时间：2023-07-11 17:36:37
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇数据分析师统计学基础，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
一、以“复合型”人才培养为目标创新教学培养模式
应用统计专业学位的设立是为了适应现代统计事业发展对应用统计专门人才的需要而设置的，它的培养目标主要是让学生掌握扎实的理论基础和系统的专业知识和技能，具备数据采集、整理、分析和开发的能力，能够从事统计调查咨询、数据分析等“应用型”统计专门人才[5]110-111。然而，在大数据环境下实现的数据分析已不再局限于某一类特殊的行业统计分析需要，各行各业的运作发展都越来越依赖于大数据环境的存储、计算、统计分析与决策。对于多样化的大数据集，其所涉及的内容和知识结构必然是不同学科的交叉应用。大数据时代的数据分析专业人才的培养目标并不仅仅是传统的数据收集、整理与分析，而是需要掌握能适应大数据特点的新的研究方法和独立分析的能力，能很好地融会贯通其他专业的知识内涵，成为真正意义的专业大数据分析人才。然而传统的统计学人才培养目标和教学模式并不符合社会对大数据分析专业能力的要求。参考和借鉴文献[6-7]8-9,226提出来的一些建议，笔者探索从以下几个方面对人才培养目标和教学培养模式进行改革：（一）走出校园，深入社会，挖掘并归纳出社会用人单位对数据分析专业职位技能和能力素质要求，进而制定符合社会需求的人才培养目标，以市场需求为导向更好地指导教学实践活动。为了更好地为用人单位输送符合大数据时代需求的专业数据分析人才，尝试对高年级学生的培养方案设计中考虑以岗位需求为标准灵活调整和制定相应的培养目标和内容。（二）参考国外本科生专业人才培养的先进理念，引入“协作式”培养模式，大力支持大型企业与高校合作或高校与高校合作培养复合型和开发型人才。各个高校、企业可以发挥各自专业特长来实现合作，高校的不同专业之间也应该加强沟通和协作，例如在制定应用统计专业数据分析人才培养方案及实施过程中，可以以统计学科所在的学院为主导，让计算机学科、经济、金融及管理学科等相关学院协作参与完成[8-9]60-64。（三）总结教学过程存在的不足，探索新的知识学习和能力培养的创新模式。目前的教学活动主要以老师独立授课，学生被动接受知识为主的方式，培养过程计划性强，缺乏弹性，培养的评价也过于单一。在本科生培养中可以引入课程学习、导师指导和科学研究三个阶段，考虑采用导师指导与集体培养相结合的方式，一门专业课程的讲授不再局限于单个老师完成，在培养方案中考虑主题分组方式，鼓励授课教师根据自己的专业特点和知识背景共同参与一门课程的教学活动。多名教师协同工作的模式可以取长补短，在大数据分析的实际案例设计及课程内容上都更加贴近实际需求，产生更好的教学效果[6]8-9。
二、基于大数据分析的特点科学构建课程体系
大数据背景下，人们可以通过互联网、数据库以及各种通信工具获得海量数据，人们日常生活、学习和工作的各类事物都可以实现信息化，世界几乎是由各种信息和数据所构成的。大数据的特点可以归结为四个V,数量大（Volume）、类型繁多（Variety）、价值密度低（Value）、速度快时效高(Velocity)[6]8-9。大数据的真正意义不在于能提供庞大的数据量，而是对海量的数据进行专业的处理和分析，并从中获取用户关注的信息。结合当前互联网应用中大数据本身的特点，从大数据中挖掘出重要知识并对之深度学习和分析的工具和方法也应与时俱进地发生改变，传统的统计方法和统计分析工具已无法满足大数据分析的需要。然而，在大多数高等院校中，统计学专业人才培养的课程体系并没有考虑社会的实际应用需求，仍然停留在以传统的统计模型框架为主导的课程体系设置，本科生教育的主要专业课程包括：数学分析、高等概率论与数理统计、应用随机过程、回归分析和多元统计分析等[10]248-249，这些课程内容和知识结构还不足以满足大数据时代对数据分析专业人才知识结构的要求，课程体系设置中缺少能有效整合的数据分析能力培养模块[11]66-68。因此，有必要针对各类院校师生各自的专业特点和学科基础，分层次、分阶段地展开课程体系改革。（一）参考国内外先进高校大数据分析专业的课程设置，结合本校的师资和专业结构特点采取灵活的策略制定课程计划，在实施学分制改革的高校中各类学生可以在学业导师指导下实施符合学生自身特点的课程学习方案。（二）以大数据分析人才需求驱动的课程体系改革要考虑市场的行业需求变化、大数据应用中跨学科的特点。素质好的数据分析人员不仅仅要具备专业的数据分析能力，还应该对具体数据中涉及的学科知识有较好的储备，能将不同行业的专业知识与数据分析紧密关联起来，实现大数据分析的效用最大化。此外，在充分借鉴国内外大学成功经验的基础上，课程设置应该与学生的学术倾向和基础能力紧密结合，注重基础课程教育的同时强调文理渗透，同时要兼顾学生的兴趣与学习的联系，在课程体系的设置中需要增设一些多领域、跨学科的选修课程，如经济学、金融学、保险学、管理学和会计学等。因此，校内跨学科或高校与高校之间联合培养是实现跨学科课程建设的有效方法之一。（三）科学构建课程体系的主要思路还包括根据大数据时代需求，对专业必修和专业选修课程在课程时间、顺序及内容等方面进行改革。专业必修课程重点内容为统计学和计算机科学的交叉部分，在讲授统计基础理论（如多元统计、决策树、时间序列等）课程基础上设置大数据案例分析课程，在案例分析过程中让学生实际操作企业当前应用的大数据计算平台[6]8-9，从而增强学生大规模分布式计算技能。为提高学生的实际动手和二次开发能力，专业选修课程需更多地开设与数据挖掘及面向数据的编程语言相关的课程，如数据挖掘算法、C++、Java和Python等课程，强化学生的数据挖掘和分析能力。
三、基于协同创新的理念开展实践教学改革
近几年，随着应用型、创新型人才培养目标的提出，学校越来越重视和加强对各类专业人才实践教学能力的培养，以“数据分析”为方向的专业人才需要运用统计分析软件对数据进行分析和决策，其实践教学的重要性更是不言而喻。然而，在大数据被广泛应用的时代背景下，高等院校中的实践教学仍然是培养高层次“大数据分析”人才的薄弱环节，实践教学教材及内容不规范、教学方法单一、软硬件的更新以及师资储备等方面都存在着一些问题[12]96-97。例如以模型驱动为主的实践教学模式已不适应大数据时代的要求，大数据时代数据是海量且复杂的，用简单的SPSS、Eviews为主的软件教学已无法处理大数据[5]110-111。因此，学习其他知名高校构建的协同创新的理念，结合财经类院校的统计学科及人才培养的特点，开展实践教学改革[13]248-249。对“数据分析”专业人才实践教学改革，笔者的建议如下：（一）根据协同创新理念，解决实践教学环节存在的实验教材（教学内容）缺乏实用性的问题，一方面可以参考企业对数据分析师、调查分析师资格认证相关培训教材，开发实用性强的《数据分析》实践教材，另一方面学校可以和企业或其他高校定期举办交流座谈会，面向企业需求甄选实践教学内容。（二）高素质的师资队伍对人才的培养无疑起着至关重要的作用，在提高指导教师理论和实践能力方面，借鉴协同创新联合培养的模式可以有效充分地利用企业、学校的各方面师资资源。例如北京大学、中国科学院、中国人民大学、中央财经大学、首都经济贸易大学5所高校已经与政府部门和产业界签署了联合培养大数据分析应用人才的合作协议[14]。广东财经大学也可以参照类似联合培养的做法，和广东其他高校、政府和企业合作。一方面企业或政府可以利用自身的资源为高校提供人才培养实习基地，并且引荐相关的技术人员聘为校外实习导师，指导学生在实习实践中建立以问题为导向，以项目为牵引的运作机制，让学生能够理论联系实际，切身体会数据分析的商业操作体系。另一方面，由于高校的专业教师缺乏社会实践的机会和经验，高校应该制定政策鼓励并推荐相关专业教师走出学校、走进企业，密切与企业合作交流，从而更进一步地提高教师对复合型专业学位人才培养的能力[15]29-32。（三）为了激发学生的学习热情，减少对实践操作的畏难情绪，实验课程的教学方法也需要探索创新性实践教育模式。教学过程可以考虑灵活的制定团队教学计划、案例实战分析、模拟实训等多样化的方式，减少单一的课堂内容讲授，在理论和实践教学环节中积极调动学生的主观能动性，提供更真实的企业大数据应用环境，并以学生为主完成实际案例分析。此外，基于不同的授课对象的特点，老师在教学过程中也要适当考虑学生的兴趣和需求，随时调整实验教学策略[9]。
大数据时代，人类的工作和生活都与大数据息息相关，各类行业的发展也和大数据中的海量信息密切相关，数据及其分析将成为决策唯一的依据。因此，各行各业都将需要拥有大数据分析能力的统计学专业人才。各类高等院校作为人才培养的重要载体，更是承载了培养能适应大数据环境下数据分析专业人才的重要使命。文章从完善人才培养的目标出发，总结和分析了传统的统计学及数据分析人才培养在大数据环境下存在的问题，并基于大数据的特点提出了课程体系和内容的改革思考，并在此基础上提出了面向大数据分析的课程实验教学方法，探讨如何提高本科生理论与实践结合的综合能力，为大数据时代下数据分析专业人才培养改革提供新的思路和参考。
作者:温雅敏 龚征 单位:广东财经大学 华南师范大学
【关键词】大数据 统计学 挑战 机遇 教学
【基金项目】贵州省科技厅、贵州民族大学联合基金（黔科合J字LKM[2011]09号）
【中图分类号】G642 【文献标识码】A 【文章编号】2095-3089（2014）08-0235-01
1.引言
“大数据”时代的来临和“大数据”处理技术的发展深深的影响着统计学的发展。能否利用传统的统计理论和统计方法对海量的数据做出快速、准确的处理并获取相关信息？如何对传统的统计理论与方法进行改进或探索新的统计理论和方法来对大数据进行挖掘与处理以获取信息？如何在“大数据”时代背景下培养符合市场需求的统计分析师或数据分析师？如何将“大数据”处理技术融入相关统计学课程教学以促进数据处理与分析技术的发展？这些都是我们在统计学相关课程教学过程中必须思考的一个问题。
2.大数据与统计学
“大数据”随着社交网络、物联网、云计算等的兴起而产生。一般认为大数据具有规模性、多样性、实时性及价值性四个基本特征，包含分析、带宽和内容三个要素。“大数据”在数据来源、数据结构和处理方法方面对传统的统计分析方法产生了冲击。第一，在大数据背景下，数据来源不再是原来的简单抽样，而是“样本即总体”，直接将总体作为研究对象。第二，在大数据时代，研究对象也不是原来单一的结构化数据，由于数据的多样化与规模化，我们更多的是研究非结构数据，采用人工智能来进行数据挖掘和信息获取。第三，数据处理方法也不是简单的采用传统的假设检验方法进行研究，特别是对于统计学中的异常点，不再采取以往的丢弃或者平滑处理方式。
“大数据”处理技术对统计学的发展提出了巨大挑战，但我们必须认识到学科之间的发展是相互交融的，“大数据处理技术”其本质上是数据处理与分析技术，其发展对统计学学科的发展也有积极的一面，同时统计学作为一门独立的学科，有其自身独特的学科优势。首先，海量的数据有利于提高各类统计分析的精度，如减小抽样误差等。其次，较之于传统的统计学方法，现有的“大数据”分析方法难度较大、成本较高、耗时较长。而在实际的应用中，我们关心的不是数据量的多少，而是数据量所蕴含的信息。传统的统计学分析方法是以较少的数据进行精确度相对较高的统计分析，这是“大数据”分析所无法替代的。另一方面，统计学在数据收集方法、模型选择、模型假设以及模型诊断方面有很大优势。而且并不是所有的问题都具有海量的数据，并不是每一个“大数据”问题都适合用现有的“大数据处理技术”来处理。
3.对策与建议
3.1 夯实基础教学
针对以上的分析我们可以看出，大数据对统计学的发展既是机遇，又是挑战。因此我们在教学过程中要夯实统计学基础知识的教学，讲清楚统计学的基本原理与基本方法，特别是数据分析与数据处理的基本原理与方法。对于许多传统领域，如生物、医药以及质量与可靠性工程等，我们面对的多是“小数据”而不是大数据，因此基于样本的统计分析方法仍然是进行此类问题研究的最有效的科学手段。
另一方面，我们要结合大数据技术的特点，对统计学的基本知识进行拓展教育，引导学生思考怎样将已有的统计学基本原理与方法运用到大数据处理的技术研究中。如在大数据环境下怎样进行数据的收集、筛选与甄别、存储与分析等，如何分析并厘清可能的数据来源与范围，如何建立相关指标体系并对数据进行分类，如何制定或调整相应的统计参考标准，以及如何对依靠非传统数据源加工生产的统计数据进行规范的统计推断等。
随着大数据时代的来临，各行各业对具有统计背景知识人才的需求必定越来越多。因此，在统计学教学过程中，一定要结合各专业的特点，特别是“大数据”的特点，切实加强统计学的基础知识教学与拓展教学。
3.2 加强统计学专业软件教学
“大数据”环境下，对统计人才需求也发生了变化。面对海量的数据与多样化的数据，一名合格的统计人才或数据分析人才不单需要良好的统计素养与扎实的统计基础知识，更需要具有数据的存储与整理能力、计算能力以及数据分析与处理能力等。这就要求在教学过程中，加强统计软件或数学软件的教学。
针对传统的“数学证明+手工计算”或“重理论轻专业统计软件”的统计学课程教学模式，可将统计软件或数学软件融入课堂教学并安排一定的课时上机学习统计软件，以此提高学生数据处理能力，加深对统计学基本原理的理解与掌握。
在加强统计软件或数学软件，如SPSS、R、SAS以及Matlab的教学过程中，要摈弃“会软件的操作即会统计技术”的思维，要让学生真正掌握相关操作与相关算法，深入思考算法的实现与相关理论的应用。同时引导学生思考对“大数据处理”的技术要求，包括数据搜集、发掘、存储以及计算分析过程中的算法与设备要求等，引导学生针对大数据进行软件升级与开发。
3.3 突出案例教学与实践教学
大数据的产生和发展源于规模经济问题或超规模经济问题的研究。每一个大数据问题的研究都是与实际经济或社会问题紧密相联的，因此，在实际教学过程中，要突出案例教学与实践教学，由易到难，通过案例教学逐步引入大数据的概念以及大数据处理的基本技术，提高学生的分析全局观以及进行实际数据分析与处理的能力。
教学改革的目的是培养在“大数据”时代背景下，符合市场需求的专业统计人才，而合格的专业统计人才必须具备良好的统计实践能力。案例教学与统计实践活动是培养学生统计实践能力的有效途径。因此，在教学过程中，一方面，教师可融合各种与实际问题相关的案例进行分析和讲解，加深学生对相关统计理论知识的理解，激发学生的学习兴趣，培养学生解决实际问题的能力。另一方面，教师可以组织多种形式的课堂或课堂外的统计实践活动以培养学生统计实践。如，指导学生针对他们感兴趣的与经济、社会发展相关的统计实际问题展开统计研究，设计调查问卷，收集数据、整理和分析数据，撰写研究报告，实现对实际问题的分析和解决等。
4.结束语
总之，在“大数据”环境下我们既要积极面对挑战，又要紧紧抓住机遇，切实结合“大数据”的特点和“大数据处理技术”发展的需求，既加强对传统的统计学方法、统计理论的教学，又积极开展 “大数据“环境下的拓展教学，推动统计学的发展，在数据收集、数据分析以及统计制度等方面进行改革和创新。
参考文献：
[1]李国杰. 大数据研究的科学价值[J]. 中国计算机学会通讯，2012，8（9） .
[2]姜奇平. 2013 全球大数据-大数据的时代变革力量[J]. 互联网周刊，2013，1.
[3]游士兵，张佩，姚雪梅.大数据对统计学的挑战和机遇 [J]. 珞珈管理评论标，2013，2（13）.
庆幸的是,今年搞电子商务的人对数据分析开始重视起来,就连开夫妻店起家的淘宝卖家也开始招数据分析师,更别说一些再大一点的电子商务公司了。
现在不是缺数据,而是数据太多。据统计,在今天的互联网上,每60秒会产生10万个微博信息、400万次搜索、Facebook上的50万次内容。稍大的电子商务公司,都会采集一些行为数据(比如点击量),但是这些行为数据与商业数据(比如交易量)有什么关系?今天绝大多数公司,甚至包括凡客诚品这样著名的电子商务公司,都不知道如何利用成千上万的零散数据。
需要商业敏感
先讲一个有趣的故事。有一天,linkin(一个社区网站)忽然发现来自雷曼兄弟的来访者多了起来,但是并没有深究原因。第二天,雷曼兄弟就宣布倒闭了。原因何在?雷曼兄弟的人到linkin找工作来了。谷歌宣布退出中国的前一个月,笔者在linkin上发现了一些平时很少见的谷歌产品经理在线,这也是相同的道理。
试想,如果linkin针对某家上市公司分析某些数据,是不是很有商业价值?现在51job绝对不知道如何采集这些数据,只盯着注册用户数量这样的简单数据。国内许多互联网公司,拿着“鱼翅当萝卜”。
说这个故事,只是为了告诉大家,互联网中的数据,需要用商业的眼光分析,才有价值。
今天电子商务公司的数据分析师,有些像老板的军师,必须有从枯燥的数据中解开市场密码的本事。比如,具有商业意识的数据分析师发现,网站上的婴儿车的销售增加了,那么,他基本可以预测奶粉的销量也会跟上去。
再比如,网站上的产品发挥的作用并不一样,有的产品是为了赚钱,有的产品是为了促销,有的产品是为了吸引流量,不同的产品在网站上摆放的位置是不一样的。
一个商业敏感的数据分析师,是懂得用什么样的数据实现公司的目标。
比如,乐酷天与淘宝竞争,它们重点看的不是交易量,而是流量:每天有多少新的卖家进来,卖了多少东西。因为此阶段竞争最核心的就是人气,而非实质交易量。如果新来的卖家进来卖不出东西,只有老卖家的交易量在增长,即使最后每天的交易量都增长,也还是有问题。
再比如,一家刚踏入市场的B2C公司和已经占领大部分市场的B2C公司,它们的目标不一样。前者是看流量赚人气,后者对流量不怎么看重,而是看重交易转化率及回头率。
当下的数据分析师多是学统计学出身的,一堆数据放在那里,大家都擅长怎么算回归、怎么画函数。但是这批学数学的人才缺乏商业意识,不知道这些数据对业务意味着什么,看不见一堆数据中彼此的关系,也就不知道该用什么样的逻辑分析,也就无法充当老板的眼睛了。
前几天遇到一个老板,他说数据分析师每天给他看几十个零散数据。笔者问,是不是数据越多越麻烦。他说笔者一下子就点出他的痛处了,因为请来的数据分析专家只把数据交到他面前,却没有把行为数据和商业数据的关系告诉他。
一个公司CEO,每天看到几十个数据,什么点击率、用户价值等等,他们有精力来解读吗?对于他们来说,需要知道网站的问题是什么,需要做什么。
融合前后端数据
开车时,水温过高的话,汽车的仪表盘会亮灯提示。同样,在电子商务的交易中,也可以用一些数据组成“仪表盘”。所以说,数据分析师不是单纯做数学题。一个好的仪表盘,出现好的和坏的情况时,都会有提示。而数据构成的“仪表盘”,正是行为数据和商业数据之间的逻辑关系。
电子商务的数据可分为两类:前端行为数据和后端商业数据。前端行为数据指访问量、浏览量、点击流及站内搜索等反应用户行为的数据;而后端数据更侧重商业数据,比如交易量、投资回报率,以及全生命周期管理等。
目前有些人关心前端行为数据,也有些人关心后端商业数据,但是没有几家网站把前端行为数据和后端商业数据连起来看。大家只单纯看某一端数据。但是看数据看得“走火入魔”的人会明白,每个数据,就像散布在黑夜里的星星,它们之间布满了关系网,只要轻轻按一下其中一个数据,就会驱动另外一个数据的变化。
大家都比较关心网站用户群,就以此举例:
某网站发现前端的注册量增加了不少,访问量也上去了,交易量却没有上去。原因是什么?这是许多网站的通病,每天花费不少精力想这个问题。现在这个阶段,处在互联网前端的人只知道点击量等数据,很少问后端的商业数据,如谁一直在重复购买?谁影响了5%~15%核心用户群进来买东西?谁在给网站做正/负面传播?
而操作网站后端交易环节的人只知道卖东西,又很少问到前端数据。如一个客户进入网站平均停留时间是15分钟还是30分钟,这对重复购买用户有关系?一个客户进入网站社区和没进入社区,和交易量有关系吗?
网站找不到核心用户群的原因,很大程度上是没有把行为数据与商业数据进行对接分析。
这种后果就是,作为网站的决策者,不知道网站核心用户群的行为特征,也不知道如何增加核心用户,更不知道从一个用户进入到网站之后到离开;哪些环节是需要疏通的。
观点
不能蒙着眼睛做电子商务
对于一个电子商务的平台运营商而言,反映用户行为的前端数据与后端的商业数据千千万万,卖家和买家也是千千万万,其中前端哪些数据对后端的交易量产生最大影响,只要针对这个前端数据猛下药,必然会刺激后端数据的增加;反过来,后端哪些交易数据比较重要,摸清楚数据是从哪个渠道来的,主要贡献用户是谁,网站的产品设计就该倾斜于这些数据。如此才能提升前端到后端数据的“交易转化率”。
遗憾的是,今天许多电子商务公司,每天都在做“碰巧”游戏:今天推荐A家产品,明天撤下A家的产品;今天做低价促销,明天又做线下活动。这些决策的改变,没有数据“仪表盘”的指示或良好的监控,都是蒙着眼睛在做电子商务。
新闻
西门子助力发动机企业
上海大众动力总成公司为满足快速增长的业务需求,降低运营成本,从而在激烈的市场竞争中取得优势,建设一个高效、绿色的数据中心成为当务之急。经过对投标单位的严格考核与缜密评定,该公司最终选择了西门子IT解决方案和服务集团作为其发动机零部件生产厂新建数据中心的合作伙伴,为上海大众动力总成公司实施精益化生产提供革新型数据中心解决方案。
2012年学校财务信息管理专业成功申报后，前后已经迎来了2013、2014两届学生，作为一门融合财务会计与信息技术相交叉的新专业，专业建设不仅要秉承传统的财经学相关理论，而且还要适应信息化时代的市场需求，培养企业需要的人才。时值今日，具备“智能化行为”特征的“智能化企业”成为大多数传统企业的需求。在经过专业内全体教师多次反复调研、考察、研讨、学习后，2014级财务信息管理专业人才培养目标初步确定为：数据分析引领财务决策信息化。在此基础上，专业定位设计提出三个层次要求：基于财务会计、强化数据分析、服务管理决策。
二、商务智能课程定位
课程定位需要与课程体系相辅相成，要思考并把握本门课程在课程体系中的地位与作用。财务信息管理专业课程体系建设基本遵循“三步走”思路，即第一学期注重财务会计基础理论知识的教授、第二学期突出数据分析核心知识的教授、第三学期侧重决策智能前沿知识的教授，形成的梯队知识体系助力本专业人才培养方案实施。
（一）从跨学科特性来看
商务智能课程是一门集管理科学、信息技术、数据统计和人工智能等多个前沿领域的交叉性学科课程，顺利完成该门课程的授课需要前导课程的支持，因此，商务智能课程在以上三层梯队知识体系中位于最后一层。
（二）从其最早的概念阐述来看
美国加特纳集团分析师HowardDresner认为商务智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商务决策的制定。可见，商务智能是商务分析中辅助决策的有效利器。
（三）从大数据时代背景来看
各国政府都在强调“基于数据驱动的决策方法”，商务智能与生俱来采用的数据仓库、联机分析处理和数据挖掘等核心技术体系有效地支持了数据驱动全过程，合理利用并可以成功将数据转化为价值。综上，结合专业定位，商务智能的课程性质是专业核心课，其课程定位设计为“基于数据驱动的决策方法，变数据为价值。”
三、先修/后续课程衔接设计
目前，在全国，商务智能课程主要在计算机类、经管类（信管、电商、物流）等本科层次以上专业开设；在财经类专业且面向高职层次开设商务智能课程，还属罕见；这是本校适应“后信息经济时代”市场需求、实施专业创新与课程改革方面的具体表现。作为一门面向财经类高职生开设的新兴发展课程，如何区别于计算机、软件等专业已开设的类似课程，如何贴近财经类高职类学生的注重动手能力、掌握关键核心技术等特点来开设这门课程将面临着众多挑战。但是，在大数据时代，如果将大数据看成是一种资源,商务智能则是一种驱动力，二者已成功且广泛地应用于金融服务业、交通运输业、通讯业、零售业、能源与公共事业等各行各业中；而且，财务分析已然成为商务智能在众多行业中一个重要的应用领域。因此，在财经类专业开设注重数据驱动财务决策过程的商务智能课程已势在必行。只是，在开设这门课程时，要从实际情况出发，既要考虑当下财经类专业全局课程体系安排，又要兼顾商务智能课程本身的特点，充分思考商务智能课程与先修课程和后续课程之间的逻辑关系和衔接要求。
（一）先修课程
商务智能的先修课程安排可以从以下五个层次分析。第一，商务智能作为计算机、数学、统计等基础学科相交叉的前沿学科，需要学生能够综合运用这些基础理论知识，因此，从学生知识能力的层次要求来看，计算机应用基础、经济数学、应用统计学属于第一层次；第二，商务智能要整合企业的业务系统数据，作为数据加工厂需要学生充分领会“数据收集———数据处理———数据分析———数据展现———报告撰写”的完整数据加工过程，本专业课程体系内设计的“财务数据分析”课程属于第二层次；第三，商务智能作为多种技术综合应用的解决方案，需要学生至少掌握一种主流软件厂商提供的解决方案，并且要求学生能够领会完整项目交付的全过程理念，数据库原理及应用和项目管理两门课程属于第三层次；第四，商务智能作为决策工具，要求学生主要从财务层面学会运用企业经营领域内的决策支持理论，财务管理、财务分析与决策、管理会计等专业课程属于第四层次的先修课程；第五，商务智能作为决策工具，学生仅从财务层面掌握决策分析的理论还是不充分的，还需要学生能够了解企业经营全貌，增强学生对企业业务的理解能力，因此，作为第五层次的课程———企业经营沙盘课程恰好可以实现此衔接要求。
（二）后续课程
在大数据时代，几乎每个人都生活在数据中，几乎所有人都在制造和分享数据。“大数据如何让商业更智能？”对这个问题的思考与回答成为引发商务智能后续课程开发的源动力。大数据要让商业更智能，需要从流程优化、客户洞察、营销规划、产品创新、物流管理、人力资源管理、风险控制七个方面提升大数据对企业竞争的影响力。而作为商务智能后续课程的专业拓展课程其课程性质界定了其后续课程设计不能从这七个方面全面铺开来讲授商务智能的应用。因为，对专业拓展课程的范围设计，需要对专业（群）进行相应分析，根据拓展课程对应岗位群的具体要求，确定与其相关性较强，交叉较多的领域进行。因此，我们选择了从流程优化的角度去拓展商务智能的应用，选择以“流程优化”为主题的“流程智能”课程作为商务智能的后续课程，通过这门课程拓展培养学生深入理解运用商务智能核心技术实现流程优化方面的能力。
四、今后努力方向
关键词：统计学；统计教育；课程设置；应用型人才
作者简介：刘宏建（1980-），男，安徽濉溪人，安徽工程大学数理学院，讲师；费为银（1963-），男，安徽芜湖人，安徽工程大学数理学院，教授。（安徽 芜湖 241000）
项目基金：本文系安徽省教育厅重点教学研究项目（2008JYXM070）、安徽工程大学教研项目（2012XJY22）的研究成果。
中图分类号：G642?????文献标识码：A?????文章编号：1007-0079（2012）31-0016-01
美国次贷危机爆发后，全球金融市场遭遇了1929 年以来最大的系统性金融海啸，全球经济放缓，我国经济也遭遇了巨大的压力。如何用科学的方法防范金融风险、制订符合经济规律的金融政策已引起政府部门和保险、银行、证券等金融单位的高度重视。然而目前国内金融人才，特别是既懂金融又懂统计的复合型人才相当稀缺，高校首先应当担当起培养此类人才的重任。[1-3]与此相关的人才培养模式的建立和实践需要科学化和系统化的研究，安徽工程大学数理学院统计学专业（风险管理与精算方向）通过六年的努力，为该专业的人才培养取得了一些有益的经验。
一、明确培养目标，优化培养方案
我校数理学院于2005年开始统计学专业（风险管理与精算方向）本科招生，专业设置围绕学校深度融合地方经济建设，主动为地方经济建设与社会发展服务的办学宗旨，在一定程度上推动了我校乃至安徽省风险管理与精算学科的相关教学与研究工作的深入开展，使金融风险的量化、控制等方面的研究更具科学化、系统化。
在专业建设之初，学校就将工作的核心确定为：明确培养目标，优化培养方案。因为培养目标是塑造人才的方向和模式，是衡量人才质量的主要依据。顺应时展的要求，适应高等教育发展由“人才供给主导型”到“社会需求主导型”的转变，准确定位培养目标，事关专业建设的成败。专业培养方案是高等学校人才培养的总体设计蓝图，是实现培养目标的关键。为此，结合实际将我校该专业的培养目标定位为“培养具有良好的数学、经济学与金融学素养，掌握概率统计、金融工程、保险学的基本理论和方法及计算机应用技术，能进行统计调查与数据分析、风险评估和风险管理，有较高外语水平的德、智、体全面发展的创新性应用型人才，为有志成为高级统计师、金融分析师、精算师的学生打下坚实基础”，同时进一步完善了培养规格要求，使之能更好地体现专业特色和新形势下对人才培养的要求。
二、不断优化课程体系，适时更新教学内容
2003年11月，高等学校统计学教学指导分委员会颁布了《统计学本科专业教学规范》，条例中明确了统计学专业课程设置的布局与课程结构，对我国高校统计学专业的课程设置提供了总的指导思想。[4]为确保培养目标的顺利实现，按照“以理论为基础，强化实践应用，突出金融特色”的原则对课程体系进行优化。
1.构建“平台+模块”的课程体系
培养计划中包括必修和选修两类课程。学生毕业要求控制在190～200 学分之间，由必修理论课学分、选修理论课学分、公共选修课学分、实践教学环节学分、综合素质学分五部分组成。课程平台结构由四个结构组成。
（1）基础教育课程平台。本课程平台由政治理论、人文社科、军事法律、自然科学（学科基础）、外语、体育、计算机应用基础等类课程构成。其中必修课程65学分，选修课程5学分。
（2）专业教育课程平台。本课程平台由概率论、常微分方程、运筹学、数理统计、时间序列分析、多元统计分析、定性数据统计分析、抽样调查、经济统计、统计预测与决策、随机过程、试验设计、西方经济学、国际金融、国际贸易理论与实务、计量经济学、货币银行学、会计学、利息理论、金融工程、数理金融、寿险精算、非寿险精算、保险学、再保险、风险管理与保险、证券投资分析与案例、公司理财等课程构成。其中必修课程110学分，选修课程12学分。
（3）实践教学课程平台。本课程平台由军事训练、认识实习、生产实习、课程设计、综合实验、社会实践、毕业设计等内容构成，主要培养学生的实践能力、动手能力和创新能力。主要课程包括抽样调查综合实验、统计预测与决策课程设计、会计电算化综合实验和“模拟股市”实验等，本平台需修满30学分。
（4）综合教育课程平台。由公共选修课和综合素质实践教育构成，其中公共选修课共设文史、社科、艺术、经管、自然科学、其他共六大类课程，要求学生至少选修5学分的课程；综合素质教育学分要求学生必须完成2学分，旨在鼓励学生参加各种创新实践活动，培养学生的创新能力和创业技能，提升学生的综合竞争力。
该专业的课程又可分为三个模块：统计学与数学模块、金融模块、计算机基础及应用模块。统计学与数学模块课程包括数学分析、高等代数、概率论、数理统计等，是基础，在前4学期内完成；金融模块课程包括西方经济学、会计学、国际金融、国际贸易、货币银行学、金融工程、数理金融、寿险精算、非寿险精算、保险学、再保险、风险管理与保险、证券投资分析与案例等，是特色，贯穿2～7学期；计算机基础及应用模块课程包括C语言程序设计、数据库程序设计、统计软件应用与开发等，是必要支撑，在2～7学期完成。
2.适时更新、充实教学内容
新世纪科技发展呈现交叉渗透和数量化的特点，出现了许多交叉、边缘学科。为使适应新世纪科技发展的形势，为扩大学生知识面，提高学生的综合素质，培养具有统计背景的金融人才就必须适时地将新知识、新方法和新理念引入课堂教学。
关键词：大数据时代 贸易统计
马云说，在大家还没搞懂PC时代的时候，移动互联网来了；在大家还没搞懂移动互联网的时候，大数据时代来了。进入2012年，大数据（big data）一词被越来越多地提及，人们用它来描述、定义信息爆炸时代产生的海量数据，并以之命名与之相关的技术发展与创新。眼下，从硅谷直到北京，大数据的概念正在被许多人追捧。“大数据”究竟是什么？对此，业界并无共识，不过，它并不是什么新鲜事物。
移动互联网浪潮下，数据产生速度前所未有地加快，信息革命带来了数据的爆炸式增长。渐渐地，人们发现原有的零散地对数据的利用造成了非常巨大的浪费。于是，人类达成共识，开始系统性地对数据进行挖掘。这就是大数据的初衷。
虽然很少有人能说清大数据究竟是什么，但大数据具有的一些典型特征却是被公认的。海量化是大数据最明显的特征。在信息爆炸时代，信息的增长量超过了任何一个行业。发展到今天，再没有一种方式比大数据提供的机会更多。当然，海量化的数据也奠定了多样化的基础，大数据能为企业提供种类繁多的信息。当下，企业面临的竞争形势越来越严峻，如何能够及时把握市场动态，并能快速制定出适当的运营策略，成为企业提高竞争力的关键。反应在数据层面，则是数据的实时洞察，这就是大数据的快速化。以上这些特征，还不能说明大数据已成气候，还需要大数据进行分析和处理，这些处理结果会给企业带来巨大的经济价值，而价值才是大数据的终极意义所在。
“大数据”可能带来的巨大价值正渐渐被人们认可，它通过技术的创新与发展，以及数据的全面感知、收集、分析及共享，为人们提供了一种全新的看待世界的方法。维克托在他风靡全球的新书《大数据时代》中明确指出，大数据时代最大的转变就是，放弃对因果关系的渴求，取而代之关注相关关系，即只要知道“是什么”，而不需要知道“为什么”。这颠覆了千百年来人类的思维惯例，对人类的认知和与世界交流的方式提出了全新的挑战。更多地基于事实与数据做出决策的思维方式，可以预见，将推动一些习惯于靠“差不多”运行的行业发生巨大变革。
在国内，“大数据”作为一个比较新的概念，尚未直接以专有名词被中国政府提出给予政策支持。不过，在工信部的物联网“十二五”规划中，信息处理技术作为四项关键技术创新工程之一被提了出来，其中包括海量数据存储、数据挖掘及图像视频智能分析，这都是大数据的重要组成部分。另外三项关键技术创新工程，包括信息感知技术、信息传输技术及信息安全技术，也都与“大数据”密切相关。
大数据时代来了，贸易统计会面临哪些新的要求？
统计的基本任务是对国民经济和社会发展情况进行统计调查、分析，提供统计信息和咨询意见，实现统计监督，为各级政府部门的决策提供依据。贸易统计作为国民经济统计的重要组成部分，在反映流通与消费、社会经济发展变化等方面发挥了重要作用。搞好贸易统计，全面准确地反映消费需求的发展变化趋势，对于贯彻落实科学发展观，实现经济增长方式主要由投资拉动向消费拉动的转变，具有非常重要的意义。
随着社会主义市场经济的快速发展以及国家统计方法制度改革，贸易统计工作面临的困难也越来越大，主要表现为：
第一，贸易统计对象复杂，统计数据收集难度大。随着市场经济发展，贸易统计调查对象的构成发生很大变化：国有集体商业的比重越来越低，代之以国有、集体、个体私营和股份制等多种经济成份并存的局面，贸易统计呈现出对象小、多、散、配合程度差等特点。
第二，贸易统计基础工作薄弱，统计源头数据质量差。目前，贸易统计的调查对象，尤其是不少私营企业统计基础工作比较薄弱，没有配备专职统计人员，大多由会计兼任统计而且人员经常变动，所以基本上没有统计台帐和完整的财务资料。
此外，统计方法制度改革，给贸易统计基础工作带来新的挑战。从2012年年报开始，国家全面推行企业一套表联网直报，直接通过互联网向国家报送数据，这就要求调查对象具备相应的硬件设施、专业人员及技术水平，这给贸易统计工作带来更大的困难与挑战。
“大数据浪潮”袭来，统计行业面临前所未有的挑战与机遇。计算机技术、网络技术以及空间信息技术的巨大进步，为提高统计生产力提供了广阔空间。海量的非结构化、电子化数据，极大地丰富了统计数据的来源。统计调查主体的多元化发展趋势和电子商务、电子政务以及搜索引擎等领域的飞速发展，对贸易统计形成了新的挑战。这些挑战某种程度上对贸易统计也提出了新的要求。
首先，贸易统计相关人员需要更新传统统计思维方式，确立大数据意识。
大数据虽然孕育于信息通信技术的日渐普遍和成熟，但它对社会经济生活产生的影响绝不限于技术层面。在本质上，它是为我们看待世界提供了一种全新的方法，即决策行为将不是像过去更多凭借经验和直觉做出，而是基于数据分析做出。大数据的影响并不仅限于信息通信产业，而是正在重构和“吞噬”很多传统行业。广泛运用数据分析手段管理和优化运营的公司其实质都是数据公司。对统计学而言，大数据将突破通过样本推断总体的传统方法，而直接对总体进行相关分析，并更加注重结论的相关性和实时性。对贸易统计工作而言，大数据是采用多种数据收集方式、整合多种数据来源的数据，是采用现代信息技术、架构高速处理及挖掘、具有高度应用价值和决策支持功能的数据、方法及其技术的集成。所以，贸易统计从业人员需要摒弃传统观念，确立大数据意识以尽快熟悉和适应大数据时代贸易统计新的形势和局面。
其次，要重视大数据技术，主动熟悉掌握大数据处理技术。
大数据是最近几年才兴起的词语，例如NoSQL、Hadoop，MapReduce等都是2013年新兴起的技术，不是所有的IT人员对大数据都很了解，更何况非IT专业的统计人员。Teradata大中华区首席执行官辛儿伦曾对新浪科技表示，随着大数据时代的到来，企业应该在内部培养三种能力：整合企业数据的能力；探索数据背后价值和制定精确行动纲领的能力；进行精确快速实时行动的能力。贸易统计也需如此。
对统计而言，对大数据的运用更应从数据采集走向数据挖掘。大数据时代最重要的是充分挖掘数据的价值，通过深入的统计分析，为宏观决策社会发展反映社会消费需求提供更加及时、有用的参考。
再次，贸易统计行业还需加强业务培训，培养专职统计人员。
既有的技术架构和路线，已经无法高效处理如此海量的数据。对于贸易统计来说，如果投入巨大精力，采集的信息无法通过及时处理反馈有效信息，那将是得不偿失的。因此，大数据时代对贸易统计人员的数据驾驭能力提出了新的挑战。尽管大数据的作用相当了得，但是真正具备分析能力的数据分析师却凤毛麟角。如果没有这样的人才，那么在海量的数据面前，我们也只能是一筹莫展。所以，统计人员要加强大数据处理技术业务知识培训，通过培训学习，使统计人员掌握更多大数据相关技术，保证统计人员真正理解并掌握统计指标的计算方法、处理技术，更好地应对大数据时代贸易统计面临的难题。
此外，贸易统计还应积极加强同企业的协作。“春江水暖鸭先知”，企业是大数据利用的先行者，当前，越来越多的从事数据掌控、生产、分析以及交换的企业正在快速生长，已衍生出很多的数据设计、数据制造、数据营销的新产品。这些企业已经成为大数据应用的主力军和弄潮儿，推动着我国大数据应用的快速发展。统计行业同这些企业的“强强联手”，表明了大数据在统计中的应用正从研究论证阶段转入实际操作阶段。对此，国家统计局局长马建堂指出，“国家统计局与协议签订企业的合作是优势互补、互利双赢，也是国家统计局打造现代化服务型统计的重要举措。通过合作，必将极大推动大数据开发利用的科学性、统一性、规范性。”
大数据时代已轰轰烈烈地到来，迎头赶上，抓住机遇，贸易统计一定会在这此挑战中开创新的局面。
参考文献：
【关键词】统计套利 成对交易 应用分析
一、统计套利模型的原理简介
统计套利模型是基于两个或两个以上具有较高相关性的股票或者其他证券，通过一定的方法验证股价波动在一段时间内保持这种良好的相关性，那么一旦两者之间出现了背离的走势，而且这种价格的背离在未来预计会得到纠正，从而可以产生套利机会。在统计套利实践中，当两者之间出现背离，那么可以买进表现价格被低估的、卖出价格高估的股票，在未来两者之间的价格背离得到纠正时，进行相反的平仓操作。统计套利原理得以实现的前提是均值回复，即存在均值区间(在实践中一般表现为资产价格的时间序列是平稳的，且其序列图波动在一定的范围之内)，价格的背离是短期的，随着实践的推移，资产价格将会回复到它的均值区间。如果时间序列是平稳的，则可以构造统计套利交易的信号发现机制，该信号机制将会显示是否资产价格已经偏离了长期均值从而存在套利的机会 在某种意义上存在着共同点的两个证券(比如同行业的股票)， 其市场价格之间存在着良好的相关性，价格往往表现为同向变化，从而价格的差值或价格的比值往往围绕着某一固定值进行波动。
二、统计套利模型交易策略与数据的处理
统计套利具体操作策略有很多，一般来说主要有成对/一篮子交易，多因素模型等，目前应用比较广泛的策略主要是成对交易策略。成对策略，通常也叫利差交易，即通过对同一行业的或者股价具有长期稳定均衡关系的股票的一个多头头寸和一个空头头寸进行匹配，使交易者维持对市场的中性头寸。这种策略比较适合主动管理的基金。
成对交易策略的实施主要有两个步骤：一是对股票对的选取。海通证券分析师周健在绝对收益策略研究―统计套利一文中指出，应当结合基本面与行业进行选股，这样才能保证策略收益，有效降低风险。比如银行，房地产，煤电行业等。理论上可以通过统计学中的聚类分析方法进行分类，然后在进行协整检验，这样的成功的几率会大一些。第二是对股票价格序列自身及相互之间的相关性进行检验。目前常用的就是协整理论以及随机游走模型。
运用协整理论判定股票价格序列存在的相关性，需要首先对股票价格序列进行平稳性检验，常用的检验方法是图示法和单位根检验法，图示法即对所选各个时间序列变量及一阶差分作时序图，从图中观察变量的时序图出现一定的趋势册可能是非平稳性序列，而经过一阶差分后的时序图表现出随机性，则序列可能是平稳的。但是图示法判断序列是否存在具有很大的主观性。理论上检验序列平稳性及阶输通过单位根检验来确定，单位根检验的方法很多，一般有DF，ADF检验和Phillips的非参数检验（PP检验）一般用的较多的方法是ADF检验。检验后如果序列本身或者一阶差分后是平稳的，我们就可以对不同的股票序列进行协整检验，协整检验的方法主要有EG两步法，即首先对需要检验的变量进行普通的线性回归，得到一阶残差，再对残差序列进行单位根检验，如果存在单位根，那么变量是不具有协整关系的，如果不存在单位根，则序列是平稳的。EG检验比较适合两个序列之间的协整检验。除EG检验法之外，还有Johansen检验，Gregory hansan法，自回归滞后模型法等。其中johansen检验比较适合三个以上序列之间协整关系的检验。通过协整检验，可以判定股票价格序列之间的相关性，从而进行成对交易。
Christian L. Dunis和Gianluigi Giorgioni（2010）用高频数据代替日交易数据进行套利，并同时比较了具有协整关系的股票对和没有协整关系股票对进行套利的立即收益率，结果显示，股票间价格协整关系越高，进行统计套利的机会越多，潜在收益率也越高。
根据随机游走模型我们可以检验股票价格波动是否具有“记忆性”，也就是说是否存在可预测的成分。一般可以分为两种情况：短期可预测性分析及长期可预测性分析。在短期可预测性分析中，检验标准主要针对的是随机游走过程的第三种情况，即不相关增量的研究，可以采用的检验工具是自相关检验和方差比检验。在序列自相关检验中，常用到的统计量是自相关系数和鲍克斯-皮尔斯 Q统计量，当这两个统计量在一定的置信度下，显著大于其临界水平时，说明该序列自相关，也就是存在一定的可预测性。方差比检验遵循的事实是：随机游走的股价对数收益的方差随着时期线性增长，这些期间内增量是可以度量的。这样，在k期内计算的收益方差应该近似等于k倍的单期收益的方差，如果股价的波动是随机游走的，则方差比接近于1；当存在正的自相关时，方差比大于1；当存在负的自相关是，方差比小于1。进行长期可预测性分析，由于时间跨度较大的时候，采用方差比进行检验的作用不是很明显，所以可以采用R/S分析，用Hurst指数度量其长期可预测性，Hurst指数是通过下列方程的回归系数估计得到的：
Ln[(R/S)N]=C+H*LnN
R/S 是重标极差，N为观察次数，H为Hurst指数，C为常数。当H>0.5时说，说明这些股票可能具有长期记忆性，但是还不能判定这个序列是随机游走或者是具有持续性的分形时间序列，还需要对其进行显著性检验。
无论是采用协整检验还是通过随机游走判断，其目的都是要找到一种短期或者长期内的一种均衡关系，这样我们的统计套利策略才能够得到有效的实施。
进行统计套利的数据一般是采用交易日收盘价数据，但是最近研究发现，采用高频数据（如5分钟，10分钟，15分钟，20分钟收盘价交易数据）市场中存在更多的统计套利机会。日交易数据我们选择前复权收盘价，而且如果两只股票价格价差比较大，需要先进性对数化处理。Christian L. Dunis和Gianluigi Giorgioni（2010）分别使用15分钟收盘价，20分钟收盘价，30分以及一个小时收盘价为样本进行统计套利分析，结果显示，使用高频数据进行统计套利所取得收益更高。而且海通证券金融分析师在绝对收益策略系列研究中，用沪深300指数为样本作为统计套利配对交易的标的股票池，使用高频数据计算累计收益率比使用日交易数据高将近5个百分点。
三、统计套利模型的应用的拓展―检验资本市场的有效性
Fama(1969)提出的有效市场假说，其经济含义是:市场能够对信息作出迅速合理的反应,使得市场价格能够充分反映所有可以获得的信息,从而使资产的价格不可用当前的信息进行预测,以至于任何人都无法持续地获得超额利润.通过检验统计套利机会存在与否就可以验证资本市场是有效的的，弱有效的，或者是无效的市场。徐玉莲(2005)通过运用统计套利对中国资本市场效率进行实证研究，首先得出结论：统计套利机会的存在与资本市场效率是不相容的。以此为理论依据，对中国股票市场中的价格惯性、价格反转及价值反转投资策略是否存在统计套利机会进行检验，结果发现我国股票市场尚未达到弱有效性。吴振翔，陈敏（2007）曾经利用这种方法对我国A股市场的弱有效性加以检验，采用惯性和反转两种投资策略发现我国A股若有效性不成立。另外我国学者吴振翔，魏先华等通过对Hogan的统计套利模型进行修正，提出了基于统计套利模型对开放式基金评级的方法。
四、结论
统计套利模型的应用目前主要表现在两个方面：1.作为一种有效的交易策略，进行套利。2.通过检测统计套利机会的存在，验证资本市场或者某个市场的有效性。由于统计套利策略的实施有赖于做空机制的建立，随着我股指期货和融资融券业务的推出和完善，相信在我国会有比较广泛的应用与发展。
参考文献
[1] A.N. Burgess：A computational Methodolology for Modelling the Dynamics of statistical arbitrage, London business school,PhD Thesis,1999.
[2]方昊.统计套利的理论模式及应用分析―基于中国封闭式基金市场的检验.统计与决策,2005,6月（下）.
[3]马理,卢烨婷.沪深 300 股指期货期现套利的可行性研究―基于统计套利模型的实证.财贸研究,2011,1.
[4]吴桥林．基于沪深 300 股指期货的套利策略研究[D]．中国优秀硕士学位论文．2009．
“社会”这个词不陌生，“社会学”这个专业却是很陌生。如果，你曾观察到下面这些社会现象，有过疑惑，很想知道如何去改善；又或者曾经感同身受，却不知道为什么会是这样，又该怎样科学地去分析这种现象，找到其根源。那么，也许读社会学，会让你找到最合适的答案。作为一个社会学本科毕业的学生，今天来为大家介绍一下社会学这个专业，私心当然是有的，希望这个我读了4年的专业能够吸引更多的学弟学妹。
疑问1：社会如此之大，我却如此之渺小。我对于整个社会真的是有意义的存在吗?反之，社会对于我这个渺小的个体又有什么意义呢?对于社会，究竟应该抱着怎样的看法?对每个个体，它是公平的吗?
疑问2：社会变革得越来越快，近几十年来，生活的变化太快了，我们越来越多的生活内容离不开电子产品。拜菩萨可以在网上完成，随时随地可以跟踪另一半的地理方位，还有最近日本研究出了几可乱真的3D人脸面具。我们真的会变成赛博格吗?(赛博格，社会学者提出称现代人为赛博格，其英文“cyborg”是“cybemetic organism”的结合，实际上表示了任何混合了有机体与无机体的生物。简单地说，就是机器+人。)
疑问3：去年自美国兴起的“华尔街运动”在很短的时间内扩散开来。这起发生在美国的事件对我们有着什么影响?为什么社会上有的人要举起标语占领街头，才能让大家听到他们的声音?美国的次贷危机为何会引发欧元区的国家濒临破产?
对于这些问题，社会学也许不能给出如同1+1=2的标准答案，因为它所研究的并不是针对某一个问题的特定解答或者理论。社会学更多的，是告诉我们一些观察世界、思考世界、思考我们自身和世界的关系的方法。而且，在人文科学中，很多问题并没有标准答案，你需要反复思索，反复挑战。
也许你会问，那社会学的范围是不是太大了，说穿了，我们生活在社会里，所有东西都和社会息息相关啊?没错!就好像有了数学知识才能研究物理化学，社会学作为一门研究社会的科学，我更愿意把它视为一门基础学科。它探索的范围很广：社会的变迁与发展，社会组织和网络，社会阶级，社会文化和环境，社会运动，社会生活中的科技、通讯和医疗，以及各种各样的社会问题，都在其范畴之内。如果你希望今后的职业道路是法律、商科、医疗、政治及社区发展的话，在本科阶段读社会学，将是一种非常好的选择，它会帮你打下坚实的基础。所以，在人文学科中，社会学当之无愧是一颗闪耀的珍珠!
让我们看看社会学一些主要的课程设置：
社会统计学、社会调查与研究方法、数据分析技术(SPSS)、经典社会学理论、社会心理学、农村社会学、城市社会学、人口社会学、社会人类学、经济社会学、劳动社会学等必修课程。同时，还有很多诸如环境社会学、宗教社会学、家庭社会学、社会分层与流动这样的选修课程。
总结一下就会发现，社会学在对社会的研究、犯罪学、人口学、社会心理学、公共行政、老人学、社会工作等领域都有非常广阔的应用前景。只是，它并不像有些学科那样地专业对口，不像读软件工程的同学可以毕业后做软件工程师，社会学毕业后，并没有一个叫做“社会工程师”这样的岗位在等待着你。不过――
我们可以看一看一些成功的前辈所从事的事业：
刘强东，江苏省宿迁市宿豫区人。1996年毕业于中国人民大学社会学系。2004年初涉足电子商务领域，创办“京东多媒体网”(京东商城的前身)，并出任CEO。
徐进，复旦大学社会学系本科毕业，美国芝加哥大学统计学硕士＆社会学博士，曾任金融分析师。
是不是和你想象中不太一样?以我们学校为例，近3年的毕业生的毕业动向大致如下：
50％――保研、出国留学
在一些知名院校，这一比例甚至可以达到90％。他们在硕士阶段可能并不是继续攻读社会学，而是学习一些其他的学科。要知道社会学的方法论，包括其涵盖的研究、统计和资料分析，有着非常大的功能。就像前面说的，社会学教会我们的是分析问题的方法，而不是给出答案。
10％――政府及事业单位
主要是一些政府政策的研究部门。在公务员考试的专业分类里，社会学是一个大类，包括社会工作(含司法社会工作方向等)、社会管理、社区服务(管理)、家政学(服务)、老年服务(管理)、青少年工作(管理)等内容和工作方向。
20％――企业，包括央企、国企和外企
社会学毕业的学生，可以在企业负责撰写社会补助的企划案，以及从事行政、广告、银行和咨询等方面的工作。其中，不少学生进入了中外社会调查和市场调查公司。
20％――传媒及其他
社会学本身的特性――强调思考，所有非常强调具备这一能力的工作，比如记者、编辑等都适合社会学毕业的学生。只是要从事这些职业，光有一张社会学的文凭也是不够的，还需要提高各种综合素质，比如文字功底。
我个人关于社会学的思考：
台湾大学的社会系老师林国明曾在毕业典礼上这样说道：“社会学是最好的公民教育。”我也常常在思考，经过四年的社会学的知识训练，到底可以培养我们的什么能力?其实，这四年，我只走了三步：
第一步：认识社会。社会中的种种困扰，人生中的困局，有些是集体的力量造成的，我们要认识究竟是哪些力量在影响着我们。遇到不如意，比如付出却没有回报，其实是由于各种因素，比如性别、升迁制度、市场竞争所造成的。
第二步：理解社会。社会学让我们对社会的不平等有着一种敏感。让我们更好地去理解这个社会。
社会的发展离不开人才的培养，人才培养模式也反映了一个时展的特点并且与之相适应。关于社会学的论文题目有哪些？下面小编给大家带来2021社会学毕业论文题目参考，希望能帮助到大家!
优秀大学生社会学论文题目1.浅析大学生炒股的博弈心理现状
2.网络环境下大学生自主学习行为的现状研究--以河南牧业经济学院金融学专业为例
3.在华韩国留学生文化智力对文化认同的内隐影响研究
4.大学艺术与礼仪教育渗透研究
5.读懂“90后”才能获取真正的生力军
6.高校学生自杀原因分析及对策
7.关于综合性大学开设礼仪课程的探索
8.信任与公平:青年社会心态的区域比较
9.浅析生态社会主义思潮对大学生的影响及对策
10.试论专业化.职业性社会工作推进的必要性与发展趋势分析
11.高校“公共关系学”课程教学方法改革的几点建议
12.民族院校家庭经济困难生社会价值人际交往发展需求研究
13.民国时期女大学生婚姻观研究
14.构建以职业能力培养为诉求的课程实训模式--以公关课程为例
15.“社区为本”的儿童保护服务本土化模式创新--以佛山市里水镇“事实孤儿”保护项目为例
16.影视作品对当代大学生婚恋观影响的实证研究--以河南省部分高校为例
17.穗.港两地青年学生的交流与融合
18.90后男大学生穿着行为分析
19.双语教学在社会工作专业的应用性分析
20.罗振宇:我看到的世界
21.基于网络大数据的社会心理学研究进展
22.对高校经济统计基础知识的研究
23.统计学专业就业难问题的分析及对策研究
24.基于社会认同理论的社工大学生专业认同研究
25.新常态下社会思潮的存在逻辑与新表征
26.大学阶段数据分析师的培养研究
27.社会工作如何在精准扶贫中发挥作用
28.社会工作专业人才流失现象的探讨
29.社会心理学视角下的亲环境行为探讨
30.高职院校开设礼仪课程的意义探析
31.中国当代社会心理学发展的新方向
32.实践性教学在女性学课程体系中的运用
33.改革开放以来我国职业声望排序及变迁研究
34.基层电大统计学原理教学辅导改革初探
35.社会信任对网络公民参与的影响--以大学生网民为例
36.“小组工作”方法运用于课堂教学的实践报告
37.内地高校少数民族大学生社会支持网络的构建
38.对高校礼仪课程教学方法改革的思考
39.性别意识与女大学生就业质量--基于福建省五所高校的调查
40.国外青少年移动网络通讯设备使用情况研究综述
41.甘肃省大学生自杀意念与羞耻感.述情障碍.领悟社会支持的关系
42.农村大学生“诉贫伤害”的社会学分析
43.症结与解决:受怀旧风影响的大学生恋爱观
44.关于提高开放电大“统计学原理”教学效果的探讨
45.论大学生手机成瘾行为的原因
46.家庭依恋模式对杏林学院大学生网络成瘾的个案研究
47.当代女大学生性行为现状及影响因素的研究综述
48.大学生亲密关系暴力的相关研究评述
49.社会工作人才保障激励机制研究--以南京市为例
50.哈贝马斯交往行为理论对大学生“低头族”的启示
51.湖北高校大学生社交媒体使用状况的实证分析
52.微信对大学生人际交往影响的调查与分析--以新疆农业大学为例
53.改进当代西方社会思潮的教学方法及其意义
54.信息化环境下应用统计学实践环节教学改革的研究
55.论当前我国社会的四种非理性文化心态
56.微时代环境下大学生人际交往的“网络共同体”研究
57.信息技术女性用户对信息技术设计的影响
58.关于高校“统计学”课程的教学满意度评价
59.大学生亲子关系与朋友关系的相关研究
60.常见校园犯罪的法律说明及其预防
法律社会学论文题目选题参考1.涉罪未成年人异地社会调查制度现行做法
2.完善未成年被告人人格调查制度的司法对策--以广州市的审判实践为样本
3.未成年人犯罪记录封存制度的理解与完善--兼论《刑事诉讼法》第275条
4.我国少年司法之人格甄别制度引入
5.未成年被告人人身危险性调查的理念确立和机制构建
6.少年司法分立论
7.“打人命”:农村青年妇女自杀特殊干预的一般意义
8.校园虐童行为模式与预防对策研究
9.社科法学的知识反思--以研究方法为核心
10.自由的女性与女性的自由--自由主义女性主义法学的主张及其影响
11.中国青少年网络犯罪研究综述
12.“封存”还是“消灭”?--评新刑诉法犯罪记录封存条款
13.“罪错未成年人新闻报道的权益保护与法律规制”研讨沙龙综述
14.未成年人刑事检察办案机制创新研究--以玄武区检察院“协作式”办案制度为视角
15.江苏省预防未成年人犯罪地方立法的实证分析--以A市未成年人犯罪成因和预防现状为调研对象
16.社区服刑人员社会支持系统调查研究--以上海为例
17.我国少年司法的困境与出路
18.未成年人刑事案件程序性制裁机制研究
19.赦免制度:“宽恕”在国家心理中的体现
20.司法社工职业的独特性
21.论强制辩护在未成年人刑事案件诉讼程序中的适用--以《刑事诉讼法》第267条为中心
22.我国社会工作者队伍建设立法研究综述
23.未成年人犯罪的性法学思考
24.未成年犯罪人的社区矫正
25.试论青少年法制观念的培养
26.从性科学研究的基本思路看性法学研究的未来课题
27.关注弱势群体--女性主义法学的启示
28.哈贝马斯的交往理性法律观及其启示
29.青少年犯罪预防中的“儿童参与”--创新立体化社会治安防控体系的新思考
30.少年司法程序中品格证据适用的冲突与重构
31.儿童虐待的心理危害
32.未成年人轻罪案件非刑罚化处理之构想--以刑事和解为视角
33.未成年人犯罪特别程序之定位
34.未成年人刑事案件审理中社会调查制度的实际运用与分析
35.论我国未成年人人格调查制度之完善
36.宽严相济语境下未成年人累犯制度释疑及完善
37.可能性与空间考量:精神障碍者的司法社工介入
38.法社会学视角下的男性自杀问题研究
39.论大学生犯罪是否从宽处罚及其完善
40.新时期重庆市青少年犯罪研判与对策
社会工作专业毕业论文题目参考1、家庭暴力问题解决的社会工作介入研究
2、流动儿童城市适应性的社会工作介入研究
3、北京市社会工作事务所中社会工作者的激励状况研究
4、社会工作视角下的城市空巢老人社区养老问题研究
5、社会工作教育对社会工作专业化的影响
6、关于最低生活保障与社会工作融合的研究
7、灾害社会工作的本土实践：一种优势视角的分析
8、社会工作介入农民工妇女社会支持网络的服务研究
9、社会工作对自闭症家庭的干预研究
10、社会转型期青少年偏差行为矫治的社会工作介入研究
11、医务社会工作实习研究
12、社会工作专业人才流失问题研究
13、整合式社会工作方法介入流动儿童青春期性教育的研究
14、军休干部服务中的社会工作伦理困境研究
15、民办社会工作机构运行模式研究
16、资源依赖视角下社会工作机构服务质量研究
17、社会工作机构资源动员模式研究
18、社会工作介入青少年人际交往的探讨
19、“三社联动”机制推动广州城市社区社会工作发展的研究
20、社会工作服务机构能力现状分析
21、社会工作机构人力资源管理满意度调查
22、新形势下沿海地区农村社会工作问题研究
23、伤残人群社会工作中的困惑思考
24、社会工作专业学生专业认同影响因素及前瞻思考
25、社会工作介入空巢老人居家养老的模式研究
26、专业社会工作与中国社会治理相结合的探讨
27、留守儿童心理健康问题的社会工作介入
28、欠发达地区社会工作发展路径探析
29、增权理论视角下面向“三失”青少年的社会工作个案帮扶途径与方法研究
30、社会治理视角下新疆社会工作示范点的发展研究
31、制度信任视角下的社会工作“嵌入”公办福利机构问题研究
32、青少年厌学的社会工作个案介入研究
33、社会工作实务中的伦理困境与伦理抉择
34、从社会工作机构的成立看本土性社会工作的发展
35、社会工作视角下和谐医患关系构建研究
36、社会工作理论与实践的脱离和整合
37、社会工作方法在改善医患关系中的运用
38、资源依赖视角下社会工作机构服务机制探析
39、社会工作行业组织明确组织使命与发展道路方法的研究
【关键词】股票市场流动性;投资回报率;实证研究
1.引言
流动性对证券市场及微观市场的影响越来越受到学者重视,越来越多的学者研究寻找流动性与资产定价、收益率波动之间的关系。Amihud&Mendelson(1986a)首先提出了流动性对定价的影响,他们利用1961-1980年NYSE/AMEX的数据研究发现股票回报率与买卖价差具有显著的正相关关系,发现股票期望收益率无论是股票间(横截面)还是在时间序列上,都是预期非流动性的增函数。研究认为,流动性成本是投资者进行投资决策所考虑的主要问题之一,实际投资决策人组建的证券组合,必须符合投资者投资期限和流动性约束,并建立了一个模型,考察存在投资期限差异的前提下,相对买卖价差对资产定价和投资者证券组合选择的影响。
此后学术界对价差-回报率的关系进行了更深入的研究,取得了显著进步。Jacoby,Gottesman(2000)建立了一个包含流动性成本的单时期CAPM模型,同样发现相对价差与预期回报率的正相关关系,但在其模型中回报率是价差的凸的线性增函数。模型强调在衡量市场的系统性风险时,必须以扣除价差后的收益率计算。Brennan&Subrahmanyam(1996)的实证研究发现买卖价差与预期回报率之间存在正的相关关系,但呈现出凸的增函数特性。研究还发现流动性(交易量指标)与股票平均回报率之间存在负的相关关系。Jones(20Ol)使用1898一1998年的纽约证交所交易数据实证研究发现,流动性指标(买卖价差和换手率)能够预测回报率(提前一年时间),买卖价差扩大预示高回报率,高换手率预示低回报率。Amihud(2002)使用纽约证交所1964一1997年的交易数据,发现市场的预期流动性成本与股票的超额回报率具有正的相关关系,而未预期到的流动性成本与股票的超额回报率具有负的相关关系。Chordia,Roll,& Subrahmanyam(2000)的研究发现流动性并非单个股票的独立特性,各个股票的流动性指标具有相当明显的协同性(co-movements),从而提出了流动性风险能否通过分散化而规避的问题。Pastor & Stambaugh(2003)的实证研究发现对流动性敏感的股票具有较高的预期回报率,证明市场范围的流动性对于资产定价是一个稳定的影响因素。
以发达国家股票市场交易资料为基础进行的实证研究己经证实了流动性成本与股票回报率存在相关关系。在中国股票市场,流动性成本与股票回报率之间是否具有稳定的相关关系呢?我们利用上海证券交易所1997年1月1日至2009年12月31日的交易资料,使用以价格冲击为主的流动性指标,实证检验中国证券市场流动性风险与股票回报率的相关关系,同时考虑股权分置因素的影响,研究分析中国市场流动性与预期回报率间关系。
2.中国股票市场流动性与回报率关系的实证研究
2.1 方程与指标选择
证券市场的月度回报率按照证券市场的流动性变量进行回归估计,对于每一个月的收益率,建立流动性指标与收益率方程:
是证券市场在m月的回报率,以每日涨幅乘以了t-1时刻的收盘价来表示(在数据分析时除以了100以与各变量数据匹配),是i种流动性变量第m月的值,系数是衡量证券市场流动性对收益率的影响程度,是相对于这个方程的残差。
由于中国股票市场采取纯粹委托单驱动(order-driven)的连续竞价(continuous auction)交易制度,与美国股票市场的混合交易制度具有较大差异性,在选取流动性指标时,更倾向于采用价格一数量相结合的流动性指标,选取了如下流动性指标:
(1)“非流动性”指标ILLIQ与指数指标:
ILLIQ定义为股票的每日绝对回报率与当天交易额比率的平均值,,其中是股票i在y年t日的回报率,是对应交易日的交易额。这个指标给出了单位交易额所导致的价格变动率,根据Amihud(2002)的计算方法,给出股票i在t月的ILLIQ指标。
ILLIQ指标越高(单位成交额所导致的价格变动率比较大),股票的流动性越差①。(为了便于计算,取每日的收盘价除以了成交额,为使数据匹配,将该变量乘以)
(2)波动率指标()
换手率指标同样每日计算,按月度计算平均值,
是股票i在t日的最高价格,是股票i在t日的最低价格。(为使数据匹配,将该变量除以)
(3)交易额指标(VOLD)
交易额指标是流动性的显性指标,Brennan,Chordia,&subrahmanyam(1998)使用交易额指标发现股票回报率与交易额具有负的相关关系。(本文为使数据匹配,将该变量除以);在横截面数据估计时,测算了指标(月度交易额的对数形式)
2.2 数据来源与处理
选择上证领先指数作为分析的数据基础,其中的基础数据按照交易日期、开盘、最高价、最低价、收盘价、成交量、成交额、当日总流通股份排列。理由如下:(1)样本期内,数据与市场相关性好;(2)样本期内,成交量能够代表市场大部分人的操作;(3)样本期内,交易行为的发生能够代表市场的总体多空方向。
根据以上公式计算所得的各流动性变量月度均值的统计分布状况(均值、中值/最大值与标准差)见附表1,月度流动性指标相关度具体数值见附表2。
流动性指标相关度检验验证了ILLIQ指标的有效性,与理论分析结果一直,ILLIQ指标与成交额、波动率等流动性指标呈负相关关系。流动性指标的相关关系还反映出ILLIQ指标包含了其他流动性指标未反映的内容,如ILLIQ与VOLD之间的相关度表示VOLD指标只能解释ILLIQ指标所解释内容的不到一半(-0.44154)。而鉴于lnVOLD指标与ILLIQ指标具有较高的相关性(-0.75693),在实际回归分析中放弃了lnVOLD指标。
2.3 实证检验分析
根据公式2.1进行回归检验,具体结果见表1。
由上表中可看出:
(1)实证研究结果表明各变量均具有统计显著性(三个变量都通过t检验),回归结果符合现实情况。
(2)从其可决系数上看,波动率对于回报率的拟合度最高(0.811220),波动性的拟合度比较好,且正相关。而非流动性指标的决定系数为负数,可见非流动性与回报率是负相关的。这与A-M模型中对回报率与非流动性指标的负相关性是相同的。
(3)不同的是,Brennan,Chordia,&subrahmanyam(1998)使用交易额指标发现股票回报率与交易额具有负的相关关系,而在以上的数据统计中,两者是正相关的,尽管拟合程度不高。
出现以上结果的原因是与中国市场的非有效性是密切相关的。美国市场是一个资本推动的市场,大量的资本流动所带来的充沛流动性是中国股市所无法比拟的,因此大量的流动性使得美国市场上买卖股票的流动性成本低廉,投资者在买卖股票时所考虑的流动性沉没成本比较低,所以导致了投资者建立自己的投资预期回报率相对较低,所以会出现股票回报率与交易额负相关关系。而相对于美国的较为理性的市场,在中国市场中,由于投资者并不是追求长期资本增值,投机氛围较浓,因此大量的资本进出的目的是对短期收益的追求,因此成交额越大,所带来的投资收益预期也越大。
由于中国股票市场正处在改革发展的阶段,一些政策和措施会引起股票市场的流动性变化,为了检验样本区间的稳定性,更好地解释中国市场流动性与回报率之间的关系,进一步将样本区间进行拆分。在中国证券市场发展史上,最重要的改革措施就是2004年开始的股权分置,大量的国有企业改制上市,大量的国有股被拆分解禁,市场股票的供应量增加,市场总市值急剧升高,市场中资金与股票的转换能力大大增强,因此将样本区间以2004年作为分界点,再次进行回归分析,得到相关数据结果见表2。从表2可看出,通过分区间对月回报率与各流动性指标之间的关系的回归分析结果依然通过了统计学检验,说明无论是分区间还是总体上来说,整个模型是稳定的。
与表1相比较,可发现通过样本时间的区分,呈现下述几个特点:
(1)非流动性指标ILLIQ在2004.1-2009.12间的变量参数比1997.1-2003.12间大了许多,而可决系数依然为负值,因此我们可以判断ILLIQ与回报率之间的负相关关系,并且由于市场流动性的增加,单位成交额所导致的价格变动率急剧减小,导致了变量参数值大大增加。
(2)成交量指标VOL在2004.1-2009.12间的变量参数比1997.1-2003.12间小了很多,这也验证了由于市场流动性的增加,股票与资本的转换能力急剧加强,导致了成交额的快速放大,从参数的比较上看,2004年后的成交额是之前的2.5倍。从可决系数(R-squared)上可以发现,2004年之前的成交额与回报率之间几乎是没有相关性的,而2004年之后的成交额与回报率之间出现了比较显著的正相关。这种情况的出现表明,在2004年之后的市场,由于开放式基金的介入,大量基金投资、机构投资及国家对市场的控制使得市场趋于理性,资金对价格的指向性更为明显,而市场容量的增加使得理性投资对噪音的弥补能力加强,资本的流动更为合理。
(3)波动率指标FLUCTURE在2004.1-2009.12间的可决系数比1997.1-2003.12间有显著提高,可见波动率指标对回报率的拟合较2004年以前更好,也进一步表明了市场中流动性对回报率的指向性更为明确,市场的理性程度增加。
由此根据实证结果可得出以下结论:
(1)非流动性指标ILLIQ与回报率呈负相关关系
(2)成交额VOL与回报率呈正相关关系
(3)在三个指标中,波动率指标FLUCTURE对回报率的拟合度最高,并呈正相关关系
(4)股权分置改革之后,市场流动性增强
(5)股权分置改革之后,各流动性指标对回报率的拟合程度都有显著增加
3.结语
(1)由于非流动性指标ILLIQ表示的是单位成交额所导致的价格变动率,ILLIQ指标是逐年递减的趋势(附图1),可以表明市场上单位成交额所导致的价格变动是逐渐减少,代表了市场上资本流动效率增加,流动性问题所带来的对预期收益的增加量变小,因此,市场的价格指数回报率的增加与单位成交额引起的价格变动是负相关的。
(2)成交额VOL是一个多空双方对价格的指向。由于中国是连续竞价,系统撮合的报价制度,且没有卖空的操作,交易所在竞价时使用的规则是价格优先时间优先,即买方以最高价成交,卖方以最低价成交,因此,多空双方的成交对价格有明显的指向性。大量的买方成交即外盘委买成交会推动价格上升,而大量的卖方成交即内盘委卖成交会加速价格下跌,因此,成交额的变化多少直接影响了证券市场价格的变化量,成交额VOL与回报率呈正相关关系。
(3)从变量来看,清楚发现波动率对于回报率的拟合最好,产生这个现象的原因无外乎三点:A:波动率的产生是由于过度自信在投资行为上的表现,投资者通过过度自信强化了多空看法,并保持这种看法;B:投机资本的存在,中国的证券市场是一个相对投机的市场,制度的不健全以及市场的高速发展都会吸引大量的投机资本,这些资本会在很大程度上影响市场的流动性,并对价格产生推波助澜的作用;C:大的波动率把价格区间拉大,投资者有更多的选择去投资于不同价格的证券,由此产生了对价格的极端化影响。
(4)股权分置改革之后,各流动性指标对回报率的拟合程度都有显著增加,对此的解释是:A:由于股权分置改革,大量的国有股票通过改革进入证券市场,这些股票会产生一次再融资过程,股票的供给量的增加使得市场中的筹码增加,为资本的价值流动创造了条件,从而提高了流动性对市场的影响;B:由于股权分置改革,中国国有企业得到了发展,国有企业通过二级市场更为透明地展现在投资者面前,且由于国有企业的垄断性、优质性、政策扶持性,使得国有上市企业无论从业绩、PE还是发展前景都让人眼前一亮,优质资产始终都是资本的最佳归宿,大量的资本进入二级市场,这些资本大大增加了流动性中的货币需求;C:中国的开放吸引了大量海外游资的进入,伴随着中国企业的不断成长,中国经济的高速稳定增长,中国资产开始受到了全世界的欢迎,也促进了中国市场流动性的提高。
中国股票市场建立于20世纪90年代初期,尽管股票交易技术己经跻身世界先进行列,但对交易制度本身的研究和理解还相当肤浅。随着我国加入WTO后履行成员国义务,资本项目的开放步伐越来越快,股票市场将直接面临国际资本市场对投资者和筹资者的激烈竞争。只有不断完善市场流动性需求与供给,降低流动性不足带来的摩擦,才能吸引更多的投资者,才能让市场更为繁荣。
注释:
①本文研究中,主要使用指数数值,采用对月度的指数数值进行冲击处理的ILLIQ指标。其中已经包含了新股的加权,以及成交量对于指数的修正,而且指数每日都进行了动态的加权平均,能够剔除极端情况的出现。
参考文献
[1]Amihud・Y,& H・Mendelson.Liquidity & stoke returns[J].Financial Analysts Journal,1986(5):25～29.
[2]Amihud・Y&H・Mendelson.Liquidity & the cost of capital:implications for corporate management[J].Journal of applied Corporate Finance,1989(2):65～73.
[3]Amihud・Y.Illiquidity & stoke returns:cross一section & time一series effects[J].Journal of Financial Markets,2002(5):31～56.
[4]Chordia・T・A,Sarkar,& A・mon determinants of Bond & Stock Market Liquidity: The impact of financial crises,Monetary Policy,& mutual fund[D].working Paper,Emory University.
[5]Demsetz・H.the Cost of Transacting[J].Quarterly Journal of Economies.1968(86):33～53.
[6]Jacoby・G・D,Fowler,& A・Gottesman.The capital asset Pricing model & the liquidity effect:a theoretical approach[J].Journal of financial Markets,2000(3):69～81.
[7]Pastor,L.,and R.Stambaugh,Liquidity Risk and Expected Stock Returns”,Journal of Political Economy.2003(11):642-685.
[8]蒋涛.中国沪深股票市场流动性研究.申银万国证券研究所[C].深圳证券交易所第四届(2002)会员研究成果评选(综合类)一等奖.
[9]屈文渊,吴世农(2002),中国股票市场微观结构的特征分析[J].经济研究,2002(1):57-63.
作者简介:
