1.教学建立于多功能，人性化，国际化、智能化和开放性的金融实验环境。

“金融保险理财模拟研究中心”实验室充分考虑了教师各种教学模式的需求和学生自主学习的需求。

多功能、人性化的实验室硬件环境：“量化投资实验室”配备的软硬件环境+高性能服务器能够充分满足交易实践类课程的教学需求和校企联合培养的环境要求；“休闲研讨区和数据下载区”的设置使得数据下载地点不会受到实验室被课程占用的影响，可以满足全天24小时的使用需求；“自主研讨区”可以支持小组协作学习教学式和团队独立研讨，独立的自主研讨空间可以保证每个小组不受其他小组影响，同时每个自主研讨区配置365度全方位摄像系统，可以满足小组的视频录制需求，该视频可以直接上传至ocale实验教学平台；“金融创新实验室”为模型创新与实践类课程提供了研讨式教学的环境；“教师工位区”为教师使用数据库的同时进行学术研究和办公提供了很大的便利，体现了人性化。

智能化的实验室管理体系保证了实验室的开放性和高效运行：首先实验室的24小时网络自助预约系统保障了实验室的开放性：学生可以在校园内通过网络自助实验室预约系统预约使用实验室或者数据库，允许学生24小时自主使用实验室，预约系统与学校E卡系统链接，满足了安全保障需求，又充分体现了开放性特色；其次虚拟计算机管理系统可以在1分钟内切换整个实验室的计算机软件环境，使得计算机软件环境对实验课程具有针对性，保证一个实验课程对应一个计算机系统，关闭其他课程中不使用的软件，以最大程度的提高计算机的运行效率；第三虚拟机系统能够为每个学生定制虚拟计算机环境，学生可以在宿舍通过网络账号登录该系统，使用虚拟机上的计算机软件完成特定的课程任务，解决了部分专业软件正版昂贵，盗版安装不稳定或者难以安装带来的课程学习困难，比如《金融数据处理技术》中使用的SAS软件；第四教学广播系统方便教师机灵活管理学生机，如教学广播可以将教师桌面映射到学生桌面，使得学生桌面与教师演示同步，也可以实现文件的定向传输等任务；第五，智能多媒体仪器管理系统可以让教师通过讲台面板控制所有多媒体设备。

国际化的专业数据库配置和多功能的实验教学平台能够支撑实验课程内容的国际化和多样化的课程考核方式。实验室配备了国内的权威数据库Wind资讯终端和国际权威数据库Bloomberg资讯终端，可以满足师生教学科研的国内外数据需求。而Ocale实验教学平台使得教师可以自主设置课程菜单，随机进行小组成员分配，布置各种格式的考核任务如视频、音频、文档、优酷视频等，满足多样化考核方式的需求。

综上，实验室在软硬件方面为现代化的实验教学模式提供了近乎完美的实验环境。

2.金融实验课程体系完备化，立体化

数量化已经是当前金融学科发展的主流趋势，建立完备的金融实验课程教学体系是培养全面发展的高层复合型应用型金融人才不可获缺的。数量金融实验教学中心经过近10年的努力，建立了从计算机编程基础到金融学科前沿量化技术，从金融数据清洗到分析报告生成，从海量数据处理到模型的科学计算，从工具学习到创新创业思维和能力培养，从模拟实验到市场实战的较完备的立体化的金融实验课程体系，全方面提高金融人才的动手能力、创新意识、研究能力和创业能力。

3.实验课程内容强调前沿性

实验课程教学内容的设计是实验课程教学的核心，相同名称的课程，每个高校授课内容千差万别，即使是相同高校，不同的教师间也不尽相同。数量金融实验教学中心在课程内容设计上强调追随业界和学界的前沿，下面以《金融数据处理技术》、《衍生金融工具》、和《金融建模》的教学内容为例反映实验课程教学的前沿性。

《金融数据处理技术》以SAS统计分析软件作为软件平台，主要讲授金融数据的清洗技术，在教学案例上注意积累新问题，比如2015年授课教师了解到某学生在学术论文写作期间遇到需要使用SAS提取所有子文件夹文件并进行格式转换的问题，其最终未能很好的解决，也因为这个原因，其研究时间被拉长，授课教师认为该问题属于数据处理中可能很多人会遇到的问题，于是将其作为示例加入到课程教学中。该课程的数据处理小组任务体现了金融研究的前沿和量化投资实践，设置如下：

（1）论文要求：

每个小组3人，选择一个题目，每个题目分配给两个小组，各小组需独立完成，最终需要提交的文件包括：

1）数据处理报告：说明

a. 问题阐述：小组处理的问题，

b. 使用的数据，数据的来源，

c. 数据的处理步骤，每个数据处理步相应的程序，每段程序需要说明这段程序的目的（通过注释完成）

d. 数据处理最终得到的数据结果数据集，数据集包含的变量，每个变量的含义，观测的个数等；

e. 如果在处理数据的过程遇到数据缺失或数据合并问题需要说明你们的解决方案。

f. 小组成员的分工情况

数据处理报告的书写格式按照本科期末论文的格式书写。

2）数据处理的程序及程序说明文档，说明每个程序干什么，并按照数据处理的过程排好顺序。不要有问题的程序，只要调试好的程序；

3）数据处理最终得到的结果数据集

4）至少两次小组讨论记录和讨论视频

5）小组论文以视频方式进行报告，报告小组研究的问题、采用的数据、数据处理过程、处理过程中是否存在异常数据处理问题，如何解决的，并对数据处理结果进行一定的分析

小组实践作为期中成绩计入总成绩，占20%，实践报告在期末考试前提交，每个小组允许有两次答疑机会。

期中成绩评定标准：1.程序编制的规范性；2.数据处理的正确性；3.各小组成员的任务完成情况好坏；4.小组报告书写的好坏；5.题目难易加权

（2）实践题目：

1）高频数据处理实践—大额交易数据提取

2）方差比计算--《Using SAS in Financial Research》ch2.：

从沪深A股市场中非ST股票按照股票市值排序，按市值5等分，选择大市值股票一组（市值排名第一的一组）和小市值股票一组（市值排名第5的一组），然后在两组内分别按照平均换手率进行分组，在大市值组选取换手率高的一组，在小市值组选取换手率低的一组股票，这样构成大市值活跃股组和小市值不活跃股组，分别进行股票的方差比检验，最后给出每个股票按市值排序的方差比检验的结果。

中文参考资料：

http://wiki.mbalib.com/wiki/方差比率检验

3）动量效应与反转效应检验：

具体要求参见文件夹

4）Fama-French三因子模型中三因子计算

5）事件研究法实现--《Using SAS in Financial Research》ch5 & ch6：

研究年报发布对股票价格的影响；

6）财务危机特征统计《Using SAS in Financial Research》ch8：

可以采用ST股票作为研究对象，股票连续两年资不抵债会被ST。

7）Hurst 指数计算—分形市场指标：

8）债券市场买卖价差计算：参考论文处理过程，完成 论文的数据处理工作；

9）卖空限制对权证和期权价格的影响

任务要求及参考资料见文件夹，两个组中，一个组选择权证，一个组选择当下交易的50ETF期权。

与此不同的是《金融建模》这门课重点在建模上面，开设的目的是为了让大家整合自己原来学的各种和建模相关的知识，解决现实的问题，活化知识存量，培养模型快速上手和开发的能力，培养研究创新能力。因此主要内容包括：资产定价模型，包括CAPM与市场异象、择时策略；波动率建模，包括基于低频数据的波动率建模、基于高频数据的波动率建模及其应用；利率期限结构建模，包括静态模型和动态模型实现；其他量化方法，包括蒙特卡洛模拟，copula方法应用等。考核方式是小组报告三次：开题+中期+最后报告+小组论文；以及个人为单位的研究专题。

相对上面两个课程，《衍生金融工具》对计算机编程技术没有要求，但其模拟交易的内容会随着我国金融市场新衍生产品的推出而丰富，如我国在50ETF期权推出后，在模拟交易中就增加了期权的交易策略。

4.实验教学案例强调本土化。

本中心设立的实验课程本着立足本土的原则，实验课程中的案例教学强调国内案例，这一方面可以激发学生的研究兴趣，另一方面可以通过本土化案例加强学生对实际金融市场的认知。比如在《金融工程应用分析》中涉及的分析案例包括深南电巨亏案例、东方航空巨亏案例和中航油的案例等。

5.实验教学考核模式强调过程考核。

无论哪个模块的实验课程，在考核模式上和教学方式上我们都注重过程教学和平时考核，过程教学使得对学生小组协作的指导具有连续性，能够及时纠正实验过程中的学生的思想偏误，提高实验效率，而加重平时考核体现了课程对学生学习过程的认可。

6.实验课程教学过程强调一、二、三课堂的有机结合，利用二三课堂强化第一课堂的知识和技能，提高课堂知识的实践性。

7.强调以研助学。每个实验课程的授课教师都积累了相应领域的多年学术研究经验，中心看重教师将科研成果转化为教学内容，借此提高教学内容的前沿性。如《金融建模》的授课教师王天一老师研究方向为波动率建模，《投资技术分析》的授课教师严渝军老师具有丰富的股票、期货等金融产品的投资经验，《固定收益证券分析与估值》和《金融产品设计与应用》的授课教师张海云老师具有丰富的华尔街从业经验，其研究集中在固定收益证券和信用衍生产品方面。

8.探索校企联合培养的新模式。量化投资专硕的培养正在探索校企联合培养的新模式，这种模式一方面将机构的量化投资问题引进来，增加了量化策略课程的实践性和应用价值，一方面学生通过联合培养可以获取实习、就业或者创业融资的机会，提升专硕培养的针对性和就业质量，同时这种培养方式将专业实习引进校园，提升了实习的针对性，避免了学生寻找实习的盲目性，最后此种方式也为企业定向培养人才，解决实际金融问题提供了新渠道。相信这种模式不但可以在研究生培养中实施，也可以在本科培养中推广，有效提升学生的双创能力。