基本金融方程背後是什麼
『壹』 金融經濟學的三大基本定理
金融經濟學的三大基本定理：經濟人假定，資源稀缺假定，保護私有產權假定。
西方經濟學三個假定不適應我國社會主義市場經濟體制要求，我國市場經濟條件下的工資收入分配理論如何在堅持馬克思主義體系框架內與時俱進、不斷創新，是擺在面前的重要任務和課題。
而對經濟學假定的重新思考與探索，又使我們能夠發現我國宏觀和微觀分配領域中存在的問題根源所在，促使探索經濟學假定與我國市場經濟的適應性問題。
引子
金融經濟學是人們從20世紀80年代後期開始，不斷地運用經濟學理論探索、研究金融學中的均衡與套利、單時期風險配置以及多時期風險配置、最優投資組合、均值方差分析、最優消費與投資、證券估值與定價等等，逐漸形成並發展起來的一門嶄新的經濟學與金融學交叉性的學科。當今，金融經濟學在對經濟學家的教育和培訓中所起的作用與前幾年相比，顯得更加重要。
『貳』 金融學里金融分析與金融方程這個方向怎麼樣畢業後的就業方向是什麼
金融分析偏向於理財方向，以後可以考理財師。
金融工程偏向於金融產品的設計，以後進入金融企業可以搞產品開發。
『叄』 什麼是金融模型
金融模型就是跟據所收集的數據利用回歸分析做出一個影響所分析數據的公式，根據公式將數據帶入可以進行預測，在股市上的應用就是可以預測股市價格，在這方面比較好的軟體是SARS
『肆』 基本金融知識是什麼
金融是貨幣流通和信用活動以及與之相聯系的經濟活動的總稱，廣義的金融泛指一切與信用貨幣的發行、保管、兌換、結算，融通有關的經濟活動，甚至包括金銀的買賣，狹義的金融專指信用貨幣的融通。 金融的內容可概括為貨幣的發行與回籠，存款的吸收與付出，貸款的發放與回收，金銀、外匯的買賣，有價證券的發行與轉讓，保險、信託、國內、國際的貨幣結算等。從事金融活動的機構主要有銀行、信託投資公司、保險公司、證券公司，還有信用合作社、財務公司、投資信託公司、金融租賃公司以及證券、金銀、外匯交易所等。 金融是信用貨幣出現以後形成的一個經濟范疇，它和信用是兩個不同的概念：（1）金融不包括實物借貸而專指貨幣資金的融通（狹義金融），人們除了通過借貸貨幣融通資金之外，還以發行股票的方式來融通資金。（2）信用指一切貨幣的借貸，金融（狹義）專指信用貨幣的融通。人們之所以要在「信用」之外創造一個新的概念來專指信用貨幣的融通，是為了概括一種新的經濟現象；信用與貨幣流通這兩個經濟過程已緊密地結合在一起。最能表明金融特徵的是可以創造和消減貨幣的銀行信用，銀行信用被認為是金融的核心。 金融學是從經濟學分化出來的、研究資金融通的學科。傳統的金融學研究領域大致有兩個方向：宏觀層面的金融市場運行理論和微觀層面的公司投資理論。 金融的特徵： 1. 金融是信用交易。 （1）信用 經濟學上的信用，是一種商品交易的形式，對應於現貨交易（即時清結的交易）。 信用是金融的基礎，金融最能體現信用的原則與特性。在發達的商品經濟中，信用已與貨幣流通融為一體。 （2）信用交易的應有特點 a. 一方以對方償還為條件，向對方先行移轉商品（包括貨幣）的所有權，或者部分權能； b. 一方對商品所有權或其權能的先行移轉與另一方的相對償還之間，存在一定的時間差； c. 先行交付的一方需要承擔一定的信用風險，信用交易的發生是基於給予對方信任。 2. 金融原則上必須以貨幣為對象。 3. 金融交易可以發生在各種經濟成分之間。 其主要研究分支包括： 金融市場學（en:Financial market） 公司金融學（en:Corporate Finance） 金融工程學（en:Financial Engineering） 金融經濟學（en:Financial Economics） 投資學（en:Investment Investment） 貨幣銀行學（en:Money, Banking and Economics） 國際金融學（en:International Finance） 財政學（en:Public Finance） 保險學（en:Insurance Insurance） 數理金融學（en:Mathematical Finance） 金融計量經濟學（en:Financial Econometrics）
『伍』 金融工程原理
金融學：微觀經濟學、宏觀經濟學、會計學、計量經濟學、國際經濟學、金融學、金融中介學、金融市場學、商業銀行經營學、金融工程學、國際金融、公司金融、中央銀行學、保險學、證券投資學、金融統計分析、投資銀行學、國際結算、市場營銷、金融法、資產評估、項目評估、期貨與期權等
金融工程：經濟學模塊；金融學模塊；計算機模塊；數學與統計模塊等四大模塊。開設課程有：政治經濟學、微觀經濟學、宏觀經濟學、計量經濟學、貨幣銀行學、金融經濟學，金融市場學，證券投資學，衍生金融工具，固定收益證券，公司金融，金融工程學，金融會計、隨機過程，時間序列分析，金融統計與分析應用，商業銀行經營與管理，保險與精算，博弈論與信息經濟學，金融風險管理，投資銀行學，國際金融，國際投資，金融法等。
從課程設置來看
金融學基本上以經濟學、金融學（包括金融、保險、期貨、證券、銀行、投資等）、管理學（會計、營銷）為主，偏文科。金融學是以學習金融行業的政策、法規、理論為主，屬於經管類專業。
金融工程除了上述課程以外，增加了一些計算機、數學、統計課程。金融工程以數學、計算機為基礎，設計金融工具為主，這種工具可以是交易也可以是風險防控等，一般認為屬於工科專業，培養的方向是金融工程師，俗稱「礦工」（quant ）。隨著人工智慧的發展，金融工程越來越依靠統計學、大數據、機器學習、深度學習等，而不是單純的數學模型，該專業對數學（統計學）、計算機（編程）有比較高的要求。
這么說吧，如果你覺得你有資源有人脈綜合能力強，那就去學習金融學。
你覺得更喜歡計算機、大數據、編程等，數學也不錯，那就去學金融工程。
『陸』 麻煩誰給我介紹一下金融數學，金融工程，精算學！
金融數學
21世紀數學技術和計算機技術一樣成為任何一門科學發展過程中的必備工具。美國花旗
銀行副總裁柯林斯（Collins）1995年3月6日在英國劍橋大學牛頓數學科學研究所的講演
中敘述到：「在18世紀初，和牛頓同時代的著名數學家伯努利曾宣稱：『從事物理學研
究而不懂數學的人實際上處理的是意義不大的東西。』那時候，這樣的說法對物理學而
言是正確的，但對於銀行業而言不一定對。在18世紀，你可以沒有任何數學訓練而很好
地運作銀行。過去對物理學而言是正確的說法現在對於銀行業也正確了。於是現在可以
這樣說：『從事銀行業工作而不懂數學的人實際上處理的是意義不大的東西』。」他還
指出：花旗銀行70%的業務依賴於數學，他還特別強調，『如果沒有數學發展起來的工具
和技術，許多事情我們是一點辦法也沒有的……沒有數學我們不可能生存。」這里銀行
家用他的經驗描述了數學的重要性。在冷戰結束後，美國原先在軍事系統工作的數以千
計的科學家進入了華爾街，大規模的基金管理公司紛紛開始僱傭數學博士或物理學博士
。這是一個重要信號：金融市場不是戰場，卻遠勝於戰場。但是市場和戰場都離不開復
雜艱深，迅速的計算工作。
然而在國內卻不能迴避這樣一個事實：受過高等教育的專業人士都可以讀懂國內經濟類
，金融類核心期刊，但國內金融學專業的本科生卻很難讀懂本專業的國際核心期刊《Jo
urnal of Finance》，證券投資基金經理少有人去閱讀《Joural of Portfolio Manage
ment》，其原因不在於外語的熟練程度，而在於內容和研究方法上的差異，目前國內較
多停留在以描述性分析為主著重描述金融的定義，市場的劃分及金融組織等，或稱為描
述金融；而國外學術界以及實務界則以數量性分析為主，比如資本資產定價原理，衍生
資產的復制方法等，或稱為分析金融，即使在國內金融學的教材中，雖然涉及到了標的
資產（Underlying asset）和衍生資產（Derivative asset）定價，但對公式提出的原
文證明也予以迴避，這種現象是不合理的，產生這種現象的原因有如下幾個方面：首先
，根據研究方法的不同，我國金融學科既可以歸到我國哲學社會科學規劃辦公室，也可
以歸到國家自然科學基金委員會管理科學部，前者佔主要地位，且這支隊伍大多來自經
濟轉軌前的哲學和政治學隊伍，因此研究方法多為定性的方法。而西方正好相反，金融
研究方向的隊伍具有很好的數理功底。其次是我國的金融市場的實際環境所決定。我國
證券市場剛起步，也沒有一個統一的貨幣市場，投資者隊伍主要由中小投資者構成，市
場投機成分高，因此不會產生對現代投資理論的需求，相應地，學術界也難以對此產生
研究的熱情。
然而數學技術以其精確的描述，嚴密的推導已經不容爭辯地走進了金融領域。自從1952
年馬柯維茨（Markowitz）提出了用隨機變數的特徵變數來描述金融資產的收益性，不確
定性和流動性以來，已經很難分清世界一流的金融雜志是在分析金融市場還是在撰寫一
篇數學論文。再回到Collins的講話，在金融證券化的趨勢中，無論是我們採用統計學的
方法分析歷史數據，尋找價格波動規律，還是用數學分析的方法去復制金融產品，誰最
先發現了內在規律，誰就能在瞬息萬變的金融市場中獲取高額利潤。盡管由於森嚴的進
入堡壘，數學進入金融領域受到了一定的排斥和漠視，然而為了追求利潤，未知的恐懼
顯得不堪一擊。
於是，在未來我們可以想像有這樣一個充滿美好前景的產業鏈：金融市場--金融數學--
計算機技術。金融市場存在巨大的利潤和高風險，需要計算機技術幫助分析，然而計算
機不可能大概，左右等描述性語言，它本質上只能識別由0和1構成的空間，金融數學在
這個過程中正好扮演了一個中介角色，它可以用精確語言描述隨機波動的市場。比如，
通過收益率狀態矩陣在無套利的情形下找到了無風險貼現因子。因此，金融數學能幫助
IT產業向金融產業延伸，並獲取自己的利潤空間
金融數學（Financial Mathematics），又稱數理金融學、數學金融學、分析金融學，是利用數學工具 研究金融，進行數學建模、理論分析、數值計算等定量分析，以求找到金融學內在規律並用以指導實踐。金融數學也可以理解為現代數學與計算技術在金融領域的應用，因此，金融數學是一門新興的交叉學科，發展 很快，是目前十分活躍的前言學科之一。
金融數學是一門新興學科，是「金融高技術 」的重要 組成部分。研究金融數學有著重要的意義。 金融數學總的研究目標是利用我國數學界某些方面的優勢，圍繞金融市場的均衡與有價證券定價的數學理論進行深入剖析，建立適合我國國情的數學模型，編寫一定的計算機軟體，對理論研究結果進行模擬計算，對實際數據進行計量經濟分析研究，為實際金融部門提供較深入的技術分析咨詢。
金融數學主要的研究內容和擬重點解決的問題包括：
(1)有價證券和證券組合的定價理論
發展有價證券（尤其是期貨、期權等衍生工具）的定價理論。所用的數學方法主要是提出合適的隨機微分方程或隨機差分方程模型，形成相應的倒向方程。建立相應的非線性Feynman一Kac公式，由此導出非常一般的推廣的Black一Scho1es定價公式。所得到的倒向方程將是高維非線性帶約束的奇異方程。
研究具有不同期限和收益率的證券組合的定價問題。需要建立定價與優化相結合的數學模型，在數學工具的研究方面，可能需要隨機規劃、模糊規劃和優化演算法研究。
在市場是不完全的條件下，引進與偏好有關的定價理論。
(2）不完全市場經濟均衡理論（GEI）
擬在以下幾個方面進行研究：
1．無窮維空間、無窮水平空間、及無限狀態
2.隨機經濟、無套利均衡、經濟結構參數變異、非線資產結構
3．資產證券的創新（Innovation）與設計（Design）
4．具有摩擦（Friction）的經濟
5．企業行為與生產、破產與壞債
6.證券市場博奕。
（3）GEI 平板衡演算法、蒙特卡羅法在經濟平衡點計算中的應用， GEI的理論在金融財政經濟宏觀經濟調控中的應用，不完全市場條件下，持續發展理論框架下研究自然資源資產定價與自然資源的持續利用。
目前國內開設金融數學本科專業的高等院校中，實力較強的有北京大學、復旦大學、浙江大學、山東大學、南開大學。
後來從事計算機工作很出色。金融數學將後來在銀行、保險、股票、期貨領域從事研究分析，或做這些領域的軟體開發，具有很好的專業背景，而這些領域將來都很重要。
國內金融數學人才鳳毛麟角
諾貝爾經濟學獎已經至少3次授予以數學為工具分析金融問題的經濟學家。北京大學金融數學系王鐸教授說，但遺憾的是，我國相關人才的培養，才剛剛起步。現在，既懂金融又懂數學的復合型人才相當稀缺。
金融數學這門新興的交叉學科已經成為國際金融界的一枝奇葩。剛剛公布的2003年諾貝爾經濟學獎，就是表彰美國經濟學家羅伯特·恩格爾和英國經濟學家克萊夫·格蘭傑分別用「隨著時間變化易變性」和「共同趨勢」兩種新方法分析經濟時間數列給經濟學研究和經濟發展帶來巨大影響。
王鐸介紹，金融數學的發展曾兩次引發了「華爾街革命」。上個世紀50年代初期，馬科威茨提出證券投資組合理論，第一次明確地用數學工具給出了在一定風險水平下按不同比例投資多種證券收益可能最大的投資方法，引發了第一次「華爾街革命」。1973年，布萊克和斯克爾斯用數學方法給出了期權定價公式，推動了期權交易的發展，期權交易很快成為世界金融市場的主要內容，成為第二次「華爾街革命」。
今天，金融數學家已經是華爾街最搶手的人才之一。最簡單的例子是，保險公司中地位和收入最高的，可能就是總精算師。美國花旗銀行副主席保爾·柯斯林著名的論斷是，「一個從事銀行業務而不懂數學的人，無非只能做些無關緊要的小事」。
在美國，芝加哥大學、加州伯克利大學、斯坦福大學、卡內基·梅隆大學和紐約大學等著名學府，都已經設立了金融數學相關的學位或專業證書教育。
專家認為，金融數學可能帶來的發展應該凸現在亞洲，尤其是在金融市場正在開發和具有巨大潛力的中國。香港中文大學、科技大學、城市理工大學等學校都已推出有關的訓練課程和培養計劃，並得到銀行金融業界的熱烈響應。但中國內地對該項人才的培養卻有些艱辛。
王鐸介紹，國家自然科學基金委員會在一項「九五」重大項目中，列入金融工程研究內容，可以說全面啟動了國內的金融數學研究。可這比馬科威茨開始金融數學的研究應用已經晚了近半個世紀。
在金融衍生產品已成為國際金融市場重要角色的背景下，我國的金融衍生產品才剛剛起步，金融衍生產品市場幾乎是空白。「加入 W TO後，國際金融家們肯定將把這一系列業務帶入中國。如果沒有相應的產品和人才，如何競爭？」王鐸憂慮地說。
他認為，近幾年，接連發生的墨西哥金融危機、百年老店巴林銀行倒閉等事件都在警告我們，如果不掌握金融數學、金融工程和金融管理等現代化金融技術，缺乏人才，就可能在國際金融競爭中蒙受重大損失。我們現在最缺的，就是掌握現代金融衍生工具、能對金融風險做定量分析的既懂金融又懂數學的高級復合型人才。
據悉，目前國內不少高校都陸續開展了與金融數學相關的教學，但畢業的學生遠遠滿足不了整個市場的需求。
王鐸認為，培養這類人才還有一些難以逾越的障礙———金融數學最終要運用於實踐，可目前國內金融衍生產品市場還沒有成氣候，學生很難有實踐的機會，教和學都還是紙上談兵。另外，高校培養的人大多都是本科生，只有少量的研究生，這個領域的高端人才在國內還是鳳毛麟角。國家應該更多地關注金融和數學相結合的復合型人才的培養。
王鐸回憶，1997年，北京大學建立了國內首個金融數學系時，他曾想與一些金融界人士共商辦學。但相當一部分人對此顯然並不感興趣：「什麼金融衍生產品，什麼金融數學，那都是國家應該操心的事。」
盡管當初開設金融數學系時有人認為太超前，但王鐸堅持，教育應該走在產業發展的前頭，才能為市場儲備人才。如果今天還不重視相關領域的人才培養，就可能導致我們在國際競爭中的不利。
記者發現即使今天，在這個問題上，仍然一方面是高校教師對於人才稀缺的擔憂，一方面卻是一些名氣很大的專家對金融數學人才培養的冷漠。
采訪中，記者多次試圖聯系幾位國內金融數學界或金融理論界專家，可屢屢遭到拒絕。原因很簡單，他們認為，談人才培養這樣的話題太小兒科，有的甚至說，「我不了解，也根本不關注什麼人才培養」。還有的說，「我現在有很多課題要做，是我的課題重要，還是討論人才培養重要」、「我沒有時間，也沒義務向公眾解釋什麼諾貝爾經濟學獎，老百姓要不要曉得金融數學和我沒有關系」。
[編輯本段]金融中的數據挖掘
1.什麼是關聯規則
在描述有關關聯規則的一些細節之前，我們先來看一個有趣的故事： "尿布與啤酒"的故事。
在一家超市裡，有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，並一直為商家所津津樂道。沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠准確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是："跟尿布一起購買最多的商品竟是啤酒！經過大量實際調查和分析，揭示了一個隱藏在"尿布與啤酒"背後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。
按常規思維，尿布與啤酒風馬牛不相及，若不是藉助數據挖掘技術對大量交易數據進行挖掘分析，沃爾瑪是不可能發現數據內在這一有價值的規律的。
數據關聯是資料庫中存在的一類重要的可被發現的知識。若兩個或多個變數的取值之間存在某種規律性，就稱為關聯。關聯可分為簡單關聯、時序關聯、因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。有時並不知道資料庫中數據的關聯函數，即使知道也是不確定的，因此關聯分析生成的規則帶有可信度。關聯規則挖掘發現大量數據中項集之間有趣的關聯或相關聯系。Agrawal等於1993年首先提出了挖掘顧客交易資料庫中項集間的關聯規則問題，以後諸多的研究人員對關聯規則的挖掘問題進行了大量的研究。他們的工作包括對原有的演算法進行優化，如引入隨機采樣、並行的思想等，以提高演算法挖掘規則的效率；對關聯規則的應用進行推廣。關聯規則挖掘在數據挖掘中是一個重要的課題，最近幾年已被業界所廣泛研究。
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(Frequent Itemsets)，第二階段再由這些高頻項目組中產生關聯規則(Association Rules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(Large Itemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含{A,B}項目組的支持度，若支持度大於等於所設定的最小支持度(Minimum Support)門檻值時，則{A,B}稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequent k-itemset)，一般表示為Large k或Frequent k。演算法並從Large k的項目組中再產生Large k+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(Association Rules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(Minimum Confidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組{A,B}所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5% 且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然數值型關聯規則中也可以包含種類變數。例如：性別=「女」=>職業=「秘書」 ，是布爾型關聯規則；性別=「女」=>avg（收入）=2300，涉及的收入是數值類型，所以是一個數值型關聯規則。
2.基於規則中數據的抽象層次，可以分為單層關聯規則和多層關聯規則。
在單層的關聯規則中，所有的變數都沒有考慮到現實的數據是具有多個不同的層次的；而在多層的關聯規則中，對數據的多層性已經進行了充分的考慮。例如：IBM台式機=>Sony列印機，是一個細節數據上的單層關聯規則；台式機=>Sony列印機，是一個較高層次和細節層次之間的多層關聯規則。
3.基於規則中涉及到的數據的維數，關聯規則可以分為單維的和多維的。
在單維的關聯規則中，我們只涉及到數據的一個維，如用戶購買的物品；而在多維的關聯規則中，要處理的數據將會涉及多個維。換成另一句話，單維關聯規則是處理單個屬性中的一些關系；多維關聯規則是處理各個屬性之間的某些關系。例如：啤酒=>尿布，這條規則只涉及到用戶的購買的物品；性別=「女」=>職業=「秘書」，這條規則就涉及到兩個欄位的信息，是兩個維上的一條關聯規則。
2.3關聯規則挖掘的相關演算法
1.Apriori演算法：使用候選項集找頻繁項集
Apriori演算法是一種最有影響的挖掘布爾關聯規則頻繁項集的演算法。其核心是基於兩階段頻集思想的遞推演算法。該關聯規則在分類上屬於單維、單層、布爾關聯規則。在這里，所有支持度大於最小支持度的項集稱為頻繁項集，簡稱頻集。
該演算法的基本思想是：首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里採用的是中規則的定義。一旦這些規則被生成，那麼只有那些大於用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞推的方法。
可能產生大量的候選集,以及可能需要重復掃描資料庫，是Apriori演算法的兩大缺點。
2.基於劃分的演算法
Savasere等設計了一個基於劃分的演算法。這個演算法先把資料庫從邏輯上分成幾個互不相交的塊，每次單獨考慮一個分塊並對它生成所有的頻集，然後把產生的頻集合並，用來生成所有可能的頻集，最後計算這些項集的支持度。這里分塊的大小選擇要使得每個分塊可以被放入主存，每個階段只需被掃描一次。而演算法的正確性是由每一個可能的頻集至少在某一個分塊中是頻集保證的。該演算法是可以高度並行的，可以把每一分塊分別分配給某一個處理器生成頻集。產生頻集的每一個循環結束後，處理器之間進行通信來產生全局的候選k-項集。通常這里的通信過程是演算法執行時間的主要瓶頸；而另一方面，每個獨立的處理器生成頻集的時間也是一個瓶頸。
3.FP-樹頻集演算法
針對Apriori演算法的固有缺陷，J. Han等提出了不產生候選挖掘頻繁項集的方法：FP-樹頻集演算法。採用分而治之的策略，在經過第一遍掃描之後，把資料庫中的頻集壓縮進一棵頻繁模式樹（FP-tree），同時依然保留其中的關聯信息，隨後再將FP-tree分化成一些條件庫，每個庫和一個長度為1的頻集相關，然後再對這些條件庫分別進行挖掘。當原始數據量很大的時候，也可以結合劃分的方法,使得一個FP-tree可以放入主存中。實驗表明，FP-growth對不同長度的規則都有很好的適應性，同時在效率上較之Apriori演算法有巨大的提高。
3.該領域在國內外的應用
3．1關聯規則發掘技術在國內外的應用
就目前而言，關聯規則挖掘技術已經被廣泛應用在西方金融行業企業中，它可以成功預測銀行客戶需求。一旦獲得了這些信息，銀行就可以改善自身營銷。現在銀行天天都在開發新的溝通客戶的方法。各銀行在自己的ATM機上就捆綁了顧客可能感興趣的本行產品信息，供使用本行ATM機的用戶了解。如果資料庫中顯示，某個高信用限額的客戶更換了地址，這個客戶很有可能新近購買了一棟更大的住宅，因此會有可能需要更高信用限額，更高端的新信用卡，或者需要一個住房改善貸款，這些產品都可以通過信用卡賬單郵寄給客戶。當客戶打電話咨詢的時候，資料庫可以有力地幫助電話銷售代表。銷售代表的電腦屏幕上可以顯示出客戶的特點，同時也可以顯示出顧客會對什麼產品感興趣。
同時，一些知名的電子商務站點也從強大的關聯規則挖掘中的受益。這些電子購物網站使用關聯規則中規則進行挖掘，然後設置用戶有意要一起購買的捆綁包。也有一些購物網站使用它們設置相應的交叉銷售，也就是購買某種商品的顧客會看到相關的另外一種商品的廣告。
但是目前在我國，「數據海量，信息缺乏」是商業銀行在數據大集中之後普遍所面對的尷尬。目前金融業實施的大多數資料庫只能實現數據的錄入、查詢、統計等較低層次的功能，卻無法發現數據中存在的各種有用的信息，譬如對這些數據進行分析，發現其數據模式及特徵，然後可能發現某個客戶、消費群體或組織的金融和商業興趣，並可觀察金融市場的變化趨勢。可以說，關聯規則挖掘的技術在我國的研究與應用並不是很廣泛深入。
3．2近年來關聯規則發掘技術的一些研究
由於許多應用問題往往比超市購買問題更復雜，大量研究從不同的角度對關聯規則做了擴展，將更多的因素集成到關聯規則挖掘方法之中，以此豐富關聯規則的應用領域，拓寬支持管理決策的范圍。如考慮屬性之間的類別層次關系，時態關系，多表挖掘等。近年來圍繞關聯規則的研究主要集中於兩個方面，即擴展經典關聯規則能夠解決問題的范圍，改善經典關聯規則挖掘演算法效率和規則興趣性。
金融工程的定義
關於金融工程的定義有多種說法，美國金融學家約翰·芬尼迪(John Finnerty)提出的定義最好：金融工程包括創新型金融工具與金融手段的設計、開發與實施，以及對金融問題給予創造性的解決。
金融工程的概念有狹義和廣義兩種。狹義的金融工程主要是指利用先進的數學及通訊工具，在各種現有基本金融產品的基礎上，進行不同形式的組合分解，以設計出符合客戶需要並具有特定P／L性的新的金融產品。而廣義的金融工程則是指一切利用工程化手段來解決金融問題的技術開發，它不僅包括金融產品設計，還包括金融產品定價、交易策略設計、金融風險管理等各個方面。本文採用的是廣義的金融工程概念。
[編輯本段]金融工程的核心內容
金融工程中，其核心在於對新型金融產品或業務的開發設計，其實質在於提高效率，它包括：
1.新型金融工具的創造，如創造第一個零息債券，第一個互換合約等；
2.已有工具的發展應用，如把期貨交易應用於新的領域，發展出眾多的期權及互換的品種等；
3.把已有的金融工具和手段運用組合分解技術，復合出新的金融產品，如遠期互換，期貨期權，新的財務結構的構造等。
[編輯本段]金融工程的運作程序
金融工程的運作具有規范化的程序:診斷—分析—開發—定價—交付使用，基本過程程序化。
其中從項目的可行性分析，產品的性能目標確定，方案的優化設計，產品的開發，定價模型的確定，模擬的模擬試驗，小批量的應用和反饋修正，直到大批量的銷售、推廣應用，各個環節緊密有序。大部分的被創新的新金融產品，成為運用金融工程創造性解決其他相關金融財務問題的工具，即組合性產品中的基本單元。
精算學
精算學在西方已經有三百年的歷史，它是一門運用概率論等數學理論和多種金融工具，研究如何處理保險業及其他金融業中各種風險問題的定量方法和技術的學科，是現代保險業、金融投資業和社會保障事業發展的理論基礎。
精算是一門運用概率數學理論和多種金融工具對經濟活動進行分析預測的學問。在西方發達國家，精算在保險、投資、金融監管、社會保障以及其他與風險管理相關領域發揮著重要作用。精算師是同"未來不確定性"打交道的，宗旨是為金融決策提供依據。
精算師
『柒』 金融數學會涉及到哪些方面
金融數學是一門新興學科，是「金融高技術 」的重要組成部分。研究目標是利用我國數學界某些方面的優勢，圍繞金融市場的均衡與有價證券定價的數學理論進行深入剖析，建立適合國情的數學模型，編寫一定的計算機軟體，對理論研究結果進行模擬計算，對實際數據進行計量經濟分析研究，為實際金融部門提供較深入的技術分析咨詢。核心內容就是研究不確定隨機環境下的投資組合的最優選擇理論和資產的定價理論。套利、最優與均衡是金融數學的基本經濟思想和三大基本概念。
金融數學主要的研究內容和擬重點解決的問題包括：
(1)有價證券和證券組合的定價理論
發展有價證券（尤其是期貨、期權等衍生工具）的定價理論。所用的數學方法主要是提出合適的隨機微分方程或隨機差分方程模型，形成相應的倒向方程。建立相應的非線性Feynman一Kac公式，由此導出非常一般的推廣的Black一Scholes定價公式。所得到的倒向方程將是高維非線性帶約束的奇異方程。
研究具有不同期限和收益率的證券組合的定價問題。需要建立定價與優化相結合的數學模型，在數學工具的研究方面，可能需要隨機規劃、模糊規劃和優化演算法研究。
在市場是不完全的條件下，引進與偏好有關的定價理論。
(2）不完全市場經濟均衡理論（GEI）
擬在以下幾個方面進行研究：
1．無窮維空間、無窮水平空間、及無限狀態
2.隨機經濟、無套利均衡、經濟結構參數變異、非線資產結構
3．資產證券的創新（Innovation）與設計（Design）
4．具有摩擦（Friction）的經濟
5．企業行為與生產、破產與壞債
6.證券市場博弈。
（3）GEI 平板衡演算法、蒙特卡羅法在經濟平衡點計算中的應用， GEI的理論在金融財政經濟宏觀經濟調控中的應用，不完全市場條件下，持續發展理論框架下研究自然資源資產定價與自然資源的持續利用。
1.什麼是關聯規則
在描述有關關聯規則的一些細節之前，我們先來看一個有趣的故事："尿布與啤酒"的故事。
在一家超市裡，有一個有趣的現象：尿布和啤酒赫然擺在一起出售。但是這個奇怪的舉措卻使尿布和啤酒的銷量雙雙增加了。這不是一個笑話，而是發生在美國沃爾瑪連鎖店超市的真實案例，並一直為商家所津津樂道。沃爾瑪擁有世界上最大的數據倉庫系統，為了能夠准確了解顧客在其門店的購買習慣，沃爾瑪對其顧客的購物行為進行購物籃分析，想知道顧客經常一起購買的商品有哪些。沃爾瑪數據倉庫里集中了其各門店的詳細原始交易數據。在這些原始交易數據的基礎上，沃爾瑪利用數據挖掘方法對這些數據進行分析和挖掘。一個意外的發現是："跟尿布一起購買最多的商品竟是啤酒！經過大量實際調查和分析，揭示了一個隱藏在"尿布與啤酒"背後的美國人的一種行為模式：在美國，一些年輕的父親下班後經常要到超市去買嬰兒尿布，而他們中有30%～40%的人同時也為自己買一些啤酒。產生這一現象的原因是：美國的太太們常叮囑她們的丈夫下班後為小孩買尿布，而丈夫們在買尿布後又隨手帶回了他們喜歡的啤酒。按常規思維，尿布與啤酒風馬牛不相及，若不是藉助數據挖掘技術對大量交易數據進行挖掘分析，沃爾瑪是不可能發現數據內在這一有價值的規律的。
數據關聯是資料庫中存在的一類重要的可被發現的知識。若兩個或多個變數的取值之間存在某種規律性，就稱為關聯。關聯可分為簡單關聯、時序關聯、因果關聯。關聯分析的目的是找出資料庫中隱藏的關聯網。有時並不知道資料庫中數據的關聯函數，即使知道也是不確定的，因此關聯分析生成的規則帶有可信度。關聯規則挖掘發現大量數據中項集之間有趣的關聯或相關聯系。Agrawal等於1993年首先提出了挖掘顧客交易資料庫中項集間的關聯規則問題，以後諸多的研究人員對關聯規則的挖掘問題進行了大量的研究。他們的工作包括對原有的演算法進行優化，如引入隨機采樣、並行的思想等，以提高演算法挖掘規則的效率；對關聯規則的應用進行推廣。關聯規則挖掘在數據挖掘中是一個重要的課題，最近幾年已被業界所廣泛研究。
2.關聯規則挖掘過程、分類及其相關演算法
2.1關聯規則挖掘的過程
關聯規則挖掘過程主要包含兩個階段：第一階段必須先從資料集合中找出所有的高頻項目組(FrequentItemsets)，第二階段再由這些高頻項目組中產生關聯規則(AssociationRules)。
關聯規則挖掘的第一階段必須從原始資料集合中，找出所有高頻項目組(LargeItemsets)。高頻的意思是指某一項目組出現的頻率相對於所有記錄而言，必須達到某一水平。一項目組出現的頻率稱為支持度(Support)，以一個包含A與B兩個項目的2-itemset為例，我們可以經由公式(1)求得包含{A,B}項目組的支持度，若支持度大於等於所設定的最小支持度(MinimumSupport)門檻值時，則{A,B}稱為高頻項目組。一個滿足最小支持度的k-itemset，則稱為高頻k-項目組(Frequentk-itemset)，一般表示為Largek或Frequentk。演算法並從Largek的項目組中再產生Largek+1，直到無法再找到更長的高頻項目組為止。
關聯規則挖掘的第二階段是要產生關聯規則(AssociationRules)。從高頻項目組產生關聯規則，是利用前一步驟的高頻k-項目組來產生規則，在最小信賴度(MinimumConfidence)的條件門檻下，若一規則所求得的信賴度滿足最小信賴度，稱此規則為關聯規則。例如：經由高頻k-項目組{A,B}所產生的規則AB，其信賴度可經由公式(2)求得，若信賴度大於等於最小信賴度，則稱AB為關聯規則。
就沃爾馬案例而言，使用關聯規則挖掘技術，對交易資料庫中的紀錄進行資料挖掘，首先必須要設定最小支持度與最小信賴度兩個門檻值，在此假設最小支持度min_support=5%且最小信賴度min_confidence=70%。因此符合此該超市需求的關聯規則將必須同時滿足以上兩個條件。若經過挖掘過程所找到的關聯規則「尿布，啤酒」，滿足下列條件，將可接受「尿布，啤酒」的關聯規則。用公式可以描述Support(尿布，啤酒)>=5%且Confidence(尿布，啤酒)>=70%。其中，Support(尿布，啤酒)>=5%於此應用範例中的意義為:在所有的交易紀錄資料中，至少有5%的交易呈現尿布與啤酒這兩項商品被同時購買的交易行為。Confidence(尿布，啤酒)>=70%於此應用範例中的意義為:在所有包含尿布的交易紀錄資料中，至少有70%的交易會同時購買啤酒。因此，今後若有某消費者出現購買尿布的行為，超市將可推薦該消費者同時購買啤酒。這個商品推薦的行為則是根據「尿布，啤酒」關聯規則，因為就該超市過去的交易紀錄而言，支持了「大部份購買尿布的交易，會同時購買啤酒」的消費行為。
從上面的介紹還可以看出，關聯規則挖掘通常比較適用與記錄中的指標取離散值的情況。如果原始資料庫中的指標值是取連續的數據，則在關聯規則挖掘之前應該進行適當的數據離散化（實際上就是將某個區間的值對應於某個值），數據的離散化是數據挖掘前的重要環節，離散化的過程是否合理將直接影響關聯規則的挖掘結果。
2.2關聯規則的分類
按照不同情況，關聯規則可以進行分類如下：
1.基於規則中處理的變數的類別，關聯規則可以分為布爾型和數值型。
布爾型關聯規則處理的值都是離散的、種類化的，它顯示了這些變數之間的關系；而數值型關聯規則可以和多維關聯或多層關聯規則結合起來，對數值型欄位進行處理，將其進行動態的分割，或者直接對原始的數據進行處理，當然數值型關聯規則中也可以包含種類變數。例如：性別=「女」=>職業=「秘書」，是布爾型關聯規則；性別=「女」=>avg（收入）=2300，涉及的收入是數值類型，所以是一個數值型關聯規則。
2.基於規則中數據的抽象層次，可以分為單層關聯規則和多層關聯規則。
在單層的關聯規則中，所有的變數都沒有考慮到現實的數據是具有多個不同的層次的；而在多層的關聯規則中，對數據的多層性已經進行了充分的考慮。例如：IBM台式機=>Sony列印機，是一個細節數據上的單層關聯規則；台式機=>Sony列印機，是一個較高層次和細節層次之間的多層關聯規則。
3.基於規則中涉及到的數據的維數，關聯規則可以分為單維的和多維的。
在單維的關聯規則中，我們只涉及到數據的一個維，如用戶購買的物品；而在多維的關聯規則中，要處理的數據將會涉及多個維。換成另一句話，單維關聯規則是處理單個屬性中的一些關系；多維關聯規則是處理各個屬性之間的某些關系。例如：啤酒=>尿布，這條規則只涉及到用戶的購買的物品；性別=「女」=>職業=「秘書」，這條規則就涉及到兩個欄位的信息，是兩個維上的一條關聯規則。 Apriori演算法
2.3關聯規則挖掘的相關演算法
1.Apriori演算法：使用候選項集找頻繁項集
Apriori演算法是一種最有影響的挖掘布爾關聯規則頻繁項集的演算法。其核心是基於兩階段頻集思想的遞推演算法。該關聯規則在分類上屬於單維、單層、布爾關聯規則。在這里，所有支持度大於最小支持度的項集稱為頻繁項集，簡稱頻集。
該演算法的基本思想是：首先找出所有的頻集，這些項集出現的頻繁性至少和預定義的最小支持度一樣。然後由頻集產生強關聯規則，這些規則必須滿足最小支持度和最小可信度。然後使用第1步找到的頻集產生期望的規則，產生只包含集合的項的所有規則，其中每一條規則的右部只有一項，這里採用的是中規則的定義。一旦這些規則被生成，那麼只有那些大於用戶給定的最小可信度的規則才被留下來。為了生成所有頻集，使用了遞推的方法。
可能產生大量的候選集,以及可能需要重復掃描資料庫，是Apriori演算法的兩大缺點。
2.基於劃分的演算法：Savasere等設計了一個基於劃分的演算法。這個演算法先把資料庫從邏輯上分成幾個互不相交的塊，每次單獨考慮一個分塊並對它生成所有的頻集，然後把產生的頻集合並，用來生成所有可能的頻集，最後計算這些項集的支持度。這里分塊的大小選擇要使得每個分塊可以被放入主存，每個階段只需被掃描一次。而演算法的正確性是由每一個可能的頻集至少在某一個分塊中是頻集保證的。該演算法是可以高度並行的，可以把每一分塊分別分配給某一個處理器生成頻集。產生頻集的每一個循環結束後，處理器之間進行通信來產生全局的候選k-項集。通常這里的通信過程是演算法執行時間的主要瓶頸；而另一方面，每個獨立的處理器生成頻集的時間也是一個瓶頸。
3.FP-樹頻集演算法：針對Apriori演算法的固有缺陷，J.Han等提出了不產生候選挖掘頻繁項集的方法：FP-樹頻集演算法。採用分而治之的策略，在經過第一遍掃描之後，把資料庫中的頻集壓縮進一棵頻繁模式樹（FP-tree），同時依然保留其中的關聯信息，隨後再將FP-tree分化成一些條件庫，每個庫和一個長度為1的頻集相關，然後再對這些條件庫分別進行挖掘。當原始數據量很大的時候，也可以結合劃分的方法,使得一個FP-tree可以放入主存中。實驗表明，FP-growth對不同長度的規則都有很好的適應性，同時在效率上較之Apriori演算法有巨大的提高。
3.該領域在國內外的應用
3.1關聯規則發掘技術在國內外的應用
就目前而言，關聯規則挖掘技術已經被廣泛應用在西方金融行業企業中，它可以成功預測銀行客戶需求。一旦獲得了這些信息，銀行就可以改善自身營銷。現在銀行天天都在開發新的溝通客戶的方法。各銀行在自己的ATM機上就捆綁了顧客可能感興趣的本行產品信息，供使用本行ATM機的用戶了解。如果資料庫中顯示，某個高信用限額的客戶更換了地址，這個客戶很有可能新近購買了一棟更大的住宅，因此會有可能需要更高信用限額，更高端的新信用卡，或者需要一個住房改善貸款，這些產品都可以通過信用卡賬單郵寄給客戶。當客戶打電話咨詢的時候，資料庫可以有力地幫助電話銷售代表。銷售代表的電腦屏幕上可以顯示出客戶的特點，同時也可以顯示出顧客會對什麼產品感興趣。
同時，一些知名的電子商務站點也從強大的關聯規則挖掘中的受益。這些電子購物網站使用關聯規則中規則進行挖掘，然後設置用戶有意要一起購買的捆綁包。也有一些購物網站使用它們設置相應的交叉銷售，也就是購買某種商品的顧客會看到相關的另外一種商品的廣告。
但是目前在我國，「數據海量，信息缺乏」是商業銀行在數據大集中之後普遍所面對的尷尬。目前金融業實施的大多數資料庫只能實現數據的錄入、查詢、統計等較低層次的功能，卻無法發現數據中存在的各種有用的信息，譬如對這些數據進行分析，發現其數據模式及特徵，然後可能發現某個客戶、消費群體或組織的金融和商業興趣，並可觀察金融市場的變化趨勢。可以說，關聯規則挖掘的技術在我國的研究與應用並不是很廣泛深入。
3.2近年來關聯規則發掘技術的一些研究
由於許多應用問題往往比超市購買問題更復雜，大量研究從不同的角度對關聯規則做了擴展，將更多的因素集成到關聯規則挖掘方法之中，以此豐富關聯規則的應用領域，拓寬支持管理決策的范圍。如考慮屬性之間的類別層次關系，時態關系，多表挖掘等。近年來圍繞關聯規則的研究主要集中於兩個方面，即擴展經典關聯規則能夠解決問題的范圍，改善經典關聯規則挖掘演算法效率和規則興趣性。
『捌』 什麼是金融學基本原理
金融學(Finance)是從經濟學中分化出來的應用經濟學科，是以融通貨幣和貨幣資金的經濟活動為研究對象，具體研究個人、機構、政府如何獲取、支出以及管理資金以及其他金融資產的學科。金融金融學專業主要培養具有金融保險理論基礎知識和掌握金融保險業務技術，能夠運用經濟學一般方法分析金融保險活動、處理金融保險業務，有一定綜合判斷和創新能力，能夠在中央銀行、商業銀行、政策性銀行、證券公司、人壽保險公司、財產保險公司、再保驗公司、信託投資公司、金融租賃公司、金融資產公司、集團財務公司、投資基金公司及金融教育部門工作的高級專門人才。
金融學主要學習貨幣銀行學方向有貨幣銀行學、商業銀行經營管理、中央銀行、國際金融、國際結算、證券投資、投資項目評估、投資銀行業務、公司金融等。
歷史起源
金融學在古代不是獨立的學科。如在中國，一些金融理論觀點散見在論述「財貨」問題的各種典籍中。它作為一門獨立的學科，最早形成於西方，叫「貨幣銀行學」。近代中國的金融學，是從西方介紹來的，有從古典經濟學直到現代經濟學的各派貨幣銀行學說。
20世紀50年代末期以後，「貨幣信用學」的名稱逐漸被廣泛採用。這時，開始注意對資本主義和社會主義兩種社會制度下的金融問題進行綜合分析，並結合中國實際提出了一些理論問題加以探討，如：人民幣的性質問題，貨幣流通規律問題，社會主義銀行的作用問題，財政收支、信貸收支和物資供求平衡問題，等等。不過，總的說，在這期間，金融學沒有受到重視。
自20世紀70年代末以來，中國的金融學建設進入了新階段，一方面結合實際重新研究和闡明馬克思主義的金融學說，另一方面則扭轉了完全排斥西方當代金融學的傾向，並展開了對它們的研究和評價;同時，隨著經濟生活中金融活動作用的日益增強，金融學科受到了廣泛的重視;這就為以中國實際為背景的金融學創造了迅速發展的有利條件。
金融學研究的內容極其豐富。它不僅限於金融理論方面的研究，還包括金融史、金融學說史、當代東西方各派金融學說，以及對各國金融體制、金融政策的分別研究和比較研究，信託、保險等理論也在金融學的研究范圍內。
在金融理論方面主要研究課題有：貨幣的本質、職能及其在經濟中的地位和作用;信用的形式、銀行的職能以及它們在經濟中的地位和作用;利息的性質和作用;在現代銀行信用基礎上組織起來的貨幣流通的特點和規律;通過貨幣對經濟生活進行宏觀控制的理論，等等。
學科分支 金融學從經濟學分化出來的、研究資金融通的學科。傳統的金融學研究領域大致有兩個方向：宏觀層面的金融市場運行理論和微觀層面的公司投資理論。
其主要研究分支包括： 金融市場學(en:Financial market) 公司金融學(en:Corporate Finance)
金融工程學(en:Financial Engineering) 金融經濟學(en:Financial Economics)
投資學(en:Investment Investment) 貨幣銀行學(en:Money, Banking and Economics)
國際金融學(en:International Finance) 財政學(en:Public Finance) 保險學(en:Insurance
Insurance) 數理金融學(en:Mathematical Finance) 金融計量經濟學(en:Financial Econometrics)
[編輯本段]學科分類
金融學(Finance)的定義不是一個簡單的問題，而且用來定義學科的術語對該學科的發展方向會有極其重要的影響。Webster字典將「To
Finance」定義為「籌集或提供資本(To Raise Or Provide Funds Or Capital
For)」。華爾街日報在其新開的公司金融(Corporate Finance)的固定版面中將(公司)金融定義為「為業務提供融資的業務(Business Of
Financing Businesses)」，這一定義基本上代表了金融實業界的看法。代表學界對金融學較有權威的解釋可參照《新帕爾格雷夫貨幣金融大辭典》(The
New Palgrave Dictionary Of Money And Finance) 的「Finance」相關詞條。由斯蒂芬•A•羅斯(Stephen
A.
Ross)撰寫的「Finance」詞條稱「金融以其不同的中心點和方法論而成為經濟學的一個分支，其中心點是資本市場的運營、資本資產的供給和定價。其方法論是使用相近的替代物給金融契約和工具定價。」羅斯概括了「Finance」的四大課題：「有效率的市場」、「收益和風險」、「期權定價理論」和「公司金融」。羅斯的觀點，集中體現了西方學者界定「Finance」倚重微觀內涵及資本市場的特質。
在國內學界，對「Finance」一詞的翻譯及內涵界定存在較大爭議。總覽50多年來國內出版的各類財經專業辭典，「Finance」一詞的漢語對譯主要有「金融」、「財政」、「財務」、「融資」四種。相對而言，後三種譯法用途相對特定，唯有「金融」頗值商榷。「金融」就其理論內涵來說，在國內具有轉軌經濟背景下的典型特徵。基於貨幣、信用、銀行、貨幣供求、貨幣政策、國際收支、匯率等專題的傳統式金融研究，對於「金融」一詞的代表性定義為「貨幣流通和信用活動以及與之相聯系的經濟活動的總稱」(劉鴻儒，1995)，並不突出反映資本市場的地位。一般而言，國內學界理解「金融學(Finance)」，主要以「貨幣銀行學(Money
And Banking)」和「國際金融(International
Finance)」兩大代表性科目為主線。其原因大致有二：在視資本、證券為異類的歷史環境下，由政府主導的銀行業間接融資是金融實踐的中心內容。與此相適應，針對銀行體系的貨幣金融研究成為金融學絕對主導。二是發端於20世紀80年代初的改革開放國策導致將對外貿易加強，國內高校相應大面積開設以國際收支和貿易為核心的「國際金融」
(International Finance)專業。
令人尷尬的事實是，基於以上兩大學科界定的(國內)「金融學」，今天看來卻恰恰不是Finance的核心內容。西方學界對Finance的理解，集中反映在兩門課程：一是以公司財務、公司融資、公司治理為核心內容的Corporate
Finance，即公司金融。二是以資產定價(Asset
Pricing)為核心內容的Investments，即投資學。值得一提的是，國內很多學者將Corporate
Finance譯作「公司財務」或「公司理財」，很容易使人誤解其研究對象為會計事項，今後應予修正。總體觀之，國內所理解的「金融學」，大抵屬於西方學界宏觀經濟學、貨幣經濟學和國際經濟學領域的研究內容。而西方學界所指的Finance，就其核心研究對象而言更側重微觀金融領域。
鑒於以上分析，我將金融學(Finance)分為三大學科支系：微觀金融學，宏觀金融學，以及由金融與數學、法學等學科互滲形成的交叉學科。這種界定對於澄清目前中國學術界的金融學定義之爭應有所幫助。
1、微觀金融學(Finance) 也即國際學術界通常理解的Finance，主要含公司金融、投資學和證券市場微觀結構(Securities Market
Microstructure)三個大的方向。微觀金融學科通常設在商學院的金融系內。微觀金融學是目前我國金融學界和國際學界差距最大的領域，急需改進。
2、宏觀金融學(Macro Finance) 國際學術界通常把與微觀金融學相關的宏觀問題研究稱為宏觀金融學(Macro
Finance)。我個人認為，Macro Finance
又可以分為兩類：一是微觀金融學的自然延伸，包括以國際資產定價理論為基礎的國際證券投資和公司金融(International Asset Pricing And
Corporate Finance)、金融市場和金融中介機構(Financial Market And Intermediations
)等等。這類研究通常設在商學院的金融系和經濟系內。第二類是國內學界以前理解的「金融學」，包括「貨幣銀行學」和「國際金融」等專業,
涵蓋有關貨幣、銀行、國際收支、金融體系穩定性、金融危機的研究。這類專業通常設在經濟系內。
宏觀金融學的研究在中國有特別的意義。這是因為微觀金融學的理論基礎是有效市場理論，而這樣的市場在中國尚未建立，所以公司和投資者都受到更大范圍的宏觀因素影響。金融學模型總會在開始說「讓我們假設……」，例如，以金融的範式——資本資產定價模型(CAPM)為例，詹森(1972)歸納出CAPM建立在下述七個假設上：所有投資者追求單周期的財富期望效用最大化;根據期望收益的均值和方差選擇資產組合;可以無限量地拆借資金;對所有資產的收益回報有相同的估計;他們是價格的接受者，資本市場是完全競爭的;資產總量是固定的，沒有新發行的證券，並且證券可以完全分離，交易無成本;最後，資本市場無稅收。這些假設顯然過於苛刻，尤其在中國這樣的不成熟市場更難成立。
諸如此類的假設，側面反映了宏觀經濟體制、金融中介和市場安排等問題。而這些問題，正是我這里所定「宏觀金融學」的研究內容。我們必須重視對這些假設本身的研究。
3、金融學和其他學科的交叉學科
伴隨社會分工的精細化，學科交叉成為突出現象，金融學概莫能外。實踐中，與金融相關性最強的交叉學科有兩個：一是由金融和數學、統計、工程學等交叉而形成的「金融工程學(Financial
Engineering)」;二是由金融和法學交叉而形成的「法和金融學(Law and
finance)」。金融工程學使金融學走向象牙塔，而法和金融學將金融學帶回現實。
數學、物理和工程學方法在金融學中被廣泛應用，闡述金融思想的工具從日常語言發展到數理語言，具有了理論的精神與抽象，是金融學科的一個進步。當我開始涉足金融學理論時，正是將物理和應用數學應用於金融模型的高峰期，比如使用差分、偏微分方程和隨機積分等數學工具描述股票走勢、收益率曲線等。我讀金融學博士時的一個同窗是義大利人，他本科學的是物理，之所以選擇金融，是因為期望金融能成為20世紀後期的物理學。11年後的今天，事情並沒有像他當初預期的那樣，物理和數學並未能統治金融學，完美的金融模型並沒有出現，金融學經歷了對物理和數學的狂熱期後，回歸到了基本面分析的基礎上。
那為什麼高深的數學和物理方法在金融研究中作用有限呢?金融是藝術(Art)而非科學(Science)。物理學理論模型使用確定性的參數，而金融學研究不確定性條件下的決策，所以不存在完美的金融模型來指導實踐。科學利用理論模型引導人們的認識由未知走向已知，而金融利用理論模型從一種期望變成另一種期望——如股票定價、期權定價模型的參數分別是期望紅利和期望收益變動率，永遠是一個不確定性。
基於以上原因，加之我國金融衍生產品等金融工具的缺乏，估計金融工程學在中國近期不會有太大的現實意義。金融學人應該學會「走過數學」(Go Beyond
Mathematics)。另一方面，我國金融改革實踐的發展卻亟需法和金融學的理論指導，可以預見法和金融學在我國將會有相當發展。
我國目前金融改革的結構性難題大多都同時涉及法律和金融兩方面問題：如在轉型期的法律體系下，什麼樣的金融體系最能有效配置資源?怎樣為解決銀行壞帳的資產證券化業務等金融創新提供法律支持?怎樣修改《公司法》、《證券法》、《破產法》和《商業銀行法》等法律中不合時宜的條款，激勵金融創新?等等。類似的研究在國際學術界近年來已成風潮，而且逐漸形成了一門新興學科，謂之「法和金融學(Law
And Finance)」。 「法和金融學」是自20世紀70年代興起的「法和經濟學(Law And
Economics)」的延伸，Rowley(1989)把法和經濟學定義為「應用經濟理論和計量經濟學方法考察法律和法律制度的形成、結構、程序和影響」，法和經濟學強調法學的「效益」：即要求任何法律的制定和執行都要有利於資源配置的效益並促使其最大化。法和金融學有兩大研究方向：一是結合法律制度來研究金融學問題，也就是以金融學為中心、同時研究涉及的法律問題，強調法律這一制度性因素對金融主體行為的影響，這也是本叢書的核心任務。二是利用金融學的研究方法來研究法學問題，本叢書同時覆蓋這方面的重要問題，例如金融立法和監管的經濟學分析。
法和金融學對中國的金融創新和司法改革意義尤為深遠。目前，這門學科在我國尚屬空白，吳敬璉教授和江平教授最近已開始倡導經濟和法的融合研究，不過目前學術界的研究還停留在概念引進階段，其對實際工作和教學科研的意義尚未顯露。換言之，要實現法和金融學由概念詮釋到實務操作、教學普及直至學科發展的躍升，學界仍需付出巨大努力，從頭作起。
[編輯本段]金融學專業 培養目標
本專業培養具備金融學方面的理論知識和業務技能，能在銀行、證券、投資、保險及其他經濟管理部門和企業從事相關工作的專門人才。金融學培養要求：本專業學生主要學習貨幣銀行學、國際金融、證券、投資、保險等方面的基本理論和基本知識，受到相關業務的基本訓練，具有金融領域實際工作的基本能力。
專業能力 1.掌握金融學科的基本理論、基本知識; 2.具有處理銀行、證券、投資與保險等方面業務的基本能力; 3.熟悉國家有關金融的方針、政策和法規;
4.了解本學科的理論前沿和發展動態; 5.掌握文獻檢索、資料查詢的基本方法，具有一定的科學研究和實際工作能力。 主幹課程 主幹學科：經濟學
主要課程：政治經濟學、西方經濟學、財政學、國際經濟學、貨幣銀行學、國際金融管理、證券投資學、保險學、商業銀行業務管理、中央銀行業務、投資銀行理論與實務等。
金融學國家重點學科院校： 上海財經大學、中國人民大學、中央財經大學、復旦大學、廈門大學、南開大學
金融學領域極其重視畢業院校，以上5所大學的畢業生是金融學領域的翹楚! 跨專業報考金融學的優勢
雖然現在金融人才需求旺盛,但是我們也要看到進入這個行業的門檻正在水漲船高。金融招聘會上，學歷的要求仍然很高，比較好的金融機構，幾乎都要求碩士以上學歷，名校畢業，甚至要海歸。
除了學歷要求之外,銀行也需要越來越多的復合型人才。目前的情況是銀行中有一半人，甚至更多是非金融、經濟、財務專業的人員。他們本科專業各異，有計算機、通信、法律甚至機械和物理。現在備考和在讀的金融研究生也有很多是跨專業的，導師們非常歡迎這些跨專業學生。有些金融分析機構指明要有工科背景的畢業生，他們要的就是工科那種嚴謹理性的思維和分析。
就業前景 從近幾年就業情況來看，金融學專業畢業生通常有這些流向：
1、商業性質的銀行，其中包括中國工商、建設、農業銀行等四大行和招商等股份制商行、城市商業銀行、外資銀行駐國內分支機構;
2、保險公司、保險經紀公司，如中國人壽、平安、太平洋保險等; 3、中央人民銀行、銀行業監督管理委員會、證券業監督管理委員會、保險業監督管理委員會;
4、金融控股集團、四大資產管理公司、金融租賃、擔保公司; 5、證券公司，含基金管理公司;上交所、深交所、期交所;
6、信託投資公司，金融投資控股公司，投資咨詢顧問公司.大型企業財務公司; 7、國家公務員系列的政府行政機構，如財政、審計、海關部門等;
8、社保基金管理中心或社保局; 9、一些政策性銀行，比如國家開發銀行、中國農業發展銀行等; 10、上市(或欲上市)股份公司證券部、財務部等;
11、高等院校金融財政專業教師，研究機構研究人員，出版傳播機構等。 報考建議 1、職業導向：
從上面的就業流向可以看出，職業方向和報考專業有很大的聯系。因此如果你准備從事基金類工作，報金融工程方向比較好;如果你想到保險公司工作當然要選擇保險方向。
2、學校導向：
首先，報考時盡量選擇名校。現在金融行業都有「名校情結」，企業在選擇學生時，比較看重學生就讀的院校，一般情況下會選擇比較知名的，如上海財經大學、人民大學、中南財經政法大學、西南財經大學等的學生，因為這些學校已經在企業心目中樹立良好的口碑。
其次從人際關系方面考慮你所報考的院校。最好是選擇傳統上具有優良的金融學教育積淀的學校，比如一些著名財經類專業院校，如中財、上財，或是金融經濟類傳統較好的綜合類大學，比如復旦、南開。這樣的院校通常在金融經濟界有一定的校友資源，對於未來就業好處頗多。
第三，學校的地域也是一個重要因素。你所要報考的院校，應該在你未來准備發展的地區或附近。因為學校在該地區有一定的影響力，這樣在你畢業之後會方便你到該地區擇業。比如考上海的學校就把目標定在上海發展。2020年，上海將建成國際金融中心，從倫敦、紐約、東京等國際金融中心的情況看，其金融人才都在30萬人以上，而目前上海市的金融從業人員在10萬人左右，上海與其他金融中心相比，人才方面存在著巨大的差距，尤其是高級金融人才更是短缺。
3、專業導向：
既然你准備在這個行業發展，那麼選擇什麼專業方向更符合你的發展目標呢?從當前的金融學科專業分布來看，比較有發展前景的專業方向有：公司財務、風險管理與控制、金融工程、金融市場、保險精算、證券投資等。
目前基金市場最為活躍，而熟練的基金經理人只有3000人左右，人才缺口過萬;目前中級基金經理人的年收入已經達到40萬元.而擔任高級職位的經理人年薪已經突破百萬元，可見金融行業是一座未開採的金礦。
『玖』 金融數學基礎這門學科是說什麼的啊主要涉及的是金融還是數學啊
金融數學（Financial Mathematics），又稱數理金融學、數學金融學、分析金融學，是利用數學工具研究金融，進行數學建模、理論分析、數值計算等定量分析，以求找到金融動內在規律並用以指導實踐。金融數學也可以理解為現代數學與計算技術在金融領域的應用，因此，金融數學是一門新興的交叉學科，發展很快，是目前十分活躍的前言學科之一。
金融數學的發展曾兩次引發了「華爾街革命」。上個世紀50年代初期，馬科威茨提出證券投資組合理論，第一次明確地用數學工具給出了在一定風險水平下按不同比例投資多種證券收益可能最大的投資方法，引發了第一次「華爾街革命」， 馬科威茨因此獲得了1990年諾貝爾經濟學獎。1973年，布萊克和斯克爾斯用數學方法給出了期權定價公式，推動了期權交易的發展，期權交易很快成為世界金融市場的主要內容，成為第二次「華爾街革命」， 修斯因此獲得了1997年諾貝爾經濟學獎。2003年諾貝爾經濟學獎第三次授予以數學為工具分析金融問題的美國經濟學家恩格爾和英國經濟學家格蘭傑以表彰他們分別用「隨著時間變化易變性」和「共同趨勢」兩種新方法分析經濟時間數列給經濟學研究和經濟發展帶來巨大影響。金融數學在我國起步比較晚，但於1997 年正式實施的國家「九五」重大項目《金融數學、金融工程、金融管理》，直接推動了我國金融數學這一交叉學科的興起和發展。 金融數學,運用隨機分析，隨機最優控制，倒向隨機微分方程，非線性分析，分形幾何等現代數學工具研究以下問題：
（1）不完備金融市場有價證券（例如期貨，期權等衍生工具）的資本資產定價模型，套利定價理論，套期保值理論及最優投資和消費理論。
（2）利率的期限結構和利率衍生產品的定價理論。
（3）不完備金融市場的風險管理和風險控制理論。