2010，2.

篇（11）

摘要：會計專業的突出特點是實踐性很強。隨著時代的進步和發展，會計專業原有的教學模式已經不能滿足現代會計教育發展的需要和企業、社會對會計人才的要求。同時，隨著信息技術的推廣使用，大數據技術也快速進入各行業并在財務領域得到廣泛應用，會計人才的數據收集、整理能力顯得十分必要。因此，面對大數據時代的來臨，傳統的會計專業教學方式面臨諸多挑戰，已不能滿足會計人才培養的要求。因此，適應大數據時代的發展趨勢，進行會計專業教學創新，是當今會計人才培養的迫切需要。

關鍵詞 ：大數據；會計專業教學；創新研究

中圖分類號：G71文獻標志碼：A文章編號：1000-8772（2015）25-0193-02

創新是一個國家發展的源泉與動力，“提高自主創新能力，建設創業型國家”也是我國發展戰略的關鍵。因此，在新的歷史發展時期，要求高職會計教師必須與時俱進，不斷探討新的教學方法，借鑒國外先進的教學理念，并結合高職會計專業的教育實際與市場發展趨勢，對高職會計創新教學進行最優化設想。同時，隨著信息技術的推廣使用，大數據技術也快速進入各行業并在財務領域得到廣泛應用，會計人才的數據收集、整理能力顯得十分必要。因此，適應大數據時代的發展趨勢，不斷創新會計專業教學模式，對培養會計人才意義重大。

一、大數據在會計職業中的應用趨勢

大數據時代開始于2013年，是從網絡科技行業開始的新技術革命時代。大數據是現今社會經濟發展的一大必然趨勢，因此，會計專業所面向的諸如金融業、建筑業、快消業、快遞業等行業也需要面臨大數據的應用。各行各業的會計人員需要對處理和運用大數據進行相應的學習和研究，會計專業的教學也要緊跟職業和行業的發展趨勢，對大數據背景下的會計教學進行創新。

在“大數據時代”背景下，公司在戰略選擇時越來越注重對市場進行數據分析，用客觀的有依據的數據來作為判斷基礎，減少無數據支持的、不科學的臆斷的決策。在所依據的決策數據中，會計對本企業和相關市場的數據統計和分析信息，尤其是其中隱藏的資本運動趨勢和行業前景趨勢的數據，就是決策最重要的依據之一。因此，會計對管理、決策的輔助職能將越發重要。高水平的、應用型的會計人才就是企業急缺的，會計專業教育也應該符合市場經濟需要，創新教學的基本理念和模式方法，培養符合大數據工作要求的專業人才。

大數據所改變的主要是會計職業的工作對象，在相關的各個行業中，由于業務量激增，相應的數據量和信息量都大量涌入會計需要處理的數據中。以金融業為例，全民炒股的大熱和互聯網金融的興起，要求會計處理更多的業務量，比如本金利息、投資收益、日成交量等等，需要會計人員運用電算化工作進行統計。會計人員還可以配合網絡工程師進行相關軟件和應用中具體算法的開發和校正。會計還要對大數據的工作狀態進行統計和計算，輔助企業判斷本公司的業績、效果，總結企業各項業務的綜合動態走勢，幫助了解行業的發展趨勢，輔助企業進行戰略決策。這些會計業務也在處理空前巨大數據的背景下迎來新挑戰。

二、大數據背景下會計專業教學創新的主要方向

大數據要求會計教學提高學習主動性。相對于對科技進步較為敏感的網絡專業，會計專業的學生較為缺乏對新時代的敏感性和學習并適應新時代要求的主動性，會計專業的教學甚至科研都對大數據缺乏敏感度。在日新月異的新時代，會計教學不應只拘泥于傳統的教學內容，更要培養學生的自主學習意識，幫助學生在走上工作崗位后，能夠有不斷更新自己、與時俱進和不斷學習的習慣，才不會在發展浪潮中被淘汰。

學習的主動性來源于自主學習意識和對新知識的認知感。自主學習意識是人的主觀能動作用，需要人對該事物的重要性和緊迫性有足夠認知，并有足夠自制力將其轉化為積極主動的動力。在大數據背景下增強會計專業學生的自主學習能力，需要會計教學的教師們充實和更新教學的內容，緊跟時代步伐，到一線企業公司了解工作的實務內容和要求，將大數據的實例轉化成題目或操作項目，引進到教學中來；還需要教師們創新教學手段，充分利用網絡資源和數據，引進全方位、多角度的操作實踐，讓學生充分認識到大數據的運用與教科書上會計基本理論知識的區別，并將會計的基本原理，從課本題目的小數據，延伸到工作中的大數據中，熟練運用和操作大數據。

對新知識的認知感是青年學生的最大優勢，在足夠的興趣和主動性影響下，青年學生對大數據時代新鮮事物的感知性可能是其教師們都比不上的。這時就需要教師們因勢利導，充分發揮學生的認知感，認可學生的銳眼和創新想法，并組織學生進行交流，形成競爭意識，將學生對新知識的了解，轉化為教學內容，并引導學生進行課內課外的主動交流，互通有無，團結協作，互相學習，研究創新。

三、大數據視角下會計專業教學的創新

目前高職院校會計專業人才培養理念拘泥于培養記賬、算賬甚至做賬的會計從業人員。但是，會計專業學生所服務的有潛力的大中小型企業更需要會計人員在企業的戰略管理方面提供服務，即需要會計管理能力，尤其是在交易量特別巨大的行業市場，需要會計人才對相關市場進行大數據的收集和分析，為企業中短期決策提供數據依據支持。

教學創新首先要做到教學理念的創新，只有理念先進了，教學改革創新才會順利進行，否則傳統勢力的存在會對教學改革產生負面影響。從教學理念上看，會計專業的教學理念需要適應科技經濟的社會發展需要，調整方向應該是：以核算能力的培養為基礎，以會計管理能力的培養為核心，運用新的科技手段，掌握大數據的處理和分析。教師必須先從自身做起，更新自己的觀念，充分體會和感受大數據對工作和生活的巨大影響。然后要對大數據在職業中的實際應用有所了解，對大數據給會計工作帶來的機遇與挑戰，知識的更新和創新有所了解，對社會的發展趨勢緊緊把握，將最新的信息引入到教學中來。

在理念更新的基礎上，會計教學要對課程計劃進行創新，在傳統教學的理論基礎上，引進新的資源和知識體系，增強學生的實踐技能和工作能力。同時，也將會計理論潛移默化地引入到大數據的要求中去，培養學生對大數據的編制能力、處理能力、運算能力、檢查能力和總結能力。

從實際操作來看，會計專業教學的創新，要在保證學生擁有接入相關網絡數據的、處理運算大數據能力的基礎計算機硬件和軟件設備的基礎上進行。首先應培養學生在網絡數據中挖掘有效資源的能力。教師在教學過程中應布置此類作業或實踐項目，鍛煉學生在網絡上查找和篩選數據的能力。

在搜集數據的基礎上，在保證學生對傳統會計理論知識充分掌握的前提下，教師教學生使用相關軟件進行數據分析，培養學生對數據的預處理和建模創新能力，幫助學生養成管理型會計的思維方式。另外，由于大數據的工作量巨大，實際會計工作往往是由一個會計團隊合作進行的。在創新的課程中，必須通過課題或項目，讓學生組成項目小組進行實踐操作，通過團隊合作完成項目的方式，使學生能夠運用會計專業的各方面知識，分擔會計工作流程中的各個工作崗位的角色，培養團隊意識，學會分工合作，適應未來工作需要。

在開設檢索課程和統計學課程之外，需要增設數據處理軟件工具的實務操作課程，在會計電算化的要求下，會計教學中必須教會學生如何熟練、巧妙地使用電算化的相關軟件，如excel、用友等。在學校里，學生學習的都是基本用法，但是在實際工作中，由于行業不同、企業不同、數據性質不同、計算需要不同，會計需要自己編制一些適合的表格進行計算。那么，復雜套表的設計，公式的運用等就需要會計靈活地使用軟件進行設計，滿足會計實際工作中的需要。

由于大數據的規模性和系統性，并且處理的數據量巨大，一個小小的差錯就可能導致結果的很大誤差或錯誤，會計工作中的準確性和對責任感的要求都是極為嚴格的。教學實踐中需要步步留痕，每一個步驟都是由團隊中的某位成員進行的，都有據可查，在作業結果錯誤時，對出錯的成員進行“懲罰”，以示團隊對準確性的嚴格要求，以利于團隊成員中個人責任感的提升。教學中也可以建立學分之外的獎懲機制，在項目進行的過程中和項目完成后，對優秀學生進行獎勵，對出過錯誤的學生進行“懲罰”。

課程中還可以結合實務技能，引用互聯網上的實際數據，分門別類地對各行業的大數據進行立項分析，或者從某些大型企業的公開數據中，進行數據的引用，使用這些數據進行教學訓練，模擬公司會計實務操作流程，使學生能夠身臨其境地進行大數據的計算和分析，以總結性論文、報告或演講的形式將結論進行匯報，通過各組的相互對比，評價立項活動的各組業績是否正確，從而進行學分評價。

完善會計網絡教學平臺建設和使用。學?？梢栽O計搭建或引進會計網絡教學平臺，學生平時通過平臺進行課程學習、完成和提交作業、完成隨堂和結課測驗等功能。運用網絡促進學生學習，需要進一步完善網絡軟硬件設施的建設，及時升級更新教學平臺，引進會計的大數據資源，進行相關數據的自動或手動的實時監控收集，套用常用的建模，劃分統計模塊，進行項目操作。同時，教學平臺還要讓學生查看學習作業和隨堂測試結果，教師的評語和建議，及時了解自己不懂不會的知識點。教師也能全面了解學生隨堂知識的掌握情況，掌握學生學習動態數據，隨時改進教學進度和教學方法。

會計教學的創新還可以與行業公司進行合作，承攬一些實際的會計工作項目，如預決算、招投標、核標、工程評估、財務報表、統計、科研調查等。這一與關聯公司的互動合作是互利互惠的，既能幫助公司完成工作，也能借此鍛煉學生的工作能力，促使學生將理論與實踐相結合，為學生的未來工作打好基礎。

四、結語

大數據時代對各行各業的會計提出了不同挑戰，同時也是相同要求。作為會計工作能力培養的會計專業教學，其創新是一個前程漫漫的過程。希望各高校、科研院所的教育從業人員能夠進行理論和科研創新，進行教學實踐的探索，互通有無，增加溝通，不吝討論，共同開動腦力探索出對大數據新知識、新理論、新實踐更為適合的會計人才培養新方法。

參考文獻：

[1]趙潤杰，論高等職業學校會計教育的創新[J]，教學與職業，

2008（8）.

[2]農海燕，適應“2+1”模式優化高職會計專業教學[J]，經濟與社

會發展，2008（10）.

[3]高雁，淺析高職高專會計教學模式的創新，吉林省經濟管理

干部學院學報[J]，2010（6）（4）于沛、綦桂芬，教、學、做合一教

學法嘗試[J]，吉林商業高等專科學校學報，2000（3）.

[5]吳飛美，淺析高職高專復合型市場營銷人才培養模式[J]，福

建商業高等?？茖W校學報，2006（2）.

[6]孫建東、李衛紅、趙鈞鐸，對高職高?！豆ど唐髽I管理[》課程

創新建設的思考[J]，科技情報開發與經濟，2007（29）.

[7]張導成，關于我院高職高專教育實踐教學改革的思考[J]，科

技創新導報，2009（11）.