金融大数据论文大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇金融大数据论文范文，希望它们能为您的写作提供参考和启发。

篇（1）

一、2021届毕业论文指导教师分配表（详见附件1）

二、 毕业论文写作与指导的具体安排

论文辅导时间：2020年10月1日至2021年4月1日

具体安排：

工作安排

具体内容

具体要求

截止时间

选题

确定论文题目

根据自己的专业、结合实习情况，以项目为基础选择论文题目，并经指导教师审核通过。

2021年1月1日

提纲

构思论文结构、拟订论文提纲

结合企业实践内容确定论文结构列出提纲。

2021年2月1日

写作与批改

初稿

按照论文提纲撰写初稿，主动与论文指导老师联系审核与批改。

2021年3月1日

二稿

按照论文指导老师的要求反复修改、完善、补充。

2021年4月1日

定稿

达到论文基本要求，定稿电子版发给论文指导老师。

2021年4月10日

交稿

打印提交

双面打印，毕业返校时以班级为单位提交。

2021年6月

 

三、 指导教师联系方式

姓名

职称

邮箱

QQ

电话

方党生

副教授

2541790217@qq.com

2541790217

15136166829

杨冬梅

讲师

339097597@qq.com

339097597

18625779090

李春花

讲师

19772728@qq.com

19772728

18638793098

魏瑶

讲师

43665723@qq.com

43665723

15838313791

马杰

高级讲师

Hnhymj@126.com

 

13838067063

杜旭阳

助理讲师

604696049@qq.com

604696049

17396370961

高艳云

副教授

37742562@qq.com

37742562

13939020929

钱钰

讲师

397019111@qq.com

397019111

15093132377

梁慧丹

助理讲师

1620280267@qq.com

1620280267

15188395423

秦航琪

助理讲师

1191084277@qq.com

1191084277

15670930099

范迪

助理讲师

1261810070@qq.com

1261810070

18339270887

 

四、毕业论文参考题目

大数据技术及应用专业

1) 大数据时代下的网络信息安全

2) 大数据对市场调查技术与研究方法的影响

3) 大数据环境下社会舆情分析方法研究

4) 大数据在房屋租赁的应用

5) 大数据在互联网金融领域的应用

6) 大数据在电子商务下的应用

7) 大数据时代下线上餐饮变革

8) 大数据在养殖业中的应用

9) 大数据对商业模式影响

10) 大数据在智能交通中的应用

11) 基于大数据小微金融

12) 大数据在农副产品中的应用

13) 大数据在用户行为分析中的应用

14) 基于大数据的会员价值分析

15) 大数据对教育模式的影响

物联网应用技术专业

1）物联网技术在蔬菜大棚中的应用

2）物联网技术对智能家居的应用

3) 物联网技术对智能物流监管的应用

4) 物联网技术在企业的应用

5) 计算机物联网技术带来的影响

6) 物联网技术在校园安全的应用

7) 浅谈物联网技术的应用与发展

8) 物联网技术在企业的应用

9) 计算机物联网技术在各个行业的应用

10) 物联网技术在食品安全追溯方面的应用

11)物联网技术在楼宇智能化系统的应用

12)物联网技术在智能停车场系统的应用

13)物联网技术在安保行业的应用

14)物联网技术在智能交通行业的应用

15)基于物联网技术的校园宿舍安防系统的设计与实现

 

信息统计与分析专业

1) 某企业竞争力调查分析

2) 浅谈企业统计数据质量

3) 人口素质与经济增长的关系研究

4) 地区竞争力初步分析

5) 农业结构调整与粮食安全保证问题研究

6) 我国中小企业发展现状与对策

7) 对某市房地产开发的市场分析

8) 消费者购买动机调查分析

9) 某产品市场需求调查

10) 某产品销售预测

11) 某产品销售统计分析

12) 某产品竞争力分析

13) 产业结构变动分析

14) 大数据发展对统计工作的影响分析

15) 郑州租房状况分析

 

五、毕业论文（设计）格式规范要求（详见附件2）

六、毕业论文（设计）格式模板（详见附件3）

 

 

 

 

 

 

附件1：2021届毕业论文指导教师分配表

 

附件2

 

河南信息统计职业学院

毕业论文格式及规范要求

 

   河南信息统计职业学院毕业论文（设计）统一的规格要求如下：

（一）开本  

A4白纸（210mm×297mm）

（二）装订

 长边左侧装订

（三）全文编置

1．页码

全文页码自正文起编列，正文与附录可连续编码。页码以阿拉伯数字左右加圆点标示，置页边下脚中间。

2．边距

正文至附录的文字版面规范为：天头25mm；地脚25mm；左边距30mm；右边距25mm。上述边距的允许误差均为±1mm。

3．行字间距

正文至附录的行字间距按5mm设置；字间距为1mm，或由Word自动默认。

（四）编排构成

1．前置部分

（1）封面设置

第一排：“河南信息统计职业学院”，华文行楷一号字，居中排列，第一排前空两行（三号字）；

第二排：“毕业论文（设计）”，黑体一号字，居中排列；

第三排：“        级           专业      班”， 黑体三号字，居中排列，横线空格处填写相应内容，填写内容使用宋体三号字，与第二排空二行（三号字）；

第四排：“题目                           ” 黑体三号字，居中排列，“题目”两字中间留两个汉字的空位，横线空格处填写相应内容，填写内容使用宋体三号字，与第三排空六行（三号字）；

第五排：“姓名          学号            ”，  黑体三号字，居中排列，“姓名“两字中间留两个汉字的空位，横线空格处填写相应内容，填写内容使用宋体三号字；

第六排：“指导教师            职称              ”， 黑体三号字，居中排列，横线空格处填写相应内容，填写内容使用宋体三号字；

第七排：“系别        ” 黑体三号字，居中排列，横线空格处填写相应内容，填写内容使用宋体三号字，与第六排空两行（三号字）。

第八排：“        年    月    日” 黑体三号字，居中排列，横线空格处填写相应内容，填写内容使用宋体三号字，与第七排空两行（三号字）。

（2）声明

本人必须声明所呈交的论文是学生本人在导师的指导下独立完成的。除了文别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果。要求学生本人签名。

（3）内容提要

第二页为内容提要。内容提要是对全文基本观点的集中提炼和说明。提要中应阐明本论文（设计）要解决的主要问题及其依据，并指出创新之处。内容提要以300-500字为宜。其中“内容提要”为黑体三号字，每字间空一格，居中排列。“内容提要”下空一行编排具体内容，具体内容按照中文文章格式排列，使用宋体四号字。

（3）关键词

关键词是揭示文献主体信息的词汇。关键词在内容提要之后空一行设置。其中“关键词”三字用黑体三号字与“内容提要”对应居中排列，而后另起行设置关键词3-5个，用宋体四号字。各词汇间不用标点符号分隔，空一格汉字字符。

（4）目录页

“目录”二字用三号加黑宋居中排列，字间空三格；“目录”下空一行排全文的主要标题，用四号仿宋体。对目录中的每一个标题都要标注页码。

2．正文部分

一部完整的毕业论文（设计）正文部分一般应由以下要素构成：论文正文文字；结论；注释；参考文献。

（1）正文文字

论文（设计）的正文文字在署名后空一行排列，用四号仿宋字体打印。

（2）结论

毕业设计的体会和总结；该设计的结论、优点及有待探讨的问题。

（3）注释

注释是用于对文内某一特定内容作必要的解释或文字说明。注释的内容置于与当前页主题文字的分线以下，以带圆圈的阿拉伯数字标示，左空二格排列，用小五号宋体字。

（4）参考文献

参考文献是作者著文时研究和参阅的相关资料。“参考文献”四个字用三号黑体字左顶格标示。参考文献的内容置于主体文字之后空一行排列，其顺序与主体文字中的序号编排相对应，以带方括号的阿拉伯数字左顶格用五号宋体字排出全部内容。参考文献要列出书名，作者姓名、出版社及出版日期、并标明序号。在论文中引用所列的参考文献时，只要在方括号内注明所列文献的序号即可。

（5）毕业论文（设计）正文部分3000～5000字。

 

 

 

 

 

附件3

 

河南信息统计职业学院

毕业论文（设计）

 

       级               专业     班

 

 

 

 

 

 

 

 

题    目                                   

姓    名                学号               

指导教师                职称               

系    别                                   

 

20    年    月    日

 

 

声    明

 

本人郑重声明所呈交的论文（设计）是我个人在导师的指导下独立完成的。除了文别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果。

 

论文作者签名：    

20　  年  月

日

 

 

 

 

 

 

 

 

 

内 容 提 要

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

 

关键词 ：××××× ××××× ××××× ×××××

目   录 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 结论 22

5.1 结论 23

5.2 问题与不足 26

5.3 未来展望 27

参考文献 28

 

 

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

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

 

 

 

 

 

 

参考文献 [1] 江正荣编.地基与基础施工手册.北京：中国建筑工业出版社，1997

[2] 高大钊主编.土力学与基础工程.北京：中国建筑工业出版社，1998

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

[8] 赵玉良.房屋地基基础变形事故原因分析及处理.河北建筑工程学院学报，2007，25（2）

[9] 袁迎曙，贾福萍，蔡跃. 锈蚀钢筋混凝土梁的结构性能退化模型[J].土木工程学报，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] 中华人民共和国国家标准.建筑地基基础设计规范（GB50007-2002）

[13] 中华人民共和国国家标准.建筑边坡工程技术规范（GB50330-2002）.

 

 

 

 

 

 

 

 

 

论文（设计）指导评语

 

 

 

 

 

 

建议论文成绩                 指导教师                           

20     年     月      日    

论文（设计）答辩评语

 

 

 

 

 

论文成绩                答辩组组长                        

20     年     月      日    

答 辩 组 成 员

姓  名

性别

年龄

职称

工作单位

 

 

 

 

 

 

 

 

 

 

 

 

 

 

篇（2）

[ 3 ] 王喜文.日本强化ICT领域国际竞争力[N].中国电子报，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公布个性化和推荐系统架构[EB/OL].[2014-08-08].http：///article/2013-04-04/2814767-netflix-ml-architecture.

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

[10] 中国科学院.李国杰院士：大数据成为信息科技新关注点[EB/OL].[2014-08-08].http：///xw/zjsd/201206/t20120627_3605350.shtml.

[11] 李奕.大数据应用方式：从数据服务、信息服务到知识服务[N].中国计算机报，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] 李晨晖，崔建明，陈超泉.大数据知识服务平台构建关键技术研究[J].情报资料工作，2013（2）：29-34.

[14] 秦晓珠，李晨晖，麦范金.大数据知识服务的内涵、典型特征及概念模型[J].情报资料工作，2013（2）：18-22.

篇（3）

[中图分类号]F832[文献标识码]A [文章编号]1673-0461（2014）08-0035-04

互联网金融监管之棋局

􀳁李丹

（西南政法大学，重庆401120）

[摘要]大数据时代背景下，互联网技术的突飞猛进、金融垄断的困境以及民间借贷政策的宽松为互联网金融在中国兴起提供了合适的“土壤”，作为有别于传统金融的新模式，其在中国的出现形成了一场新的棋局。在此新局中，互联网金融有不同于传统经济的风险类型――数据获取、技术缺陷、迷信速度、网络安全和权力异化，风险特征也异于传统金融――扩散快、主体脆弱、易交叉传染，而给“当局者迷”带来了困惑，因此破解此迷局时，要结合其风险从交易技术、交易结构、权力契约三个层面理清互联网金融的监管体系，破解这一“迷局”促进互联网金融的进一步健康发展。

[关键词]互联网金融；风险；监管层面

[中图分类号]F832[文献标识码]A [文章编号]1673-0461（2014）08-0035-04

[参考文献][1] 齐爱民，陈文成.网络金融法[M].湖南：湖南大学出版社，2002:1.

[2] 姚文平.互联网金融[M].北京：中信出版社，2014：20.

[3] 宫晓林.互联网金融模式及对传统银行业的影响[J].南方金融，2013（5）：88.

[4] 韩壮飞.互联网金融发展研究[D].开封：河南大学硕士论文，2013：21.

[5] 姚文平.互联网金融[M].北京：中信出版社，2014：9.

[6] 黄健青，陈进.网络金融[M].北京：电子工业出版社，2011：188.

篇（4）

doi：10.3969/j.issn.1673 - 0194.2017.06.162

[中图分类号]G642.0 [文献标识码]A [文章编号]1673-0194（2017）06-0-02

0 引 言

随着计算机互联网、移动互联网、物联网、云计算、社交网络等现代网络新技术突飞猛进的发展，人们通过网络浏览、搜索、购物等行为产生的数据日益增多，致使人们迈入了数据以大量性、多样性、价值性和高速性为特征的大数据时代。在我国，大数据已提升到国家战略的层面，国务院于2015年颁布的《促进大数据发展行动纲要》指出，“深化大数据在各行业创新应用”，在文化、教育等领域全面推广大数据应用和开展大数据应用示范。十八届五中全会通过的“十三五”规划纲要进一步提出了将“实施国家大数据战略，推进数据资源开放共享”。

目前，大数据及大数据技术已经渗透到经济、社会、生活的方方面面，并影响着人们的理念、行为和习惯，其中，本科高等教育也深受影响。随着大稻莸募铀俜⒄梗现代教学技术不断转型升级，出现了慕课、微课、翻转课程等新的教学方法，对传统的本科教学也提出了前所未有的新要求。如何追随大数据时展带来的深刻改革，对教师掌握日新月异的现代教学理念，提高教学效果具有重要的意义。国内已有学者探讨了大数据对应用经济学、国际经济学、财政学、统计学和管理统计学等课程教学的影响及相应的调整策略。尽管刘涛雄和徐晓飞（2015）、姜疆（2016）、申红艳 等（2014）探讨了大数据时代的宏观经济分析，但鲜有文献研究大数据对宏观经济学教学的影响。因此，本文拟在大数据时代探讨宏观经济学本科的教学改革。

1 宏观经济学传统教学模式中的问题

宏观经济学是经济管理类专业中一门承上启下的基础课程，是经济管理类硕士与博士研究生入学考试的必考课程。宏观经济学研究整体经济现象，解释同时影响许多家庭、企业和市场的经济变化，主要考察国民收入的决定与变动、短期的经济波动、长期的经济增长、就业、通货膨胀和国际收支等问题。当前大部分高校的宏观经济学还是采用传统的教学模式，存在诸如注重理论教学、轻实践教学；教学方式单一、学生自主学习意愿不强；考核方式偏向固定化等问题。

1.1 注重理论教学，轻实践教学

宏观经济学是理论性和实践性均比较强的一门基础课程，该课程的理论可以指导解决现实生活中的经济问题和现象。但在传统的教学中，主要以讲授抽象难懂的理论知识为主，如国民收入决定理论模型、IS-LM模型、AD-AS模型等，为了让学生能够理解清楚宏观经济学理论的内涵，任课教师往往会用大量的时间去讲解这些理论知识，尽管在一定程度上有利于学生掌握理论知识，但占据了太多的课堂时间、消耗了教师太多的精力，教师在课堂上基本没有多余的时间和精力区开展实践性教学。

1.2 教学模式单一，学生自主学习意愿不强

大多数高校的宏观经济学仍采用教师课前备课，课堂上讲授教材附带或自作的PPT，课后解答疑难问题单一的传统教学模式。这种教学模式以教师为主体，教师在课堂上讲授的内容是学生获取知识的主要途径，而且教师课堂讲授占据了大部分的课堂时间，留给学生在课堂上讨论的机会和时间并不多，学生在课堂上以被动听讲为主，导致学生自主学习意愿不强，这不利于提高学生提问、探索、思考问题的能力。传统的课堂教学深受时间和空间的限制，教师完全掌握了教学进度，学生基本上按教学大纲进行学习，自主安排学习的空间不多，这不利于激发学生学习的积极性。

1.3 考核方式偏向固定化

传统的宏观经济学考核方式主要以期末考试为主，课程成绩一般按照平时成绩（包括出勤、作业、课堂表现、期中考试成绩等）与期末考试成绩3∶7或4∶6的比例加权平均组成。这种考核方式尽管在一定程度上能够相对客观地检验学生掌握宏观经济学基本概念、原理和规律等内容的情况，但也可能存在教师在试题命题过程中因为没有为主观题和客观题设置合理的比例，而出现学生平时上课不认真听讲，通过考前死记硬背获得高分的问题，未能检验学生运用宏观经济学理论分析并解决问题的能力。传统的考核方式也未对学生的学习态度、实践能力进行考核。

2 大数据时代宏观经济学教学改革的探讨

大数据时代为宏观经济学教学带来了海量的数据和新颖的案例等资料，为宏观经济学课堂教学提供了既丰富又生动的素材，为推进宏观经济学教学改革提供了强有力的保障。在大数据时代，对宏观经济学教学进行改革，可以提高教学效率、激发学生学习兴趣、培养学生独立思考和解决问题的能力，更有利于经济管理类专业学生掌握宏观经济学基础知识，为学习国际经济学、金融经济学、财政学等后续专业课程奠定扎实的基础，并为参加研究生入学、政府机关、金融机构、高校等用人单位的招聘考试做好充分准备。

2.1 形成基于大数据的教学理念

大数据时代要求人们要形成大数据思维，同样，大数据背景下的宏观经济学课程教学改革也需要具备大数据的思维。为了形成基于大数据的教学理念，任课教师要紧紧跟随大数据时展的步伐，积极参加各种运用大数据改进教学的培训、进修，认真学数据时代先进的教学技术和方法，并不断将这些教学技术和方法引入宏观经济学课堂教学中。

2.2 多渠道丰富教学内容

第一，添加大数据时代的海量数据信息资料，丰富教学内容。传统的宏观经济学教学存在理论性较强的问题，在大数据时代，任课教师可辅之以海量数据信息资料来丰富教学内容。与纯粹理论知识教学不同，基于现实经济现象的数据案例教学更加生动有趣，更能激发学生学习的积极性，更有助于学生牢固掌握抽象的宏观经济学理论知识，并提高运用宏观经济学理论分析问题和解决问题的能力。比如，在讲授居民消费价格指数（CPI）时，可分别引入基于扫描数据、网络搜索数据、谷歌趋势（Google Trends）预测CPI等案例分析。宏观经济学课程中，所有章节的内容基本都可以通过互联网查找到大量相关的数据信息资料，利用这些资料可以更新、修订教学大纲、教案和讲义，有利于丰富教学内容，也有助于提高教学效果。

第二，增加运用大数据技术进行宏观经济分析的内容。在经济新常态下，我国经济发展面临着更加错综复杂的国内外形势和更加繁重艰巨的任务，因此，宏观经济决策对宏观经济分析提出了更高的要求。“十三五”规划纲要中指出“完善政策制定和决策机制：注重运用互联网、统计云、大数据技术，提高经济运行信息及时性、全面性和准确性”。因此，在大数据时代的宏观经济学教学改革有必要加入宏观经济分析。

传统的宏观经济分析主要通过对比宏观经济指标、构建宏观经济计量模型、仿真宏观经济动力系统，对宏观经济运行形势及其发展趋势加以判断和预测。大数据时代的数据规模大、类型多，拓宽了宏观经济分析所用数据信息的来源，并提高了数据信息获取的时效性。目前，国内外运用大数据的概念、方法和技术进行宏观经济分析的研究主要集中在宏观经济预测（尤其是现时预测）、宏观经济分析技术、宏观经济政策和宏观经济数据挖掘等领域。

第三，借助大数据时代媒体报道拓宽知识面。在学习教材的基础上，可推荐学生通过互联网；物联网；经济信息联播、经济半小时、经济信息联播等财经类电视节目；《21世o经济报道》《经济观察报》《金融时报》《经济学人》等报纸杂志的财经报道，多渠道关注宏观经济热点问题，拓宽学生的知识面。

2.3 加强实践性教学

培养学生熟练运用宏观经济学理论与方法分析国内外现实生活中的经济问题和现象是宏观经济学教学的目标。因此，任课教师在讲授理论知识和方法的基础上，更应注重实践教学。

大数据时代的宏观经济学本科实践教学，应当以培养学生的主动性和创造性为根本出发点，任课教师可以以宏观经济学理论知识和丰富的大数据资源为基础，结合与大数据相关的课题、论文，将宏观经济领域的研究思想、研究方法、研究前沿引入教学。具体而言，教师可通过引导学生如何观察现实经济问题进行选题，如何结合宏观经济学理论构建数学模型，如何查找和整理文献，如何搜集大样本的宏观经济数据，如何撰写学术论文并加以修改等方式增加研究性教学。鼓励学生积极参与到研究中，使学生在研究过程中不断学习和实践，培养学生独立思考的习惯，提高其研究学习能力。

此外，还可采取“走出去”与“请进来”相结合的战略开展实践性教学。“走出去”是指组织学生到当地的统计局、发改委、经信委等与宏观经济运行紧密相关的政府部门和互联网、金融、电信、零售等应用大数据的企业进行参观学习，加强与这些单位开展深入合作，建立校外实训实习基地，让学生真正参与宏观经济学实践活动。“请进来”是邀请这些单位既熟悉宏观经济学分析，又精通大数据分析的工作人员到学校为学生开展报告、经验交流座谈会。

2.4 采用“以学生为中心”的教学模式

大数据时代的在线教学平台、翻转课堂、微课、慕课，为实现宏观经济学教学模式，由“以教师为中心”转换为“以学生为中心”提供了保障。具体来说，教师可先根据课程标准和教学实践的要求，制作宏观经济学课程教学大纲，接着按照微课、慕课、翻转课堂等教学模式的要求，从学生学习需求的角度出发，将每章节内容制作成PPT、视频、练习题、测试题、讨论题、评分标准等资料，然后将这些资料上传至教学平台，为学生提供丰富的学习资源，也为学生提供更多自主学习的空间，这样学生可随时随地通过在线教学平台进行自主学习。

在线教学平台采用交互式的短视频学习模式，以10分钟左右的片段式多媒体视频为主，并在线完成配套的测试题，让学生在轻松有趣的环境下掌握枯燥无味的宏观经济学原理，有利于激发学生的学习兴趣，提高学习效率。在线教学平台为学生和教师、学生和学生、教师和教师之间搭建了交流平台，通过平台可以相互发表观点、交流意见、提问、解答等，有利于增加师生的互动，也有利于培养学生思考、分析和解决现实经济问题的能力。此外，在线教学平台会将学生的学习行为进行记录，并根据记忆退化曲线提醒学生哪些内容需要及时复习，进一步运用大数据技术对平台记录的学生信息进行分析，可提炼出学生的学习能力、性格特征、学习状态等信息，依此开展有针对性的个性化教育。

2.5 实施多元化考核

在大数据背景下，宏观经济学课程应采用多元化考核方式，既考核学生对宏观经济学理论知识的理解程度，也考核学生综合运用宏观经济学知识的能力，同时，也考核学生在线学习和参与宏观经济学实践教学等情况。如，其可根据教学平台记录学生完整的在线学习过程（包括每一个知识点内容的学习进度、完成配套练习和测试的情况，完成答题的时间、答题的熟练程度、答题的顺序和答题的次数等），并结合参加实践性教学的情况、对各部分内容掌握的情况、课堂表现、出勤等综合考核，给出合理的课程成绩以及相应的评价。

3 结 语

大数据时代的到来，为宏观经济学课堂教学提供大量的数据和丰富生动的案例等资料。在宏观经济学教学改革中，应紧扣大数据时展的脉搏，充分把握好大数据时代带来的有利条件，整合一切可以整合的大数据资源，合理运用翻转课堂、微课、慕课等新教学方法，更好地发挥大数据服务宏观经济学本科教学改革，不断提高教学效果。

主要参考文献

[1]白雪.大数据时代下高校应用经济学教学改革模式探析[J].经济师，2016（3）.

[2]方霞.教育大数据助力《国际经济学》课堂教学改革[J].金融理论与教学，2016（3）.

[3]卢盛峰.大数据背景下《财政学》本科教学改革探析[J].湖北经济学院学报：人文社会科学版，2015（2）.

[4]朱建平，李秋雅.大数据对大学教学的影响[J].中国大学教学，2014（9）.

[5]刘帆.大数据时代经管类专业管理统计学教学改革研究[J].中国管理信息化，2016（15）.

篇（5）

大数据作为一种有用的信息资源，在商业、金融等领域发挥着越来越重要作用，也逐渐成为社会科学的国际前沿应用研究内容之一。然而，在经济学领域，大数据还鲜少被用到（据统计，截至2014年12月，google中学术搜索到的与“大数据”有关的研究论文共3026篇，其中仅有29篇是和经济学相关）。但因海量经济数据资源的快速增长，计算技术和能力的不断提高，以及方法论的不断发展，将大数据分析技术运用于经济学已成为一个值得探讨的新课题。展望未来，由于经济学是一门理论与实践相结合的学科，将大数据应用于经济学，有可能会开辟一个全新的经济学发展领域。

一、大数据在经济学领域应用的基本原理

大数据在经济学中应用的基本思路以大样本数据统计与机器学习技术为基础。其中大样本统计的过程概括如下：用N个代入变量得出对应的N个测量结果与K个潜在的预测因子，比如：以居民消费价格CPI指数预测为例，首先通过GOOGLE数据搜索或其他软件，筛选出同CPI有关的一系列关键词（比如粮食产量、原油期货价格、气候温度、价格改革政策等），然后通过这些关键词在文本数据（新闻、微博、评论、研究报告、学术论文等）出现的时间频次，计算它们之间的相关关系和逻辑路径关系，从而得到测量结果N和预测因子K。在许多情形下，每一个代入变量的信息是足够丰富的，但不具有结构性，故可能会产生很多潜在预测因子，因此，需要注意的是：若是过度拟合，即预测因子K的个数可能会远远大于观测变量N的个数时，虽然模型可完美解释观测到的结果，但样本外数据的解释力却很差。在这种状况下，构造一个最大化样本解释力的模型便成为首要目标，同时构建的模型还不能出现因过度拟合所导致的样本外无力解释的情形。因模型构建不同，使用方法也随之改变，惩罚预测因子的过度使用方式也不同。如Lasso回归模型，在满足一系列约束条件下，依据最小化离差平方和来选择模型系数。通过将样本分为“训练样本”和“测试样本”（“训练样本”用来估计模型参数，“测试样本”用来评估模型）进行过度拟合。而在评估预测效果时，一般交叉使用样本内预测与过度拟合，但目前这种交叉验证的方法在当前的实证微观经济学中也鲜少用到。

机器学习的一个非常重要假设就是机器学习的环境是相对稳定的，也就是样本数据（训练样本与测试样本情形相同）独立产生于同一过程。但由于现实环境会随着时间发生改变，故这一假设并不合理，因此，在高频使用新数据的应用中，往往通过对自身持续“再训练”，从而使得模型可以随着时间与环境的变化对预测结果进行调整。当然，对于机器学习，有些经济学家提出了卢卡斯批判的疑问，即若根据模型的预测结果进行政策调整，则政策调整后的现实结果可能与初始模型的预测结果有差异，因为政策的改变会影响数据间的潜在行为关系，但这一疑问在其他预测模型，比如计量经济模型、结构方程模型和联立系统模型中也都存在。

二、大数据对经济学的影响及前景

如今，随着数据样本容量的急剧增加，使得大数据的使用方式不尽相同。作为一个规律性科学，经济学需要广泛、详细的数据，并运用统计技术来处理新型数据，大数据的出现可能会在社会学与计算机科学间构建一架桥梁，其学科价值可能在于创造新的思维方式，这将会导致对经济学的新思考和研究方法创新，甚至会带来分析经济学方法的质变。

一方面，由于多维度的精细间隔，大数据可以为经济学研究人员提供更多研究变量和视角，可以研究以前难以测度的行为理论，这为经济理论研究提供了一种全新的测量方法。例如：麻省理工大学助理教授Alberto Cavallo设计的“百万价格”项目，该项目旨在通过一个网络程序，获取网上物品价格，继而运用这些数据计算得出通胀指数，该通货膨胀指数就是阿根廷的精确透明通货膨胀指标，其实时价格数据的捕捉能力和准确度，使得该指标作为政府测量通胀的替代选择。又如，谷歌提供的请求式数据选择也提供了一个探索新机会的理由，目前一个备受瞩目的例子就是“及时预报”，在某些方面它可以通过庞大经济社会数据集进行短期精确预测。

篇（6）

白宫里的大数据战略

如今，美国已进入“大数据”时代。“大数据”对信息爆炸时代的崭新描述，它的基本单位是“太”（TB），而1000个“太”则等于一“拍”（PB）。这个单位有多大？举个例子，美国国会图书馆是世界上最大的图书馆之一，它所有印刷品的信息量加起来只有15太，而全美国仅在2010年一年的新增数据量就足足有3500拍，这比13亿中国人人手一本1500页的书加起来的信息量还要大。

奥巴马政府意识到大数据技术的重要性，将其视为“未来的新石油”。2012年3月，奥巴马政府在白宫网站了《大数据研究和发展倡议》。2012年5月，美国数字政府战略，更是提出要通过协调化的方式，以信息和客户为中心，改变联邦政府工作方式，为美国民众提供更优的公共服务。其中关键，就是政府必须保证美国民众可以随时随地通过任何平台或设备获取政府信息和公共服务。美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等六个联邦部门和机构承诺，将投入超过2亿美元资金用于研发“从海量数据信息中获取知识所必需的工具和技能”。

美国最重要的数据开放平台就是奥巴马政府在2009年推出的Data.gov，Data.gov也是美国“开放政府”承诺的关键部分。依照原始、地理数据和数据工具三个门类，涵盖了农业、 气象、金融、就业、人口统计、教育、医疗、交通、能源等大约50个门类，汇集了“从家庭和企业能耗趋势分析到全球实时地震通知等，甚至还可以查询从好奇号火星漫步者发回来的数据中得知火星的天气情况”。

为了确保美国民众能方便快捷地找到政府服务栏目，美国在各联邦政府层面实施了“数字分析项目”，“这是政府IT部门第一次摸清公众都在网站上寻找什么信息、在哪里寻找这些信息，以及他们是否能够顺利找到信息等情况。”政府IT部门还对联邦政府网站在移动设备上的使用进行了优化，并开发了移动应用程序，确保美国公民随时、随地，通过任何设备都能获取政府信息。

大数据战略在企业

除了政府，美国企业也同样拥有对于数据重视和应用的历史传统。

早在大数据概念火热起来之前，美国信息技术产业在大数据产业已经有了很多技术积累，这使得美国的大型信息技术企业可以迅速转型为大数据企业。有的企业自身是大数据技术的推出者，谷歌就是典型代表。大数据核心技术Hadoop是雅虎员工Doug Cutting根据谷歌2003年的学术论文研究而来。有的企业则通过收购业内已经存在的大数据企业来建立大数据业务，典型代表是IBM。自2005年以来，IBM出资160亿美元收购了超过30家大数据企业。大数据不同于传统的结构化数据，而是充斥了非结构化数据和半结构化数据，美国在结构化数据库领域有数据库行业的领头羊甲骨文公司，但甲骨文公司也推出了大数据业务。甲骨文公司成为了业界首个以全面、软硬件集成的产品满足企业关键大数据需求的公司。它可帮助客户进一步提高效率、简化管理并洞察数据的内在本质，从而最大限度地挖掘数据的商业价值。

篇（7）

一、大数据与高校

伴随着人类存储信息量的增长，越来越多的领域开始加入大数据阵营，越来越多的行业开始利用大数据分析，大数据给我们带来的影响已经悄然成为社会各行业运行的基础。

高校作为社会培养人才的一个重要的组成部分，目前多数学校仍延续着传统的教育范式，教学策略依赖教师的经验，教师的学术严重落后于社会科技的发展，学校的评估机制存在很多漏洞等等。许多专家发现了高等教育存在的问题，却没有更好的解决办法，以前我们常说“让事实说话”，现在我们大声呼吁“让数据说话，用说话的数据”。

二、迎接大数据

迎接大数据的到来首先要做的就是思维模式的改变。大数据科学本身其实是许多学科例如统计学，数据挖掘技术，机器学习，计算机技术，方法论相结合的跨学科科技，以多种理论为基础而诞生的新兴科技，使用者必须要对自己原本的思维模式进行相应的变革。

大数据首先强调的是“大”，采集一切有关甚至表面上看似“无关”的数据，也就是以后用于分析的数据要是全体数据，我们称之为“全数据”；其次，采集的数据讲究的是模糊，而不是精确，数据的种类模糊，数据的分析模糊，而预测分析的准确度来源于数据量之大，正所谓“量变带来质变”；最后，就是对于大数据分析的结果，我们要明确“是什么”，而不必在乎“为什么”。于是，大数据体系形成了思维的改变去采集数据，从而获得“大数据”，利用数据分析技术和算法来得到更为有效更为精准的数据。

三、使用大数据

（一）大数据的来源。高校中其实蕴含着更加丰富的数据，从学生的角度来说，学生的消费，家庭情况，宿舍活动，选课信息，学习进度，作业完成进度，考试成绩的比对，参与的社团，参加的竞赛，参加的活动，已经毕业的学生就业情况，社会职业供求关系，就业的满意度调查等等太多数据，从教师的角度，教学过程的监控，教学内容的整理，课程设计，，学生的成绩变化，论文质量，参与活动，科研项目等等数据，还要从社会，从家长，从宿舍，从第三方机构采集数据。由此可以看到整个校园的数据其实是一个极度庞大的数据，这些数据的集合才是“大数据”。

（二）大数据不是单纯的“数字化”。例如，某个教师采用计算机多媒体课件，或者使用在线视频课程，或者加入MOOC的阵营，这仅仅是简单的将原本文字的东西变成“0和1“而已，这是数字化，不是大数据，充其量算是实现“大数据”而使用的计算机技术。我们真正要做的是在这些计算机平台中去采集我们需要的数据，甚至收集我们看似毫无关联的数据。

（三）广义量化的数据。建立大数据，需要将一切信息进行量化，把文字量化，把数字量化，把地理位置量化，把沟通语言量化，把一切可以量化的信息都变成数据，构建大数据平台。

（四）大数据的作用。高校的大数据，要还原真实的教学质量，真实的就业情况，真实的师资力量，真实的管理决策成效，不能简单的用问卷调查得出“好、不好”的结论。大数据发掘了时间价值，节约了时间，历史数据的总结，实时数据的分析，以及对未来的预测。这一切都是建立在时间这个维度上的大数据成果。

四、小心大数据

（一）数据的隐私和安全。在高校中，学生的成绩，学生的基本信息，学生在网站上发表的信息，对老师客观的评价，学生参与的活动，教师的论文，就业信息等等一些相对可以公开的数据，但是经过分析和预测得到的评估结果，却涉及到了个人隐私。这也就是非隐私数据经过大数据分析得到的隐私结论的现象。那么我们该如何保护这些隐私，是需要相应的规范去保护，对于数据的使用和加工者要有详细的法律责任，以保护非隐私数据提供者的合法权益。

（二）永久存在的数据。高校对于学生在校期间或者对于教师在校期间所有发生的数据，比如大到一次奖学金，一次公开获奖，小到每次活动记录，一次出勤，一次缺勤，这些曾经否定我们进步的数据在大数据的时代变成了永久存在的数据，我们如何对待和处理这部分数据，是一个值得深思的问题。

（三）知“难”而“退”。高校利用大数据的分析得出对于某个学生的学习建议，让该学生能够轻松避开自己的弱项，选择相对平坦的路线进行学习，那么这样的结果是不是教育者希望看到的。我们一直崇尚学生学者要迎难而上，不要轻言放弃，要主动迎接挑战，现在有了大数据分析，他们可以轻松避开困难，为学生创造一条平坦的道路。这样的结果是我们作为教育者希望得到的吗？

结 语

任何新的变革，都需要时代的磨练，大数据时代刚刚起步，他要走的路还很长很长，他需要完善的地方还很多很多。现在我们要做的就是接受大数据，然后忘记大数据，让大数据这个理念变成“计算机”一样的通俗，一样的深入人心。我们需要关注大数据，使用大数据，我们也需要和大数据一起成长，更好的发挥它的作用。高校未来离不开大数据，大数据的发展也离不开高校，让每个学生、每个教师都步入大数据时代，去体会其中的奥妙，去感受他给我们带来一场划时代的变革，每个高校建立大数据信息平台势在必行。

篇（8）

[中图分类号] F83 [文献标识码] A [文章编号] 2095-3437（2014）14-0029-02

一、背景

数据是与自然资源、人力资源一样重要的战略资源，其背后隐含着巨大的经济价值。近年来，“大数据”研究已经备受关注。[1]例如，2012年，美国政府在国内了“大数据”研究和《发展倡议》，投资约两亿美元发展大数据研究，用以强化国土安全、转变教育学习模式和进一步加速科学和工程领域的创新速度和水平。继1993年美国宣布“信息高速公路”计划后，这项决定标志着美国的又一次重大科技发展部署。美国政府认为“大数据”研究势必对未来的科技、经济等各领域的发展带来深远影响。在大数据应用的技术需求牵引下，数据科学研究和人才培养引起了各国的重视。美国哥伦比亚大学和纽约大学、澳大利亚悉尼科技大学、日本名古屋大学、韩国釜山国立大学等纷纷成立数据科学研究机构；美国加州大学伯克利分校和伊利诺伊大学香槟分校、英国邓迪大学等一大批高校开设了数据科学课程。

二、机器学习理论

机器学习（machine learning）是继专家系统之后人工智能应用的又一重要研究内容，在某种意义上，机器学习或将认为是数据挖掘的同义词。数据挖掘是指有组织、有目的地收集数据、分析数据，从海量数据中寻找潜在规律，并使之为决策规划提供有价值信息的技术。机器学习是人工智能的核心部分，在金融、工业、商业、互联网以及航天等各个领域均发挥着重要的作用。对机器学习研究的进展，必将对人工智能、数据挖掘领域的发展具有深远影响。

机器学习方法主要包括：Exper System（专家系统）、K-Nearest Neighbor（K近邻算法）、Decision Tree（决策树）、Neural Net（神经网络）、Support Vector Machine（支持向量机）、Cluster Analysis（聚类分析）等。近几年，研究人员将遗传算法、神经网络、系统理论以及当代数学研究的最新进展，应用于金融领域。这使得金融领域数据挖掘在金融管理中备受青睐。例如，产品定价、金融风险管理、投资决策甚至金融监管都越来越重视金融数据挖掘，通过数据挖掘发现金融市场发展的潜在规律与发展动态。机器学习理论及其在金融领域的应用成为了一个比较热的研究领域。[2] [3]

三、金融数据的特点

在众多机器学习方法中，基于Logistic回归、判别分析等传统的统计方法，对金融模型假定条件非常严格，在实际应用中很难达到理想效果。其原因在于对金融数据的非线性和非平稳性的操作具有片面局限性，在实际处理金融数据时，既定假设与金融市场发展实际并不完全一致，这样可能会影响模型的推广能力和泛化能力。

基于分类树方法、K-近邻判别分析、遗传算法等传统的非参数统计方法，其预测能力较好，但不能量化解释指标的程度。例如，K-近邻判别分析是一种非参数距离学习方法，通常按照数据样本之间的距离或相关系数进行度量，这样会受到少数异常数据点的影响。但是，在相同样本容量下，如果对于具体问题确实存在特定参数模型可以应用时，非参数方法效率相对较低。以神经网络、支持向量机等为典型的机器学习方法，优点在于可以有效处理金融数据的非线性特性，并且不需要事先严格的统计假设，这样会表现出较强的适应效果，充分体现人工智能、机器学习等方法的魅力。神经网络预测精度是各种机器学习方法中相对较好的，因为在一定程度上，神经网络可以按照任意精度近似非线性函数，为高度非线性问题的建模和算法提供相应支持。尽管神经网络技术进步有目共睹，但仍然存在一些难题。例如，通常难以确定隐层节点数，并会存在“过学习”现象和局部极小值等问题。

四、支持向量机

传统的统计模式识别方法是在样本数目足够多的情况下进行的，但是样本数目足够多在实际问题里面往往难以保证。1968年Vapnik等人首次提出了统计学习理论，专门从事有限样本情况下机器学习规律的研究。在此基础上，1995年Vapnik等人首先提出支持向量机（Support Vector Machine，简称SVM）的学习方法，它是数据挖掘中的一项新的技术。SVM是机器学习研究领域的一项重大成果，主要研究如何根据有限学习样本进行模式识别和回归预测，使在对未知样本的估计过程中，期望风险最小。近年来，它被广泛地应用于统计分类以及回归分析中。近几年的研究成果表明，SVM在实用算法研究、设计和实现方面已取得丰硕的成果，其在理论研究和算法实现方面都有突破性进展，逐渐开始成为克服维数灾难和过学习等传统问题的有力手段。支持向量机可以成功处理回归分析和模式识别等诸多问题，并可推广于预测和综合评价等领域，因此可应用于管理、经济等多种学科。支持向量机属于一般化线性分类器，可以认为是提克洛夫规则化（Tikhonov Regularization）方法的一个特例，其特点是他们能够同时最小化经验误差与最大化几何边缘区。支持向量机的优点表现在：1.它通过使用结构风险最小化代替传统的经验风险最小化，使用满足Mercer 条件的核函数，把输入空间的数据变换到高维的Hilbert 空间，将向量映射到一个更高维的空间里。在这个空间里建立有一个最大间隔超平面，实现了由输入空间中的非线性分析到Hilbert 空间中的线性分析。2.训练的复杂度与输入空间的维数无关，只与训练的样本数目有关。3.稀疏性。决定最大间隔超平面的只是少数向量――支持向量，就推广能力方面而言， 较少的支持向量数在统计意义上对应好的推广能力。4.本质上，SVM算法是一个二次优化问题，能保证所得到的解是全局最优的解。综上所述，SVM在一定程度上解决了以往困扰机器学习方法的很多问题，例如，模型选择与“过学习”问题、非线性和高维小样本等维数灾难问题、局部极小问题等。[4]正是由于SVM具有完备的理论基础和出色的应用表现，使其在解决高维小样本、非线性、压缩感知以及高维模式识别问题中表现出独特的优势，正成为自神经网络之后，机器学习领域中新的研究热点之一。[5] [6]

同其他机器学习方法比较，支持向量机更具严密的理论基础，因而在模型表现上也略胜一筹，被成功应用于模式分类、非线性回归，从使用效果来看，其结果较为理想。但从实践角度分析来看，模型参数的选择过度依赖人们的实验方法和实践技能，在一定程度上降低了模型的推广泛化能力和应用领域。同时计算方面，训练时间过长、核参数的确定，在大训练样本情况下， SVM面临着维数灾难，甚至会由于内存的限制导致无法训练。目前支持向量机在金融数据挖掘方面也存在一定的局限性，主要表现以下几方面：动态适应性、鲁棒性、特征变量异质性调整、模型推广精度等不尽如人意；建模方法与技术还有待进一步完善；支持向量机研究金融数据挖掘和金融问题的成果虽然不少，但大多集中在股票价格和股票市场走势预测方面，关于公司财务危机预测、套期保值分析、金融市场连接机制分析及其创新成果方面有待加强。

五、结论

大数据时代下金融专业的数学重在以下方面的应用：深度学习（Deep Learning）、机器学习和数据挖掘、分布式计算，如MR、Hadoop等，在大数据中预测最先取得突破的技术环节将会是分析中的大数据挖掘与关联分析、存储结构和系统、数据采集和数据化。目前金融问题的研究方向和发展趋势，主要集中在计量经济方法，例如，格兰杰因果分析、向量自回归、条件异方差、随机波动分析等。这些计量经济方法和技术大部分使用了线性技术，以及与金融市场不太吻合的理论假设，基于这些方法的结果，例如，资产预测价格、发展动态以及风险评估结果和实际出入较大，影响了金融管理的效率。对于我们大学教师来说，如何将已有分析数据算法整合，让学生抓住重点，挖掘到比较可靠的信息或知识，都将成为金融专业数学研究的方向和目标。

[ 注 释 ]

[1] Anand Rajaraman Jeffrey David Ullman.大数据――互联网大规模数据挖掘与分布式处理[M].北京：人民邮电出版社，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 数据挖掘的功能

数据挖掘是从大量的数据中四栋搜索隐藏于其中的具有特殊关系性的信息过程。它是数据库知识发现KDD中的一个步骤。知识发现KDD过程由以下3个阶段组成：数据准备、数据挖掘、结果表示和解释。数据挖掘跟许多学科都交叉关联，包括数据库技术、统计学、机器学习、人工智能、云计算和可视化等。

数据挖掘的实际应用功能可分为三大类和六分项：分类和聚类属于分类去隔类；回归和时间序列属于推算预测类；关联和序列则属于序列规则类。分类常被用来根据历史经验已经分好的数据来研究它们的特征，然后再根据这些特征对其他未经分类或是新的数据做预测。聚类是将数据分群，其目的是找出群间的差异来，同时找出群内成员间相似性。回归是利用一系列的现有数值来预测一个数值的可能值。基于时间序列的预测与回归功能类似，只是它是用现有的数值来预测未来的数值。关联是要找出在某一事件与数据中会同时出现的东西。

2 降维

从降维的角度讲，整个数据挖掘的过程就是一个降维的过程。在这个过程中，需要对数据删除线性关系比较强的特征数据，再用一些算法，如信号分析算法、傅里叶转换、离散小波转换等算法，从数据中提取特征，再对数据做主成分析处理，得到最后的特征，再用数据挖掘算法来将这些特征转化为人类可读取的数据或信息。

3 分布式数据挖掘解决方案

随着分布式计算技术、云计算技术、hadoop生态圈和非结构化数据库等技术的发展，以及对大数据挖掘的需求，出现了一批分布式数据挖掘，比较典型的有Apache推出的基于Hadoop的Mahout和加利福尼亚大学伯克利分校AMP实验室推出的基于Spark的MLBase。在Mahout中主要实现3种类型的数据挖掘算法：分类、聚类（集群）和协同过滤。相比Mahout而言，MLbase更好的支持迭代计算，它把数据拆分成若干份，对每一份使用不同的算法和参数运算出结果，看哪一种搭配方式得到的结果最优。

4 大数据下的具体应用实例――生物信息学的应用

生物信息学（Bioinformatics）是生命科学、计算机科学、信息科学和数学等学科交汇融合形成的一门交叉学科。近年来随着先进仪器装备与信息技术等越来越广泛和深入的整合到生物技术中来，生物医学研究中越来越频繁的涉及到大数据存储和分析等信息技术。在使用计算机协助生物信息时，处理仅有计算机辅助的方式存储数据很显然是不够的，生物信息学研究的目的是运用计算机强大的计算能力来加速生物数据的分析，理解数据中所包含的生物学意义。当前生物信息学研究的热点有：

（1）由以序列分析为代表的组成分析转向功能分析。

（2）由对单个生物分子的研究转向基因调控忘了等动态信息的研究。

（3）完整基因组数据分析。

（4）综合分析。

生物信息数据具有如下特点：高通量与大数据量；种类繁多，形式多样；异构性；网络性与动态性；高维；序列数据等特点[5]。针对这样的生物数据信息，要结合当前的大数据分析方法进行分析和理解。当前数据挖掘实现对生物信息分析的支持主要有：生物数据的语义综合，数据集成；开发生物信息数据挖掘工具；序列的相似性查找和比较；聚类分析；关联分析，生物文献挖掘等方面。

参考文献

[1]许凡.大数据时代的数据挖掘技术探讨[J].电子技术与软件工程，2015（08）.

[2]洪松林.数据挖掘技术与工程实践[M].北京：机械工业出版社，2014（11）.

[3]李荣.生物信息数据挖掘若干关键问题研究与应用[D].复旦大学（博士论文），2004（11）.

[4]宋杰.生物信息数据挖掘中的若干方法及其应用研究[D].大连理工大学（博士论文），2005（04）.

[5]孙勤红.基于梯度采样局部收敛的生物信息大数据挖掘[J].科技通报，2015（10）.

作者简介

孙勤红（1979-），女，山东省人。现为三江学院计算机科学与工程学院讲师。研究方向为人工智能、数据挖掘。

篇（10）

金融学课程是理论性、时效性和应用性较强的学科。在经济全球化进程加速的国际背景下，我国经济和金融快速发展，社会上迫切需要培养大量的具有扎实理论基础、了解金融发展现状、掌握金融技能的人才，解决我国金融业的发展和经济稳定的问题。在高等院校中开设公共选修课，由学生自主选择学习，是体现学生个体差异性的必然要求，对拓宽学生的知识视野，优化学生的知识结构，促进学生知识、能力、素质的协调发展，提高学生的科学和人文素养，促进学生创新意识、创新精神的养成和创新能力、实践能力的提高，培养各种技能，发挥个性优势，提高综合素质，增强就业竞争能力，拓宽就业渠道起到积极作用。

现阶段金融教学迫切需要进行改革和创新，借鉴先进国家的课程设置，结合我国具体国情，通过开设前沿创新科学的金融学课程，重视学科交叉，拓宽学生的学术视野。在高等院校开设《互联网金融》选修课程，系统地、有侧重地介绍互联网金融的发展现状，分析案例模式，比较互联网金融与传统金融理论和实践异同，介绍互联网金融的监管，让学生在互联网金融的学习过程中学习如何整合金融市场信息，与金融市场发展步伐保持一致，养成不断更新知识系统的习惯。

一、开设《互联网金融》选修课的目的和意义

2013年被称为互联网金融元年。云计算、大数据、移动支付、网络社交等新一代信息通讯技术风起云涌，余额宝、p2p、网络金融社区等基于互联网平台的新型机构正在迅速崛起，互联网和金融业强强联合对传统运营模式产生了颠覆性的影响。随着互联网金融的不断发展，对传统金融的挑战，必然推动现代金融学的发展。开设《互联网金融》公开课课程具有如下目的与意义：一是为了了解互联网金融的学生普及知识，探讨互联网金融的内涵和外延，讨论互联网金融与传统金融机构的应对策略，丰富学生的知识结构。二是让学生了解互联网金融的发展背景、现状和未来的发展走势。三是鼓励学生培养创新思维，理解互联网金融贷款模式、第三方支付、众筹等模式的创新与挑战。四是全面认识技术变革带来的影响，介绍金融大数据分析与互联网金融，发挥学科交叉教学的作用。五是培养学生用思辨的思考方式分析新时期下金融市场风险，完善市场监管，建立互联网金融监管平台。

二、《互联网金融》选修课的课程内容体系设置

（一）教材的筛选

互联网金融是一门新兴的研究领域，目前尚未有系统的教材可以直接采用，本课程的教学材料由相关的专著和市场信息整理而得。本课程使用三本相关专著：一是罗明雄、唐颖、刘勇合著的《互联网金融》，二是盛佳编写的《互联网金融第三浪：众筹崛起》，三是芮晓武和刘烈宏合著的中国互联网金融发展报告（2013版）。这三本专著较为系统全面地诠释了互联网金融发展过程所取得的成就与出现的问题，并进行了较深入的分析。

（二）教材内容的安排

本课程主要涉及以下教学内容：第一章互联网金融的概况、内涵和外延，第二章互联网金融浪潮回顾，第三章第三方支付互联网金融，第四章p2p网贷，第五章众筹兴起与发展，第六章大数据金融，第七章互联网金融机构模式分析，第八章互联网金融风险控制与监管。课程内容介绍上以中国互联网金融业的兴起与发展为主线，重视与美国互联网金融业模式做比较。

（三）教学手段的利用

在教育思想上，本课程强调创新性、实用性、研究性，培养学生的学习和研究兴趣，以期对传统金融教学系统做有益的补充和拓展。我主要采用的教学手段如下：一是课堂讲授，以生动精辟的语言讲述互联网金融知识，启发学生多做前瞻性思考和研究性探讨。二是充分利用多媒体教学手段，播放一些与教学内容相关的影像资料、纪录片等，通过形式多样的多媒体教学手段，调动声、光、色，更强烈地刺激学生，活跃课堂气氛，提高学生的学习研究兴趣，达到良好的教学效果。三是充分调动和发挥学生的主观能动性，积极主动地根据教学内容提出观点，并通过项目讨论互动的形式，培养学生的创新意识和能力。

（四）考核方式的设计

本课程考核最

成绩由平时考核成绩和期末考核成绩等组成。各部分成绩均以百分制单独记分，加权平均记为最后成绩总分，各部分权重分别为总成绩的35%、65%。平时考核成绩由三个部分组成，在学习本课程期间要求学生写课程学习心得、课堂作业、课堂考勤。期末采取开卷考试的方式，以论文的形式考核。为确保论文质量，提前四周布置论题范围，确定课程论文的写作方法及规范要求。

三、《互联网金融》课程开设所面临的难点

互联网金融是互联网与金融两个原本不相干行业之间的合作、融合，互取其长。互联网金融通过网络技术实现资金融通提供了一种新兴金融服务模式。互联网金融的特点：金融服务高效化、便捷化、低成本化、长尾化和大数据化。整个互联网金融行业呈现出多元化、差异化的发展路径，出现了第三方支付、人人贷、电商+信贷、众筹、传统金融信息化、直销银行、互联网金融门户和虚拟信用等多种模式。相关方面的知识和案例可谓目不暇接，日新月异，如何精挑细选，如何精辟生动地讲解，紧密联系实际，需要授课者做大量细致的学习和准备工作，以达到较好的课堂教学效果。对于这样一个新兴边缘课程，必要时请实务部门的专业人士客座讲授，有利于学生了解该课程的最新动态，增强对实际操作的感性认识，使任课教师获益匪浅。互联网金融课程本身主要体现了相关学科交叉融合的特色。金融学与金融创新、财务管理、统计学、计算机科学和互联网技术的交叉互补应通有机结合。多学科的内容要求改进课程教学方法和教学手段，考虑现代金融实证和实用性，改变传统的“填鸭式”教学方式，加强实践环节，推广案例教学、专题讨论等各种新颖的教学方法方式，培养学生将抽象的理论知识运用于实际工作的能力。正确处理好知识的持续性与变革性的关系，教学内容既保持课程内容的相对稳定性，使学生掌握本课程的基础理论知识，又不断吸纳新知识、新信息，对该领域发展的前沿信息不断更新升级。

互联网金融课程的学科交叉的特点对选课学生的专业基础素质提出了更高要求。由于课程对多个学科的交叉和渗透的特点，在选修本课程前，对金融学、金融市场学、金融监管等课程要有必要的了解和学习。为了解决这个问题，在开设课程时可以考虑此公选课程主要面向大三和大四具有一定金融学和经济学基础的学生授课，保证教师与学生的有效互动，达到教学质量要求。

高等院校应该加大对公选课的支持力度和资金投入，尤其是对于课程涉及的教学资料和工具的购置应予以支持，对于优秀的公选课要给予适当的褒奖和奖励，调动教师的工作积极性，打造精品课程。高校应重视教师资源的优化配置，积极邀请知名学者和专家做兼职教授或讲座讲授，加强学校师资力量，开阔学生的专业视野，优化学生的知识结构。

四、结语

互联网金融是一种新兴的现代金融形式，其并不仅局限于为传统金融所忽视的市场，而且不断拓展金融服务的生产可能性边界和核心服务领域。其作为一门与金融相关的公共选修课，学生按照兴趣选择一个跨学科课程，能够吸引学生的学习，培养综合素质，加强对金融市场信息的反映。本课程的开设有必要顺应现代经济金融发展的趋势，保证教学内容的先进性甚至是超前性。教师在授课过程中需要不断研究学习新知，探索新的教学方法，尽力保证教学质量和效果。

参考文献：

[1]龚映清.互联网金融对证券行业的影响与对策[j].证券市场导报，2013，11.

[2]刘丽萍.关于公司金融课程教学的研究[j].安徽工业大学学报（社会科学版），2010，2.

篇（11）

摘要：会计专业的突出特点是实践性很强。随着时代的进步和发展，会计专业原有的教学模式已经不能满足现代会计教育发展的需要和企业、社会对会计人才的要求。同时，随着信息技术的推广使用，大数据技术也快速进入各行业并在财务领域得到广泛应用，会计人才的数据收集、整理能力显得十分必要。因此，面对大数据时代的来临，传统的会计专业教学方式面临诸多挑战，已不能满足会计人才培养的要求。因此，适应大数据时代的发展趋势，进行会计专业教学创新，是当今会计人才培养的迫切需要。

关键词 ：大数据；会计专业教学；创新研究

中图分类号：G71文献标志码：A文章编号：1000-8772（2015）25-0193-02

创新是一个国家发展的源泉与动力，“提高自主创新能力，建设创业型国家”也是我国发展战略的关键。因此，在新的历史发展时期，要求高职会计教师必须与时俱进，不断探讨新的教学方法，借鉴国外先进的教学理念，并结合高职会计专业的教育实际与市场发展趋势，对高职会计创新教学进行最优化设想。同时，随着信息技术的推广使用，大数据技术也快速进入各行业并在财务领域得到广泛应用，会计人才的数据收集、整理能力显得十分必要。因此，适应大数据时代的发展趋势，不断创新会计专业教学模式，对培养会计人才意义重大。

一、大数据在会计职业中的应用趋势

大数据时代开始于2013年，是从网络科技行业开始的新技术革命时代。大数据是现今社会经济发展的一大必然趋势，因此，会计专业所面向的诸如金融业、建筑业、快消业、快递业等行业也需要面临大数据的应用。各行各业的会计人员需要对处理和运用大数据进行相应的学习和研究，会计专业的教学也要紧跟职业和行业的发展趋势，对大数据背景下的会计教学进行创新。

在“大数据时代”背景下，公司在战略选择时越来越注重对市场进行数据分析，用客观的有依据的数据来作为判断基础，减少无数据支持的、不科学的臆断的决策。在所依据的决策数据中，会计对本企业和相关市场的数据统计和分析信息，尤其是其中隐藏的资本运动趋势和行业前景趋势的数据，就是决策最重要的依据之一。因此，会计对管理、决策的辅助职能将越发重要。高水平的、应用型的会计人才就是企业急缺的，会计专业教育也应该符合市场经济需要，创新教学的基本理念和模式方法，培养符合大数据工作要求的专业人才。

大数据所改变的主要是会计职业的工作对象，在相关的各个行业中，由于业务量激增，相应的数据量和信息量都大量涌入会计需要处理的数据中。以金融业为例，全民炒股的大热和互联网金融的兴起，要求会计处理更多的业务量，比如本金利息、投资收益、日成交量等等，需要会计人员运用电算化工作进行统计。会计人员还可以配合网络工程师进行相关软件和应用中具体算法的开发和校正。会计还要对大数据的工作状态进行统计和计算，辅助企业判断本公司的业绩、效果，总结企业各项业务的综合动态走势，帮助了解行业的发展趋势，辅助企业进行战略决策。这些会计业务也在处理空前巨大数据的背景下迎来新挑战。

二、大数据背景下会计专业教学创新的主要方向

大数据要求会计教学提高学习主动性。相对于对科技进步较为敏感的网络专业，会计专业的学生较为缺乏对新时代的敏感性和学习并适应新时代要求的主动性，会计专业的教学甚至科研都对大数据缺乏敏感度。在日新月异的新时代，会计教学不应只拘泥于传统的教学内容，更要培养学生的自主学习意识，帮助学生在走上工作岗位后，能够有不断更新自己、与时俱进和不断学习的习惯，才不会在发展浪潮中被淘汰。

学习的主动性来源于自主学习意识和对新知识的认知感。自主学习意识是人的主观能动作用，需要人对该事物的重要性和紧迫性有足够认知，并有足够自制力将其转化为积极主动的动力。在大数据背景下增强会计专业学生的自主学习能力，需要会计教学的教师们充实和更新教学的内容，紧跟时代步伐，到一线企业公司了解工作的实务内容和要求，将大数据的实例转化成题目或操作项目，引进到教学中来；还需要教师们创新教学手段，充分利用网络资源和数据，引进全方位、多角度的操作实践，让学生充分认识到大数据的运用与教科书上会计基本理论知识的区别，并将会计的基本原理，从课本题目的小数据，延伸到工作中的大数据中，熟练运用和操作大数据。

对新知识的认知感是青年学生的最大优势，在足够的兴趣和主动性影响下，青年学生对大数据时代新鲜事物的感知性可能是其教师们都比不上的。这时就需要教师们因势利导，充分发挥学生的认知感，认可学生的锐眼和创新想法，并组织学生进行交流，形成竞争意识，将学生对新知识的了解，转化为教学内容，并引导学生进行课内课外的主动交流，互通有无，团结协作，互相学习，研究创新。

三、大数据视角下会计专业教学的创新

目前高职院校会计专业人才培养理念拘泥于培养记账、算账甚至做账的会计从业人员。但是，会计专业学生所服务的有潜力的大中小型企业更需要会计人员在企业的战略管理方面提供服务，即需要会计管理能力，尤其是在交易量特别巨大的行业市场，需要会计人才对相关市场进行大数据的收集和分析，为企业中短期决策提供数据依据支持。

教学创新首先要做到教学理念的创新，只有理念先进了，教学改革创新才会顺利进行，否则传统势力的存在会对教学改革产生负面影响。从教学理念上看，会计专业的教学理念需要适应科技经济的社会发展需要，调整方向应该是：以核算能力的培养为基础，以会计管理能力的培养为核心，运用新的科技手段，掌握大数据的处理和分析。教师必须先从自身做起，更新自己的观念，充分体会和感受大数据对工作和生活的巨大影响。然后要对大数据在职业中的实际应用有所了解，对大数据给会计工作带来的机遇与挑战，知识的更新和创新有所了解，对社会的发展趋势紧紧把握，将最新的信息引入到教学中来。

在理念更新的基础上，会计教学要对课程计划进行创新，在传统教学的理论基础上，引进新的资源和知识体系，增强学生的实践技能和工作能力。同时，也将会计理论潜移默化地引入到大数据的要求中去，培养学生对大数据的编制能力、处理能力、运算能力、检查能力和总结能力。

从实际操作来看，会计专业教学的创新，要在保证学生拥有接入相关网络数据的、处理运算大数据能力的基础计算机硬件和软件设备的基础上进行。首先应培养学生在网络数据中挖掘有效资源的能力。教师在教学过程中应布置此类作业或实践项目，锻炼学生在网络上查找和筛选数据的能力。

在搜集数据的基础上，在保证学生对传统会计理论知识充分掌握的前提下，教师教学生使用相关软件进行数据分析，培养学生对数据的预处理和建模创新能力，帮助学生养成管理型会计的思维方式。另外，由于大数据的工作量巨大，实际会计工作往往是由一个会计团队合作进行的。在创新的课程中，必须通过课题或项目，让学生组成项目小组进行实践操作，通过团队合作完成项目的方式，使学生能够运用会计专业的各方面知识，分担会计工作流程中的各个工作岗位的角色，培养团队意识，学会分工合作，适应未来工作需要。

在开设检索课程和统计学课程之外，需要增设数据处理软件工具的实务操作课程，在会计电算化的要求下，会计教学中必须教会学生如何熟练、巧妙地使用电算化的相关软件，如excel、用友等。在学校里，学生学习的都是基本用法，但是在实际工作中，由于行业不同、企业不同、数据性质不同、计算需要不同，会计需要自己编制一些适合的表格进行计算。那么，复杂套表的设计，公式的运用等就需要会计灵活地使用软件进行设计，满足会计实际工作中的需要。

由于大数据的规模性和系统性，并且处理的数据量巨大，一个小小的差错就可能导致结果的很大误差或错误，会计工作中的准确性和对责任感的要求都是极为严格的。教学实践中需要步步留痕，每一个步骤都是由团队中的某位成员进行的，都有据可查，在作业结果错误时，对出错的成员进行“惩罚”，以示团队对准确性的严格要求，以利于团队成员中个人责任感的提升。教学中也可以建立学分之外的奖惩机制，在项目进行的过程中和项目完成后，对优秀学生进行奖励，对出过错误的学生进行“惩罚”。

课程中还可以结合实务技能，引用互联网上的实际数据，分门别类地对各行业的大数据进行立项分析，或者从某些大型企业的公开数据中，进行数据的引用，使用这些数据进行教学训练，模拟公司会计实务操作流程，使学生能够身临其境地进行大数据的计算和分析，以总结性论文、报告或演讲的形式将结论进行汇报，通过各组的相互对比，评价立项活动的各组业绩是否正确，从而进行学分评价。

完善会计网络教学平台建设和使用。学校可以设计搭建或引进会计网络教学平台，学生平时通过平台进行课程学习、完成和提交作业、完成随堂和结课测验等功能。运用网络促进学生学习，需要进一步完善网络软硬件设施的建设，及时升级更新教学平台，引进会计的大数据资源，进行相关数据的自动或手动的实时监控收集，套用常用的建模，划分统计模块，进行项目操作。同时，教学平台还要让学生查看学习作业和随堂测试结果，教师的评语和建议，及时了解自己不懂不会的知识点。教师也能全面了解学生随堂知识的掌握情况，掌握学生学习动态数据，随时改进教学进度和教学方法。

会计教学的创新还可以与行业公司进行合作，承揽一些实际的会计工作项目，如预决算、招投标、核标、工程评估、财务报表、统计、科研调查等。这一与关联公司的互动合作是互利互惠的，既能帮助公司完成工作，也能借此锻炼学生的工作能力，促使学生将理论与实践相结合，为学生的未来工作打好基础。

四、结语

大数据时代对各行各业的会计提出了不同挑战，同时也是相同要求。作为会计工作能力培养的会计专业教学，其创新是一个前程漫漫的过程。希望各高校、科研院所的教育从业人员能够进行理论和科研创新，进行教学实践的探索，互通有无，增加沟通，不吝讨论，共同开动脑力探索出对大数据新知识、新理论、新实践更为适合的会计人才培养新方法。

参考文献：

[1]赵润杰，论高等职业学校会计教育的创新[J]，教学与职业，

2008（8）.

[2]农海燕，适应“2+1”模式优化高职会计专业教学[J]，经济与社

会发展，2008（10）.

[3]高雁，浅析高职高专会计教学模式的创新，吉林省经济管理

干部学院学报[J]，2010（6）（4）于沛、綦桂芬，教、学、做合一教

学法尝试[J]，吉林商业高等专科学校学报，2000（3）.

[5]吴飞美，浅析高职高专复合型市场营销人才培养模式[J]，福

建商业高等专科学校学报，2006（2）.

[6]孙建东、李卫红、赵钧铎，对高职高专《工商企业管理[》课程

创新建设的思考[J]，科技情报开发与经济，2007（29）.

[7]张导成，关于我院高职高专教育实践教学改革的思考[J]，科

技创新导报，2009（11）.