股票投資技法精選(九篇)

前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的股票投資技法主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：股票投資技法范文

最優(yōu)股票投資組合選擇及其風(fēng)險控制一直是資本市場研究的熱點問題。已有文獻(xiàn)對資產(chǎn)組合最優(yōu)決策理論進(jìn)行了大量研究，在資產(chǎn)組合選擇與最優(yōu)配置、資產(chǎn)組合規(guī)模效應(yīng)與影響因素、以及資產(chǎn)組合風(fēng)險度量與控制等重要問題取得了豐碩成果。但遺憾的是，無論是理論還是實證研究都很少考慮到金融時間序列的時變性、聚集性、持續(xù)性等波動特征對資產(chǎn)組合風(fēng)險規(guī)避與控制的影響。而本文正是針對目前研究的不足，通過對滬市A股的120支股票收益率進(jìn)行擬合使用改進(jìn)的相關(guān)系數(shù)法對股票收益波動時間序列相關(guān)性進(jìn)行匹配，聚類，從而優(yōu)化了股票投資組合選擇的方法。并通過實證研究，證明了在哈里？馬柯威茨證券組合評價標(biāo)準(zhǔn)下，使用該種股票投資組合選擇方法，可以獲得同等收益水平下，更低風(fēng)險的股票投資組合，從而為投資者選擇合理的股票投資組合提供了可能的方法。

二、文獻(xiàn)綜述

（一）國外文獻(xiàn) 馬柯威茨于1952年最早提出了均值-方差理論，成為現(xiàn)資組合理論的開山鼻祖。自此之后，很多金融學(xué)者在前人的研究基礎(chǔ)上對該理論進(jìn)行了補(bǔ)充和發(fā)展，如托賓（1958）在提出了著名的兩基金分離定律：當(dāng)存在無風(fēng)險資產(chǎn)的情況下，有效前沿上的任意一點都可以表示為（無風(fēng)險利率，0）和切點的線性組合。此外，大批學(xué)者踏上了簡化計算，完善模型的征程。一是盡可能的減少模型計算量，例如：夏普（1963，1964，1970）提出了單因素模型，它的主要思想是：市場的總體因素統(tǒng)一作用于所有股票，市場以外的因素只作用于某一只股票，因此可以通過股票組合來分散。單因素模型使用β來衡量投資組合的風(fēng)險。提高了人們對市場行為的了解。羅斯（1976）提出了套利定價理論。該理論認(rèn)為在市場均衡時沒有套利機(jī)會，因此承擔(dān)相同風(fēng)險因素的投資組合應(yīng)該具有相同的期望收益率 。二是開發(fā)新的投資組合模型。例如Mao（1970）提出了均值-下半方差模型。Speranza（1993）提出半絕對風(fēng)險偏差函數(shù)。J.P Morgan提出的基于Var的風(fēng)險度量系統(tǒng)等，至今這個風(fēng)險度量系統(tǒng)還在很多金融機(jī)構(gòu)被廣泛使用。

（二）國內(nèi)文獻(xiàn) 我國對金融市場研究起步較晚是一個現(xiàn)實，這是由于很多客觀因素造成的。近幾年中，我國學(xué)者也對投資組合理論進(jìn)行了深入的研究。唐小我（1994）針對我國證券市場的賣空限制情形下的投資組合模型進(jìn)行了研究。王春峰、屠新曙和厲斌（2002）運(yùn)用了幾何方法解決投資組合問題。徐緒松、楊小青和陳彥斌（2002）提出了“半絕對離差風(fēng)險測量工具”。劉小茂、李楚林和王建華（2003）研究了在正態(tài)情形下，風(fēng)險資產(chǎn)組合的均值-CVaR邊界，并與方差風(fēng)險下的均值-方差邊界進(jìn)行了比較。陳金龍和張維（2002）分析了投資組合與CVaR之間的關(guān)系。此外，安起光、王厚杰（2006），劉慶富（2006） ，榮喜民、武丹丹和張奎廷（2005）、劉志東（2006）等學(xué)者在組合預(yù)測和方法領(lǐng)域獲得了顯著的理論成果 。

三、研究設(shè)計

（一）研究思路 本文選取了馬柯威茨的均值-方差模型作為本文的理論依據(jù)，該模型評價投資組合的標(biāo)準(zhǔn)，是當(dāng)收益一定時風(fēng)險最小，或者當(dāng)風(fēng)險一定時收益最大。 該模型的思想是選取相關(guān)性低的投資工具進(jìn)行組合來分散風(fēng)險，從而得到更好的投資收益。因此如何衡量股票相關(guān)性，并進(jìn)而篩選出相關(guān)性低的投資組合成為該模型的關(guān)鍵。由于之前的研究，無論是理論還是實證都很少考慮到金融時間序列的時變性、聚集性、持續(xù)性等波動特征對資產(chǎn)組合風(fēng)險規(guī)避與控制的影響。而本文正是針對目前研究的不足，通過使用改進(jìn)的相關(guān)系數(shù)法衡量股票收益波動時間序列的相關(guān)性，并據(jù)此聚類，優(yōu)化了股票投資組合選擇的方法。具體的思路如下：

（1）股票收益波動性擬合。對于金融時間序列分析，常常會出現(xiàn)某一特征的值成群出現(xiàn)的情況。如對股票收益率序列建模，其隨機(jī)擾動項往往在較大幅度波動后緊接著較大幅度的波動，在較小幅度波動后緊接著較小幅度的波動，這種性質(zhì)稱為波動的集群性。在一般回歸分析中，要求隨機(jī)波動項是同方差，但這類序列隨機(jī)擾動項的無條件方差是常量，條件方差是變化的量。所以需要使用自回歸條件異方差模型（ARCH）或者廣義自回歸條件異方差模型（GARCH）。

（2）時間序列相似性度量。測量時間序列相似性的方法有很多，最主要使用的是歐式距離法和相關(guān)系數(shù)法。歐式距離法的優(yōu)點是計算簡單，易于理解，但是它容易受到序列波動性的影響，而且當(dāng)序列長度增加時，其距離也會增加。特別是當(dāng)時間軸發(fā)生伸縮或彎曲時，就不能夠準(zhǔn)確測量序列的相似性了。而相關(guān)系數(shù)法的優(yōu)點是計算量少，而且即使兩個序列均值不同，也能夠準(zhǔn)確比較相似性，而在歐式距離法中，如果兩個序列均值不同，即使它們是相似的，計算出來的距離仍然會很大，從而誤導(dǎo)了結(jié)果。但是相關(guān)系數(shù)法也存在其局限性，它只適用于長度相同的序列，因此在比較長度不同的時間序列時，需要改進(jìn)該方法，改進(jìn)的相關(guān)系數(shù)法如下。設(shè)有兩只股票P和Q，長度為m的收益波動序列分別為X和Y：X=（x1，x2，…，xm-t，xm-t+1，xm） ；Y=（y1，y2，…，ym-t，ym-t+1，ym）。首先要在X和Y中截取長度相同的兩個子序列，設(shè)長度為t，最好從序列最鄰近當(dāng)前時段開始截取，t不宜過短，計算子序列 X1=（xm-t+1，xn）和Y1=（ym-t+1，yn）的相關(guān)系數(shù)r1：r1=■將子序列的長度向前增加一個，即長度為（t-1），計算X2=（xm-t，xm-t+1，xm）和Y2=（ym-t，ym-t+1，ym）的相關(guān)系數(shù) ：r2=■，重復(fù)上述步驟，依次類推，直到子序列包含全部序列的長度m，計算出的相關(guān)系數(shù)有（m-t+1）個。將計算出的全部相關(guān)系數(shù)進(jìn)行平均，則得到的 為改進(jìn)的相關(guān)系數(shù)：■=■。由于聚類需要使用距離，而改進(jìn)的相關(guān)系數(shù)■是屬于[-1，1]，所以要將■轉(zhuǎn)化成大于等于零的距離，另d=|■-1|，則d∈[0，2]。通過d對股票進(jìn)行聚類。

（3）股票聚類。聚類分析。方法中最常用的是分層聚類。分層聚類方法是通過一系列或者是相繼的合并，分割來進(jìn)行的。是從單個對象開始，這樣在開始時每一個對象都是一類，將那些最相似的對象首先分組，然后將組與組根據(jù)它們之間的相似性進(jìn)行合并，最后隨著相似性不斷下降，所有的組漸漸融合成為一個聚類。

（4）確定最小方差資產(chǎn)組合集合的方法。常用的投資策略優(yōu)劣評估標(biāo)準(zhǔn)有：收益率分布形態(tài)指標(biāo)，夏普比率，風(fēng)險價值（VAR），條件尾部期望（CTE）等。本文將主要使用由馬柯威茨于1952年提出的用圖像分析法確立風(fēng)險資產(chǎn)的最小方差組合集合和有效邊界的過程。我們以只擁有三個資產(chǎn)的組合為例。利用圖像法建立最小方差資產(chǎn)組合集合的過程，就是在以資產(chǎn)權(quán)數(shù)為坐標(biāo)軸的空間內(nèi)，繪制反映資產(chǎn)組合各種預(yù)期收益和風(fēng)險狀況的線，然后依理性投資者選擇資產(chǎn)和資產(chǎn)組合的原則確定最小方差資產(chǎn)組合集合的過程。我們分析是在允許賣空的前提下，以便不受限制條件的約束。假設(shè)我們對資產(chǎn)A，B，C進(jìn)行組合，已知E（rA）=10%，E（rB）=20%，E（rC）=30%，設(shè)A，B，C資產(chǎn)的權(quán)數(shù)分別由xA，xB，xC表示，限制條件為xA+xB+xC=1，由于xC=1-xA-xB，因此只要知道xA和xB的數(shù)據(jù)，就可以得到xC的數(shù)據(jù)。因此，可以在一個二維平面圖上顯示三個資產(chǎn)的組合情況，同理，可以使用（n-1）維圖顯示n種資產(chǎn)的組合。在以xA，xB為坐標(biāo)軸的圖形中，直線AB的方程式是xA+xB=1，所有僅投資A和B資產(chǎn)，不投資C的資產(chǎn)組合都分布在這條線上；不包括A的組合都分布在B軸上，同理，不包括B的都分布在A軸上，分布在AOB三角形區(qū)域內(nèi)的各種資產(chǎn)組合都不含賣空資產(chǎn)，在AOB以外的資產(chǎn)都含有一種或者兩種資產(chǎn)的賣空。根據(jù)具體的限制條件在坐標(biāo)圖上的某個區(qū)域進(jìn)行查找，以確定最小方差的資產(chǎn)組合。而這個過程可以通過EXCEL線性規(guī)劃的方式實現(xiàn)。

（二）樣本選擇與數(shù)據(jù)來源 本文選取的研究對象為2008年1月1日到2009年12月31日在上交所交易的，代碼為sh600000-sh600120的A股股票，數(shù)據(jù)來源為國泰安數(shù)據(jù)庫。剔除掉缺失值，實際得到102只股票。分別計算這102只股票的日收盤價數(shù)據(jù)個數(shù)，其中最多的為488個數(shù)據(jù)，以488為基準(zhǔn)，凡是數(shù)據(jù)個數(shù)小于（不包括等于）基準(zhǔn)數(shù)據(jù)15個以上的股票都被清除。這樣經(jīng)過清除后，剩下83只股票。然后對這83只股票的缺失值進(jìn)行修補(bǔ)，修補(bǔ)的原則是以前一天的收盤價代替缺失值，經(jīng)過修補(bǔ)后，每只股票都有488天的數(shù)據(jù)。計算每只股票的日對數(shù)收益率，公式為：日對數(shù)收益率=log（當(dāng)日收盤價）-log（前日收盤價）。經(jīng)過計算，每只股票都有487 個日對數(shù)收益率，

（三）時間序列分析建模過程 首先需要對得到的股票對數(shù)收益率進(jìn)行建模，以單只股票序列為例，過程如下：（1）做統(tǒng)計圖觀察判斷。（2）單位根檢驗。序列大致可分為有三種：擴(kuò)散型序列，單位根型序列和平穩(wěn)序列。在實際問題中，時間序列大多并不平穩(wěn)，而是呈現(xiàn)出各種趨勢性和季節(jié)性。由于在實際生活中擴(kuò)散型序列比較少見，很少作為理論研究的對象，所以我們判斷的基礎(chǔ)就建立在單位根型序列和平穩(wěn)序列上。做單位根檢驗的目的就是要區(qū)分二者，對單位根型序列做差分處理，去除趨勢性因素，從而得到平穩(wěn)序列。（3）確定時間序列主模型。對原序列進(jìn)行差分處理，得到寬平穩(wěn)序列，求解它的自相關(guān)系數(shù)，偏自相關(guān)系數(shù)，同時觀察自相關(guān)和偏自相關(guān)圖像，確定ARMA（p，q）階數(shù)。由計算機(jī)程序，生成主模型系數(shù)的參數(shù)估計，得到相應(yīng)的殘差序列。（4）根據(jù)股票對數(shù)收益率數(shù)據(jù)畫散點圖，趨勢圖，觀察序列是否屬于平穩(wěn)序列，是否具備集群性，直觀地判斷是否可以采用條件異方差模型擬合數(shù)據(jù)。（5）ARCH效應(yīng)檢驗。ARCH模型通常用于回歸模型：yt=x't？茁+？著t。若隨機(jī)干擾項？著t不存在ARCH效應(yīng)，則可以直接對模型作最小二乘估計；若？著t存在ARCH效應(yīng)，則應(yīng)找到ARCH模型的形式，即在上式中附加？著t=■?vt，并確定q，再進(jìn)行參數(shù)估計。對序列進(jìn)行ARCH效應(yīng)檢驗的最常用方法是拉格朗日乘數(shù)法即LM檢驗。假設(shè)？著tARCH（q），則可以建立如？著t=■?vt的輔助回歸模型：ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2

原假設(shè)：H0：？琢1=…=？琢q=0；備擇假設(shè)：H1存在？琢i≠0，1？燮i？燮q；檢驗統(tǒng)計量：LM=nR2～X2（q）

其中，n為計算輔助回歸時的樣本數(shù)據(jù)個數(shù)，R2為輔助回歸的未調(diào)整可決系數(shù)，即擬合優(yōu)度。檢驗標(biāo)準(zhǔn)。根據(jù)輔助回歸ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2的最小二乘估計，得到擬合優(yōu)度R2，由LM=nR2～X2（q） 計算檢驗統(tǒng)計量LM，根據(jù)給定的顯著性水平？琢和自由度q查x2分布表，得到相應(yīng)的臨界值x？琢2（q）或原假設(shè)成立的概率，則可得到結(jié)論。LM>x？琢2（q），拒絕H0，表明序列存在ARCH效應(yīng)；LM

四、實證檢驗分析

（一）投資組合收益波動性擬合 根據(jù)上文的時間序列分析擬合步驟，使用S-PLUS軟件中finmetrics的模塊，Excel規(guī)劃求解，VBA，SAS，R軟件共同完成從數(shù)據(jù)的整理，預(yù)處理，分析到得出結(jié)論，并配以圖形的表達(dá)來完成對投資組合風(fēng)險的度量。

（1）ARCH效應(yīng)檢驗及股票再篩選。對收益波動率的估計本文使用動態(tài)波動率估計模型。在使用GARCH類模型對股票收益的波動率進(jìn)行擬合之前需要再對選入研究的股票做一次篩選。通過ARCHTEST對這83支股票進(jìn)行檢驗。在0.05的顯著性水平下通過檢驗說明該股票的收益率波動性具有集群性，也就是說收益率是變換的，使用ARCH或GARCH模型擬合更加合理。共有33支股票的收益率數(shù)據(jù)經(jīng)過了ARCH效應(yīng)檢驗。

（2）股票收益波動性擬合。對這33支股票分別進(jìn)行收益波動性擬合。第一次采用ARMA模型作為主模型對收益率數(shù)據(jù)進(jìn)行建模，然后對殘差進(jìn)行GARCH模型擬合，雖然擬合后殘差序列均通過了檢驗，但在相似性聚類中效果不佳。于是重新選定主模型。將常系數(shù)模型作為主模型，然后對殘差進(jìn)行GARCH模型擬合，殘差也均通過了檢驗。在模型中，條件方差序列就是待求的股票收益波動性序列，最后得到33條各488個數(shù)據(jù)的波動率序列。GARCH（p，q）的最簡單形式GARCH（1，1）。該過程可以表示為：？著t=■?vt；ht=？琢0+？琢1？著t-12+…+？琢q？著t-q2

其中，{vt}獨立同分布，且vt～N（0，1），參數(shù)滿足？琢0>0，？茁1？叟0，？琢1？叟0。？著t～GARCH（1，1）是穩(wěn)定過程的成分必要條件為？琢1+？茁1

（二）采用改進(jìn)的相關(guān)系數(shù)法比較股票收益波動性的相似性

計算33支股票中任意兩支股票的相似性。設(shè)任意兩支股票A、B：A=（x1，x2，xn-t，xn-t+1，x487）；B=（y1，y2，yn-t，yn-t+1，x487）

由于股票收益波動序列是兩年期的日數(shù)據(jù)，因此首先選取時間期為2008年1月2日-2008年12月31日長度為245的兩個子序列A1、B1：A1=（x242，x243，…，x487）；B1=（y242，y243，…，y487）

計算A1、B1的相關(guān)系數(shù)記為r1。之后將序列的起點向前推一個，計算時間期為2008年12月28日-2009年12月31日長度為246的兩個子序列A2、B2：A2=（x241，x243，…，x487）；B2=（y241，y243，…，y487）

計算A2、B2的相關(guān)系數(shù)記為r2。繼續(xù)按照這種方式，每次將子序列的起點向前推進(jìn)一期，計算相同時間期的兩個子序列之間的相關(guān)系數(shù)，直到最后一次計算A、B序列全部數(shù)據(jù)之間的相關(guān)系數(shù)r242?？偣部梢缘玫?42個相關(guān)系數(shù)。最后，將所得的全部相關(guān)系數(shù)的均值作為A、B序列間改進(jìn)的相關(guān)系數(shù)r*AB： r*AB=■。

相關(guān)系數(shù)的取值范圍在[-1，1]之間，系數(shù)為正，說明兩支股票收益率的波動性之間成正相關(guān)，系數(shù)越大，相似度越高；系數(shù)為負(fù)，說明兩支股票收益率的波動性之間成負(fù)相關(guān)；系數(shù)為零，說明兩支股票收益率的波動性之間不相關(guān)。

（三）股票聚類 為了將A、B之間的相關(guān)系數(shù)轉(zhuǎn)化成距離，還需計算|r*AB-1|，記為dAB，即 dAB=|r*AB-1|

全部股票經(jīng)過點間距計算，可以得到33×33的距離矩陣。由于篇幅限制，這里不做展示。將距離矩陣輸入到SAS軟件當(dāng)中，借助軟件的聚類方法，采用Agglomerative算法，選擇method=density，K=2可以得到聚類結(jié)果。這里所用的類間距估計法是最近鄰密度估計法。軟件輸出的聚類過程及結(jié)果如表（1）和圖（1）所示，可以看出33支股票被聚為6類，具體分類情況如表（2）所示。這六類股票的收益波動率序列存在很大差異，從每一類中選擇一個典型的序列收益波動率圖，展示結(jié)果如下。

（四）投資組合績效比較 為了驗證改進(jìn)的相關(guān)系數(shù)聚類法在股票投資組合中的應(yīng)用效果，使用的主要方法是將基于使用改進(jìn)相關(guān)系數(shù)聚類法根據(jù)收益率相似性聚類的股票投資組合與隨機(jī)組合、類內(nèi)組合對比，比較在相同收益率水平下，組合的最小方差值大小。該值越小，說明該組合績效越好。具體來說，投資組合績效比較的研究思路為：首先確定組合收益率的大小，其次確定每種組合方案下抽取組合樣品的個數(shù)，然后分別計算每種方案下的組合風(fēng)險均值，最后將三種方案下組合風(fēng)險的均值進(jìn)行對比得出結(jié)論。

（1）確定收益率大小。在計算組合的風(fēng)險之前需要首先確定組合收益率的大小。由于所選數(shù)據(jù)是2008-2009年間的股票數(shù)據(jù)，而這段時期內(nèi)股市處于衰退的狀態(tài)，眾多股票長期出現(xiàn)負(fù)收益率，因此將組合的收益率設(shè)為較小的數(shù)值，假設(shè)為0.03。

（2）確定三種組合方式的抽樣方案。確定三種組合方式的抽樣方案時要首先計算出每種組合方式下可能出現(xiàn)的組合的種類。如表（3）所示，隨機(jī)組合的種類最多，基于相似性聚類的組合次之，類內(nèi)組合的數(shù)目最少。為了能比較出組合的績效，規(guī)定每種組合方式下抽取180個樣品計算風(fēng)險均值。根據(jù)它們各自組合的特點，可以采用不同的方式來選取樣品?；谙嗨菩跃垲惖慕M合在選取樣品時可以采用類似分層抽樣的方法，將不同類別作為不同層看待，從每一層中隨機(jī)抽取一支股票。每一次抽取完畢，可以得到6支股票，將這6支股票作為一個組合。按照這種方式抽取180個組合即可。隨機(jī)組合在選取樣品時按照統(tǒng)計中排列組合的方式，隨機(jī)從33支股票中無放回地抽取6支，作為一個組合。按照這種方式抽取180個組合即可。類內(nèi)組合在選取樣品時先將可能的組合種類列出，然后按照簡單隨機(jī)抽樣方式從這8008個待抽樣品中抽取180個組合即可。

（3）計算三種組合方式的風(fēng)險。計算不同組合方式的風(fēng)險大小時主要通過EXCEL軟件中規(guī)劃求解的功能來完成。相應(yīng)的指標(biāo)設(shè)置如表（4）所示。通過計算就可以得到滿足條件的有效組合的最小方差值。由于篇幅所限，每種組合方式下的樣本方差計算結(jié)果不在此列示。

（4）比較三種組合方式的風(fēng)險。通過均值計算，很容易得到每種組合方式下平均最小方差值，如表（5）所示?？梢钥闯?，基于股票收益率波動性的相似性聚類的組合在確定的收益率下獲得了比隨機(jī)組合、類內(nèi)組合更小的最小方差值。另外，從圖（3）到圖（5）中對于不同組合方式下的實驗結(jié)果進(jìn)行觀察，發(fā)現(xiàn)在基于相似性聚類的組合方式下180次試驗結(jié)果的方差很小，也就是說每次實驗得到的最小方差值十分相近。這些現(xiàn)象說明采取基于相似性聚類的組合方式不僅可以更有效地降低風(fēng)險，而且在這種組合方式下獲得的最小方差值更具穩(wěn)定性。

第2篇：股票投資技法范文

關(guān)鍵詞：證券投資學(xué)；分層教學(xué)；教學(xué)理念；教學(xué)模塊

當(dāng)前，隨著資本市場的持續(xù)繁榮，從事證券投資活動的居民和企業(yè)與日俱增。在以散戶為主體的中國資本市場，投資者素質(zhì)決定了資本市場的波動性和穩(wěn)定性。投資者素質(zhì)是包括心理素質(zhì)和業(yè)務(wù)素質(zhì)在內(nèi)的綜合素質(zhì)，影響著投資者情緒和行為，是導(dǎo)致市場波動的根本原因，因而有針對性的投資者教育就顯得極其重要。加強(qiáng)投資者教育，既離不開產(chǎn)業(yè)界，也離不開教育界的共同努力。作為教育界肩負(fù)起投資者教育使命的一塊重要陣地，證券投資學(xué)需要建立分層教學(xué)的理念，針對不同群體、不同層次的學(xué)生和普通居民，擬定有針對性的教育方案和教學(xué)模塊。

一、投資者教育現(xiàn)狀

目前，國內(nèi)投資者教育主要有兩大陣地。一個是高職高等院校的投資學(xué)相關(guān)課程的理論教學(xué)和實踐教學(xué)，尤其是與股票市場密切相關(guān)的證券投資學(xué)課程。另一個是券商、基金等行業(yè)內(nèi)金融機(jī)構(gòu)建立的投資者教育基地，介紹與證券投資相關(guān)的基本知識和操作指南。其中，高職高等院校投資者教育的重心放在理論教學(xué)，向在校學(xué)生講授證券投資的內(nèi)涵和意義、資本市場的發(fā)展與構(gòu)成、技術(shù)分析理論、價值投資理論、量化分析理論、演化分析理論等理論知識?？梢?，高職高等院校教學(xué)具有全面性、系統(tǒng)性、發(fā)散性的特點，但重理論輕實踐的教學(xué)弊端也暴露出來，導(dǎo)致學(xué)生所學(xué)理論知識難以有效與實踐聯(lián)系起來。同時，科研與實踐脫節(jié)問題也比較突出。相反，金融機(jī)構(gòu)投資者教育的重心則放在實踐教學(xué)，向一般投資者介紹證券投資的基本知識、風(fēng)險教育、股票分析軟件的基本操作功能、股票投資的實戰(zhàn)技法等實踐知識和經(jīng)驗?？梢?，金融機(jī)構(gòu)教育具有應(yīng)用性、操作性、針對性的特點，但重實踐輕理論的教學(xué)弊端同樣也比較明顯。而且，金融機(jī)構(gòu)投資者教育往往伴隨著功利性的目的。針對高職高等院校投資者教育重理論輕實踐，金融機(jī)構(gòu)投資者教育重實踐輕理論的現(xiàn)狀，我們認(rèn)為，整合兩大陣地教育方式和手段，建立多方投入、分工合作、長效完整的投資者教育方案體系是當(dāng)務(wù)之急。站在高等院校角度，完善證券投資學(xué)教學(xué)體系設(shè)計至關(guān)重要。

二、證券投資學(xué)的教育特點

證券投資學(xué)是研究證券特征與投資原理，揭示證券市場運(yùn)行規(guī)律的一門課程，具有“重知識、重實訓(xùn)、重交流”的特點。證券投資學(xué)的教學(xué)體系設(shè)計必須將證券投資學(xué)知識體系、案例分析等基本原理和方法，與模擬操作、競賽項目等實訓(xùn)環(huán)節(jié)，以及與同學(xué)交流、專業(yè)人士問答、實習(xí)單位互動等交流環(huán)節(jié)有機(jī)統(tǒng)一起來，使學(xué)生能夠融會貫通地將所學(xué)理論知識與現(xiàn)實經(jīng)濟(jì)環(huán)境中的證券投資業(yè)務(wù)活動密切聯(lián)系，培養(yǎng)學(xué)生理論聯(lián)系實際，創(chuàng)造性地剖析問題、解決問題的能力，提高學(xué)生的綜合素質(zhì)、創(chuàng)新能力和團(tuán)隊協(xié)作精神。與此同時，作為投資者教育體系的重要組成部分，證券投資學(xué)不僅僅是高職高等院校的經(jīng)管類專業(yè)課程，而且還承擔(dān)起投資者素質(zhì)教育的職能，主要體現(xiàn)在面向不同學(xué)科、不同專業(yè)、不同層次、不同群體的投資者開展系統(tǒng)性、針對性的素質(zhì)教育。從這一角度看，證券投資學(xué)還具有“公共教育、普惠教育”的特點，因而證券投資學(xué)具有公共服務(wù)的屬性。這意味著證券投資學(xué)已不再是單一行業(yè)（教育界或金融界）的內(nèi)部業(yè)務(wù)，而是整個國民教育需要統(tǒng)籌整體設(shè)計的問題。所以，證券投資學(xué)需要更新教學(xué)理念和教學(xué)模塊。