北京大学金融系什么时候有的

⑴ 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

⑵ ＜北京大学＞请问北京大学有金融专业吗我知道北大下面有很多学院，请问金融专业在那个学院里发展前...

有。光华管理学院和经济学院。
前景很好（它们的院楼是北大最气派的，还有毕业生酒会之类，不过录取分数基本上也最高）。

⑶ 北大金融数学系是干什么的

北京大学金融数学系简介 为适应我国发展社会主义市场经济的需要，特别是金融改革和防范金融风险的需要，北京大学于1997年正式批准在数学科学学院建立金融数学系。这是国际上第一个以金融数学命名的大学本科系。 金融数学是近十年来蓬勃发展的新学科，在国际金融界和应用数学界受到高度重视。1997年诺贝尔经济学奖授于Scholes和Merton,就是奖励他们在期权定价（如著名的Black_Scholes公式)等金融数学方面的杰出贡献。随着我国经济体制由计划经济向社会主义市场经济过渡，证券业和保险业迅速发展，金融业逐步实现与国际接轨并参与国际竞争，社会对金融人才的需求，不仅在数量上要求越来越多，而且在层次上要求也越来越高，特别是对能做定量分析的金融专业人才更是求贤若渴。正是为了培养既具备金融基本知识又受到良好数学训练的新型复合型金融人才，北京大学数学科学学院建立了金融数学系。 自1997年7月金融数学系正式成立至今已二年了。现己初具规模。 一、初步确立了本科和研究生的教学计划。主要参考了国际上著名大学金融数学本科和硕士的培养计划，并征求了北大经济学院和光华管理学院有关教师的意见。指导思想是金融数学的教学必须体现文理结合。我们的本科课程主要由三个方面组成：1）数学基础，加强概率统计、随机过程、微分方程和计算方法 等内容;2) 经济和金融基础，主要依托北大经济学院和光华管理学院现有的很好的师资和教学经验，要求我系学生到他们那里选上《微观经济学》、《宏观经济学》、《货币银行学》、《国际金融》，等相关课程；３）金融数学专业课程，已开设由我系教师主讲的如《利息理论及其应用》、《寿险精算》、《期权期货与其它衍生证券》、《证券投资学》、《风险理论》等与金融数学密切相关的课程，并将进一步陆续增加这类课程。我们的课程设计受到兄弟院校的重视，常有人来我系索取金融数学教学计划。香港城市大学和理工大学邀请我系系主任赴港专门探讨金融数学的教学问题。此外，硕士研究生的教学计划也已初步制定完成。 我系在保险精算的教学方面有较好的基础，并得到瑞士再保险公司的赞助由97年起，我系学生参加北美精算师的考试，己连续３次，取得了杰出的成绩其中有两名获并列全球第一，３人获前五名，分别获得获得$200和$100的奖励。到99年初我系已有从二年级到四年级的本科生三个班。硕士研究生两个年级共六名学生。有一名研究金融数学的博士后己经进站.2000年将有第一批金融数学硕士毕业生。 1999年7月，第一批金融数学本科生毕业。在23名毕业生中,2人出国读金融数学博士学位，9人被北大，清华、科学院，复旦大学等单位录取为金融数学研究生，两人到银行工作，一人到保险公司工作，其余的同学到各计算机公司工作，有的也是从事与金融有关的软件开发工作。 我系目前有7名教员，其中正副教授4人，此外还有兼职教授多人。一年来我们不仅承担了全系的教学和科研任务，而且在开展对外交流与合作方面也做了积极努力，取得了一定成绩。 二、科研方面的良好开端。建系以后不久我们就参与了基金委和国家科委委托的一个研究项目:科技贷款的风险分析与防范。经过近半年的艰苦工作与北大金融数学与金融工程中心的同志们合作，较好地完成了这项课题的研究任务。特别是孙山泽教授的数据分析的成果受到科委和金融界同志们的好评。由胡德琨教授牵头我系两位教师为主要参加者的基金委国家重点项目“保险信息处与精算数学理论和方法”于1999年正式启动。谢衷洁教授在汇率的研究方面应用时间序列和小波的技术已获得很好的结果，并与香港理工大学开展合作。黄文灶教授和王铎教授在经济和金融中的非线性动力学方面也开始了研究。我们和香港城市大学，理工大学以及中文大学正在探讨在金融数学的教学和科研方面开展合作。我们还准备在社会保障的研究方面与有关方面开展合作。我们的金融数学开放科研课题也已启动，将支持若干项跨系的合作项目。 三、积极争取与金融部门合作。从建系一开始我们就积极探索与金融界的合作，先后与多家银行、证券公司和保险公司接触并探讨合作。目前我系已获得到国内外多家金融单位的支持：瑞士再保险公司为我系师生提供参加北美精算考试报名费，并免费为我系提供精算资料；全球精算师协会已指定我系为该协会的资料中心，为我系免费提供图书资料；联合证券有限责任公司赞助我系建成金融数学实验室，为教学科研提供了有利的条件，并将开展一些联系实际的课题研究；华夏证券有限公司赞助我们在98年9月初举办了国际金融数学与金融风险防范研讨会；华夏证券公司副总裁林义项博士还为我系开设了“金融风险分析"课；中保人寿公司，平安保险公司，新华人寿保险公司，北京证券公司，大陆期货公司等还为我们安排了学生参加社会实践活动，丰富了学生的金融实践知识。 四、积极稳妥地开展舆论宣传，加强与金融界的交流与合作,1998年4月29日，北京青年报第二版用了多半版的篇幅发表了一篇采访文章：《中国高校瞄准华尔街》，这是国内第一次在新闻媒体上较详细地介绍北大金融数学系。当天晚上，中央电视台二台在中国财经报导节目中报导了北大联证金融数学实验室签约的消息。４月30日金融时报、中国证券报等金融界大报也都报导了这条消息。５月１８日北京人民广播电台在经济时评节目中现场直播了对金融数学系主任王铎的采访.7月4 日中国证券报头版发表了《数理工具：现代金融业的宠儿》，再次通过专访的形式报导了北大金融数学系。这些宣传使我系在国内外的影响迅速扩大，为我系教学和科研事业的发展，创造了更好的条件。 五、举办“金融数学高级研讨班”。经教育部批准,1998年8月28日至9月8日由我系主办了一次全国性的金融数学研讨班。来自各高校和金融机构的110 多人参加，正副教授多达近60人。研讨班期间还举办了国际金融数学与金融风险防范研讨会，中科院金融避险对策研究组组长马志明院士等国内外专家在会上作了精彩报告。 金融数学系的目标是：完善教学计划，深入开展科研，加强合作交流，争取把我系建成金融数学的人才培养和科学研究基地。近期我们工作的重点是：1)进一步完善教学计划。对本科生和研究生的教学计划适当调整，使之更系统，更全面。同时，每门课都编写出详细提纲，并写出课程简介。2)进一步加强教材建设，争取金融数学的每门课都能列入学校的教材建设计划，尽快做到每门课都有自己的讲义，部分课程能有自编的教材出版。3)深入开展科研，一方面争取尽快有高水平的论文发表，另一方面也争取尽快开展联系中国金融实际的研究课题.4)巩固并加强与金融界已经建立起来的联系，争取与更多的金融单位合作。5)完善金融数学实验室。一方面实现接收和传递金融信息的功能，为联系实际的科研课题提供好的环境，另一方面加强管理，为方便师生使用创造更方便的软硬件环境。6)实现多种方式培养现代金融人才。为满足国家对新型金融人才的需求，尽快创造条件招收在职研究生、与国外联合培养研究生、金融在职人员的培训等。

⑷ 北大经济学院和光华学院都有金融系，有什么区别啊（读本科）

北大经济学院和光华学院都有金融系，区别是：北大经济学院的金融学专业，以经济学大类招生；光华学院，以工商管理大类招生。分数线也不同。

2000年4月3日，北京大学与原北京医科大学合并，组建了新的北京大学。两校合并进一步拓宽了北京大学的学科结构，为促进医学与人文社会科学及理科的结合，改革医学教育奠定了基础。

⑸ 北大金融系

北京大学光华管理学院
1)师资
有厉以宁，张维迎等一大批经济学家坐镇，虽然不全是金融学领域的导师，金融方面最有名的导师应该是曹凤岐教授。今年来，有一大批海归的加盟，实力提升更快。
2)考试特点
专业课考试难度比较大，侧重一定的数学能力，对综合素质要求很高。还有就是考试范围要广，和人大一起是全国仅有的两所院校初试中强化财务管理知识的学校(联考只是稍微涉及)。专业课给分情况与人大差不多，但是对公共课要求比人大高，所以不建议数学英语不好的同学报名。理工科考生还是很有优势的。出国机会比较多，很多毕业生选择出国留学，这一点人大比不了。整体上看，北大光华的金融学考研录取分数线至少需要370分以上，当然，专业课的难度比较大。如果不下大功夫，还是不要尝试了。另外，与其它院校不同，北大光华管理学院的金融要求考数学三，难度大大增加。
3)就业前景
北大的金融学虽然还不是国家的重点学科，但牌子在这摆着，所以就业形势也非常不错，而且有很多的出国机会。

北京大学

1、光华
08，复试分数：374，43人复试，录32人，其中26人自费（2年7.6万）。
就业好，光华全院08届硕士平均起薪17万，金融平均起薪是19万。

2、CCER
08，复试分数：370，24人复试，录18人。
就业好。

3、汇丰商学院
05年成立，地处深圳，双硕士：北京大学经济学硕士+香港大学金融硕士
08，复试分数：370，录83人（含推免），08届学费10万，09届学费12万。
就业好，08首届双硕平均起薪18.5万。

4、经济学院
08，复试分数：398，金融录4人，（410分以上）。
不详

北大经济学院03硕士就业情况
北大经济学院04硕士的就业去向
北大ccer2002年毕业生去向
北大ccer2003年毕业生去向
北大ccer2004年研究生毕业去向
北京大学中国经济研究中心CCER2005年毕业生去向
北大ccer2007年研究生毕业去向
中国经济研究中心2008年研究生毕业去向
2001年光华毕业研究生去向一览
北大光华金融04届毕业生就业
05届光华金融硕士就业去向
05届光华金融本科生就业去向
06届光华金融本硕就业去向
2006年光华金融专业硕士研究生就业情况
07年光华金融本科毕业生去向

以上参见下面网址：
http://www.liankao.net/thread-6803-1-1.html

⑹ 哪个大学的金融系最好

详细答案
中国人民大学金融学的整体实力最强，各个分科目实力平均；北京大学侧重金融管理；厦门大学侧重货币银行、金融工程；复旦大学是仅次于人大的金融综合性大学，尤其是国际金融表现突出；对外经济贸易大学国际金融专业实力强，十分注重抓英语；南开大学的保险精算全国最好；中央财经大学具有区位优势，有好的学校条件；湖南大学是全国最早引入保险精算的学校；西南财经大学该专业为国家级重点学科；西安交通大学该专业为中国人民银行直属院校重点专业；上海财经大学金融学科在全国的金融教学和学术研究领域具有较高的声望和较大的影响；中南财经政法大学的金融证券实力强大，是国内研究方向最齐全，专业最全的学科；清华大学金融工程、微观金融走在我国最前列。希望对你有帮助。

⑺ 金融工程学的发展简史

从科学史的研究发展，每一门真正可以称之为科学的学科（原先主要指自然科学，现在己延伸至社会科学学科），其成长过程都要经历三个阶段：第一个阶段是描述性，第二个阶段是分析性的，最后一个阶段是工程化的。如现代生物工程和遗传工程的兴起，标志着生物学及遗传学的工程化。实际上，一门科学学科只有在工程化后，才能大规模地创造出经济和社会效益。
金融科学正如这些科学一样，经历了描述性阶段和分析性阶段之后，在20世纪80年代后期发展到了工程化的阶段－金融工程学。也就是说，金融工程学是金融科学发展的第三个阶段－工程化阶段。金融工程的产生把金融科学推到一个新层次－现代金融领域的高新科技。 20世纪50年代初期前
在20世纪50年代初期前，金融学的研究大多是依赖于经验分析而非理论上的、合乎规范的探讨，没有精致的数量分析。 20世纪50年代初至70年代末期
一般认为，现代金融理论起始于20世纪50年代初哈里·马柯维茨(Harry Markowitz，1952，1956，1959） 提出的投资组合理论， 这不但奠定了现代有价证券组合理论的基础，而且也被看作是分析金融学的发端。事实上，马柯维茨证明了投资者的一个最优资产组合－在既定方差水平上有最大收益率或在既定收益水平上有最小的方差， 将是一个均方差有效率的资产组合，并将投资者的资产选择问题转变成一个给定目标函数和约束条件的线性规划问题。正是这个贡献引发了大量的对现代证券组合理论的分析研究。20世纪60年代早期，得兰德·约翰逊(Leland Johnson，1960） 和杰罗斯·斯特因(Jerose Stein，1961） 把证卷组合理论扩展到套期保值，从而形成现代套期保值理论；以威廉·夏普(William Sharpe， 1961）、约翰·特纳(John Lintner，1965） 和简·莫辛(Jan Mossin，1966） 为代表的一批学者， 把注意力从马柯维茨的对单个投资者的微观主体研究转向整个市场的研究， 考虑所有遵循马柯维茨假设下的投资者的共同行动将导致怎样的市场状态，并先后在1964 年和1965 年得出了有关资本市场的均衡的相同结论，创造地提出了著名的资本资产定阶理论。但资本资产定阶理论严格的假定条件却给经验验证造成了很大障碍， 使得学者们不得不致力于对假定条件进行修改，以使其更符合实际。以迈耶斯(Mayers， 1972）、罗伯特·莫顿(Robert Merton，1973）、艾尔顿和格鲁伯(Elton and Gruber，1978）为代表的学者， 通过放松其中的某个假定条件，而保留其它假定条件不变的情况下研究资产定价模型；以费歇·布莱克和梅隆·斯科尔斯(Fisher Black and Myron Scholes，1971）、罗斯(Ross， 1976） 为代表的学者，基本放弃资本资产定阶理论假定，以新假定条件为出发点重新建立模型，从而分别提出了第一个完整的期权定价模型（1971年还没有期权市场，布莱克－斯科尔斯期权定价模型可以说是自经济学产生以来唯一的一次领先于经济事实的理论发现）和套利定价理论。标志着分析型的现代金融理论开始走向成熟。也可以说， 完成了现代金融理论从描述性科学向分析性科学的飞跃。尤其是在罗伯特·莫顿(Robert Merton）的著作中， 新的方法得到了最清晰的体现，他为分析金融学奠定了大量的数学基础，取得了一系列突破性的成果。 20世纪80年代初至今
20世纪80年代在金融理论上也是多产的。工作主要集中于扩展早期理论、检验新的金融工具和新金融市场的运作，对风险管理工具和技术进行非常细致而必要的观察分析等方面。实际上，进入80年代，在努力寻求一个性状良好的均衡定价模型进展甚微时，一部分学者不再象当初马柯维茨那样对投资者效用函数之类作规范性研究， 而是通过实证分析方法考察信息与股价变动的关系。具有代表性的有恩格尔(Engle，1982） 提出的P阶条件异方差自回归（ARCH(p））模型。
在此之后，新一代金融经济学家突破传统的方法论和思维方式。如摒弃风险与收益呈线性关系的假定， 采用非线性的动态定价模型，如EGARCH (Exponential GARCH）、A GARCH (Asymmetric GARCH）等，甚至尝试放弃风险与收益存在正相关关系的基本假设条件， 提出了具有黑盒子性质的定价核（price kernel) 概念。实现现代金融理论从分析性科学向工程化科学过渡的主要贡献者则是达莱尔·达菲(Darrell Duffie) 等人， 他们在不完全市场一般均衡理论方面的经济学研究为金融创新和金融工程的发展提供了重要的理论支持。他们从理论上证明了金融创新和金融工程的合理性和对提高社会资本资源配置效率的重大意义。以金融工程作为技术支持的多种创新活动不仅转移价值，而且通过增加金融市场的完全性和提高市场效率而实际地创造价值。
20世纪80年代末期，一些学者意识到金融作为一门科学正在经历第二次根本性的变革，即由分析性科学向工程化科学转变。如海恩·利兰德(Hayne Leland) 和马克·鲁宾斯坦(Mark Rubinstein) 开始谈论“金融工程新科学”。1988年约翰·芬尼迪给出金融工程的正式定义。
但金融工程作为一门独立的学科直到20世纪90年代才得以确立并获得迅猛发展。宋逢明（1998） 认为其确立的重要标志是1991年“国际金融工程师学会”的成立。该学会的宗旨是“界定和培育金融工程这一新兴专业”。
高度重视
各国政府、金融学术界及实务界越来越高度重视金融工程的研究和发展趋势
1990年以来，国际金融界发生的一系列重大事件：墨西哥金融危机、英国巴林银行的倒闭、法国里昂信贷银行巨额亏损、日本东京三菱银行的合并、泰国货币贬值（1997） 导致的东南亚金融危机（1998） 、日元持续大幅度贬值。1998年底， 一系列美国对冲基金的投机失误，使人们对于金融变革中的问题产生了极大的警觉，对金融工程的研究和应用产生了极大的兴趣。
事实上，金融工程学科的西方发达国家的发展非常迅猛。美国芝加哥大学、麻省理工学院、斯坦福大学、纽约工业大学都已设立金融工程的学位或专业证书教育。以案例教学著称于世的哈佛商学院的金融与财务学教授们专们编著了金融工程案例集出版。金融工程的学术研究非常迅速地应用化， 如纽约工业大学和华尔街的重要金融机构建立了密切的业务合作联系。1997年7月以来，面对泰国货币贬值的冲击，中国科学院紧急成立了国家级“金融避险对策研究小组”， 就是集中力量把数理分析与经济问题结合起来，从理论上研究对新兴金融工具的风险控制和风险管理。国务院和中国人民银行总行的有关官员也多次指示要加快金融工程学科的设立。国家自然科学基金会对金融数学、金融工程领域内的研究项目支持力度也较大。《金融数学、金融工程与金融管理若干重大问题研究》早在1996年就被国家自然科学基金会批准为“九五”重大科研课题。
1997年，北京大学相继成立了金融数学与金融工程研究中心和金融数学系，中国科技术大学、南开大学、山东大学也推出了诸如统计金融系。同年7月北京大学金融数学系与联合证券公司合作筹建了“北大联证金融数学实验室”，年底，陕西财经学院“金融工程研究中心”成立。相信它们将会对中国的金融改革， 特别是金融数学、金融工程的发展做出有益的尝试和贡献。另外，清华大学、华中理工大学、西安交通大学、上海交通大学、东北大学、华东师范大学的一些学者纷纷活跃在金融数学、金融工程研究领域，并开始招收本科生、硕士生、博士生，如西安交通大学从1996 年起招收金融最优化方法方向博士研究生。1999 年7月北大金融数学系将有第一批金融数学的本科毕业生。 伴随着高新技术的发展， 金融创新节奏和金融工程发展有加速的趋势
金融工程学是伴随并推动着金融创新的变革而发展起来的，它是金融创新最核心的部份，是西方国家金融领域最前沿最尖端的科学。一方面，随着计算机和通讯等高新技术的不断发展， 金融基础设施的改善，为金融创新和金融工程提供了强大的技术支持。另一方面，全球化的激烈竞争刺激企业和金融机构为规避风险而对金融创新和金融工程成果和产品的需求，必然导致金融创新和金融工程加速发展的趋势。 金融工程研究方法多样化的趋势
在金融工程的研究方面， 所适用的最基本的方法是数学方法，但也出现了各种自然科学的前沿理论和最新工程技术广泛引入到金融工程中进行研究的势头，使金领域展现了全新的面貌和广阔的前景。我们知道， 数学方法所涉及的内容十分广泛， 从基本的代数知识、微积分、线性代数到微分方程、运筹学和优化技术，乃至模糊数学、博弈论（包括微分对策）、统计学中的概率论、随机过程和其它随机分析方面的理论和方法（包括倒向随机微分方程) ， 但随着金融工程学的迅速发展和各学科的相互渗透的结果，各种自然科学的前沿理论和最新工程技术，如混沌理论、小波理论、遗传算法、复杂系统理论、人工智能技术（包括知识工程、专家系统和人工神经网络等）、模拟退火方法、面向对象方法等都已经或正在成为金融工程的重要理论与实践工具。 金融工程的研究与技术开发手段方面，出现了金融产品和金融工具设计软件化、标准化的趋势
在诸多工程学科中得到广泛应用的CAD 技术在金融工程中也开始显示威力，已出现了商业化的Financia-CAD for Excel，Financial CAD for Visual Basic and C等软件。这类软件的开发成功和商业化，丰富了金融工程师的实践工具，甚至在一定程度上改变了金融技术开发的概念，使得金融技术开发的成本大大降低，从而必将使金融工程技术更迅速的发展和更广泛的应用。