爲(wéi / wèi)貫徹落實中共中央、國(guó)務院關于(yú)《中國(guó)教育現代化  2035》、國(guó)務院印發的(de)《新一(yī / yì ／yí)代人(rén)工智能發展規劃》及教育部關于(yú)《加快建設高水平本科教育全面提高人(rén)才培養能力的(de)意見》《高等學校人(rén)工智能創新行動計劃》等的(de)要(yào / yāo)求，緊扣當前高校的(de)教學要(yào / yāo)求，着力利用智能技術加快推動人(rén)才培養模式、教學方法改革，鼓勵對人(rén)工智能、金融相關專業人(rén)才創新意識和(hé / huò)創新素質的(de)培養與訓練，教育部高等學校國(guó)家級實驗教學示範中心聯席會經濟與管理學科組決定舉辦 2024 年全國(guó)高校金融科技創新實驗教學研讨會，會議作爲(wéi / wèi)第七屆“智盛杯”全國(guó)大(dà)學生金融科技創新能力綜合模拟演訓活動的(de)重要(yào / yāo)組成部分，拟邀請有關領導、國(guó)内知名金融類教育專家、金融類實驗教學專家、院校名師、各地(dì / de)高校金融專業帶頭人(rén)共同出(chū)席，共商高校金融類專業在(zài)人(rén)工智能技術發展背景下的(de)實驗創新教育改革、教師教學能力提升等事宜。

      天津财經大(dà)學金融學院李兆軍教授就(jiù)基于(yú) Matlab 的(de)金融計算課程思政示範課程建設作經驗分享。他(tā)先介紹課程由《金融計算與量化分析》教改而(ér)來(lái)，經曆疫情上(shàng)網課等，已獲校、市相關成果。接着從課程基本情況、目标完成、教學手段、思政結合、改革創新點五方面展開彙報，提及依據教育部文件開展建設，闡述課程各模塊内容、考核方式，強調教學手段多樣，如講知識、小組讨論、案例教學等，還談及網絡資源利用及思政融入需注意事項，包括突出(chū)職業、愛國(guó)、擔當、工匠精神等，最後總結課程的(de)基本指标、創新點及建設過程是(shì)不(bù)斷完善的(de)。

       廈門大(dà)學周紅剛教授在(zài)分享中提到(dào)，随着人(rén)工智能技術發展與金融業務數字化轉型，AI 在(zài)金融領域應用漸深，推動相關人(rén)才培養體系變革，各國(guó)也(yě)出(chū)台諸多政策支持。他(tā)介紹了(le／liǎo)金融領域常見的(de) AI 主流技術，如機器學習、自然語言處理等及其應用場景，還闡述了(le／liǎo) AI 在(zài)高等院校金融學科實驗教學中的(de)應用情況，指出(chū)雖有效果提升但具局限性。周紅剛認爲(wéi / wèi)可從個(gè)性化學習、情景化教學等方面創新 AI 在(zài)金融實驗教學的(de)應用，并強調在(zài)此過程中要(yào / yāo)關注倫理合規、算法可解釋性、數據獲取處理、技術更叠、教學内容與方法創新及産學研合作機制等問題。

      武漢大(dà)學李斌教授在(zài)分享中提到(dào)，從量化投資視角出(chū)發，量化投資由計算機模型依固定規則産生投資決策，其基本框架涵蓋交易前分析、投資組合構建、交易執行與交易後分析等環節且各部分均可量化。引入 AI 一(yī / yì ／yí)是(shì)因金融數據劇增，傳統方法難以(yǐ)處理，如公司基本面數據及新聞圖片等另類數據；二是(shì)因子(zǐ)衆多且複雜多變，傳統方法無法應對。AI 在(zài)金融量化投資教學與研究中有兩大(dà)常用方式，一(yī / yì ／yí)是(shì)高效處理傳統與大(dà)數據，提取變量與因子(zǐ)用于(yú)投資；二是(shì)提升預測有效性，替換傳統線性方法。并以(yǐ)阿爾法模型等爲(wéi / wèi)例闡述，還展示了(le／liǎo)相關研究、量化投資系統及虛拟仿真實驗等成果，最後引發對 AI 深入影響金融實驗教學和(hé / huò)研究時(shí)，人(rén)的(de)作用及角色轉換的(de)思考。

     深圳市維斯信息技術有限公司陳永傑先生向大(dà)家介紹了(le／liǎo)公司新研發的(de)大(dà)數據分析與決策虛拟仿真數字課程平台。該平台首頁主要(yào / yāo)分爲(wéi / wèi)大(dà)數據分析與預測決策、基于(yú) python 編程等五大(dà)模塊。其中大(dà)數據分析預測決策模塊又含七大(dà)子(zǐ)模塊，各子(zǐ)模塊有章節練習和(hé / huò)項目實戰，課程内容可由教師在(zài)後台依大(dà)綱配置，且能展示操作前後數據、個(gè)人(rén)操作情況等。還詳細闡述了(le／liǎo)各功能，如章節練習有理論與模拟操作及實時(shí)數據更改，項目實戰涉及多種數據的(de)分析處理、可視化展示、統計方法及模型應用、多元相關分析、持續預測等，最後提及基于(yú)編程的(de)模拟教學功能模塊，内置可修改的(de)代碼，能幫助學生從基礎到(dào)難逐步掌握相關編程教學内容，另有兩個(gè)針對不(bù)同方向的(de) python 相關模塊。