金融數學基礎是什麼

❶ 金融數學有些什麼課程

主幹課程：

數學分析、高等代數、大學物理、常微分方程、復變函數、數值分析、數學建模、實變函數、金融英語、金融數學、近世代數、運籌學等。

培養要求：

系統掌握應用數學、金融學的基礎理論和方法，形成扎實的數學基本功底和嚴謹的數學思維模式。具備靈敏獲取信息能力和分析信息能力，具備不斷學習和創新的精神，具有一定的科學研究和教學能力，具有在經濟、金融領域從事定量分析，解決實際經濟問題及設計經濟數學模型等方面的基本能力。

(1)金融數學基礎是什麼擴展閱讀：

金融數學歷史：

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。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。

❷ 金融數學是什麼專業類別

金融數學是普通高等學校本科專業，屬於金融學類專業。

培養具有扎實的數學基礎，掌握金融數學基本理論和基本分析方法，能夠運用所學的數學與金融分析方法進行經濟、金融信息分析與數據處理的應用型人才。

畢業後能在金融、投資、保險等部門從事金融分析、策劃與管理等工作，並為更高層次的研究生教育輸送優秀人才。

❸ 關於金融數學，需要什麼基礎知識對國內的人申請難易程度如何

金融數學需要學過微積分至少一年，然後就是統計學，線性代數，有的學校需要編程基礎，掌握JAVA, FORTRAN, C++ 中的至少一門。

因為不同國家，不同學校要求不同，所以入門條件也略有變化。一般來講，需要的成績有托福分數，GRE或者GMAT成績。

金融工程屬於難申難上的專業，但是就業前景超好！如果對自己的數學水平比較自信不妨一試！

❹ 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。

❺ 你認為金融的核心是數學嗎

以量化衍生品建模的金融工程和金融數學來了解金融。

數學作為一種嚴謹的工具可以給出金融問題的精確的解決方案，但是前提是假設都正確且滿足！言下之意就是在中各種條件都被控制的情況下，人的行為習慣被合理假設的前提下，數學為金融所構建的體系是無懈可擊的！

❻ 金融數學學什麼

應用數學：研究方向：金融工程與金融數學
類別 課程編號 課程名稱 學時 學分 授課學期 類型 任課教師 備注
公共必修課 馬克思主義理論 3 1次/年
第一外國語 3 1次/年
專業外語 1 1次/年
公共基礎課 泛函分析(I) 3 秋 1次/年 任選2-4門
拓撲學(I) 3 秋 1次/年
偏微分方程 3 春 1次/年
抽象代數 3 秋 1次/年
現代微分幾何 3 春 1次/年
測度與概率論 3 秋 1次/年
實分析與復分析 3 秋 1次/年
專業基礎課 金融工程與金融數學
基礎 3 春 1次/年 任選3-5門
精算數學 3 秋 1次/年
隨機過程 3 春 1次/年
隨機分析 3 秋 1次/年
數值分析 3 春 1次/年
現代控制論 3 秋 1次/年
最優控制理論與應用 3 春 1次/年
圖論及其應用 3 秋 1次/年
組合計數 3 秋 1次/年
組合與群表示 3 春 1次/年
專業選修課 黎曼幾何:微分幾何(II) 3 春
信譽風險模型 3
非線性控制系統的
幾何理論 3
系統的分析與控制 3
流形上的整體分析 3
經典力學的數學方法 3
動力系統 3
辛幾何與辛拓撲 3
公司金融 3
Finsler幾何:
微分幾何(III) 3
精算數學(II) 3
投資組合理論 3
投資學 3
利率期限結構理論 3
對稱函數 3
q-級數 3
樹的計數 3
應用圖論 3
組合與生物信息學 3
組合恆等式的
機器證明 3
不變數理論 3
組合優化 3
組合設計 3
專業討論班

❼ 金融數學專業的學生有必要考研嗎金融數學學的是什麼

金融數學是金融學類的一個二級學科，該專業主要培養具有扎實的基本金融理論、金融工程和金融管理知識、具備開發操作新型金融工具，運用數量分析方法進行金融信息分析的復合型、應用型本科人才。

由於金融數學是從金融學分支出來的專業，數學遠高於金融類的知識，同時也需要計算機編程的能力，是應用數學、統計學和計算數學在金融領域的應用，需要有開發各類新的金融產品的能力，國際化程度很高、學習難度比較大、數學要求極高，屬於需要不斷研究和創新的專業和職業，本科基礎遠遠不夠，基本上都得考研才能找到理想的工作，同時金融業是現在以及未來最缺的都是復合型人才，需要學生多培養人文知識、英語能力以及創新意識和創新能力，這就更更有必要考研以提高自己的綜合能力。

❽ 金融數學的研究內容

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。

❾ 金融數學基礎課堂學習對你影響最大的是什麼

金融數學又稱為數理金融學、數學金融學、分析金融學
,
是以數學和計算機
為工具
,
通過數學建模、理論分析、數值計算等對金融問題進行定量分析
,
從而
揭示金融運行過程中的內在規律並用來指導實踐。金融數學領域的研究可以追
溯至上世紀中期，經過幾十年的理論拓展及論證，目前金融數學已經具備相對
的學科獨立性，其研究以已經能夠在實際金融市場中表現出一定的價值意義。
金融數學的理論內容主要有以下幾個方面

1.
金融數學領域中選擇理論的研究。

金融數學中第一次理論突破是由著名數學家馬柯維茨完成，在他創建的數
學模型中，將金融學中投資組合風險度量通過方差形式實現，同時首次定義了
有效邊界在投資組合中的意義。根據馬柯維茨的選擇理論原理，只有在個人的
無差異曲線與投資組合的有效邊界的切點才能夠在個人投資組合中獲取最為正
確的決策，從而將金融市場中不通過類型資產的合理持有比例進行劃分。目前，
選擇理論依然在金融市場中具有相當的實踐性意義。

2.
金融數學領域中
CAPM
理論的研究。

多位著名數學、經濟領域研究學者、教授在選擇理論基礎之上將金融市場
中具有均衡意義的資產價值形成機制，即
CAPM
理論。該理論中表述了金融證券
的投資過程中，
在投資收益與投資風險存在一定的相互關系
;
金融市場中的投資
人員在進行投資證券時候所採用的投資組合能夠體現出效用函數與證券市場線
的切點關系。
CAPM
理論就是通過切點的求證獲取金融市場中的斜率項。目前，
CAPM
主要應用在金融股價、投資績效測定以及金融資本預算等方面，對金融市
場的發展有著切實的指導性意義

❿ 關於金融數學。。高手進！！

怎麼說呢
用數學來達到炒股的目的，很難。

如果你真的喜歡，你要花費的精力可太大了。
不讓先放一放，先聽一聽名師的課程。慢慢來。

股市只有10%的人在掙錢，如果你喜歡數學的話，建議大學學金融數學的相關就行了。
否則自己看書，真是沒有盡頭。