SCI论文（www.lunwensci.com）:
摘要：本文从人工智能快速渗透到金融行业的现实背景出发，从能力要求、知识体系重构与综合素质提升等三个维度阐述新形势下金融工程人才培养的思路和措施。与时俱进，推动金融工程人才培养改革是培养高质量的金融工程师的必由之路。
关键词：人工智能；金融工程；人才培养
本文引用格式：钱燕,等.人工智能背景下金融工程专业人才培养探索[J].教育现代化,2019,6(33):1-3,8.
Exploration on Talents Training in Financial Engineering under the Background of Artificial Intelligence
QIAN Yan,SHI Rong
(Business School of Suzhou University of Science and Technology,Suzhou Jiangsu)
Abstract:From the perspective of the rapid penetration of artificial intelligence into the financial industry,this paper expounds the ideas and measures of financial engineering talents training under the new situation from the three dimensions of capability requirements,knowledge system reconstruction and comprehensive quality improvement.Keeping pace with the times and promoting the reform of financial engineering talents is the route one must take to train high-quality financial engineers.
Key words:Artificial intelligence;Financial engineering;Talents training
“人工智能”概念最早于1956年在美国达特茅斯召开的学术会议上提出，经过60多年的发展，人工智能研究相关理论和知识体系日渐成熟，对各行各业渗透逐渐增强。[1]人工智能在金融领域的应用场景也日益增多，智能投顾、金融风险监控预警、智能客服，促进金融服务向主动化、智能化发展，提高了金融行业的效率，加强了金融风险的防控管理能力，但也给金融行业的人才提出了新的要求。
金融工程具有明显的学科交叉性，以数学、金融学和计算机技术为基础，以创造金融工具、设计金融产品和创新性地解决问题为目标。从这个角度看，金融工程专业人才相比较传统的金融学专业人才具有相对强的数理基础、信息处理能力和计算分析能力。但在实际生活中，应用型本科院校金融工程人才就业的渠道依然为传统的银行柜员、证券客服、保单录入等基础性岗位。人工智能在金融行业的应用凸显了数理基础、计算机基础对金融从业人员的重要性，应用型本科院校金融工程专业教学面临着机遇与挑战。与时俱进，发挥金融工程专业多学科交叉应用的优势，按照行业发展对金融人才的要求，构建新的培养体系，提高学生适应人工智能发展的形势，是当前金融工程教育中一个重要且紧迫的课题。
一人工智能技术在金融行业的应用
目前，人工智能在金融行业相关场景中的应用技术主要包括机器学习、知识图谱、自然语言处理和计算机视觉，核心技术在于深度学习。[2]这一强大的能力使得机器可以对大量的数据进行处理，构建其中的连接点，拓展人类思维边际，产生有价值的领域。金融行业长期大量的数据积累，也为人工智能的应用提供源源不断的分析及学习素材。人工智能技术已逐渐应用于金融行业研发、营销、服务各环节，主要集中在以下三个方面。
（一）金融智能客服
客户服务是金融行业保持与客户沟通联系、及时满足客户需求、提升客户满意度、挖掘客户潜在金融价值的重要工作。微信公众号、APP等多种沟通渠道快速发展，为客户提供了便捷的在线交互方式与金融机构进行实时交流，但无形中增加了金融机构的成本。人工智能近年来进军金融智能客服领域。基于自然语言处理以及智能知识库方面的技术，智能客服机器人能够理解客户所提的问题和需求，对问题进行及时准确的答案搜索，并通过自然语言的方式进行回复。智能客服机器人与人工客服相比，功能更强大，且不存在遗忘、情绪等问题，能提供给客户更加精细化、专业化、个性化的体验。因此，越来越多的金融机构开始使用智能客服解决方案，作为原有人工客服系统的补充或部分替代。
（二）金融风险管理
规避风险是确保金融机构稳定发展的重要前提。[3]信用体系是金融行业防控风险的关键和基础。但大量中小微企业尚未建立完整的征信信息，使得它们难以享受到正规金融机构提供的服务。运用人工智能的技术手段和工具，可以获取中小微企业的多维数据，包括社交媒体、社保、工商登记信息、司法信息、粉丝数、口碑情况等数据，为中小微企业建立信用画像。[4]由人工智能技术获得的大数据信用评分，可作为传统金融机构开展业务的重要依据，使得众多的中小微企业享受到普惠金融带来的便利。基于海量数据分析的评分更加全面真实，能更为准确地反映企业的真实信用情况。同时，建立在人工智能技术上的金融风险防控与预警系统，能打破信息的孤岛，深度挖掘数据之间的关联，解决信贷反欺诈的风险。
（三）智能投顾
智能投顾将人工智能强大的数据分析能力、深度学习及分析能力应用于投资分析领域，通过自然语言处理能力、数据分析能力分析投资市场的公司定期报告、财务数据、市场传闻等信息，运用智能算法技术、投资组合优化理论模型，进行投资决策。毋庸置疑，智能投顾信息获取和分析的效率和范围远远超过传统投资顾问的能力，其准确性也超过人类投资顾问。智能投顾与传统投资顾问在服务内容和服务主体上也具有差异，传统投资顾问主要面向高净值人群进行投资咨询服务，服务成本较高。而智能投顾在降低服务成本的同时，扩大服务人群。智能投顾的优势还体现在能够克服投资者个人情绪上的弱点，对投资配置和交易执行更为客观、全面，重视风险控制，能够及时止盈止损。
二 人工智能背景下金融工程人才的能力要求
尽管人工智能渗透到产业发展过程尚处于起步阶段，其未来走向和可能影响在学术界和实务界均存在不同的看法，但其在金融行业的一些创新性应用提醒高校金融教育应密切关注这一发展态势，探索金融运行环境深刻变化下高校金融工程人才培养所必须强化的能力。
（一）大数据应用分析能力
大数据是人工智能在金融行业开展应用的技术基础，复杂的数据格式和庞大的数据量，使得大数据的应用能力将成为未来金融机构的核心竞争要素。大数据为商业银行、证券公司、保险公司等金融机构新型金融工具的研发设计提供了精确决策的依据，也为金融机构精准化营销、提升服务能力提供强大支持，但这也要求金融人才拥有较强的业务理解能力、数据资产管理能力、数据处理能力以及数据挖掘能力。[4]因此，金融工程人才培养须强化大数据的应能力，利用数据分析为金融机构更加科学地评价经营业绩、控制金融风险和配置金融资源。
（二）金融建模分析的能力
当金融行业重复性高的手工操作业务逐渐被人工智能技术替代，那么金融工程人才的价值将更多地体现在对于金融问题进行抽象，用严谨的数理模型进行表述，并转化为机器语言，由具有人工智能的机器人进行执行。比如，人工智能在智能投顾上的应用，其软件仍然是由人来编写，离不开人类对运算规则的设定。一个恰当的模型决定了投资的收益，也为机器开展深度学习提供可能。
（三）处理复杂金融问题的能力
随着金融业务在不同金融机构的渗透，综合性金融服务是未来金融机构发展的趋势。因此，金融工程人才需培养处理复杂金融问题的能力。基于对现实经济金融生活的理解，学会利用有效的途径解决处理金融业务时可能存在的冲突；主动学习，扩大知识边界，拓展解决问题途径，并具有较强的适应变化的能力。通过处理复杂问题能力的培养，才能使金融工程人才借助人工智能更有效地解决问题，降低金融成本，提升金融效率，而不是被人工智能替代。
三 人工智能背景下金融工程专业的知识体系重构
当机器通过深度学习能通过海量宏观数据的分析以及自然语言分析等技术进行撰写研究报告与开展客户服务，当机器通过量化投顾程序操作完成交易分析师的工作时，金融工程专业学生的知识体系亟待重构。知识体系中应进一步强化数理基础，强化计算机应用能力的培养。
（一）经济学基础课程模块
经济学基础帮助金融工程学生了解经济金融运行，使学生学会以经济学的思维方式来理解、分析与解决问题。课程平台中应包括宏观经济学、微观经济学、政治经济学、计量经济学、国际经济学、博弈论与信息经济学、会计学等经济学基础课程，培养学生宽厚的经济学基础。
（二）金融学专业教育模块
现代金融学可以分为宏观金融和微观金融，宏观金融包括货币银行学、国际金融学、中央银行学等课程，微观金融包括证券投资学、金融市场学、投资银行学等理论课程。金融工程专业课程设置中应更偏向于微观金融。扎实的专业理论基础，是学生发现、分析和解决金融问题的前提。
（三）数理与计算机教育模块
目前的金融工程专业课程体系中，包含高等数学、概率论与数理统计、随机过程等数学课程，也包括计算机类课程。但总体而言，数学知识教学理论性较高，与金融学的融会贯通不够。[5]计算机课程也较为单一，基本以C语言，VB等程序设计语言为主。随着人工智能等信息技术的发展，这一模块中不仅需要增加人工智能的一些基础知识，包括人工智能概论、大数据分析、数据仓库与数据挖掘；更应该包括金融工程专业人才应具备的基于人工智能进行创造性应用的课程，比如量化投资、财务模型构建等。虽然人工智能通过深度学习能发现某些人类无法识别重要信息，但人工智能的自主程度限定仍需要人类来完成。学生将这三个模块的知识有机贯穿，实现应用和创新实践，是人才培养的重中之重。
四 人工智能背景下金融工程人才综合素养的提升
金融工程人才的综合素养应包括良好的政治素养和职业道德、健康的心理素养、扎实的专业素养、广泛的科学素养和活跃的创新思维。这些素养的养成不仅仅贯穿于课堂理论教学过程，第二课堂、学科竞赛、实践教学等环节为人工智能背景下人才综合素养的提升提供了更多渠道。
（一）理论教学形式多样化
课堂教育仍是人才培养目标实现的主要阵地。现阶段，金融工程专业的理论教学仍然采用较为传统的教师讲课为主的模式，这种单向的灌输式教学无法使学生真正理解课程中抽象的内容，学生学习积极性也不高。任务驱动式教学、案例教学、翻转课堂、线上教育等多种教学方式的灵活应用，能激发学生学习兴趣。尤其在人工智能时代，教师应发挥90后、00后学生信息获取的长处，结合教学内容，给学生布置相关的资料收集、视频资源获取、智能化场景体验等活动任务，提高学生学习兴趣和学习积极性，锻炼学生的逻辑思维和分析能力，在提高教学效果方面取得实效。
（二）实践教学场景智能化
现有金融工程实践教学主要包括专业认知实习、专业实训、专业实习等环节，实践教学是提升学生实际操作能力和创新能力的重要环节。但目前的教学过程中，实习、实训存在流于形式的问题。人工智能背景下，实践教学更关系到人才培养质量的提高。学校提供的实验室环境，是学生提升数据分析能力、建模能力的重要场所。因此，学校应建立较高质量的模拟实验室，模拟相关金融工作场景，让学生身临其境，进行数据分析处理与投资决策，提高对未来工作环境的适应性，达到社会对金融工程专业应用型人才的要求。另一方面，应用型本科教育高校应充分利用校外实践基地，开展校企合作，让学生走进金融机构，了解人工智能在金融行业应用实际，了解金融行业发展前沿；同时在真实的智能化场景中体会工作的感觉，能够利用所学专业创新性地解决一些问题，提升专业素养和创新思维。
（三）第二课堂活动体系化
第二课堂是相对第一课堂的教学活动，是第一教学活动的延伸和拓展，是提升学生综合素质的有效途径。第二课堂内容包括文体活动、社会实践、技能拓展、创新创业训练等，参与主体具有自主性，内容比较广泛。在人工智能发展背景下，金融工程专业的第二课堂活动可建立相应的体系，以培养学生宽厚的专业基础和很强的职业技能作为第二课堂活动开展的主要目标。通过活动体系化，设置专业性的第二课堂活动，取得专业教师的支持，鼓励学生积极参与，培养学生专业兴趣，发掘学生特长，将所学的知识和技能在第二课堂得到检验、巩固和深化。[6]结合人工智能发展和金融工程专业特点，可以组织学生进行智能化银行发展调查、针对人工智能在金融行业的应用进行跟踪，还可以与计算机专业、信息技术专业等其他专业学生合作开展学术活动，培养学生跨学科交流思维。
（四）学科竞赛内容丰富化
学科竞赛是学生专业知识深化、职业技能培养、分析能力提升的重要途径。各级各类的学科竞赛为大学生综合素质提升提供了平台。金融工程专业的学生可参加综合性的学科竞赛，比如“挑战杯”全国大学生课外学术科技作品竞赛和“互联网+”大学生创新创业大赛。不同学科背景的学生在竞赛中团结协作，发挥各自专业所长。金融工程专业的学生参与此类竞赛，能使其所学专业知识得到运用，科研素养得到提升，还锻炼了他们进行公司投融资决策时全面思考、科学决策的能力。金融工程学生还可以参加金融专业方面的学科竞赛。教师应收集相关竞赛信息，鼓励并指导学生参赛。证券投资类的竞赛促进学生更好地了解金融市场，学会信息的收集和处理，灵活应用所学的证券投资分析方法，理性规划投资策略。尤其在当下，应有目的地组织学生参加量化投资策略设计大赛，增强学生的计算机应用能力，通过竞赛获得金融交易实战锻炼的机会，增加学生对智能交易的了解和把握。银行举办的比赛也充分重视人工智能、大数据等在银行的创新应用，比如“工商银行杯”全国大学生金融创意设计大赛，比赛促进学生去发现金融机构服务可改进的地方，提出创新性的解决方案。
五 结语
人工智能快速发展的背景下，应用型本科高校的金融工程人才培养目标和课程体系必须具有时效性和灵活性。[7]但目前金融工程教育过程中，原有的课程体系跟不上现代科技金融的步伐，实践教学落后于金融应用创新，人才培养模式难以适应多元化的经济与社会发展对金融创新人才的更高要求。金融工程专业教育必须紧跟金融发展前沿，根据社会、行业需求推进金融工程专业教学改革，构建“知识、能力、素养”三位一体的人才培养体系，更新教学内容，改进教学方式，培养高质量的基础知识扎实、创新能力强、适应性强的金融工程师。
参考文献
[1]陈劲,吕文晶.人工智能与新工科人才培养:重大转向[J].高等工程教育研究,2017(06):18-23.
[2]麻斯亮,魏福义.人工智能技术在金融领域的应用:主要难点与对策建议[J].南方金融,2018(03):78-84.
[3]李佳珂.人工智能对金融创新的积极影响[J].人民论坛,2018(25):78-79.
[4]李东荣.大数据时代的金融人才培养[J].中国金融,2013(24):9-10.
[5]刘人春,徐雪松.地方商科院校金融工程类专业“卓越人才”培养与改革实践[J].高教学刊,2017(01):5-6+8.
[6]滕磊.基于IPR-CDIO理念的金融工程教学体系建设[J].金融理论与教学,20717(06):87-90.
[7]邢钰.人工智能背景下对金融工程专业实验教学的思考[J].教育现代化,2017,4(33):138-140.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！ 文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jiaoyulunwen/9917.html
