張?jiān)诿?/p>
(長(zhǎng)沙理工大學(xué)經(jīng)濟(jì)與管理學(xué)院 湖南 長(zhǎng)沙 410076)
“金融數(shù)據(jù)挖掘”的課程理念是運(yùn)用數(shù)據(jù)挖掘技術(shù)解決金融領(lǐng)域中的現(xiàn)實(shí)問(wèn)題,在該課程的內(nèi)容設(shè)計(jì)上,應(yīng)當(dāng)技術(shù)、應(yīng)用兩手抓,既要學(xué)習(xí)數(shù)據(jù)挖掘的關(guān)鍵理論與技術(shù),也要注重這些技術(shù)在金融領(lǐng)域的具體應(yīng)用,引導(dǎo)學(xué)生進(jìn)行創(chuàng)新思考的同時(shí)提高動(dòng)手能力[1]。然而,對(duì)于金融學(xué)專業(yè)的本科生來(lái)說(shuō),其金融知識(shí)儲(chǔ)備較為充足,而計(jì)算機(jī)基礎(chǔ)相對(duì)薄弱,特別是在技術(shù)學(xué)習(xí)與工具運(yùn)用上存在一定困難,因此,采用傳統(tǒng)的課堂教學(xué)方式向其灌輸數(shù)據(jù)挖掘技術(shù)知識(shí),將難以取得滿意的效果。
BOPPPS 是一種強(qiáng)調(diào)以學(xué)生為中心、以問(wèn)題為導(dǎo)向的探究式教學(xué)模型,契合當(dāng)前教學(xué)模式主流,也符合“金融數(shù)據(jù)挖掘”課程設(shè)計(jì)的需求。本文將以“Apriori 關(guān)聯(lián)分析算法及金融應(yīng)用”知識(shí)單元為例,詳細(xì)介紹其教學(xué)設(shè)計(jì)。
BOPPPS 教學(xué)模型由加拿大ISW(Instructional Skill Workshop)創(chuàng)建,目前被國(guó)內(nèi)外高校教師技能培訓(xùn)廣泛采用[2]。該模型將教學(xué)內(nèi)容分解為獨(dú)立的知識(shí)單元,每個(gè)單元圍繞教學(xué)目標(biāo)劃分為前后銜接的六個(gè)教學(xué)環(huán)節(jié):
導(dǎo)入(Bridge-in):引出本單元教學(xué)內(nèi)容,該環(huán)節(jié)的關(guān)鍵是成功引起學(xué)生的好奇心,激發(fā)學(xué)生的探究欲望與學(xué)習(xí)興趣,可以嘗試通過(guò)熱議話題、挑戰(zhàn)性問(wèn)題思考、有趣的圖片或視頻等方式吸引學(xué)生的注意力;教學(xué)目標(biāo)(Objective/Outcome):清晰展示可度量、可操作的教學(xué)目標(biāo),讓學(xué)生明確學(xué)習(xí)方向,并以此為出發(fā)點(diǎn)和落腳點(diǎn),貫穿于后續(xù)學(xué)習(xí)環(huán)節(jié);前測(cè)(Pre-assessment):了解學(xué)生的知識(shí)基礎(chǔ),合理調(diào)整課程內(nèi)容的難易程度,進(jìn)一步明確后續(xù)講解的重難點(diǎn),可通過(guò)提問(wèn)、小測(cè)驗(yàn)、討論等方式進(jìn)行;參與式互動(dòng)教學(xué)(Participatory Learning):通過(guò)師生之間以及學(xué)生之間的交互式學(xué)習(xí)與探討,深入理解并掌握課程內(nèi)容要點(diǎn);后測(cè)(Post-assessment):檢測(cè)學(xué)習(xí)目標(biāo)的達(dá)成度,檢驗(yàn)教學(xué)效果;總結(jié)(Summary):梳理知識(shí)點(diǎn),引導(dǎo)學(xué)生反思,適當(dāng)延伸拓展。
以上六個(gè)環(huán)節(jié)缺一不可,環(huán)環(huán)相扣,無(wú)論是線上微課還是常規(guī)課堂,不拘泥于模型原有的時(shí)長(zhǎng)限制,均可深入發(fā)揮對(duì)課程設(shè)計(jì)的指導(dǎo)作用[3-4]。學(xué)生全方位參與其中,通過(guò)教學(xué)過(guò)程中的多層次互動(dòng)與反思,不但可以激發(fā)學(xué)生學(xué)習(xí)興趣,還可以幫助教師及時(shí)獲得反饋信息,充分了解學(xué)生的學(xué)習(xí)效果,及時(shí)調(diào)整后續(xù)教學(xué)內(nèi)容與節(jié)奏,促進(jìn)教學(xué)目標(biāo)的實(shí)現(xiàn),使課堂教學(xué)更加科學(xué)高效。
關(guān)聯(lián)分析是數(shù)據(jù)挖掘的重要技術(shù)之一,在這一環(huán)節(jié)中,為吸引學(xué)生學(xué)習(xí)興趣,引入經(jīng)典案例“啤酒與尿布”:20 世紀(jì)80 年代,沃爾瑪在發(fā)明了條形碼、無(wú)線掃描槍、計(jì)算機(jī)跟蹤存貨技術(shù)后,積累了大量顧客消費(fèi)記錄,通過(guò)運(yùn)用數(shù)據(jù)挖掘技術(shù)進(jìn)行分析時(shí)意外發(fā)現(xiàn),與尿布一起購(gòu)買頻率最高的商品,是看似毫無(wú)關(guān)聯(lián)的啤酒。此關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)為沃爾瑪制定銷售策略提供了重要依據(jù),通過(guò)對(duì)兩種商品擺放位置及價(jià)格的調(diào)整,大大提升了二者的銷售量。
在介紹上述成功案例后,進(jìn)一步通過(guò)提問(wèn)與討論的方式引發(fā)學(xué)生思考,現(xiàn)實(shí)生活中,類似“啤酒與尿布”的關(guān)聯(lián)關(guān)系廣泛存在,你能想到的有哪些呢?比如穿衣搭配、氣象關(guān)聯(lián)、精準(zhǔn)營(yíng)銷等等。進(jìn)一步思考,在大家熟悉的金融領(lǐng)域中,又有哪些現(xiàn)象存在關(guān)聯(lián)關(guān)系?有何方法可以挖掘這些關(guān)聯(lián)規(guī)則?由此引出本知識(shí)單元的學(xué)習(xí)內(nèi)容。
針對(duì)本單元學(xué)習(xí)內(nèi)容,向?qū)W生清晰闡述應(yīng)達(dá)到的學(xué)習(xí)效果及目標(biāo),包括需掌握的知識(shí)與技能、課程思政目標(biāo)等。
知識(shí)與技能目標(biāo):①理解支持度、置信度、頻繁項(xiàng)集、關(guān)聯(lián)規(guī)則等基本概念;②掌握Apriori算法的核心思想與步驟;③通過(guò)一個(gè)完整具體的金融數(shù)據(jù)關(guān)聯(lián)分析案例,理解Apriori關(guān)聯(lián)分析算法解決了金融領(lǐng)域哪些問(wèn)題,是如何解決的。以上三個(gè)目標(biāo)從基礎(chǔ)認(rèn)知,到技術(shù)核心,再到具體應(yīng)用,層層遞進(jìn),緊密貼合學(xué)生的學(xué)習(xí)思維,有助于對(duì)該知識(shí)單元的整體把握。
課程思政目標(biāo):引導(dǎo)學(xué)生了解近年來(lái)人工智能、數(shù)據(jù)挖掘技術(shù)的發(fā)展及對(duì)金融領(lǐng)域的滲透,明確金融科技、數(shù)字金融成為未來(lái)金融創(chuàng)新的重要方向以及服務(wù)實(shí)體經(jīng)濟(jì)、深化金融改革的重要力量。使學(xué)生意識(shí)到成為具有跨學(xué)科知識(shí)結(jié)構(gòu)、跨學(xué)科思維能力的高素質(zhì)金融科技人才的重要性,同時(shí)強(qiáng)化學(xué)生對(duì)中國(guó)金融業(yè)發(fā)展模式與未來(lái)前景的信心和奮斗決心。
本環(huán)節(jié)可采取現(xiàn)場(chǎng)提問(wèn)或通過(guò)雨課堂向?qū)W生發(fā)布相關(guān)題目等方式進(jìn)行摸底測(cè)試。由于前測(cè)是課堂內(nèi)測(cè)試,不宜占用過(guò)多時(shí)間,因此測(cè)試題目應(yīng)精煉易解,主要起到對(duì)本單元所需的對(duì)以往知識(shí)進(jìn)行回顧點(diǎn)醒的作用。
圍繞Apriori關(guān)聯(lián)分析算法及金融應(yīng)用的教學(xué)內(nèi)容,前期所需期準(zhǔn)備的知識(shí)包括兩個(gè)方面:一是關(guān)于關(guān)聯(lián)分析算法的技術(shù)基礎(chǔ)知識(shí),如條件概率、集合、布爾型數(shù)據(jù)、剪枝等相關(guān)概念及原理;二是在應(yīng)用方面,對(duì)現(xiàn)實(shí)生活以及金融市場(chǎng)中與關(guān)聯(lián)分析有關(guān)問(wèn)題的了解程度??梢栽O(shè)置相關(guān)問(wèn)題進(jìn)行測(cè)試并引發(fā)學(xué)生思考,如:一個(gè)包含k 個(gè)元素的集合可以產(chǎn)生多少個(gè)子集?在股票市場(chǎng)上,個(gè)股之間以及不同的股票市場(chǎng)之間是否存在關(guān)聯(lián)性,有何具體的關(guān)聯(lián)表現(xiàn)?
參與式互動(dòng)教學(xué)作為BOPPPS 教學(xué)模型的主體,是教學(xué)的關(guān)鍵環(huán)節(jié),旨在改變傳統(tǒng)的被動(dòng)式教學(xué),引導(dǎo)學(xué)生主動(dòng)加入教學(xué)環(huán)節(jié)中,體現(xiàn)“以學(xué)生為中心”的教學(xué)理念。本部分將選取一個(gè)完整的金融案例貫穿始終。
首先,基本概念與數(shù)據(jù)準(zhǔn)備。通過(guò)PPT 向?qū)W生展示一組簡(jiǎn)化的顧客超市購(gòu)物記錄,稱為事務(wù)數(shù)據(jù)集,請(qǐng)學(xué)生觀察各條購(gòu)物記錄的異同。此時(shí),學(xué)生會(huì)發(fā)現(xiàn),某些商品組合會(huì)在不同的購(gòu)物記錄中多次出現(xiàn),而不同的商品組合出現(xiàn)的概率以及條件概率存在差異。由此現(xiàn)象引出“支持度”“置信度”“頻繁項(xiàng)集”“關(guān)聯(lián)規(guī)則”等概念,并結(jié)合購(gòu)物記錄進(jìn)行理解消化。另外,通過(guò)引導(dǎo),學(xué)生還會(huì)發(fā)現(xiàn),數(shù)據(jù)集中的每一條購(gòu)物記錄包含的商品數(shù)量各異,這并非一個(gè)典型的關(guān)系型數(shù)據(jù)集,請(qǐng)學(xué)生思考能否以及如何進(jìn)行轉(zhuǎn)換?結(jié)合布爾型數(shù)據(jù)知識(shí),探討給出轉(zhuǎn)換方案,建立布爾型數(shù)據(jù)集,做好數(shù)據(jù)挖掘準(zhǔn)備。
其次,Apriori 算法原理。Apriori 關(guān)聯(lián)分析包含頻繁項(xiàng)集產(chǎn)生和規(guī)則產(chǎn)生兩個(gè)步驟[5]。其中,頻繁項(xiàng)集的產(chǎn)生較為關(guān)鍵,基于之前準(zhǔn)備好的數(shù)據(jù)集,通過(guò)如圖1(p114)所示的項(xiàng)集格結(jié)構(gòu)結(jié)合支持度測(cè)試來(lái)完成,請(qǐng)學(xué)生思考,如果對(duì)格結(jié)構(gòu)中的每個(gè)項(xiàng)集進(jìn)行支持度測(cè)試,開銷將非常大,有什么方法可以節(jié)省開銷呢?此時(shí)引入先驗(yàn)原理,即“如果一個(gè)項(xiàng)集是頻繁的,則它的所有子集一定也是頻繁的;反之,如果一個(gè)項(xiàng)集是非頻繁的,則它的所有超集也一定是非頻繁的”。利用此原理進(jìn)行剪枝,如圖1 所示,可大大節(jié)省測(cè)試成本。關(guān)聯(lián)規(guī)則是在頻繁項(xiàng)集基礎(chǔ)上確定規(guī)則前件與后件,并結(jié)合置信度測(cè)試產(chǎn)生,此處引導(dǎo)學(xué)生對(duì)比頻繁項(xiàng)集減小開銷的做法,運(yùn)用先驗(yàn)原理進(jìn)行規(guī)則剪枝。
圖1 項(xiàng)集的格結(jié)構(gòu)及剪枝
最后,Apriori 算法的金融應(yīng)用。在掌握了Apriori 算法基本原理基礎(chǔ)上,以前述思考題中的股票市場(chǎng)為例,對(duì)國(guó)際上主要股票價(jià)格指數(shù)之間的下跌關(guān)聯(lián)情況進(jìn)行分析[6]。在此環(huán)節(jié)中,注意引發(fā)學(xué)生進(jìn)行相關(guān)思考與探討,如國(guó)際上主要的股票價(jià)格指數(shù)有哪些?如何定義具體的指數(shù)下跌幅度?如何處理各國(guó)交易日期不一致問(wèn)題?等。另外,還應(yīng)注重對(duì)學(xué)生動(dòng)手實(shí)踐能力的培養(yǎng),通過(guò)課堂示范,對(duì)運(yùn)用Python 實(shí)現(xiàn)本案例的主要代碼進(jìn)行解析,展示運(yùn)行結(jié)果,并對(duì)結(jié)果進(jìn)行解析。例如,得到的一條形如“rule:DJI--FTSE--GDAXI→FCH(support:0.09751434,confidence:0.96835443)”的規(guī)則,可解釋為:如果道瓊斯工業(yè)指數(shù)、英國(guó)富時(shí)100 指數(shù)、德國(guó)DAX 指數(shù)跌幅都在0.5%以上,那么法國(guó)CAC40 指數(shù)跌幅也在0.5%以上的可能性達(dá)到96.84%,該規(guī)則的支持度即發(fā)生的概率為9.75%。另外,還可以讓學(xué)生對(duì)獲得的所有關(guān)聯(lián)規(guī)則進(jìn)行綜合拓展分析,通過(guò)引導(dǎo)分析將會(huì)發(fā)現(xiàn),一些全球化程度比較高且經(jīng)濟(jì)發(fā)達(dá)國(guó)家的知名指數(shù)如美國(guó)道瓊斯工業(yè)指數(shù)、德國(guó)DAX 指數(shù)、英國(guó)富時(shí)100 指數(shù)、法國(guó)CAC40 指數(shù)、日本日經(jīng)225 指數(shù)等出現(xiàn)關(guān)聯(lián)性下跌的情形比較顯著,即對(duì)負(fù)面事件的影響存在著較為一致的看法,而亞洲國(guó)家或地區(qū)指數(shù)參與度不高,在關(guān)聯(lián)分析結(jié)果中較少見到這些指數(shù)。
后測(cè)環(huán)節(jié)主要是針對(duì)課堂學(xué)習(xí)效果的檢驗(yàn)評(píng)估。本知識(shí)單元對(duì)學(xué)生的考查主要集中在Apriori 關(guān)聯(lián)分析算法的基本原理與步驟及其在金融領(lǐng)域的應(yīng)用??梢栽O(shè)置相關(guān)問(wèn)題由學(xué)生思考回答,如概述先驗(yàn)原理、總結(jié)Apriori 關(guān)聯(lián)分析的基本思路,以及針對(duì)在國(guó)際主要股價(jià)指數(shù)下跌關(guān)聯(lián)案例中對(duì)Python 實(shí)現(xiàn)過(guò)程的掌握以及對(duì)所獲關(guān)聯(lián)規(guī)則的解釋。
本知識(shí)單元的教學(xué)重點(diǎn)是培養(yǎng)學(xué)生數(shù)據(jù)關(guān)聯(lián)分析的思維,掌握經(jīng)典Apriori 關(guān)聯(lián)分析算法的核心思想,并針對(duì)金融領(lǐng)域的具體問(wèn)題進(jìn)行分析應(yīng)用,得出有意義的結(jié)論,為金融決策提供參考。結(jié)合后測(cè)環(huán)節(jié)的結(jié)果,了解學(xué)生對(duì)本單元內(nèi)容的掌握情況,從整體上再次梳理總結(jié)教學(xué)內(nèi)容體系與思路,結(jié)合其中的重難點(diǎn)進(jìn)行補(bǔ)充強(qiáng)調(diào),并布置課后作業(yè)練習(xí),如中國(guó)股票市場(chǎng)個(gè)股關(guān)聯(lián)性分析。此外,引導(dǎo)學(xué)生進(jìn)行拓展思考,比如Apriori關(guān)聯(lián)分析算法的缺點(diǎn)是什么,還有哪些其它的關(guān)聯(lián)分析方法?從而引出后續(xù)知識(shí)單元的學(xué)習(xí)內(nèi)容,引導(dǎo)學(xué)生提前做好準(zhǔn)備。
“金融數(shù)據(jù)挖掘”是一門技術(shù)與應(yīng)用并重的交叉學(xué)科課程,對(duì)于金融學(xué)專業(yè)的學(xué)生來(lái)說(shuō),數(shù)據(jù)挖掘技術(shù)的學(xué)習(xí)存在一定的困難,容易產(chǎn)生枯燥厭煩的心理。因此,在授課中教師應(yīng)當(dāng)從學(xué)生容易接受的角度出發(fā),將技術(shù)學(xué)習(xí)與金融應(yīng)用緊密結(jié)合在一起,并引入案例等多種教學(xué)方法,將課程內(nèi)容劃分為一系列相互獨(dú)立又可前后串聯(lián)的知識(shí)單元,然后基于BOPPPS 模型針對(duì)每一個(gè)教學(xué)單元進(jìn)行精心設(shè)計(jì),真正做到以學(xué)生為中心,在師生互動(dòng)中發(fā)現(xiàn)問(wèn)題、學(xué)習(xí)技術(shù)、解決問(wèn)題,最終實(shí)現(xiàn)教學(xué)目標(biāo)。