金融数学专业设置背景是什么

❶ 谁能具体介绍一下“数学与应用数学（金融数学）”这个专业

应该说,金融数学是数学系与经管系共同衍生的一门新学科。但一般含于数学系，做的东西并不是纯数学，大一大二的时候，上的是基础课程，会和其它纯数学的学科上的科目大体相同，如《数学分析》，《高等代数》《解释几何》等，大二后期以后，它和数学系的其他科目就不一样了，会更多的开设些经济类的科目，如：《微观经济学》《宏观经济学》《计量经济学》，相对也夹杂些的数学科目，如《常微分方程》《数理统计》，这些都是必修的，其次也开设些经济学方面的选修课，如《证券投资分析》等科目。 总的来说，金融数学不是纯数学，它没有研究像《近世代数》《复变函数》《实变函数》《泛函分析》等比较高深的纯数学，它更广阔地涉猎统计数学，已及经济管理类的知识，属于数学系与经管系结合的科目 本人也是数学系的，下面是我们系金融数学的培养方案，希望能帮到你的 ^_^ 培养目标: 在专业上，掌握数学与统计的基本理论，以及金融、经济基本知识，能运用所学的数学分析方法进行经济、金融信息分析与数据处理的应用型复合型人才。毕业后能在金融、投资、保险等部门从事金融分析、策划与管理等工作，并为更高层次的研究生教育输送优秀人才。 培养规格: 具有较好的数学和应用数学基础，掌握金融与经济的基本理论和基本的分析方法，能够运用所学的数学知识进行经济、金融信息分析以及预测和决策。 掌握计算机基本技能，具备初步的软件应用和开发能力，能够运用计算机技术进行数据的收集、整理和分析，并解决实际问题。

❷ 数学与应用数学（金融数学）专业介绍

其实就是学数学和统计学，本科都是些基础课，其他的关于金融数学的选修课如：金融衍生品及其定价，债券定价等等。这些理论的学完了就学编程，用MATLAB的比较多，可以将这些学到的金融数学理论运用于实际。不过数学基础课比较难，很难，什么实变泛函的，近世代数，数理方程，偏微分方程，随机过程的。比较推荐读研究生，国内国外都OK。如果毕业能找到好工作的话那就不用读研了，当然现在这么难找工作，985毕业的都找不到满意的。

❸ 麻烦谁给我介绍一下金融数学，金融工程，精算学！

金融数学
21世纪数学技术和计算机技术一样成为任何一门科学发展过程中的必备工具。美国花旗
银行副总裁柯林斯（Collins）1995年3月6日在英国剑桥大学牛顿数学科学研究所的讲演
中叙述到：“在18世纪初，和牛顿同时代的著名数学家伯努利曾宣称：‘从事物理学研
究而不懂数学的人实际上处理的是意义不大的东西。’那时候，这样的说法对物理学而
言是正确的，但对于银行业而言不一定对。在18世纪，你可以没有任何数学训练而很好
地运作银行。过去对物理学而言是正确的说法现在对于银行业也正确了。于是现在可以
这样说：‘从事银行业工作而不懂数学的人实际上处理的是意义不大的东西’。”他还
指出：花旗银行70%的业务依赖于数学，他还特别强调，‘如果没有数学发展起来的工具
和技术，许多事情我们是一点办法也没有的……没有数学我们不可能生存。”这里银行
家用他的经验描述了数学的重要性。在冷战结束后，美国原先在军事系统工作的数以千
计的科学家进入了华尔街，大规模的基金管理公司纷纷开始雇佣数学博士或物理学博士
。这是一个重要信号：金融市场不是战场，却远胜于战场。但是市场和战场都离不开复
杂艰深，迅速的计算工作。
然而在国内却不能回避这样一个事实：受过高等教育的专业人士都可以读懂国内经济类
，金融类核心期刊，但国内金融学专业的本科生却很难读懂本专业的国际核心期刊《Jo
urnal of Finance》，证券投资基金经理少有人去阅读《Joural of Portfolio Manage
ment》，其原因不在于外语的熟练程度，而在于内容和研究方法上的差异，目前国内较
多停留在以描述性分析为主着重描述金融的定义，市场的划分及金融组织等，或称为描
述金融；而国外学术界以及实务界则以数量性分析为主，比如资本资产定价原理，衍生
资产的复制方法等，或称为分析金融，即使在国内金融学的教材中，虽然涉及到了标的
资产（Underlying asset）和衍生资产（Derivative asset）定价，但对公式提出的原
文证明也予以回避，这种现象是不合理的，产生这种现象的原因有如下几个方面：首先
，根据研究方法的不同，我国金融学科既可以归到我国哲学社会科学规划办公室，也可
以归到国家自然科学基金委员会管理科学部，前者占主要地位，且这支队伍大多来自经
济转轨前的哲学和政治学队伍，因此研究方法多为定性的方法。而西方正好相反，金融
研究方向的队伍具有很好的数理功底。其次是我国的金融市场的实际环境所决定。我国
证券市场刚起步，也没有一个统一的货币市场，投资者队伍主要由中小投资者构成，市
场投机成分高，因此不会产生对现代投资理论的需求，相应地，学术界也难以对此产生
研究的热情。
然而数学技术以其精确的描述，严密的推导已经不容争辩地走进了金融领域。自从1952
年马柯维茨（Markowitz）提出了用随机变量的特征变量来描述金融资产的收益性，不确
定性和流动性以来，已经很难分清世界一流的金融杂志是在分析金融市场还是在撰写一
篇数学论文。再回到Collins的讲话，在金融证券化的趋势中，无论是我们采用统计学的
方法分析历史数据，寻找价格波动规律，还是用数学分析的方法去复制金融产品，谁最
先发现了内在规律，谁就能在瞬息万变的金融市场中获取高额利润。尽管由于森严的进
入堡垒，数学进入金融领域受到了一定的排斥和漠视，然而为了追求利润，未知的恐惧
显得不堪一击。
于是，在未来我们可以想象有这样一个充满美好前景的产业链：金融市场--金融数学--
计算机技术。金融市场存在巨大的利润和高风险，需要计算机技术帮助分析，然而计算
机不可能大概，左右等描述性语言，它本质上只能识别由0和1构成的空间，金融数学在
这个过程中正好扮演了一个中介角色，它可以用精确语言描述随机波动的市场。比如，
通过收益率状态矩阵在无套利的情形下找到了无风险贴现因子。因此，金融数学能帮助
IT产业向金融产业延伸，并获取自己的利润空间
金融数学（Financial Mathematics），又称数理金融学、数学金融学、分析金融学，是利用数学工具 研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。金融数学也可以理解为现代数学与计算技术在金融领域的应用，因此，金融数学是一门新兴的交叉学科，发展 很快，是目前十分活跃的前言学科之一。
金融数学是一门新兴学科，是“金融高技术 ”的重要 组成部分。研究金融数学有着重要的意义。 金融数学总的研究目标是利用我国数学界某些方面的优势，围绕金融市场的均衡与有价证券定价的数学理论进行深入剖析，建立适合我国国情的数学模型，编写一定的计算机软件，对理论研究结果进行仿真计算，对实际数据进行计量经济分析研究，为实际金融部门提供较深入的技术分析咨询。
金融数学主要的研究内容和拟重点解决的问题包括：
(1)有价证券和证券组合的定价理论
发展有价证券（尤其是期货、期权等衍生工具）的定价理论。所用的数学方法主要是提出合适的随机微分方程或随机差分方程模型，形成相应的倒向方程。建立相应的非线性Feynman一Kac公式，由此导出非常一般的推广的Black一Scho1es定价公式。所得到的倒向方程将是高维非线性带约束的奇异方程。
研究具有不同期限和收益率的证券组合的定价问题。需要建立定价与优化相结合的数学模型，在数学工具的研究方面，可能需要随机规划、模糊规划和优化算法研究。
在市场是不完全的条件下，引进与偏好有关的定价理论。
(2）不完全市场经济均衡理论（GEI）
拟在以下几个方面进行研究：
1．无穷维空间、无穷水平空间、及无限状态
2.随机经济、无套利均衡、经济结构参数变异、非线资产结构
3．资产证券的创新（Innovation）与设计（Design）
4．具有摩擦（Friction）的经济
5．企业行为与生产、破产与坏债
6.证券市场博奕。
（3）GEI 平板衡算法、蒙特卡罗法在经济平衡点计算中的应用， GEI的理论在金融财政经济宏观经济调控中的应用，不完全市场条件下，持续发展理论框架下研究自然资源资产定价与自然资源的持续利用。
目前国内开设金融数学本科专业的高等院校中，实力较强的有北京大学、复旦大学、浙江大学、山东大学、南开大学。
后来从事计算机工作很出色。金融数学将后来在银行、保险、股票、期货领域从事研究分析，或做这些领域的软件开发，具有很好的专业背景，而这些领域将来都很重要。
国内金融数学人才凤毛麟角
诺贝尔经济学奖已经至少3次授予以数学为工具分析金融问题的经济学家。北京大学金融数学系王铎教授说，但遗憾的是，我国相关人才的培养，才刚刚起步。现在，既懂金融又懂数学的复合型人才相当稀缺。
金融数学这门新兴的交叉学科已经成为国际金融界的一枝奇葩。刚刚公布的2003年诺贝尔经济学奖，就是表彰美国经济学家罗伯特·恩格尔和英国经济学家克莱夫·格兰杰分别用“随着时间变化易变性”和“共同趋势”两种新方法分析经济时间数列给经济学研究和经济发展带来巨大影响。
王铎介绍，金融数学的发展曾两次引发了“华尔街革命”。上个世纪50年代初期，马科威茨提出证券投资组合理论，第一次明确地用数学工具给出了在一定风险水平下按不同比例投资多种证券收益可能最大的投资方法，引发了第一次“华尔街革命”。1973年，布莱克和斯克尔斯用数学方法给出了期权定价公式，推动了期权交易的发展，期权交易很快成为世界金融市场的主要内容，成为第二次“华尔街革命”。
今天，金融数学家已经是华尔街最抢手的人才之一。最简单的例子是，保险公司中地位和收入最高的，可能就是总精算师。美国花旗银行副主席保尔·柯斯林著名的论断是，“一个从事银行业务而不懂数学的人，无非只能做些无关紧要的小事”。
在美国，芝加哥大学、加州伯克利大学、斯坦福大学、卡内基·梅隆大学和纽约大学等著名学府，都已经设立了金融数学相关的学位或专业证书教育。
专家认为，金融数学可能带来的发展应该凸现在亚洲，尤其是在金融市场正在开发和具有巨大潜力的中国。香港中文大学、科技大学、城市理工大学等学校都已推出有关的训练课程和培养计划，并得到银行金融业界的热烈响应。但中国内地对该项人才的培养却有些艰辛。
王铎介绍，国家自然科学基金委员会在一项“九五”重大项目中，列入金融工程研究内容，可以说全面启动了国内的金融数学研究。可这比马科威茨开始金融数学的研究应用已经晚了近半个世纪。
在金融衍生产品已成为国际金融市场重要角色的背景下，我国的金融衍生产品才刚刚起步，金融衍生产品市场几乎是空白。“加入 W TO后，国际金融家们肯定将把这一系列业务带入中国。如果没有相应的产品和人才，如何竞争？”王铎忧虑地说。
他认为，近几年，接连发生的墨西哥金融危机、百年老店巴林银行倒闭等事件都在警告我们，如果不掌握金融数学、金融工程和金融管理等现代化金融技术，缺乏人才，就可能在国际金融竞争中蒙受重大损失。我们现在最缺的，就是掌握现代金融衍生工具、能对金融风险做定量分析的既懂金融又懂数学的高级复合型人才。
据悉，目前国内不少高校都陆续开展了与金融数学相关的教学，但毕业的学生远远满足不了整个市场的需求。
王铎认为，培养这类人才还有一些难以逾越的障碍———金融数学最终要运用于实践，可目前国内金融衍生产品市场还没有成气候，学生很难有实践的机会，教和学都还是纸上谈兵。另外，高校培养的人大多都是本科生，只有少量的研究生，这个领域的高端人才在国内还是凤毛麟角。国家应该更多地关注金融和数学相结合的复合型人才的培养。
王铎回忆，1997年，北京大学建立了国内首个金融数学系时，他曾想与一些金融界人士共商办学。但相当一部分人对此显然并不感兴趣：“什么金融衍生产品，什么金融数学，那都是国家应该操心的事。”
尽管当初开设金融数学系时有人认为太超前，但王铎坚持，教育应该走在产业发展的前头，才能为市场储备人才。如果今天还不重视相关领域的人才培养，就可能导致我们在国际竞争中的不利。
记者发现即使今天，在这个问题上，仍然一方面是高校教师对于人才稀缺的担忧，一方面却是一些名气很大的专家对金融数学人才培养的冷漠。
采访中，记者多次试图联系几位国内金融数学界或金融理论界专家，可屡屡遭到拒绝。原因很简单，他们认为，谈人才培养这样的话题太小儿科，有的甚至说，“我不了解，也根本不关注什么人才培养”。还有的说，“我现在有很多课题要做，是我的课题重要，还是讨论人才培养重要”、“我没有时间，也没义务向公众解释什么诺贝尔经济学奖，老百姓要不要晓得金融数学和我没有关系”。
[编辑本段]金融中的数据挖掘
1.什么是关联规则
在描述有关关联规则的一些细节之前，我们先来看一个有趣的故事： "尿布与啤酒"的故事。
在一家超市里，有一个有趣的现象：尿布和啤酒赫然摆在一起出售。但是这个奇怪的举措却使尿布和啤酒的销量双双增加了。这不是一个笑话，而是发生在美国沃尔玛连锁店超市的真实案例，并一直为商家所津津乐道。沃尔玛拥有世界上最大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析，想知道顾客经常一起购买的商品有哪些。沃尔玛数据仓库里集中了其各门店的详细原始交易数据。在这些原始交易数据的基础上，沃尔玛利用数据挖掘方法对这些数据进行分析和挖掘。一个意外的发现是："跟尿布一起购买最多的商品竟是啤酒！经过大量实际调查和分析，揭示了一个隐藏在"尿布与啤酒"背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。
按常规思维，尿布与啤酒风马牛不相及，若不是借助数据挖掘技术对大量交易数据进行挖掘分析，沃尔玛是不可能发现数据内在这一有价值的规律的。
数据关联是数据库中存在的一类重要的可被发现的知识。若两个或多个变量的取值之间存在某种规律性，就称为关联。关联可分为简单关联、时序关联、因果关联。关联分析的目的是找出数据库中隐藏的关联网。有时并不知道数据库中数据的关联函数，即使知道也是不确定的，因此关联分析生成的规则带有可信度。关联规则挖掘发现大量数据中项集之间有趣的关联或相关联系。Agrawal等于1993年首先提出了挖掘顾客交易数据库中项集间的关联规则问题，以后诸多的研究人员对关联规则的挖掘问题进行了大量的研究。他们的工作包括对原有的算法进行优化，如引入随机采样、并行的思想等，以提高算法挖掘规则的效率；对关联规则的应用进行推广。关联规则挖掘在数据挖掘中是一个重要的课题，最近几年已被业界所广泛研究。
2.关联规则挖掘过程、分类及其相关算法
2.1关联规则挖掘的过程
关联规则挖掘过程主要包含两个阶段：第一阶段必须先从资料集合中找出所有的高频项目组(Frequent Itemsets)，第二阶段再由这些高频项目组中产生关联规则(Association Rules)。
关联规则挖掘的第一阶段必须从原始资料集合中，找出所有高频项目组(Large Itemsets)。高频的意思是指某一项目组出现的频率相对于所有记录而言，必须达到某一水平。一项目组出现的频率称为支持度(Support)，以一个包含A与B两个项目的2-itemset为例，我们可以经由公式(1)求得包含{A,B}项目组的支持度，若支持度大于等于所设定的最小支持度(Minimum Support)门槛值时，则{A,B}称为高频项目组。一个满足最小支持度的k-itemset，则称为高频k-项目组(Frequent k-itemset)，一般表示为Large k或Frequent k。算法并从Large k的项目组中再产生Large k+1，直到无法再找到更长的高频项目组为止。
关联规则挖掘的第二阶段是要产生关联规则(Association Rules)。从高频项目组产生关联规则，是利用前一步骤的高频k-项目组来产生规则，在最小信赖度(Minimum Confidence)的条件门槛下，若一规则所求得的信赖度满足最小信赖度，称此规则为关联规则。例如：经由高频k-项目组{A,B}所产生的规则AB，其信赖度可经由公式(2)求得，若信赖度大于等于最小信赖度，则称AB为关联规则。
就沃尔马案例而言，使用关联规则挖掘技术，对交易资料库中的纪录进行资料挖掘，首先必须要设定最小支持度与最小信赖度两个门槛值，在此假设最小支持度min_support=5% 且最小信赖度min_confidence=70%。因此符合此该超市需求的关联规则将必须同时满足以上两个条件。若经过挖掘过程所找到的关联规则「尿布，啤酒」，满足下列条件，将可接受「尿布，啤酒」的关联规则。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%于此应用范例中的意义为:在所有的交易纪录资料中，至少有5%的交易呈现尿布与啤酒这两项商品被同时购买的交易行为。Confidence(尿布，啤酒)>=70%于此应用范例中的意义为:在所有包含尿布的交易纪录资料中，至少有70%的交易会同时购买啤酒。因此，今后若有某消费者出现购买尿布的行为，超市将可推荐该消费者同时购买啤酒。这个商品推荐的行为则是根据「尿布，啤酒」关联规则，因为就该超市过去的交易纪录而言，支持了“大部份购买尿布的交易，会同时购买啤酒”的消费行为。
从上面的介绍还可以看出，关联规则挖掘通常比较适用与记录中的指标取离散值的情况。如果原始数据库中的指标值是取连续的数据，则在关联规则挖掘之前应该进行适当的数据离散化（实际上就是将某个区间的值对应于某个值），数据的离散化是数据挖掘前的重要环节，离散化的过程是否合理将直接影响关联规则的挖掘结果。
2.2关联规则的分类
按照不同情况，关联规则可以进行分类如下：
1.基于规则中处理的变量的类别，关联规则可以分为布尔型和数值型。
布尔型关联规则处理的值都是离散的、种类化的，它显示了这些变量之间的关系；而数值型关联规则可以和多维关联或多层关联规则结合起来，对数值型字段进行处理，将其进行动态的分割，或者直接对原始的数据进行处理，当然数值型关联规则中也可以包含种类变量。例如：性别=“女”=>职业=“秘书” ，是布尔型关联规则；性别=“女”=>avg（收入）=2300，涉及的收入是数值类型，所以是一个数值型关联规则。
2.基于规则中数据的抽象层次，可以分为单层关联规则和多层关联规则。
在单层的关联规则中，所有的变量都没有考虑到现实的数据是具有多个不同的层次的；而在多层的关联规则中，对数据的多层性已经进行了充分的考虑。例如：IBM台式机=>Sony打印机，是一个细节数据上的单层关联规则；台式机=>Sony打印机，是一个较高层次和细节层次之间的多层关联规则。
3.基于规则中涉及到的数据的维数，关联规则可以分为单维的和多维的。
在单维的关联规则中，我们只涉及到数据的一个维，如用户购买的物品；而在多维的关联规则中，要处理的数据将会涉及多个维。换成另一句话，单维关联规则是处理单个属性中的一些关系；多维关联规则是处理各个属性之间的某些关系。例如：啤酒=>尿布，这条规则只涉及到用户的购买的物品；性别=“女”=>职业=“秘书”，这条规则就涉及到两个字段的信息，是两个维上的一条关联规则。
2.3关联规则挖掘的相关算法
1.Apriori算法：使用候选项集找频繁项集
Apriori算法是一种最有影响的挖掘布尔关联规则频繁项集的算法。其核心是基于两阶段频集思想的递推算法。该关联规则在分类上属于单维、单层、布尔关联规则。在这里，所有支持度大于最小支持度的项集称为频繁项集，简称频集。
该算法的基本思想是：首先找出所有的频集，这些项集出现的频繁性至少和预定义的最小支持度一样。然后由频集产生强关联规则，这些规则必须满足最小支持度和最小可信度。然后使用第1步找到的频集产生期望的规则，产生只包含集合的项的所有规则，其中每一条规则的右部只有一项，这里采用的是中规则的定义。一旦这些规则被生成，那么只有那些大于用户给定的最小可信度的规则才被留下来。为了生成所有频集，使用了递推的方法。
可能产生大量的候选集,以及可能需要重复扫描数据库，是Apriori算法的两大缺点。
2.基于划分的算法
Savasere等设计了一个基于划分的算法。这个算法先把数据库从逻辑上分成几个互不相交的块，每次单独考虑一个分块并对它生成所有的频集，然后把产生的频集合并，用来生成所有可能的频集，最后计算这些项集的支持度。这里分块的大小选择要使得每个分块可以被放入主存，每个阶段只需被扫描一次。而算法的正确性是由每一个可能的频集至少在某一个分块中是频集保证的。该算法是可以高度并行的，可以把每一分块分别分配给某一个处理器生成频集。产生频集的每一个循环结束后，处理器之间进行通信来产生全局的候选k-项集。通常这里的通信过程是算法执行时间的主要瓶颈；而另一方面，每个独立的处理器生成频集的时间也是一个瓶颈。
3.FP-树频集算法
针对Apriori算法的固有缺陷，J. Han等提出了不产生候选挖掘频繁项集的方法：FP-树频集算法。采用分而治之的策略，在经过第一遍扫描之后，把数据库中的频集压缩进一棵频繁模式树（FP-tree），同时依然保留其中的关联信息，随后再将FP-tree分化成一些条件库，每个库和一个长度为1的频集相关，然后再对这些条件库分别进行挖掘。当原始数据量很大的时候，也可以结合划分的方法,使得一个FP-tree可以放入主存中。实验表明，FP-growth对不同长度的规则都有很好的适应性，同时在效率上较之Apriori算法有巨大的提高。
3.该领域在国内外的应用
3．1关联规则发掘技术在国内外的应用
就目前而言，关联规则挖掘技术已经被广泛应用在西方金融行业企业中，它可以成功预测银行客户需求。一旦获得了这些信息，银行就可以改善自身营销。现在银行天天都在开发新的沟通客户的方法。各银行在自己的ATM机上就捆绑了顾客可能感兴趣的本行产品信息，供使用本行ATM机的用户了解。如果数据库中显示，某个高信用限额的客户更换了地址，这个客户很有可能新近购买了一栋更大的住宅，因此会有可能需要更高信用限额，更高端的新信用卡，或者需要一个住房改善贷款，这些产品都可以通过信用卡账单邮寄给客户。当客户打电话咨询的时候，数据库可以有力地帮助电话销售代表。销售代表的电脑屏幕上可以显示出客户的特点，同时也可以显示出顾客会对什么产品感兴趣。
同时，一些知名的电子商务站点也从强大的关联规则挖掘中的受益。这些电子购物网站使用关联规则中规则进行挖掘，然后设置用户有意要一起购买的捆绑包。也有一些购物网站使用它们设置相应的交叉销售，也就是购买某种商品的顾客会看到相关的另外一种商品的广告。
但是目前在我国，“数据海量，信息缺乏”是商业银行在数据大集中之后普遍所面对的尴尬。目前金融业实施的大多数数据库只能实现数据的录入、查询、统计等较低层次的功能，却无法发现数据中存在的各种有用的信息，譬如对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。可以说，关联规则挖掘的技术在我国的研究与应用并不是很广泛深入。
3．2近年来关联规则发掘技术的一些研究
由于许多应用问题往往比超市购买问题更复杂，大量研究从不同的角度对关联规则做了扩展，将更多的因素集成到关联规则挖掘方法之中，以此丰富关联规则的应用领域，拓宽支持管理决策的范围。如考虑属性之间的类别层次关系，时态关系，多表挖掘等。近年来围绕关联规则的研究主要集中于两个方面，即扩展经典关联规则能够解决问题的范围，改善经典关联规则挖掘算法效率和规则兴趣性。

金融工程的定义
关于金融工程的定义有多种说法，美国金融学家约翰·芬尼迪(John Finnerty)提出的定义最好：金融工程包括创新型金融工具与金融手段的设计、开发与实施，以及对金融问题给予创造性的解决。
金融工程的概念有狭义和广义两种。狭义的金融工程主要是指利用先进的数学及通讯工具，在各种现有基本金融产品的基础上，进行不同形式的组合分解，以设计出符合客户需要并具有特定P／L性的新的金融产品。而广义的金融工程则是指一切利用工程化手段来解决金融问题的技术开发，它不仅包括金融产品设计，还包括金融产品定价、交易策略设计、金融风险管理等各个方面。本文采用的是广义的金融工程概念。
[编辑本段]金融工程的核心内容
金融工程中，其核心在于对新型金融产品或业务的开发设计，其实质在于提高效率，它包括：
1.新型金融工具的创造，如创造第一个零息债券，第一个互换合约等；
2.已有工具的发展应用，如把期货交易应用于新的领域，发展出众多的期权及互换的品种等；
3.把已有的金融工具和手段运用组合分解技术，复合出新的金融产品，如远期互换，期货期权，新的财务结构的构造等。
[编辑本段]金融工程的运作程序
金融工程的运作具有规范化的程序:诊断—分析—开发—定价—交付使用，基本过程程序化。
其中从项目的可行性分析，产品的性能目标确定，方案的优化设计，产品的开发，定价模型的确定，仿真的模拟试验，小批量的应用和反馈修正，直到大批量的销售、推广应用，各个环节紧密有序。大部分的被创新的新金融产品，成为运用金融工程创造性解决其他相关金融财务问题的工具，即组合性产品中的基本单元。

精算学
精算学在西方已经有三百年的历史，它是一门运用概率论等数学理论和多种金融工具，研究如何处理保险业及其他金融业中各种风险问题的定量方法和技术的学科，是现代保险业、金融投资业和社会保障事业发展的理论基础。
精算是一门运用概率数学理论和多种金融工具对经济活动进行分析预测的学问。在西方发达国家，精算在保险、投资、金融监管、社会保障以及其他与风险管理相关领域发挥着重要作用。精算师是同"未来不确定性"打交道的，宗旨是为金融决策提供依据。
精算师

❹ 金融数学专业怎样

如果你很喜欢数学和理科，并且对成为金融界高薪一族感兴趣，那么赫瑞-瓦特大学的金融数学理科学士正是你所需要的学位。 一什么是金融数学家?1.金融数学家做什么?金融数学家将他们所掌握的数学知识，尤其是高等概率论运用到金融学中。大部分的金融界从业人员从事产品的销售及服务工作，这就好比在汽车制造业或电信行业等其他所有行业中一样。然而，多数人从事的销售和服务工作并不是这些行业的核心，所有这些行业的核心是那些设计产品的技术专家。金融数学家就是设计世界上各种复杂金融产品的专业人才。这就正如一个汽车工程师既能设计出风险性与娱乐性并存的法拉利，也能设计出缓慢但安全的坦克车。金融数学家能够针对不同市场中的不同顾客设计出一系列不同的金融产品。2.他们的薪水如何?金融数学家担任着非常关键的角色。他们从事数量分析、衍生金融产品构建、风险管理或资产管理等工作，在投资银行及全球性企业中属于拿最高薪水的一群人。3.金融数学家在哪里工作?哪里商业有风险，哪里就有金融数学家的工作。绝大部分的金融数学家为国际性的投资银行工作。然而，那些进行商品贸易或国际贸易的公司(能源公司、航空公司、大型钢铁公司、矿业公司及国际大公司)都会面临商品价格风险及外汇风险。他们便雇用金融数学家处理这些风险。顶尖的管理咨询公司也雇用金融数学家为那些本身未聘请金融数学家的公司提供服务。金融数学学士学位为进一步培训成为保险精算师或会计提供了一个良好的基础。现在存在着全球性高素质金融数学家的短缺，因此该专业的就业前景十分看好。二.赫瑞-瓦特大学的金融数学理科学士专业简介首先，赫瑞-瓦特大学的金融数学本科学位在欧洲是独一无二的。在其他地方，只有在研究生阶段才提供这种数学及金融学一体化的专业。 其次，该学位信誉卓越，已经开设了大约十年之久，并且与赫瑞-瓦特大学的旗舰专业――精算学学士学位有着紧密的联系。这也意味着它的质量是通过外界评定和保证的。本专业的课程设置：大一：概率，微积分，代数和经济学。同精算学专业的头两年的课程一样。大二：概率分析学，金融数学和金融学大三：到第三年的课程与精算学专业的课程不同，课程将重点学习数学模型和风险理论。 例如;投资组合理论，金融衍生品定价，随机过程学，统计建模学，选修课包括功能分析学和数值分析学等等，以及学习一些有关项目开发和实施的课程。大四：高级金融衍生品定价学，高级随机过程学，风险理论，选修课包括优化学，偏微分方程学，测量理论，以及毕业论文。入学要求：1.学历要求：高中毕业，平均分70以上2.语言要求：雅思：6.0分托福：笔考550，机考213，网考80就业前景：虽然投资银行是金融数学家的主要就业行业，但是本专业所教授的技能也适用于其它的行业并且有许多研究的机会。例如，那些进行商品贸易或国际贸易的公司(能源公司、航空公司、大型钢铁公司、矿业公司及国际大公司)都会面临商品价格风险及外汇风险。他们便雇用金融数学家处理这些风险。目前严重缺乏的训练有素的金融数学家，所以这就这意味着市场对毕业生的需求很大。

❺ 金融数学专业具体学什么

金融硕士：通常为1年制，设置在学校的商学院或管理学院之下，其主要课程集中于金融领域，培养金融专业人才。在美国综合排名前50的学校中，有MSF专业的学校只有10所左右。
2.MBA下的金融方向：美国大学的MBA通常会分为不同方向，金融就是其主要方向之一。其课程设置以金融为主，但也较多的涉及其它商科领域和管理领域。通常较为看重申请学生的工作经验。
3.金融工程：是美国金融类硕士中专业性最强的一类，它是金融学、数学和工程学交叉渗透形成的学科。通常对申请学生的专业背景有一定要求，但这也成为许多其他专业学生（如数学专业、计算机专业等）想要转金融专业的最佳选择之一。
4.其它金融类硕士：除了以上三种，美国大学金融类硕士专业还有金融分析、国际金融、应用金融、金融管理等。这些专业的课程设置都以金融为主，但又都有不同的侧重点

❻ 出国留学读研 金融数学专业

算了吧，你既然学保险的，数学基础好的话，还不如去读个精算硕士呢~~~
请看下面的介绍：
金融数学（Financial Mathematics），又称数理金融学、数学金融学、分析金融学，是利用数学工具研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。金融数学也可以理解为现代数学与计算技术在金融领域的应用，因此，金融数学是一门新兴的交叉学科，发展 很快，是目前十分活跃的前沿学科之一。
在以前数学与金融之间并没有太大的关系，这就是最近二三十年来，华尔街投资银行各种金融交易的兴起，各种金融产品的出现要依靠数学模型的演算和推广，才使数学和金融产生了非常紧密的联系，也使数学人才更加多的投入到了金融领域。
可是，到了今天，随着美国排名三、四、五的投行的逐个倒闭，前二名投行摩根士丹利和高盛也已转行。(现在他们都转为由银行控股，不再是单纯的投资银行了，需要在银监会的严厉监管下运作)
金融危机是否会带来经济危机现在还不敢说，但看来美国的金融体系可能要混乱一阵子，全世界的经济将受之影响。他给世界带来最大的影响就是世界投资银行业将为之改写，投资银行业的历史甚至金融学的教科书都将被改写。
如果美国政府重新对金融市场进行管制，肯定会使金融产品和流动性和丰富性受到很大的影响，华尔街曾经的繁华或许即将成为历史。现在美国的华尔街很多人都失业，今后几年金融是否是一个好的专业存在着一个大大的问号，所以，我建议不要去学金融数学，可以去学工程类学或一些偏应用的学科。现在很多学数学的学生都扎堆学金融，这有点像前些年学国际贸易，当时很多人去学外贸可以几年出来以后已经找不到工作了，因为市场已经变了，企业已经自营外贸了。所以，我觉得在做专业选择的时候，要考虑到整个行业的发展趋势，和全球的经济发展形式，作出最理性的选择，希望想留学学金融或学数学为了投身金融业的学生要三思而后行。

申请金融数学硕士的条件：
1. 金融数学要求申请者有很好的数学背景，如果不是数学专业的学生，就要求某几门数学课的成绩要比较好。总结美国所有金融数学专业情况，这些课程大致有：微积分（尤其是多元微积分）、概率统计、线性代数(包括特征值与特征向量)、微分方程（常微分方程、还有偏微分方程很重要）、概率统计、数值方法。如果在学校要求的课程中，有的课程申请者没有学过，那么可以在学习专业课程前先去补上这些课，再进行专业学习。
2.金融知识基础。大学的申请要求并没有把金融知识基础作为一个很硬性的要求放置在网页信息中，但是作为申请者，如果不能对金融知识有所积累、对金融数学的内容一无所知、那势必会影响到申请材料的制作的倾向性以及申请结果。
微观经济学、会计学原理，还有其它金融学入门类课程都是需要读一读的，如果能够根据所学的知识为金融学研究对象建立相应的数学分析模型（如：期权定价模型），这将会是很有说服力的专业能力的证明，能表现对金融市场，工具，机构强烈的兴趣。
3. 计算机能力：申请者要有一定的C语言编程基础，其它对申请有利的包括C++、Fortran、Pascal、Java、VBA，以及数学软件Matlab、Mathematica、Mathcad等。比如：Cornell大学的专业课程比较注重计算机技术、计算机模拟，而JAVA就是其应用最为广泛的编程语言。而Columbia大学则对UNIX操作系统情有独钟。
4. 外语水平：金融数学一般要求TOEFL550以上，写作4.0以上；GPA3.0（但重点是放在几门数学与计算机课程成绩上。其它有关数学的要求是：GRE的Quantitative较好，有的要求700分以上，还有的排名较高的学校则要求GRE数学部分在90%以上。Pure University、University of Chicago、UC-Berkeley、Stanford对数学的要求特别高，也特别偏向数学专业出身的学生，甚至要求申请者者递交GRE的Math SUB 成绩。
除了理论知识与研究论文，申请者如能有金融分析相关的实习经历也是很好的。

❼ 有关金融数学专业

想必大家都了解过金融学专业，下面给大家讲讲它的一个分支——金融数学专业。这个专业对数学能力要求比较高，如果你脑子反应快、对数学有极高兴趣、毕业后想在金融行业工作，可不要错过这一个为你量身定制的专业！



金融数学是数学和金融的交叉学科，它利用数学工具研究金融，进行数学建模、理论分析、数值计算等定量分析，以求找到金融学内在规律并用以指导实践。

说白了，就是用数学解决金融领域中的问题。



上世纪80、90年代，随着国外计算机领域和数学领域的不断发展，金融数学专业应需而生，如今已成为商科中的热门专业之一。

而我国的金融数学专业较晚成形，1997年，北京大学建立了国内第一个金融数学系，旨在培养具有数学与金融两个领域知识的复合型人才。随着各金融机构及企业对风险管控方面重视程度加大、急需相关金融人才，金融数学在国内发展得很快，是活跃在学科前沿的专业之一。



中文名： 金融数学

专业代码：020305T

授予学位：经济学学士

修学年限：四年

学科门类：经济学

专业类别：金融学类专业层次本科

❽ 英国大学本科金融数学

1、爱丁堡大学
爱大的金融数学是与英国赫瑞瓦特大学合作专业。爱丁堡大学的商学院也非常强，瓦特大学的精算专业也是英国有名的，因此，这个专业属于强强联手，涵盖了商科和数学两方面的知识。（英国大学金融数学硕士专业院校）

2、华威大学
金融数学专业是华威商学院、数学学院、统计学院和经济学院合作的产物，涉及面广，自然学的内容多，录取标准也挺高。

3、利兹大学
学费：GBP16，500
入学要求：至少英国本科学历2:1，国内本科85%以上，会计，金融，经济，数学，物理，计算机相关背景
雅思要求：总分6.5，单项不低于6分

4、曼彻斯特大学
曼大共有3个相关课程，前2个属于商学院，曼大的商科是英国有名商学院之一，该校的课程设置、师资等相当优秀。

5、埃克塞特大学
英国大学金融数学专业排名TOP10有哪些？埃克塞特大学金融专业排名曾位居英国第二，自然金融数学就比较抢手了，该专业位于数学学院，要求一定的数学或者工科背景。

该专业没有毕业论文，学生只要合格完成所有课程即可毕业。

6、莱斯特大学
金融数学与计算专业雅思要求6.0分，所以，对于语言成绩一般的学生还是比较有优势的。
7、伦敦大学国王学院
国王学院是伦敦大学下属学院之一，同IC、LSE一样，也属于比较难申请学校之一。该专业位于数学学院下，一再强调要求极强的数学背景，因为，课程设置里数学相关的课程还是比较多的。
8. 伦敦政治经济学院
做为英国顶尖学校之一，LSE的入学要求一直很严格，而金融数学专业属于热门专业之一，相对而言，申请难度不低。申请者需有很强的数学背景，或者数学相关专业，雅思6.5，听力和阅读6.5，口语和写作6.0
9. 伦敦城市大学
该专业需要很强的数学背景，所以一般要求学生是数学、物理、工程等相关专业。在CASS商学院授课，入学要求很严格，平均分80-85分左右，雅思7.0，写作6.5.
10. 伦敦大学学院
做为伦敦大学成员之一，UCL有得天独厚的优势，同时是英国顶级大学之一，学校科研实力在很多方面都得到世界的认可。该专业要求学生具体良好数学基础，雅思6.5，单项6.0。